00:00 Alors je suis en compagnie d'Edouard Beaucour, vous êtes le directeur général France et vice-président
00:11 Europe du Sud de Snowflex. Snowflex c'est un peu une star française, mais enfin j'exagère,
00:15 c'est quand même une entreprise californienne qui est spécialisée dans l'hébergement des données
00:18 dans le cloud, mais qui a été créée en 2012 par deux français avec un succès retentissant. Et alors
00:24 là l'actualité de Snowflex et bien c'est la naissance d'un nouveau modèle de langage, un LLM, large
00:31 language model comme on dit en anglais, évidemment boosté à l'IA générative. Donc ma question
00:38 première c'est est-ce qu'on est là dans un effet de mode ? Est-ce qu'on a besoin d'autant de modèles
00:43 d'IA générative différents ? Pourquoi Snowflex propose ceci, cette nouvelle IA boostée à l'IA
00:50 générative ? Parfait, écoutez déjà je suis ravi d'être avec vous pour parler de ce qui semblait
00:54 être l'épicentre des discussions depuis quelques mois et depuis le début de l'année calendaire.
00:58 Et mon premier principe il serait essayer de remettre un petit peu les choses à leur place
01:04 quand on parle d'intelligence artificielle, de gen AI et donc d'intelligence artificielle
01:10 générative et de large language model. Donc nous sommes précisément dans une révolution qui est
01:17 probablement une des plus fortes que la tech ait connue depuis ces 40 dernières années,
01:23 mais comme toute révolution elle a trouvé sa source dans quelque chose d'assez naturel et qui
01:28 n'est pas arrivé du jour au lendemain. Donc ça fait déjà 30-40 ans que les hommes se demandent
01:33 comment interagir avec les faits qu'on stocke dans des systèmes tout simplement. Et c'est pas nouveau,
01:39 on a parlé dans les années 70-80 de langage qu'on appelait "common object business language" donc
01:45 on essayait déjà de parler avec des machines, les gros systèmes IBM si vous vous souvenez.
01:49 Et puis ensuite IBM encore avait mis au point un langage qui s'appelait le SQL qui permettait aussi
01:55 en langage naturel pour peu qu'on parle très bien anglais d'échanger, d'interagir avec les faits qui
02:01 étaient stockés dans des bases de données. Et aujourd'hui tout s'accélère donc c'est pour ça
02:06 qu'on parle vraiment d'un moment d'inflexion, de révolution. Tout s'accélère parce que ce qui est
02:12 la Gen AI est finalement de la mathématique boostée avec des modèles de mathématiques et des modèles
02:21 d'apprentissage par les machines préentraînés et déployés sur des machines plus puissantes que
02:28 ce qu'on n'a jamais vu. Préentraînés à comprendre ce qu'on leur dit en fait c'est ça ? Tout à fait,
02:32 préentraînés à comprendre ce qu'on leur dit, à se nourrir des faits qui ont déjà été mis en place,
02:36 des formules mathématiques qui ont déjà fait leurs calculs et ainsi de suite. Donc là on parle de
02:42 modèles fondamentaux. Mais alors la deuxième question c'est donc pourquoi ce besoin de
02:47 multiplier les modèles ? Alors pourquoi on multiplie les modèles ? Les modèles déjà par rapport à ce
02:52 à quoi on a, quels sont les sujets qu'on adresse doivent être différents. Le LLM typiquement ce
02:57 sont ces modèles fondamentaux basés sur les mots seulement. Dès qu'on va commencer à s'adresser
03:02 aux images, à des données synthétiques qui ont été reproduites depuis des données de base,
03:08 dès qu'on va regarder du texte et autres ou de l'audio on va s'adresser avec des nouveaux modèles.
03:12 Et puis les modèles ils doivent être aussi pris par rapport au contexte dans lequel on est. Donc
03:17 quand on veut étudier des choses liées à la logistique d'une entreprise ça va pas être les
03:21 mêmes modèles que lorsqu'on est sur des essais cliniques pour accélérer du texte et du code par
03:29 exemple. Donc il faut des modèles beaucoup plus spécialisés c'est ça que vous nous expliquez.
03:34 Alors la troisième question c'est la préoccupation. On s'interroge aujourd'hui
03:38 beaucoup sur ce qu'il advient des données qui sont collectées par ces IA génératives.
03:42 Tout à fait. Donc ce qu'il faut comprendre c'est que dans l'IA générative il y a trois
03:47 grands blocs. Il y a les datas, donc les données. Il y a les modèles fondamentaux dont on a parlé
03:52 qui comme vous le soulignez se multiplient. Et puis il y a les prompteurs, ce qui est l'interface
03:57 entre vous et tous ces systèmes. Alors on a parlé beaucoup de GPT qui a été le prompteur que tout
04:02 le monde a vu mais il y en a plein plein plein des prompteurs. Et donc une de nos missions chez
04:06 Snowflex c'est de faire en sorte d'amener une capsule de gouvernance et de sécurité sur tous
04:11 ces aspects là. Nous notre métier de base c'est d'aider les clients à sécuriser, à gouverner,
04:15 à traiter leurs données à très grande échelle. Et donc un de nos principes de base c'est d'amener
04:20 des modèles qui sont bien souvent pas les nôtres, amener les modèles typiquement de Azure AI,
04:24 donc OpenAI et tous ces modèles qui sont nés de chat GPT, mais aussi bon nombre d'autres modèles.
04:30 On a un partenariat très fort avec Nvidia qui est un gros fournisseur de modèles, mais aussi les
04:34 modèles de nos clients dans une capsule de sécurité où les données sont seule, je dirais, propriété du
04:43 client et où tout le monde ne peut pas voir ce qui se passe. Merci beaucoup Edouard Beaucour,
04:49 c'était trois questions sur ces nouveaux modèles d'IA génératives. Edouard Beaucour, je rappelle
04:53 que vous êtes le directeur général France et le vice-président Europe du Sud de Snowflex. Merci
04:58 Merci beaucoup.
04:59 Merci à vous.
05:00 Et c'est lors de la grande interview avec la Fédération française des télécoms.