- il y a 1 an
Les interviews de l’IA explorent comment l’intelligence artificielle transforme l’art, l’entreprise et la société. De Obvious à Microsoft, en passant par VISIONS, trois experts livrent leur regard sur les enjeux et innovations de l’IA.
Catégorie
🗞
NewsTranscription
00:00Aujourd'hui dans les interviews de l'IA, trois invités, Gauthier Vernier est avec nous, il nous fera découvrir les coulisses d'un projet inédit, assez extraordinaire, je dois dire, qui marie la culture et la science, ça s'appelle Molière ex machina, bienvenue Gauthier.
00:19A côté de vous, Mathias Debièvre, bonjour Mathias, vous êtes porteur de projet IA, de Data Space, vous allez nous expliquer de quoi il en retourne exactement, on va parler notamment de ce qui se passe dans l'éducation ensemble.
00:31Mais on va commencer avec Xavier Perret, bonjour Xavier.
00:33Bonjour Malphine.
00:34Vous êtes spécialiste des architectures cloud, vous êtes un grand spécialiste de l'intelligence artificielle, le directeur de l'entité Azure de Microsoft France et on va parler avec vous de la star, j'ai envie de dire, de l'IA et des chatbots, des IA génératifs, c'est GPT-5.
00:48D'Open AI, que Microsoft d'ailleurs intègre désormais dans ses solutions, grand public, développeur, entreprise.
00:55Quels sont les progrès aujourd'hui notables avec cette version et où on en est de l'état de l'art finalement des IA génératifs ?
01:02Oui, parce qu'effectivement, cet été on a parlé du lancement de GPT-5, comme tu l'as dit Delphine.
01:07Je pense qu'il faut rappeler d'abord qu'il y a plein de modèles et puis on va rappeler, sur Azure on fait tourner au Simistral, on va faire tourner d'autres modèles derrière.
01:14C'est vrai que GPT-5 a pas mal occupé l'espace parce qu'on l'intègre aussi dans nos produits copilotes.
01:19Alors les gens ont cru que GPT-5, parce que c'était beaucoup annoncé comme ça, c'était finalement la nouvelle intelligence artificielle, ça allait être ultra performant, etc.
01:27En fait, ce n'est pas ça que GPT-5, sur lequel il est intéressant.
01:31GPT-5 a corrigé un certain nombre de biais, un certain nombre de choses qui rendaient finalement l'utilisation de l'IA un petit peu différente, un peu trop hallucinatoire.
01:38On va voir qu'avec les invités, là, finalement, on cherche parfois qu'il y a soit hallucines, c'est-à-dire qu'elles viennent nous proposer des choses sur lesquelles on n'avait pas pensé.
01:46Mais il y a beaucoup de cas d'entreprise dans lesquels on n'a pas envie qu'elles nous disent n'importe quoi, tout simplement.
01:50Et donc, ça vient corriger ça, GPT-5, et en particulier, il corrige un phénomène qui a commencé à prendre l'ampleur, qui a été décrit en novembre 2024, qui s'appelle la psychophance, par exemple.
02:00Tu sais ce que c'est que la psychophance ?
02:02La psychophance, en grec, ça vient d'Athènes, c'était les délateurs des figues.
02:06Bon, pas a priori, donc c'est quoi ? C'est en fait le côté flagorneur de l'IA.
02:10Si on s'est rendu compte que l'IA, comme elle veut nous faire plaisir…
02:12Elle est toujours très sympa.
02:13Voilà, elle est toujours très sympa.
02:15Il y a une espèce de compromis, d'équilibre à trouver entre eux.
02:17On veut qu'elle nous réponde, mais en même temps, on ne veut pas qu'elle nous mente pour nous répondre.
02:20Juste pour être sympa, pour être flagorneur, pour être complaisant.
02:24C'est ça qui s'appelle la psychophance, c'est un biais.
02:26Mais pourquoi ce biais-là est apparu ?
02:28Parce que finalement, les données d'entraînement, le fait qu'on met des pouces pour dire que c'est une bonne réponse,
02:32il a envie de nous plaire.
02:33Et donc, GPT-5, il corrige surtout ça, en fait.
02:36Il va moins halluciner.
02:37Mais vous, j'ai besoin que vous m'expliquiez.
02:39Xavier, comment est-ce qu'on évite les hallucinations ?
02:42Parce que le principe même des IA génératives favorise les hallucinations, son fonctionnement même.
02:48Alors, on le voit justement en Marche Entreprise, il y a trois éléments qui vont nous permettre de réduire ça.
02:53Parce qu'effectivement, je vais utiliser l'IA pour qu'il me réponde clairement des choses.
02:56Par exemple, est-ce que cet avion peut voler ?
02:58Si je lui envoie plein de documents, il vaut mieux être sûr qu'il ne fasse pas juste plaisir.
03:03Donc d'abord, il y a certains modèles qui hallucinent moins que d'autres, comme je le disais.
03:07Donc ça, c'est important de choisir les bons modèles.
03:08Mais comment on le corrige ?
03:09Comment on le corrige ?
03:10Ensuite, on va ce qu'on appelait ancrer dans les données.
03:12Alors, il y a des architectures, je ne vais pas venir dessus,
03:14qui permettent de dire, ne réponds finalement que sur ces données-là d'entreprise.
03:18C'est-à-dire finalement, et d'ailleurs, GPT-5 associé à ça est une vraie avancée,
03:21parce qu'il va permettre de dire, non, je ne l'ai pas trouvé dans les données,
03:24donc je ne vais pas juste répondre et te faire plaisir, voire mentir pour te faire plaisir.
03:27Je ne l'ai juste pas trouvé dans les données, donc je ne peux pas te répondre derrière.
03:30Donc on va le forcer finalement à répondre à des vraies données,
03:34pas l'ensemble du web, par exemple,
03:36ou pas ce qu'il a entraîné comme modèle derrière.
03:39Puis le troisième élément qui est aussi important, c'est un gros pan de développement,
03:42c'est qu'on va avoir d'autres IA qui vont finalement observer ce qu'on va entrer en entrée
03:47et ce qu'on va voir en sortie pour corriger.
03:49Par exemple, l'IA risque de me répondre et de me donner des informations confidentielles.
03:53Si je mets cette espèce de modérateur d'IA en sortie,
03:56ce qu'on met dans Azure qui s'appelle Azure Eye Content Safety,
03:58il va vérifier, il va dire, non, attention, tu n'as pas le droit de répondre
04:01parce que tu es en train de finalement divulguer des données confidentielles
04:04ou dire des choses qui ne sont pas associées aux données,
04:06donc qui ne seraient a priori pas vraies.
04:07Donc des IA qui vont contrôler d'autres IA, des bons modèles.
04:09Mais quand je parle du web de fonctionnement,
04:11parce qu'on a vu pas mal d'études sortir,
04:13je m'en suis fait l'écho ici dans Smartech par exemple,
04:16sur des journalistes qui ont testé des IA
04:18pour voir si elles sortaient les bonnes sources d'informations.
04:21Non, en fait, elle est capable d'inventer des liens,
04:24d'inventer des sources d'informations,
04:25là où un moteur de recherche ne fait pas ça.
04:28Alors pour bien comprendre, effectivement,
04:29parce que là on n'est pas dans le modèle lui-même,
04:32mais la façon dont le service a été conçu.
04:33Souvent c'est ça, les expériences qu'on a,
04:35ça va être directement chez OpenAI ou dans Copilot.
04:37Qu'est-ce qui se passe ?
04:38C'est qu'en fait on appelle cette IA pour qu'elle comprenne
04:40en mode conversationnel,
04:42et puis elle va s'appuyer finalement sur le web.
04:44Le problème c'est que si le web derrière, il est faux,
04:47cette IA-là va avoir tendance à répondre
04:49par rapport à ce qu'elle a indexé, c'est-à-dire le web.
04:50Et c'est ça, ces expériences-là qui se sont passées,
04:52qui fait qu'elle va me répondre sur des choses
04:54qu'elle a finalement trouvées en index dans le web,
04:56mais qui étaient faux.
04:57Finalement c'est pas si différent.
04:58Mais quand elle invente des liens,
04:59quand elle invente des sources,
05:00c'est pas qu'elle va trouver quelque chose que c'est faux.
05:01C'était le côté complaisant dont je parlais,
05:03c'est-à-dire que là, c'est ça qui est en train d'être corrigé,
05:06qui était, je ne sais pas te répondre,
05:08mais je n'ose pas te le dire,
05:09parce que tu es en position un peu d'autorité,
05:12j'ai envie de te faire plaisir, Delphine,
05:15mais là c'est ça qui est en train fortement d'être corrigé,
05:17pour dire non en fait je n'ai pas la réponse.
05:19Et je te le dis clairement,
05:20je n'ai pas la réponse.
05:22Vous avez des questions sur ce fonctionnement GPT-5
05:25et ces IA génératives ?
05:26Comment est-ce qu'on arrive à mieux les corriger ?
05:28Vous, vous en servez déjà, comment ?
05:32Comme d'un moteur de recherche ?
05:34Parce que c'est un peu le problème,
05:34c'est qu'on s'en sert comme d'un moteur de recherche.
05:36On confond effectivement,
05:38c'est un modèle de langage,
05:39ce n'est pas un modèle de connaissance.
05:40Donc en fait, ce n'est pas un moteur de recherche.
05:41Il faut garder, j'allais dire,
05:43une curiosité et puis un recul par rapport à ce qui est sorti.
05:47Et ensuite, il faut l'utiliser là où il est bon.
05:48C'est-à-dire à comprendre, à inventer des choses,
05:50à créer des passerelles,
05:51ce qu'on fait souvent dans les métiers plus créatifs d'ailleurs,
05:53derrière, au métier marketing aussi.
05:55Oui, et puis je crois que le problème vient aussi du fait
05:57qu'il y a beaucoup de faux sites qui sont créés
06:00justement pour attirer les algorithmes
06:04et du coup pour être repêchés.
06:07Donc en fait, il y a quelque chose qui se crée
06:10qui va un peu biaiser les algorithmes
06:12et je pense que c'est pour ça que des boîtes comme OpenAI se passent.
06:15Ce qui n'était pas différent quand on a indexé le web
06:17et qu'il y a des faux sites qui se créent de la même façon.
06:19En fait, on va retrouver le même mécanisme
06:20et on va retrouver la même chose qui est,
06:21je vais sur un site.
06:22En fait, on va dans une approche par le risque désormais.
06:25Oui, la difficulté, je pense, d'éducation,
06:27c'est le côté anthropomorphique,
06:28c'est-à-dire de penser que cette IA,
06:30j'ai une surconfiance en elle
06:31parce qu'elle m'est personnelle,
06:33elle me répond
06:33et donc j'ai l'impression que c'est mon copain
06:35et donc il ne va me dire que la vérité.
06:37Et c'est là où, alors en Américain,
06:39ça s'appelle l'overreliance.
06:40Alors, on va dire la surconfiance,
06:42c'est qu'il va falloir éduquer tout le monde,
06:44on voit dans le sujet d'éducation,
06:46pour que finalement, ce qu'il va me répondre,
06:48je vais quand même avoir un nœud critique derrière.
06:50Alors, quand c'était un lien, finalement,
06:51je me posais moins la question.
06:53Mathias ?
06:53Oui, non, j'allais juste ajouter
06:55que par rapport aussi au moteur de recherche,
06:57là, si on l'utilise pour chercher une information,
07:00il y a beaucoup moins de sources qui sont données,
07:02beaucoup moins d'informations,
07:03donc on a moins de pluralité dans cet usage-là
07:06et ça rend les sources sélectionnées
07:09encore plus importantes, en soi.
07:13Alors, et d'un autre côté,
07:14ça permet de brasser tellement d'informations pour moi,
07:16c'est-à-dire que je gagne du temps
07:17pour obtenir une réponse aussi.
07:20Donc, c'est pour ça qu'on va avoir
07:21beaucoup encore de développement
07:22pour justement ancrer, comme je le disais,
07:24dans les données, pour le rendre plus factuel.
07:26Derrière, plus ancrer sur un certain nombre
07:28de salles de données dans des use cases,
07:29principalement entreprises,
07:30pas seulement grand public.
07:31Et pourquoi est-ce qu'on a besoin
07:32d'avoir autant de grands modèles de langage ?
07:35Alors, d'abord, il y a des grands modèles de langage,
07:37il n'y a pas 10 000 boîtes qui font ça aujourd'hui.
07:39Et est-ce qu'il y a vraiment des différences
07:40entre les uns et les autres ?
07:41Alors, oui, il y a des différences
07:42parce que les bases d'entraînement sont différentes,
07:44la façon dont elles sont corrigées sont différentes
07:46et leur taille aussi,
07:48parce qu'il y a les grands modèles
07:49et puis il y a leur version plus petite.
07:51Par exemple, Copilot,
07:53automatiquement, chez Microsoft,
07:54on va choisir selon la nature de la requête.
07:57Si la requête est simple,
07:58on va utiliser un modèle plus simple.
08:00Si la requête est élaborée,
08:01on va chercher vraiment le côté research.
08:03Je veux vraiment une histoire,
08:04on va chercher GPT-5.
08:06C'est un avantage,
08:06c'est que ça n'a pas le même coût,
08:08ça n'a pas le même impact environnemental.
08:10Du coup, derrière,
08:11ça n'a pas la même rapidité.
08:13Et c'est pour ça que selon les usages,
08:14on va trouver de plus en plus des usages
08:16où le moteur, on va dire,
08:17du Copilot fait ça,
08:19va choisir finalement le meilleur modèle
08:20adapté au type de requête.
08:22Il y a aussi une autre différence majeure,
08:24c'est le modèle de gouvernance.
08:26C'est-à-dire que des modèles comme ChatGPT
08:28sont des modèles complètement propriétaires.
08:31Donc, si je l'utilise pour mon entreprise,
08:32je donne toutes mes données
08:34et j'en suis complètement dépendant,
08:36un modèle comme Mistral,
08:37c'est un modèle ouvert,
08:38je peux l'installer moi-même,
08:40je reste en contrôle,
08:41si je veux changer,
08:42si je veux le faire,
08:42je suis beaucoup moins dépendant.
08:43C'est la différence.
08:44C'est un souillard plus compliqué que ça.
08:46C'est une énorme différence.
08:49Si vous utilisez le service OpenAI en direct,
08:51vous utilisez les conditions générales
08:52du service OpenAI.
08:53Par contre, le modèle OpenAI,
08:54vous pouvez l'utiliser,
08:55le déployer dans un environnement,
08:57en l'occurrence,
08:57c'est ce que fait Microsoft,
08:58dans un environnement entreprise
09:00sur lequel les données sont conservées,
09:02elle reste en Europe,
09:03enfin, à un certain nombre de garde-fous,
09:05qui fait qu'on n'a pas du tout
09:06ces données qui vont éventuellement
09:08aller aux États-Unis,
09:09etc.
09:09Ce n'est pas exactement la question.
09:10La question, c'est que même
09:11dans ce modèle-là,
09:13je reste complètement dépendant
09:15de ce système-là
09:16que j'ai mis en place
09:17et je ne peux pas en changer.
09:18Un modèle OpenSource,
09:19par définition,
09:21je peux moi-même aller dans le modèle
09:22et le changer.
09:23C'est la même différence
09:24que je loue ou j'achète
09:26mon appartement.
09:27C'est-à-dire que je peux avoir
09:28la clé quand je le loue,
09:29mais ce n'est pas moi,
09:30je ne veux pas changer les lunettes.
09:31Il y a de fait.
09:31Mais je pense que le marché
09:33de l'OpenSource,
09:33de toute façon,
09:34on a en dit juste avant,
09:35Microsoft est très promoteur.
09:36Nous, on a lancé,
09:37Microsoft,
09:38des modèles OpenSource.
09:39On a un modèle OpenSource,
09:40qui s'appelle Fry,
09:40PHI d'ailleurs,
09:41qui est petit,
09:42qui peut même se déployer
09:43sur un iPhone, par exemple.
09:45Donc, effectivement,
09:45ce n'est pas le même usage.
09:46Après, la réalité des gens
09:47qui veulent customiser
09:48des modèles OpenSource,
09:50on a un usage particulier.
09:52La plupart des entreprises,
09:53en tout cas,
09:53que moi, je côtoie,
09:54vont déployer des modèles
09:55dans un environnement contrôlé,
09:57encore une fois,
09:58et ne pas forcément changer
09:59des paramètres,
09:59parce qu'en fait,
10:00on peut déjà faire
10:00énormément de choses
10:01avec déjà ces modèles-là.
10:02Alors, je voulais aussi
10:03qu'on parle,
10:04mais très vite fait,
10:05des agents IA,
10:06parce que bon,
10:06nous, c'est la prochaine révolution,
10:08NextEq, tout ça.
10:09On perd totalement le contrôle
10:11de toutes nos actions numériques,
10:13c'est-à-dire qu'on confie,
10:14en fait,
10:14à des agents
10:15de mener des actions pour nous.
10:17Comment est-ce qu'on fait
10:18pour tracer ?
10:19Comment est-ce qu'on règle
10:20la question de la sécurité ?
10:21Alors, il faut revenir sur
10:22c'est quoi un agent, déjà ?
10:24Et puis après,
10:25je vais répondre à ta question.
10:26Un agent, c'est quoi ?
10:27C'est finalement
10:27cette brique
10:27d'intelligence artificielle,
10:29donc c'est le modèle de langage
10:30associé à une base de connaissances.
10:32C'est-à-dire,
10:32je vais lui associer une connaissance,
10:34par exemple,
10:34mes documents à moi,
10:36ce que j'ai pu dire
10:38ou mes documents d'entreprise,
10:39des skills,
10:40c'est-à-dire des capacités.
10:42Par exemple,
10:43il est capable de lire dans Excel,
10:44c'est une capacité,
10:45il est capable de sortir
10:46pour moi sur le web
10:47et un niveau d'autonomie.
10:49C'est-à-dire,
10:49je vais lui déléguer ou pas
10:50tout partiellement,
10:52finalement,
10:52cette tâche-là.
10:53Donc, je peux très bien lui dire
10:54fais des choses,
10:55mais systématiquement,
10:56fais-moi valider.
10:58Donc, on commence à avoir
10:59dans ce champ-là aussi
11:00ou alors, fais-les-moi
11:01et puis je ne veux pas le savoir.
11:02Moi, j'ai créé un agent
11:02qui me permet
11:03de me désinscrire
11:04des mailing lists
11:05que je reçois
11:06sans vraiment
11:08les avoir sollicitées.
11:09Il va se refer à ma place
11:10puis je lui dis
11:11désinscris-moi directement
11:12parce que je l'ai mis
11:12dans une inbox
11:13qui correspond finalement
11:14à je sais que celle-là,
11:15je vais m'en débarrasser.
11:16Je ne lui ai pas dit,
11:17tu me regardes
11:18et puis systématiquement,
11:19s'il y a un lien
11:19de subscribe,
11:20tu le fais à ma place.
11:21Donc, on va pouvoir définir.
11:23On peut garder le contrôle
11:24si on le souhaite ?
11:25Oui, de plus en plus
11:26on va avoir de l'outillage
11:27exactement pour finalement
11:28déléguer tout ou partie
11:30finalement derrière
11:31de contrôler
11:32ce niveau d'autonomie
11:33avec les bons niveaux
11:34de sécurité
11:34comme tu le soulignais derrière.
11:37Ok, allez,
11:37on va passer à Gauthier
11:38qui est artiste,
11:40artiste en intelligence artificielle,
11:41je ne sais pas
11:42si c'est un raccourci
11:43un peu bizarre que je fais,
11:44cofondateur du collectif Obvius
11:46qui a notamment ouvert
11:48un laboratoire à la Sorbonne
11:49consacré à la création artistique
11:51avec l'IA.
11:53Obvius,
11:53donc c'est un collectif
11:55d'artistes,
11:56de chercheurs
11:57qui travaillent vraiment
11:59le sujet de la création
12:00de manière très différente
12:02à ce qu'on peut voir habituellement
12:04et ça se reflète
12:05envers ce projet en particulier
12:07Molière ex Machina
12:09dont vous voyez,
12:10là c'est des photos,
12:11les images de l'équipe
12:12qui travaille sur ce projet
12:14en collaboration
12:15avec le théâtre Molière-Sorbonne.
12:17Expliquez-nous
12:18quel est le projet,
12:19quelle est l'idée de départ ?
12:21Alors,
12:21c'est une idée un petit peu folle
12:23qui est née justement
12:24de cette rencontre
12:25entre nous,
12:26Obvius
12:26et le théâtre Molière-Sorbonne.
12:28Le théâtre Molière-Sorbonne,
12:29ils font du théâtre
12:30historiquement informé,
12:31donc en fait,
12:32ils vont jouer du Molière
12:33comme à l'époque
12:33pour en apprendre plus
12:34sur la manière
12:35dont Molière écrivait
12:36et Molière jouait.
12:37Et en fait,
12:38on s'est rencontrés
12:40dans les couloirs
12:40de la Sorbonne
12:41et de là est née
12:42une idée un peu folle
12:42de se dire en fait
12:43qu'est-ce que Molière
12:45aurait écrit
12:45s'il n'était pas mort
12:46parce qu'il est mort
12:46un petit peu brusquement
12:47d'un espèce de Covid
12:48de l'époque.
12:50Qu'est-ce qu'il aurait écrit ?
12:51Exactement sur scène.
12:51Exactement.
12:52Et du coup,
12:53quelle est la pièce
12:54qu'il aurait écrite ?
12:55Et donc,
12:56eux ont énormément
12:57de sources là-dessus.
12:58Ils ont le contenu
12:58de sa bibliothèque.
12:59Ils connaissaient
13:00ce processus d'éparation.
13:01Donc, pas la pièce
13:01que Molière aurait écrite
13:02aujourd'hui,
13:03mais la pièce
13:04qu'il aurait écrite
13:05s'il n'était pas mort
13:05en 1611.
13:07Exactement.
13:07En fait,
13:08c'est une uchronie,
13:08c'est un passé alternatif
13:10et on s'est posé
13:11du coup cette question
13:12et donc,
13:13eux avaient la réponse
13:14du sujet.
13:15Donc,
13:15il aurait écrit
13:16a priori sur l'astrologie
13:17parce qu'il s'intéressait
13:18énormément
13:19à ce sujet-là,
13:21qu'il critiquait souvent
13:22les pseudo-sciences
13:23dans ses pièces
13:24et du coup,
13:26on a commencé
13:27à créer
13:29une pièce
13:29de théâtre
13:31en utilisant
13:31l'intelligence artificielle
13:32et donc différents algorithmes.
13:33Alors,
13:35elle intervient
13:35à plein de niveaux.
13:37Donc,
13:37elle intervient
13:37au niveau de l'écriture.
13:38Donc,
13:38en fait,
13:39c'est un travail
13:40qu'on fait
13:41avec les experts.
13:42Donc,
13:42on va générer
13:42déjà un résumé
13:44de la pièce.
13:44Ensuite,
13:45on va générer
13:45tous les dialogues
13:46et en fait,
13:47à chaque étape,
13:49c'est revu
13:49par des experts
13:50de Molière
13:50et on va
13:52régénérer,
13:52régénérer.
13:53Donc là,
13:53on est à la version 15
13:54du résumé,
13:54par exemple.
13:55Elle intervient aussi
13:56au niveau des costumes.
13:57Donc,
13:57on va utiliser
13:58des algorithmes open source
13:59qu'on va entraîner nous-mêmes
14:00sur les dessins
14:01des costumes de l'époque
14:02pour générer
14:03des nouveaux dessins
14:03de costumes
14:04qui seront ensuite
14:04faits à la main.
14:06Elle va intervenir
14:06aussi sur les décors.
14:07en étant fidèle à l'époque ?
14:08Absolument.
14:09Tout est fait
14:10avec les moyens de l'époque.
14:11Donc,
14:11tout est cousu à la main,
14:12tout est brodé
14:13comme ça a été fait
14:14à l'époque.
14:16La pièce,
14:16quand elle sera jouée,
14:17elle sera déclamée
14:18avec l'accent de l'époque.
14:20Donc,
14:20ça va être un peu perturbant.
14:21Mais donc,
14:21pas par des avatars,
14:22on est d'accord ?
14:23Non,
14:23non,
14:23ça sera fait.
14:23Par des vrais comédiens.
14:24Par des vrais comédiens.
14:25Et c'est ça,
14:26en fait,
14:26le but de cette démarche,
14:27c'est de montrer
14:28qu'on peut créer
14:28avec l'intelligence artificielle
14:30en gardant l'humain
14:31au centre de la démarche.
14:32Donc,
14:32au centre de la création
14:33et à la fin,
14:35dans la production,
14:35en fait,
14:42des costumes,
14:43des décors,
14:43de la musique,
14:44ce sera joué
14:45avec des vrais instruments
14:46sur scène
14:47et ce sera performé
14:48par des acteurs
14:49qui sont entraînés à ça,
14:50du coup.
14:50À l'Opéra Royal
14:51du Château de Versailles,
14:52c'est prévu pour mai 2026.
14:54On ne sait pas
14:55si vous allez tenir des délais.
14:56On est bien,
14:57on est bien.
14:57Vous êtes bien.
14:58Le titre a été trouvé
14:59par l'intelligence artificielle,
15:01l'astrologue
15:01ou les faux présages.
15:03Est-ce que vous avez
15:04des questions
15:04sur un projet comme ça,
15:05qui est un projet
15:06absolument unique,
15:07vraiment de création
15:08à l'aide de l'IA,
15:10mais aussi à l'aide
15:11de la science,
15:11de l'histoire,
15:13des compétences
15:13très particulières
15:15et spécifiques
15:15de la Sorbonne
15:16en matière de théâtre
15:17et de connaissances
15:18sur Molière ?
15:19Il y a plein de questions.
15:20Mais sur la méthodologie,
15:23avec les experts
15:23qui revoient,
15:25les experts,
15:26ils repassent sur le texte
15:28ou ça s'arrête
15:29à refaire le prompt,
15:31en fait ?
15:33Alors,
15:33c'est une très bonne question.
15:34En fait,
15:34les experts,
15:34ils vont faire
15:35des commentaires
15:36sur le texte
15:37et en fait,
15:37nous,
15:38on s'est mis
15:38un...
15:39on s'est imposé
15:40quelque chose,
15:41c'est qu'aucun mot,
15:43que ce soit du résumé
15:43ou du texte,
15:44ne soit écrit par nous-mêmes.
15:45D'accord.
15:45En fait,
15:45on ne va jamais nous-mêmes
15:46aller modifier des mots
15:47et on va toujours repasser
15:48par l'algorithme,
15:50modifier les prompts,
15:51lui dire,
15:51change-moi cette partie
15:52en fonction de ses commentaires
15:53et en fait,
15:54à la fin,
15:55il n'y a aucun mot
15:55de la pièce
15:56qui aura été écrit
15:57par nous-mêmes.
15:58Vous,
15:59vous faites quoi
15:59spécifiquement sur le projet ?
16:01Alors,
16:01moi,
16:02je bosse beaucoup
16:02en ce moment
16:02sur l'écriture,
16:03notamment.
16:04Donc,
16:04on fait des ateliers
16:04d'écriture
16:05avec le TMS
16:06dans lesquels,
16:07en fait,
16:07on va co-opir cette pièce.
16:09Donc,
16:09c'est ça votre travail ?
16:10Exactement.
16:11Donc,
16:11je fais les prompts
16:12qu'on met dans
16:15Mistralia,
16:16en l'occurrence,
16:16puisque c'est nos partenaires
16:17techniques
16:18sur cette partie du projet.
16:20Et donc,
16:21je travaille sur les prompts
16:22pour changer un petit peu
16:24les désirs
16:25de l'équipe du TMS
16:26et même nos désirs à nous
16:28du Théâtre Moller-Sorbanne,
16:30pardon.
16:31Et les nôtres,
16:31puisque nous aussi,
16:32on a un peu
16:33cette envie créative,
16:34on a des idées aussi
16:36à mettre dans le projet.
16:38Transformer ça en prompte
16:39et essayer d'avoir
16:39le meilleur résultat possible
16:41de l'intelligence artificielle
16:42pour que ça colle,
16:43pour garder un petit peu
16:44une cohérence
16:45de toute la pièce,
16:46que les personnages
16:47entrent et sortent
16:47au bon moment,
16:48que ce soit intéressant,
16:49que ce soit drôle,
16:50parce que c'est aussi
16:50le but de la pièce.
16:52Voilà,
16:53donc c'est un procédé
16:54qui est très long,
16:55contrairement à ce
16:55qu'on pourrait imaginer.
16:57Et c'est aussi
16:57un procédé
16:58qu'on a décidé
16:58de documenter.
16:59Donc,
16:59en fait,
17:00vraiment,
17:01on note
17:02toutes les modifications
17:02qu'on fait,
17:04on filme
17:04énormément.
17:06Exactement.
17:06Le but,
17:07c'est derrière
17:07de pouvoir décrire
17:08tout le procédé
17:10qu'on a suivi
17:11pour que ça serve
17:11aussi à d'autres
17:13s'ils veulent avoir
17:15un peu le même genre
17:15de projet.
17:16L'art du prompt.
17:17Oui,
17:17non,
17:17mais exactement.
17:18Ce qui est intéressant,
17:19dans l'exemple,
17:20c'est que,
17:20on a bossé
17:21avec Obdux
17:21sur d'autres sujets,
17:22en fait,
17:23on voit bien
17:23qu'on a peur
17:24que l'IA vienne
17:24parce qu'il vient
17:25toucher le côté cognitif,
17:26le côté créatif,
17:27etc.
17:28Dans cet exemple-là,
17:29on voit bien
17:29qu'il vient assister
17:30finalement dans le processus.
17:32Oui,
17:32qu'il y a un processus
17:32qui n'était pas perturbé
17:33par la technologie
17:34jusqu'à présent.
17:35On sait bien qu'il y a
17:35plutôt en post-production,
17:37effets spéciaux,
17:38là,
17:38il vient en amont.
17:39Et à l'inverse,
17:40on voit bien que c'est aussi,
17:41c'est pas,
17:41j'ai mis un prompt
17:42et puis c'est bon,
17:42c'est fait.
17:43C'est vraiment un côté malaxage.
17:45Donc,
17:45j'ai mis un travail
17:46d'artistique
17:46d'arriver à quelque chose
17:48tout en respectant,
17:49ça,
17:49c'est le troisième point,
17:50le côté,
17:51et je le fais comme à l'époque.
17:53C'est-à-dire,
17:53je ne l'ai pas fait par l'IA
17:54qui était la question,
17:55des costumes,
17:56etc.
17:56derrière.
17:57Et donc là,
17:57on est vraiment
17:58dans un processus créatif
17:59complètement théâtral,
18:00ce que je comprends,
18:01mais avec l'IA
18:01qui est au bon niveau
18:02d'assistance,
18:03il n'a pas remplacé
18:04les métiers,
18:04je pense,
18:04de création derrière.
18:05Il y a une nouvelle compétence
18:07quelque part qui apparaît.
18:08Ce que j'ai trouvé
18:08vraiment génial,
18:09c'est que quand j'ai fait
18:10une interview
18:11dans un autre contexte,
18:13l'un des membres
18:13du collectif,
18:15il m'a dit,
18:15en fait,
18:16l'IA est assisté
18:17assisté de scientifiques,
18:20assisté de connaissances humaines,
18:23d'experts humains.
18:24C'est l'IA qui est aidé
18:25finalement pour progresser
18:26et pour pouvoir produire
18:27ce que vous attendez.
18:28C'est comme ça
18:29que vous imaginez
18:29le futur de la création
18:31et de l'IA ?
18:31Alors,
18:32pour nous,
18:32c'est un des futurs
18:33puisque ça ne va pas
18:34remplacer les autres formes
18:35de création.
18:35C'est un exemple
18:36de ce qu'on peut faire
18:37en créant avec de l'IA.
18:38Ce qui est intéressant,
18:39je pense,
18:39dans ce projet,
18:40c'est que ça permet
18:40de faire quelque chose
18:41qu'on n'aurait pas pu faire.
18:42En fait,
18:42personne ne peut avoir
18:43la prétention de dire
18:44« je vais écrire la pièce
18:45que Molière aurait pu écrire ».
18:47Ce n'est pas quelque chose
18:48que quelqu'un peut porter seul.
18:50Par contre,
18:50si on rassemble
18:51tous les experts techniques,
18:52les experts de Molière,
18:53des gens qui étudient ça
18:54et qu'on les rassemble
18:55autour d'un outil
18:56et qu'en fait,
18:56on dit « c'est créé
18:58avec cet outil »,
18:59on se dédouane
19:00un petit peu de ça
19:00et en fait,
19:01ça permet de faire
19:02une création collective
19:03qui n'aurait pas pu avoir lieu
19:04s'il n'y avait pas eu
19:04un outil comme ça.
19:06Allez, oui.
19:06Ça les serait l'heure.
19:07Non, non,
19:07ça les serait l'heure.
19:08On est bien…
19:09Je m'adore.
19:09Moi, je suis fan.
19:10Je m'enlève.
19:11Merci.
19:11Je suis un passionné
19:12à être en mai 2026.
19:14On passe à Mathias Debièvre,
19:15fondateur de Vision,
19:16une société qui est spécialisée
19:17dans la portabilité
19:18des données.
19:19Oui.
19:19Vous êtes aussi le président
19:20de l'association
19:21Prometheus X
19:22qui travaille sur la création
19:24des data space,
19:25donc des espaces
19:26où on va partager des données.
19:28C'est essentiel
19:28dans l'intelligence artificielle.
19:31Quels sont les besoins
19:32actuellement
19:32de faire du data space ?
19:34Aujourd'hui,
19:35par exemple,
19:36je me suis en parlé,
19:37les entreprises
19:37vont chercher
19:38à consolider
19:40leurs propres données
19:41pour que l'IA
19:41s'exécute dessus.
19:43Déjà,
19:43au sein d'une entreprise,
19:45en fonction
19:45de quel point
19:45elle est grande,
19:46les données,
19:46elles peuvent être éparpillées
19:48entre plein d'entités différentes.
19:50Et puis demain,
19:51on veut échanger
19:52entre concurrents,
19:53entre partenaires,
19:54entre différentes organisations.
19:57Déjà,
19:57ça va être de trouver
19:58où sont les données.
19:59Ensuite,
20:00les rendre accessibles
20:01et il y a beaucoup
20:02de temps légal,
20:04c'est-à-dire
20:04quelles vont être
20:04les conditions
20:05d'accès à la donnée,
20:06qui a le droit
20:06d'y accéder,
20:07pourquoi ?
20:08Et puis finalement,
20:09les préparer,
20:10c'est-à-dire
20:10les rendre interopérables
20:11et les rendre compréhensibles.
20:13Et tout ça,
20:14aujourd'hui,
20:14c'est entre guillemets
20:15fait à la main,
20:16c'est-à-dire
20:17on va négocier
20:17avec les départements juridiques
20:19pendant beaucoup,
20:20beaucoup de temps
20:20chaque usage
20:22et puis ensuite
20:23développer tel et tel
20:24petit système
20:25pour les rendre interopérables.
20:27Tout ce temps-là
20:28qui prend 6,
20:298 mois
20:30par projet,
20:31c'est un temps
20:31qu'on ne va plus pouvoir
20:32se permettre de passer
20:33pour accéder
20:34à chaque donnée
20:34dans un ou deux ans.
20:36Parce que l'économie
20:36de l'information,
20:37de l'IA,
20:38ça va aller tellement vite
20:39qu'on a besoin
20:40de réduire ce temps
20:41à presque zéro.
20:42Et donc,
20:42les data space,
20:44c'est un nouveau protocole
20:45technique et légal
20:47qui permet
20:47de standardiser
20:48comment on décrit
20:49la donnée,
20:50comment on gère
20:51les droits,
20:51comment on vérifie,
20:52comment on passe
20:53des contrats
20:53et donc d'automatiser ça.
20:55Ça fait écho
20:56à ce qu'on me dit
20:56aujourd'hui
20:57autour de GaiaX.
20:58On me dit GaiaX,
20:59c'est vraiment,
21:00c'était peut-être
21:01pas le cas au départ,
21:02mais aujourd'hui,
21:02c'est l'idée
21:03de construire
21:04des espaces de données
21:05avec des règles
21:06partagées au sein
21:07de l'Union Européenne.
21:08GaiaX,
21:09c'est ça.
21:09GaiaX se concentre
21:10sur une partie
21:12de ces règles
21:13qui est ce qui s'appelle
21:14le Trust Framework,
21:15c'est-à-dire
21:15comment on va faire confiance
21:17que si,
21:18par exemple,
21:19BFM veut échanger
21:20avec l'AFP,
21:21avec France TV,
21:22qu'à chaque fois,
21:23c'est bien BFM,
21:24Bsmart,
21:26mais que tous ces acteurs-là
21:29puissent échanger entre eux
21:30et qu'on est bien
21:31au fait que c'est bien
21:32cet acteur-là
21:33et qu'on certifie
21:34des gens
21:35et donc il faut un certain
21:36nombre de standards
21:36pour certifier
21:37l'identité des organisations
21:39et qu'elles respectent
21:40certaines règles
21:41et c'est de ces standards
21:43que s'occupe
21:43GaiaX
21:44et c'est une partie
21:45des solutions.
21:46Après,
21:46il y a des standards
21:46sur les contrats,
21:48sur l'interrogation.
21:48Mais pour ça,
21:48il faut avoir des grands projets.
21:50C'est ça.
21:51Donc moi,
21:52j'ai noté Open Aid IAG,
21:54je ne sais pas
21:54si ça se prononce comme ça.
21:55Oui, c'est ça,
21:56c'est bien.
21:56Ok,
21:56qui développe des outils
21:57d'IA générative
21:58pour l'enseignement.
22:00Pour l'éducation.
22:00Oui, pour l'éducation.
22:01Qu'est-ce qu'on retrouve dedans ?
22:02Alors ça,
22:03c'est un cas
22:04que je trouve
22:04qui est très simple
22:05à expliquer.
22:06C'est qu'on va faire
22:06un assistant de révision
22:07pour les élèves.
22:08Donc ça va être
22:09un assistant,
22:10il y a un chatbot
22:10qui va générer
22:11des questions,
22:12des exercices
22:13en fonction du niveau
22:14de l'élève.
22:15Et là où il est plus fort,
22:17moins de questions,
22:18là où il est moins fort,
22:18plus de questions,
22:19etc.
22:20Pour faire ça,
22:21il y a évidemment
22:21besoin d'un modèle
22:22qui génère ça,
22:23mais il y a surtout
22:24besoin d'accéder
22:24aux données de l'élève
22:26sur ses notes,
22:27sur les exercices
22:29qu'il a déjà pu faire,
22:30aux données de l'enseignement.
22:31Il y a des applications
22:31qui font ça par exemple.
22:33À quel moment
22:34on a besoin
22:34de vraiment
22:35de créer un espace ?
22:36En fait,
22:36la petite application
22:37qui fait ça,
22:38par exemple,
22:38ça va être une nouvelle application,
22:39elle n'a pas
22:40tout votre historique,
22:41tous vos notes,
22:41toutes les données
22:42que vous avez déjà laissées
22:43dans l'autre application
22:44où vous avez déjà fait
22:45un exercice de maths
22:46ou que sais-je.
22:48Et aujourd'hui,
22:48ces données-là,
22:49notamment dans l'éducation,
22:50elles sont éclatées
22:51entre de nombreux systèmes,
22:52de nombreuses applications
22:54et de nombreux systèmes
22:56de l'éducation nationale.
22:57Et donc,
22:57le Data Space
22:58permet de commencer
22:59à unifier ça
23:00et d'apporter
23:02des garanties
23:04sur le respect
23:05du RGPD,
23:05la confidentialité
23:06des données,
23:07etc.
23:08Pareil pour les données,
23:09on a besoin
23:10des données de l'élève,
23:11on a besoin
23:11des données
23:11de contenu pédagogique
23:13sur ce que le prof a fait,
23:14que ça n'hallucine pas trop
23:16et que ça respecte
23:16le programme.
23:18Et donc,
23:18on a besoin
23:19d'accéder à ces données-là
23:20qui sont encore
23:21dans d'autres systèmes.
23:22Et le Data Space
23:24apporte une solution
23:25là-dessus.
23:26Et donc,
23:26ce projet-là réunit,
23:28nous,
23:28Prometheus X-Vision
23:29pour apporter
23:30le Data Space,
23:31mais des acteurs
23:32de l'éducation,
23:33des académies,
23:34des centres de recherche
23:35pour mettre en place
23:35ce système.
23:36Au niveau européen.
23:37C'est ça.
23:37Le projet Opened IAG,
23:39le haut niveau français,
23:40d'abord avec trois académies,
23:42mais après,
23:42on a un Data Space,
23:43un Skills Education
23:44Data Space européen
23:45où il y a des choses
23:46similaires qui se passent
23:47en Allemagne,
23:48en Espagne,
23:49en Finlande,
23:50sur des cas
23:51qui sont similaires,
23:52mais avec des acteurs
23:52qui sont différents
23:53et avec des standards
23:55qui sont les mêmes
23:55pour qu'au final,
23:56on puisse échanger
23:57à travers l'Europe
23:58de la même manière.
23:59Par exemple,
24:01ce que vous produisez
24:02comme documentation
24:04autour de votre projet,
24:06ça pourrait être
24:06quelque chose
24:07qu'on partage
24:07dans un Data Space ?
24:09Ce serait super intéressant
24:10si par exemple,
24:11il y a tout un tas
24:12de documentation
24:12sur Molière déjà
24:13et puis tout cet aspect créatif,
24:16demain,
24:17que ça puisse être intégré
24:18facilement et utilisé
24:19dans le cadre du programme
24:21quand on étudie Molière,
24:22c'est hyper intéressant.
24:24Et à l'inverse,
24:25demain,
24:25là,
24:26vous faites sur des œuvres
24:27qui sont libres de droit,
24:28mais demain,
24:29vous voulez faire
24:29des mêmes choses
24:29sur des œuvres protégées,
24:31il va falloir un système
24:32qui garantit
24:33le respect des droits,
24:33la rémunération
24:34des droits d'auteur,
24:35etc.
24:36Et c'est ce que permet aussi
24:37les Data Space.
24:39Et l'éducation,
24:40c'est un gros sujet
24:41aujourd'hui en matière d'hier.
24:41Il y a le Studimod
24:42qui est apparu
24:43dans Tchallipity.
24:46Voilà,
24:46on sait que les jeunes
24:48utilisent ces assistants
24:49et que ça peut les aider
24:51à progresser,
24:52à apprendre différemment,
24:53à changer l'école.
24:55Oui,
24:55c'est déjà le cas
24:56en entreprise
24:57où les gens
24:57n'osaient pas dire
24:58à leurs managers
24:59qu'ils utilisaient déjà
24:59de chez GPT.
25:00Donc,
25:00les entreprises
25:01se sont dotées
25:01du coup,
25:02voilà,
25:02des interfaces qu'il fallait.
25:03Pour toutes les jeunes
25:04générations qui arrivent,
25:05on voit beaucoup
25:05sur les développeurs
25:06avec le système
25:07d'IA,
25:07GitHub Copilot,
25:08où finalement,
25:10quelqu'un qui sort
25:10d'école ingénieur
25:12aujourd'hui,
25:12il ne sait pas faire,
25:13enfin,
25:13il ne veut pas faire même
25:14sans ces systèmes d'IA
25:15qui vont l'aider
25:15à gagner du temps
25:16tout simplement.
25:17Donc,
25:17ils vont choisir
25:17une entreprise
25:18qui a ce système-là
25:20parce qu'il sait
25:21qu'il va gagner du temps.
25:22Après,
25:22c'est comment
25:23on gère les accès ?
25:24Parce que,
25:25qui va avoir le droit
25:26d'accéder à ce data space ?
25:28Là,
25:28vous parlez d'un accord
25:29pour l'instant
25:29entre quelques académies.
25:31Est-ce que tous les grands modèles
25:32pourront se connecter
25:33pour y accéder ?
25:35Justement,
25:35ça fait parler de Galia X.
25:37Galia X définit
25:37un certain nombre de règles
25:39que chacun doit respecter
25:40en fonction de son rôle.
25:42Ça,
25:42c'est un peu les règles de base
25:43qui s'appliquent
25:44à tous les secteurs,
25:45des règles sur la sécurité,
25:46sur des règles de gouvernance.
25:48Parfois,
25:49même,
25:49il y a différents niveaux
25:50de labels.
25:50Le plus élevé,
25:51c'est qu'il faut être basé
25:52en Europe.
25:53Il y a différents niveaux
25:54de règles.
25:55Et après,
25:55au niveau de chaque secteur,
25:56on va définir
25:57des règles plus sectorielles
25:58sur le format des données,
26:02les tests,
26:03les certificats,
26:04les labels qu'on peut avoir
26:05qui sont plus sectoriels.
26:07Et au sein du data space,
26:09c'est un peu la communauté
26:10des acteurs
26:10qui définit ces règles
26:12comme une constitution.
26:13Et ensuite,
26:14il faut prouver son respect
26:15de ces règles
26:16avant de pouvoir
26:16commencer à se brancher.
26:17C'est un peu comme le projet
26:18Etalab au niveau du partage
26:20des données en open data ?
26:21La grande différence,
26:23c'est que Etalab,
26:24c'est des données ouvertes
26:25que tout le monde peut accéder.
26:26C'est ça, tout le monde.
26:27Là,
26:28c'est des données par nature privée,
26:29par exemple,
26:30les données de l'élève.
26:32Et donc,
26:32c'est quand même,
26:33on veut les partager,
26:34mais pas n'importe qui,
26:35n'importe comment,
26:36pour certains usages.
26:38Et c'est là
26:38où on a besoin
26:39de plus de règles
26:40et d'automatiser ça.
26:41Mais justement,
26:42sur l'inclusion dans l'éducation,
26:44l'exemple,
26:44il est bon
26:45parce que c'est ce qu'on dit toujours.
26:47L'éducation nationale
26:48et beaucoup d'acteurs
26:49définissent
26:49ce qu'ils ne veulent pas
26:50dans l'IA.
26:51Mais ça ne suffit pas,
26:52il faut aussi faire ce qu'on veut.
26:53Parce que sinon,
26:54les gens vont aller sur le chat.
26:55Et le problème d'un chat GPT
27:00pour réviser,
27:01c'est déjà super,
27:03mais ça ne va pas être adopté
27:04à ton niveau,
27:05ça ne va pas être très pédagogique
27:06parce que ça va te donner
27:07la réponse tout de suite.
27:08Oui,
27:09il faut l'adapter
27:09à l'éducation
27:10qu'on soit donnée
27:11dans chaque pays.
27:12C'est ça, c'est ça.
27:13Merci beaucoup Mathias Debièvre.
27:14On pourrait passer des heures,
27:15j'ai l'impression,
27:16à discuter de ces sujets-là.
27:17C'est les interviews
27:18de l'IA dans Smartech.
27:20Donc, on se retrouve
27:21chaque semaine ensemble.
27:23Mathias Debièvre
27:24de Vision
27:25et de Promoteus X.
27:26Merci beaucoup.
27:27Vous avez généré
27:27de Microsoft France
27:29et Gauthier Vernier
27:30du trio Opius.
27:31Merci encore.
27:32Merci à tous.
27:32Excellente journée.
Commentaires