00:007h46 sur BFM Business et sur AMC Live, notre invité c'est Alexandre Lebrun.
00:03Bonjour, PDG d'AmiLives, qu'on suit évidemment depuis des années sur BFM Business,
00:09mais je reprends pour ceux qui ne vous connaissent pas.
00:11Alexandre, vous êtes le fondateur de Nabla, Télécom Paris, Polytechnique,
00:1620 ans que vous travaillez dans l'intelligence artificielle,
00:18et quand Yann Lequin est venu vous voir pour vous dire
00:20« Viens, suis-moi dans mon aventure extraordinaire »,
00:23vous avez tout lâché pour le suivre ?
00:25Alors je n'ai pas tout lâché, puisque je suis encore chez Nabla aussi,
00:29mais oui, la question ne se posait pas que c'était le projet d'une vie.
00:33Donc ça a été lancé hier, AmiLabs, avec des chiffres stratosphériques,
00:373,5 milliards de dollars de valorisation, une levée de fonds d'un milliard de dollars,
00:42ce qui veut dire que vous êtes une licorne avant même d'avoir vendu le moindre produit.
00:46Cette levée de fonds, elle s'est faite en grande partie auprès d'acteurs américains.
00:49Est-ce qu'on peut dire qu'AmiLabs est une entreprise française ?
00:53Alors je vous reprends, donc ce ne sont pas des acteurs américains.
00:57La levée de fonds est faite grosso modo à un tiers d'investisseurs européens,
01:02un tiers américains et un tiers Asie-Moyen-Orient.
01:05Donc la répartition est équitable.
01:07Exactement, et on l'avait décidé comme ça, Yann l'avait décidé et on l'a réalisé de cette manière.
01:11Donc ce n'est pas une entreprise d'investisseurs américains,
01:14malgré ce qu'on peut penser en lisant les noms,
01:16en termes de capital, c'est vraiment un tiers, un tiers, un tiers.
01:19Siège social à Paris.
01:20Siège social à Paris, on se voit comme une entreprise globale.
01:23On a quatre bureaux déjà aujourd'hui, avec Montréal, New York, Paris et Singapour.
01:28Et on construit une entreprise globale, dont le siège est européen.
01:33C'est comme ça qu'on voit l'entreprise.
01:35Alors la promesse, Anthony Moral était avec moi, c'est le world model.
01:37Voilà, la promesse technologique, il faut quand même qu'on en vienne à ça,
01:39parce que c'est ça le truc le plus fou,
01:41c'est de dire que finalement, l'intelligence artificielle
01:44telle qu'on la pratique aujourd'hui, telle qu'on la connaît
01:46avec les modèles de langage, chat, GPT, Gemini, Mistral,
01:50j'allais dire, ils font fausse route.
01:51Ce n'est pas qu'ils font fausse route, mais en tout cas,
01:52ils vont arriver à un moment, à un plafond,
01:54et il faut imaginer la prochaine génération d'intelligence artificielle.
01:59Donc ces fameux world models, qu'est-ce que ça change concrètement ?
02:02Alors il faut comprendre que ce qui marche aujourd'hui,
02:04ce qu'on utilise tous les jours, les LLM, les larges langues modèles,
02:08l'IA générative, c'est un peu un raccourci.
02:10Ça marche extrêmement bien, c'est utile,
02:13mais c'est un raccourci puisque ça s'appuie sur le langage.
02:16Donc en fait, avec le langage, on décrit le monde,
02:18et dans ces modèles, on apprend du texte, de la langue, au modèle,
02:23donc on leur décrit un monde dont les modèles n'ont pas l'expérience directe.
02:28Donc on a ce niveau d'abstraction,
02:30et on comprend bien qu'on perd quelque chose dans cette abstraction.
02:35Dans un world model, en fait, on essaie de se rapprocher
02:37de l'apprentissage d'un animal et d'un enfant humain en particulier,
02:42et de donner au modèle une expérience directe du monde.
02:45Donc à partir d'observations, ça passe beaucoup par la vidéo, par exemple,
02:48mais ça peut utiliser d'autres sens.
02:51Et le modèle va chercher à construire sa représentation interne du monde,
02:57exactement comme le fait un bébé.
02:58Mais ça veut dire qu'on a moins besoin de lui faire avaler des données,
03:01des données, des données, des données ?
03:02Il comprend mieux seul ?
03:04Il faut des données, sauf que c'est des données différentes,
03:08typiquement de la vidéo.
03:12Par exemple, en fait, dans les quatre premières années de notre vie,
03:17un humain collecte autant de données
03:20que l'ensemble de l'Internet mondial aujourd'hui,
03:23en termes de quantité de bits d'informations,
03:26en quatre ans de vie, en bébé, juste avec le visuel, en fait.
03:30On ne se rend pas compte de la quantité de données qu'on absorbe,
03:32et c'est ça qui commence à construire notre compréhension du monde,
03:36par couches d'abstraction qui partent des choses les plus simples,
03:39un objet tombe, quelque chose qui passe derrière un écran
03:42doit ressortir à la fin, etc.,
03:44et qui va mener après à des couches comme la religion,
03:47la société, la philosophie.
03:49Donc c'est des informations, mais différentes.
03:51C'est une compréhension du monde réel, en fait.
03:52C'est ça, la différence. En fait, c'est faire la différence entre
03:55aujourd'hui, l'IA tel qu'on l'utilise, c'est
03:57« j'apprends à conduire en lisant tous les livres théoriques sur le permis de conduire »
04:01et « votre modèle à vous », c'est « j'apprends en pratique, en tâtonnant et avec une vraie
04:05voiture ».
04:06Et c'est la vraie IA intelligente, alors, du coup ?
04:08Alors, c'est la vraie IA…
04:10En tout cas, c'est une IA qui aura une utilité supérieure, on le pense,
04:14puisqu'elle ne sera pas cantonnée à des exercices où le langage ou les symboles sont les plus importants.
04:23Donc, en fait, si on prend des problèmes comme résumer un texte ou faire des maths ou écrire du code
04:28informatique,
04:29ça, ce sont des activités symboliques avec des séquences de symboles, du langage.
04:34Là, les LLM, on ne les battra pas.
04:36Ça marche très bien pour ça et c'est pour ça, d'ailleurs, qu'aujourd'hui, ce sont les champs
04:39d'application.
04:39Si on regarde maintenant toutes les applications basées sur le monde réel,
04:44par exemple, qu'est-ce qui fait qu'un robot va être réellement utile et pas juste quelque chose de
04:49bête ?
04:50Là, on n'a pas de solution aujourd'hui avec les LLM.
04:52Donc, c'est ça, les produits sur lesquels vous allez travailler, ça ne va pas être des chatbots comme pour
04:57monsieur et madame tout le monde,
04:58ça va plus être des applications d'ordre industriel, c'est-à-dire l'application dans des robots, dans des
05:02véhicules autonomes,
05:03ça va être ça, l'industrie, la santé, c'est plus ça, en fait, c'est des produits sur lesquels
05:07vous allez travailler ?
05:08Les applications les plus directes, c'est effectivement ça.
05:11Pourquoi ? Parce que ce sont des applications qui sont aujourd'hui très très mal servies par les modèles qu
05:15'on a sur le marché
05:16et donc il y a un besoin immense.
05:19Vous êtes toujours présent chez Nabla, par exemple, vous allez l'utiliser, vous, dans vos modèles de Nabla, pour faire
05:24quoi, par exemple ?
05:25Alors absolument, on a le premier partenaire d'Ami et Nabla, donc je suis des deux côtés du partenariat.
05:31Dans la santé, on utilise des modèles génératifs depuis 4-5 ans pour faire des copilotes pour les médecins
05:37qui vont les aider à rédiger des comptes rendus, par exemple, ou à préparer des lettres, à mettre à jour
05:43des dossiers patients,
05:43mais c'est toujours des copilotes, c'est-à-dire qu'on peut préparer, d'abord ce sont des tâches
05:47qui sont basées sur du langage,
05:49c'est souvent des comptes rendus, des choses comme ça, et c'est des copilotes, donc on ne peut pas
05:52automatiser à 100%,
05:55puisqu'il y a toujours un risque d'imprécision, d'hallucination, donc on arrive aux limites dans la santé
06:00de ce qu'on peut faire à cause des modèles qu'on utilise.
06:03Donc les world models permettront de dépasser ça et de faire des choses beaucoup plus intéressantes encore dans la santé.
06:10C'est quoi la roadmap derrière ? Parce que si vous avez été embauché comme CEO,
06:14c'est parce que vous avez une connaissance justement de la transition entre le laboratoire de recherche et le produit
06:19commercialisable.
06:20Yann Lequin, lui, c'est vraiment un chercheur, donc c'est quoi ?
06:23Est-ce qu'on est dans la deep tech et ça va prendre des années et des années ?
06:26Est-ce que ça va être plus rapide que ça ? On peut s'attendre à quoi ?
06:28Alors ça va prendre longtemps et on ne dit pas combien de temps parce qu'on ne le sait pas
06:31et qu'on est humble devant la recherche, on rentre dans un territoire inconnu.
06:36Donc l'activité initiale est vraiment une activité de recherche.
06:40Alors la recherche en deep learning, c'est une recherche très empirique,
06:42il y a beaucoup d'ingénieurs, il y a beaucoup de codes,
06:45ce n'est pas une recherche purement théorique, mais c'est de la recherche quand même.
06:50Donc il y a une première phase de recherche de cette entreprise.
06:54Une bonne partie de l'équipe vient de Meta, on n'a pas vu Meta parmi la liste des investisseurs,
06:58mais vous allez continuer à travailler avec eux, vous avez un lien privilégié ?
07:02Oui bien sûr, on est en très bon terme avec Meta, on sera partenaire,
07:07on est en train de discuter d'un accord de partenariat.
07:10Meta, pour certaines applications notamment, dans la réalité augmentée,
07:13est très intéressée par les modèles qu'on va produire, donc il y a un partenariat assez naturel.
07:18Je finis avec une question piège, Alexandre Lebrun, si vous vous cotez demain, vous vous cotez où ?
07:23En bourse, c'est tellement loin que je ne sais pas encore.
07:28Mais vous resteriez à Paris ? Il y a beaucoup d'attentes autour de vous,
07:31il n'y a qu'à voir hier, Emmanuel Macron a encore fait des messages pour annoncer que vous vous
07:35lanciez,
07:35vous êtes très soutenu par le président français,
07:38donc si vous vous cotez ailleurs, vous imaginez bien qu'il y aurait une petite déception.
07:42On a eu des investisseurs dans les discussions qui nous ont dit
07:46que ce serait mieux de mettre le siège dans le Delaware, aux US ou au Luxembourg,
07:50et on a tout de suite dit à ces investisseurs, on ne travaillera pas ensemble,
07:53ce n'est pas notre priorité, on n'est pas dans l'optimisation fiscale,
07:57on serait très content de payer beaucoup d'impôts un jour.
08:00Nous, on est à Paris, l'entreprise est centrée à Paris,
08:04donc ça fait partie de notre ADN.
08:06Vous avez dû faire le tri dans les investisseurs, ça s'est passé comment ?
08:09Oui, enfin faire le tri c'est un peu méchant, mais on a eu la chance de pouvoir choisir,
08:15disons au début on cherchait à lever plutôt 500 millions,
08:18finalement on a doublé la taille devant la demande,
08:21et donc ça nous a permis d'être très alignés,
08:23ce qui est très important dans un projet de long terme comme le nôtre,
08:26d'avoir un très bon alignement avec les investisseurs sur les échéances, la durée,
08:32et qu'on soit d'accord sur le fait que c'est un projet de recherche long terme.
08:36Dernier point, parce qu'on a largement fini,
08:37qu'il va falloir faire le journal de 8h à un moment donné,
08:39vous allez forcément recruter, vous ouvrez quoi comme poste ?
08:43Dans un premier temps, des postes techniques avant tout,
08:46donc de recherche et d'ingénierie, sur les 4 places,
08:50donc Paris, New York, Montréal et Singapour.
08:54Les CV c'est ouvert !
08:55Vous êtes aussi bien payé à Paris qu'à New York ou pas ?
08:58Alors dans chaque pays, la grille s'ajuste au marché local.
09:04Oui c'est ça, donc moins bien payé à Paris qu'à New York.
09:06Oui mais donnant accès au même niveau de vie.
09:09Merci beaucoup Alexandre Lebrun d'être venu ce matin dans la matinale de l'économie.
09:11Merci.
Commentaires