DeepTechs

À 24 ans, Yann Bilien est cofondateur et directeur scientifique de Rippletide, une start-up parisienne créée en 2024 avec Patrick Joubert, entrepreneur aguerri. Leur point commun ? Une obsession pour la fiabilité des agents IA, ces systèmes autonomes capables d'enchaîner des actions pour accomplir une tâche.
Les grands modèles de langage (LLM) commettent environ 5 % d'erreurs à chaque étape. Un taux qui peut sembler acceptable isolément, mais qui devient rédhibitoire dans un système agentique. « Dès la dizaine d'étapes, on arrive à une erreur une fois sur deux », explique-t-il. Un support client qui se trompe une fois sur cinq n'est tout simplement pas déployable en entreprise. La réponse de Rippletide passe par une technologie de graphe qui externalise la prise de décision hors du LLM. Plutôt que d'espérer que le modèle suive les bonnes instructions, la start-up ingère les données métiers d'un client — brochures, procédures — pour construire une ontologie explicite guidant le raisonnement de l'agent. Résultat : des décisions traçables et explicables, un argument décisif dans des secteurs réglementés comme la banque.
Rippletide travaille avec de grands groupes du CAC 40 — constructeurs automobiles, marques de luxe — ainsi qu'avec des clients américains. La start-up a également remporté le hackathon Codex organisé par OpenAI à San Francisco, en développant un système multi-agents capable d'explorer des pistes de recherche scientifique en autonomie.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Directeur général de Jems, société spécialisée en data, IA et cloud, Nicolas Laroche est convaincu d'une chose : dans un monde où les agents de code peuvent reproduire n'importe quel logiciel en quelques heures, la donnée reste l'unique avantage concurrentiel durable. « Les données que l'on a et que les autres n'ont pas sont la seule barrière à l'entrée sur un marché », martèle-t-il.
Le diagnostic qu'il pose sur les entreprises européennes est sévère. Si la prise de conscience existe : toute présentation stratégique affiche désormais la « transformation par la data ». Mais les actes ne suivent pas. Les organisations continuent d'adopter une vision consumériste : on collecte pour résoudre un problème immédiat, sans jamais construire un véritable patrimoine de données. Un contraste saisissant avec Google, qui, dès ses débuts, stockait chaque flux de données sans en connaître l'usage futur.
L'IA générative change la donne : elle est « intolérante à la médiocrité » des données. Pour Laroche, c'est moins une révolution qu'un révélateur impitoyable des lacunes organisationnelles accumulées.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Il vient de la physique, a bifurqué vers la philosophie des sciences, et scrute désormais l'intelligence artificielle avec un regard que peu de chercheurs osent porter : celui de quelqu'un qui questionne les fondements mêmes de la connaissance. Pour Mathieu Guillermin, maître de conférence à l'Université catholique de Lyon, aucun système, aussi performant soit-il, ne peut se substituer au jugement humain dans le rapport à la vérité. Non par principe moral, mais par construction. « Le deep learning reste des additions, des multiplications — quelque chose de complètement mécanique. Ça n'a pas de capacité de jugement, pas d'expérience vécue. » Quand Elon Musk promet de faire de Grok une source of truth universelle, ou qu'Eric Schmidt évoque une superintelligence dont les humains ne pourraient plus comprendre les preuves, Guillermin y voit une dérive philosophique profonde : installer les machines au rang d'oracles, sans que personne ne soit plus en mesure d'évaluer ce qu'elles produisent.
Le danger, selon lui, n'est pas tant l'erreur — les algorithmes médicaux peuvent surclasser des médecins dans certaines tâches — que l'abandon de l'effort de vérification. Une logique proche, avertit-il, de la post-vérité. Il pointe aussi l'illusion du gain automatique : croire qu'implémenter un LLM crée de la valeur sans travail de réflexion préalable, c'est « égarer les gens ». Quant aux algorithmes de recommandation, ils constituent selon lui « le premier risque existentiel » — déjà à l'œuvre, désengageant progressivement les individus de tout effort intellectuel.

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

De Poitiers à San Francisco, le parcours de Vincent Diallo ressemble à un roman d'aventures. Formé au mandarin presque par hasard en classe prépa, il plonge dans la Chine des années 2000 — d'abord dans une usine de prises d'escalade au Guangdong, puis chez Deloitte à Shanghai, sur des missions d'audit rocambolesques. "Un jour, mon équipe m'appelle : on a été pris en otage par les ouvriers à Wuhan", raconte-t-il, mi-amusé. Dix ans et une aventure dans l'import de fromage français en Chine plus tard, il débarque à New York en 2015 pour monter un family office technologique.
Aujourd'hui Investment Partner chez Progression, un fonds de 50 millions de dollars ancré dans la communauté des anciens du réseau social chinois TikTok, Diallo surfe sur une conviction forte : l'IA relance le B2C. "Pendant longtemps, tout le monde faisait du SaaS B2B. Là, l'hyperpersonnalisation permise par l'IA change la donne. Consumer is back."
Sa thèse va plus loin. L'intelligence artificielle, selon lui, libérera l'humanité de la "dictature de la rationalité" : "Le quotient intellectuel devient une commodité. Ce qui va compter, c'est le quotient émotionnel, le quotient spirituel." Des capacités que la tech elle-même pourra développer, à la manière d'un maître et son disciple.
Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.

Et si la qualité des données valait mieux que leur quantité ? C'est le pari audacieux que défend Rémi Daudin, directeur scientifique de Forvia, l'équipementier automobile né de la fusion de Faurecia et HELLA. Physicien de formation, passé par la physique des particules, l'industrie pétrolière et l'automobile, il porte un projet qui bouscule les fondements mêmes du développement des grands modèles de langage (LLM) : les entraîner sur les fonds des bibliothèques nationales plutôt que sur le web ouvert.
« Les données du web, c'est de la soupe », résume-t-il sans détour. Publicités, opinions non sourcées, contenus dupliqués — les LLM actuels ingèrent en masse des informations de mauvaise qualité, ce qui les contraint à gonfler leurs paramètres pour absorber cette complexité. Résultat : des modèles lourds, coûteux, et potentiellement biaisés. « Si 10 % du corpus affirme que la Terre est plate, le modèle le répètera une fois sur dix », illustre-t-il. Sa solution ? Se tourner vers les bibliothèques. Un livre, contrairement à une page web, est un raisonnement construit, vérifié, légal. La Bibliothèque nationale de France, qui numérise ses collections depuis trente ans, compte dix millions d'œuvres. Selon Rémi Daudin, s'entraîner sur un tel corpus permettrait de produire des modèles 100 fois plus efficaces, plus petits, moins énergivores — et non biaisés.
Le projet, baptisé Mirandola — en référence à Jean Pic de la Mirandole, l'humaniste italien qui aspirait à tout savoir — se veut aussi un acte de souveraineté culturelle. À l'heure où les algorithmes américains façonnent l'information mondiale, l'idée est de redonner à l'Europe la maîtrise de ses valeurs et de sa vérité. L'Académie française, la BNF et des décideurs politiques seraient déjà sensibles à la démarche. Encore en phase d'amorçage, Mirandola cherche ses partenaires techniques — possiblement un acteur européen du LLM — pour une première phase estimée entre six et douze mois.

Hébergé par Acast. Visitez acast.com/privacy pour plus d'informations.