Mihir Sarkar : Les défis de l’IA dans un grand groupe

00:00:00: MIR, comment ça va ?

00:00:05: Je suis très content de te voir.

00:00:07: C'est toujours un plaisir d'échanger avec toi.

00:00:10: Et bien installe-toi !

00:00:11: Bienvenue.

00:00:13: on est en live sur Twitch.

00:00:14: il faut... Il y a juste un petit truc qu'il faut parler bien en face du micro

00:00:18: et

00:00:18: ce sera très bien.

00:00:18: MIR je suis trop contente de te recevoir.

00:00:20: MIR tu es chief et AI officer chez NJ.

00:00:24: Je

00:00:24: suis responsable de l'IA et effectivement, côté rechercher innovation chez NG.

00:00:28: Ça veut

00:00:28: dire quoi ?

00:00:29: Être responsable d'innovation coté IA chez NJ?

00:00:32: Alors LIA chez Nj c'est plein de choses parce qu'on parle beaucoup DIA et d'énergie aujourd'hui.

00:00:37: On parle beaucoup d'énergies pour l'IA Parce que les data centers demandent beaucoup d''énergie.

00:00:43: Mais on parle aussi d'IA pour l'énergie parce qu'on a une stratégie de transition énergétique qui est très importante, prioritaire pour NG où on veut développer des énergies bas carbone.

00:00:53: Et donc le rôle de LIA, on essaie de réfléchir à comment est-ce que les nouveaux développements en IA pourront supporter cette transition énerгétique ?

00:01:00: Je suis responsable côté Recherche d'Innovation de voir ce qui est en train d'arriver côté IA qu'il pourrait implémenter chez NG sur des cas d'usage bien spécifiques au domaine de l'energie et de la durabilité et de transmission énergétique.

00:01:12: J'ai un parcours incroyable !

00:01:13: parcours par de la musique et de tablette, puis arrive à l'IA industrielle chez NJ.

00:01:20: Et ma question elle est simple qu'est-ce que orchestrer des musiciens t'as appris ?

00:01:25: Et que tu utilises aussi pour orchestrer les machines et de l'énergie.

00:01:29: Alors très bonne question !

00:01:30: C'est vrai que mon parcours a été assez éclectique et c'est difficile de me placer dans une boîte je dirais... Le fil rouge a toujours été LIA, une forme d'IA ou une autre.

00:01:40: Effectivement, j'ai fait une recherche de la recherche chez MIT pour faire mon doctorat là-bas.

00:01:46: –

00:01:47: MIT le Massachusetts Institute of Technology

00:01:48: ?

00:01:48: – Voilà c'est ça à Boston aux États-Unis.

00:01:52: et donc j'étais passionné de musique, passionné aussi par l'intelligence artificielle des sciences cognitives pour essayer de comprendre comment est ce que le cerveau marchait.

00:02:00: Et là bas tout comme l'IA et l'énergie c'était un peu à double sens, LIA et la musique c'étaient aussi un peu a double sens.

00:02:07: C'est à dire J'ai essayé de développer des modèles dia pour essayer de mieux comprendre et d'analyser la musique, mais aussi de comprendre comment est-ce que l'humain écoutait la musique pour pouvoir développer les systèmes dia qui puissent s'en inspirer.

00:02:21: Ce qui est intéressant avec la musique par rapport à la parole par exemple c'est qu'il y a une désactivité humaine qui utilise le plus... de zones différentes du cerveau.

00:02:28: Et donc pour pouvoir développer des modèles d'IA, c'est assez intéressant d'utiliser la musique comme activité qui stimule le cerveau et qui permet ensuite de comprendre comment est-ce que les eaux neuronales interagissent entre elles.

00:02:41: J'ai développé un système qu'il s'appelle Tablanet et qui permettait à des musiciens qui étaient à distance de jouer en temps réel ensemble.

00:02:48: Alors le problème majeur quand on a des musiciens à distance, c'est la latence.

00:02:52: C'est le délai qui peut y avoir entre le temps qu'un instrument est joué et que une personne qui est située à des milliers de kilomètres puisse entendre ce son.

00:03:01: Et donc pour synchroniser des instruments qui jouent à distance c'était compliqué.

00:03:04: Donc moi ce que j'avais développé c' était un modèle DIA qui faisait la prédiction de musique et qui pouvait anticiper ce que chaque musique jouait pour pouvoir synchroniser les flux audio et pouvoir collaborer à distance.

00:03:16: Et du coup, est-ce que dans la grande musique qu'est l'énergie aujourd'hui quand je dis grande musique si tu parles de réseaux énergétiques ?

00:03:21: Est ce qu'il y a devient de plus en plus le chef d'orchestre ou pas ?

00:03:24: Oui absolument.

00:03:25: Alors il ya des éléments très similaires à ce que moi j'ai pu développer sur les sujets de musique qui sont autour par exemple de la prédiction.

00:03:33: Alors tout ce qui est de production énergétique, prediction de consommation et orchestration de différents systèmes.

00:03:41: c'est ce qui devient de peu en plus important côté énergéthique.

00:03:44: alors il y a deux sujets quand tu parles d'orchestration, le premier qui est autour de systèmes énergétiques de plus en plus distribués.

00:03:50: C'est-à-dire que parmi nos clients on voit que ce soit des particuliers, des industries et des territoires.

00:03:59: Nos clients deviennent à la fois consommateurs mais aussi producteurs et stalkers d'énergie.

00:04:05: En tant qu'particulier, on n'a pas de soleil chez soi.

00:04:08: On peut avoir des batteries de véhicules électriques et on est aussi consommateur d'énergie qui provient du réseau.

00:04:14: Et donc de pouvoir orchestrer ces différentes sources et consommation d'énérgie avec nos équipements à la maison, que ça peut être nos sèches-linges, nos lav-linge

00:04:24: etc.,

00:04:25: fait partie d'une orchestration... qui devient de plus en plus complexe, parce qu'on a plus et en plus d'éléments comme ça qui sont distribués.

00:04:32: L'énergie aujourd'hui c'est un système centralisé.

00:04:34: On parlait de centrales électriques, c'était un système centralized et on arrive à des systèmes beaucoup plus distribués et beaucoup plus flexibles.

00:04:41: Et de la même manière l'IA qui essaie de modéliser cela, on se base de plus sur les agents... des agents distribués, des agents qui nécessitent une orchestration pour pouvoir parler les uns avec les autres.

00:04:51: Alors c'est des agents qu'ils peuvent être à la fois des agents conversationnels ou interactifs avec les utilisateurs et puis des gens qui représentent des modèles qui sont des équipements physiques ou des modéles de flexibilité énergétique pour voir comment est-ce que l'on gère cette énergie sur le marché énergétique ?

00:05:09: On achète et on vend.

00:05:10: Et aujourd'hui,

00:05:10: ce n'est quoi les trois plus gros sujets qui vous occupent.

00:05:13: en côté innovation et recherche?

00:05:16: Alors l'IA-CNJ, il y a plein d'équipes qui s'en occupent.

00:05:19: On est assez distribué en termes d'organisation.

00:05:22: Il y a des équipes qui sont très proches du business et des opérations et qui implémentent des sujets qui peuvent être implementés directement.

00:05:28: alors soit développé chez NG, soit en partenariat avec les startups ou d'autres industries.

00:05:34: Il y a des équipes qui sont plus centrales, qui développent les plateformes de l'infrastructure.

00:05:38: Qui s'assurent qu'on suit bien les réglementations européennes et autres nécessaires autour de LIA, qui traitent de cyber-sécurité... ...de choses qui sont transverses au groupe.

00:05:48: Et puis côté recherche et innovation on regarde qu'est ce qui est en train d'arriver dans la prochaine phase de Lia ?

00:05:52: Et comment est-ce que l'on peut l'appliquer à des activités-coeurs de métier autour de la transition énergétique ?

00:05:57: Parmi ces activités il y en a plusieurs qui nous intéressent aujourd'hui.

00:06:00: L'une d'entre elles c'est par exemple les jumeaux numériques le fait que les jumeaux numériques, ça fait longtemps qu'on en parle dans l'industrie.

00:06:07: Oui je m'en rappelais il y a encore cinq-six ans.

00:06:09: on nous parlait beaucoup de plus d'usines.

00:06:11: trois point zéro,

00:06:12: des

00:06:12: jumeau numérique des usines etc... C'est quoi un jume au numérique

00:06:15: ?

00:06:15: Alors un Jume au Numérique c'est une version digitale d'un système physique.

00:06:21: Alors, ça peut être par exemple une ville.

00:06:23: Ça peut être une usine.

00:06:25: Par exemple la plupart des usines qui fabriquent des voitures par exemple ont un jumeau numérique pour pouvoir simuler si on change un équipement qu'est-ce qui va se passer ?

00:06:33: Comment est ce que l'on optimise ce système ?

00:06:35: S'il y a des pannes, comment est-ce qu'on modélise ces pannnes pour pouvoir faire des activités de maintenance le plus rapidement possible?

00:06:40: Dans le domaine de l'énergie c'est... On a des bouts de jumeaux numériques pour modéliser une centrale, par exemple thermique ou éolienne ou solaire.

00:06:51: Mais on n'a pas jusqu'à présent eu tout un système qui représentait l'ensemble des activités.

00:06:56: Aujourd'hui, ce qu'on se rend compte c'est que avoir des gemmes numériques qui sont basés sur une technologie qui était à la base autour d'équations physiques qui représentaient le comportement physique de chaque process.

00:07:09: Alors une centrale thermique par exemple ou bien une centrales biogazes on essaie de modéliser.

00:07:13: comment est-ce que la production du biométan pouvait être générée en fonction des types d'intrants que tu mettais dedans.

00:07:19: donc pour chaque type de process qu'il y a On a des systèmes qui modélisent…

00:07:26: Des données physiques qui remontent, ça permet aussi une visualisation plus facile.

00:07:29: C'est-à-dire que plutôt parfois d'avoir de gros tableaux de bord

00:07:32: etc.,

00:07:32: il suffit de montrer le jumeau numérique d'une usine générée en trois D et en deux secondes on est capable de voir les postes qui fonctionnent et les poste qui ne fonctionnent pas

00:07:40: finalement.

00:07:40: Exactement !

00:07:41: Alors tu as le Jumeau Numérique physique aussi en termes de visualisations trois D où tu peux te balader quasiment en réalité virtuelle sur un site sur le son NG.

00:07:51: qui parle de ça justement, c'est comment est-ce qu'on représente de façon visuelle ce qui se passe sur un site.

00:07:57: Et puis on peut rajouter des informations par exemple sur « Qu'est-ce qui traverse chaque câble ou chaque pipeline que l'on voit en visualisation ?

00:08:08: ».

00:08:08: Et puis il y a un jumeau numérique qui est un peu plus abstrait et qui représente justement des process physiques avec des équations.

00:08:16: Là où LIA peut intervenir, c''est décider d'apporter une couche qui rend les calculs beaucoup plus rapides.

00:08:22: Et donc au lieu d'avoir des équations physiques qu'on doit faire tourner pendant plusieurs heures, voire plusieurs jours quelquefois pour modéliser un système.

00:08:28: on a des systèmes d'IA qui peuvent aller beaucoup plus vite et donc on peut faire des simulations beaucoup plus rapidement de l'optimisation en quasiment temps réel et puis faire potentiellement de... L'automatisation c'est à dire quatre termes.

00:08:39: On veut pas uniquement de l''IA qui fasse des analyses et qui fassent des tableaux de bord qui permettent de prendre des décisions qui sont ensuite prises par les humains, les opérateurs mais potentiellemment des actions qui ne soient prises pas à des agents, des agents IA, qui puissent prendre des actions sur les sites pour automatiser certains process.

00:08:56: Ah !

00:08:56: Aujourd'hui vous allez aller jusqu'à laisser une intelligence artificielle prendre une décision finale ?

00:09:02: On le

00:09:02: fait pas aujourd'hui parce qu'il y a tellement de contraintes à la fois technologiques réglementaires etc... Sur des infrastructures critiques comme l'énergie que on est assez loin de pouvoir implémenter ça.

00:09:13: Mais c'est vrai qu'on commence à voir arriver ça dans d'autres industries comme tout ce qui est fabrication, je parlais de la fabrication automobile.

00:09:19: On voit des robots qui assemblent justement ces voitures.

00:09:23: Alors on pourrait s'imaginer que ça pourrait être... enfin on voit déjà des véhicules autonomes dans certaines villes.

00:09:29: De plus en plus oui !

00:09:30: Oui de plus en Plus et donc on pourrait imaginer que des infrastructures comme une centrale pourraient être contrôlés automatiquement.

00:09:35: Alors il y a beaucoup de problématiques réglementaires aujourd'hui, des problématique de sécurité et de cyber-sécurité

00:09:40: etc.,

00:09:41: mais c'est des sujets qu'on commence à regarder.

00:09:43: Et justement

00:09:44: en termes d'industrie moi je trouve magique un peu avec l'industrie chaîn... L'industrie que vous adressez chez NG.

00:09:49: l'énergie C'est que vous avez en vérité la capacité d'utiliser l'intelligence artificielle dans le monde réel.

00:09:55: De plus en plus on va aller vers les liens physiques De plus on plus on vas aller vers des intelligences artificielles qui vont agir là où il récupère la donnée, ce qu'on appelle le Edge Computing.

00:10:03: Vous aujourd'hui comment est-ce que vous légiférez ?

00:10:06: Comment est-que vous arbitrez en interne?

00:10:08: quand on se dit « Est-ce-que ce calcul ?

00:10:09: » On le déporte au plus près de l'éolienne.

00:10:11: ou est-c'qu'on récupère les données de léoliennes en physique et on les met sur le cloud?

00:10:15: Et on fait notre petite business dans un Data Center Cloud ou on premise?

00:10:18: C'est

00:10:19: des grosses questions, c'est un trade-off qu'il faut opérer.

00:10:22: Il y a plusieurs considérations à mettre en oeuvre et je pense que il n'y a pas une seule décision.

00:10:27: au global ça va être aucun par cas mais les critères qu'on prend en oevre c'était le critère du coût.

00:10:35: De plus en plus on voit que les LLM avec le paper use, avec le prix partocaine risquent de coûter cher sur pas mal de cas d'usage.

00:10:41: et donc le fait d'avoir un modèle qui tourne en local soit à DL, soit sur un poste de travail pourrait sauver des coups mais aussi permettre d' avoir plus de souveraineté sur un modèle qu'on a en interne.

00:10:55: On est en train aussi d'évaluer une approche autour de Small Language Model, pas de Large Language Model mais des modèles plus petits.

00:11:01: Des petits modèls qui peuvent opérer typiquement sur des Raspberry ou même sur les téléphones etc...

00:11:06: Exactement et ces models pourraient être entraînés sur des données qui proviennent du domaine de l'énergie spécifiquement et de chez NJ en particulier.

00:11:14: donc d'être beaucoup plus fiable en termes moins d'aluminations etc.

00:11:17: parce qu'elles sont contraintes sur un domaine en particulier.

00:11:19: Oui parce que

00:11:20: il faut faire comprendre aux viewers qui nous regardent Pendant longtemps, l'industrie, ce qu'on appelait l'Industrie-Trois point zéro.

00:11:27: depuis même dix ans c'est des sujets dont on parle.

00:11:30: On avait commencé je crois dans les années twenty-sept à deux mille vingt à faire des détecteurs d'anomalies,

00:11:35: typiquement

00:11:36: des algorithmes de classification.

00:11:38: Là il y a un problème là il n'y aura pas un problème.

00:11:39: On mettait ça plugué sur un capteur dans une chaîne ou dans des éoliennes etc.

00:11:45: et dès qu'il y avait on device, ça envoyait une notification etc.

00:11:50: Aujourd'hui c'est vrai qu'il y a de plus en plus un problème qui se pose C'est que... On veut des agents qui réfléchissent et qui agissent de manière naturelle, mais ces agents pèsent lourd parfois.

00:12:01: Et du coup c'est ultra intéressant ce SLM spécifique à l'énergie.

00:12:06: C'est des approches que vous essayez dans ton équipe

00:12:08: ?

00:12:08: Ouais qu'on commence à regarder effectivement.

00:12:10: donc nous côté recherche innovation on peut expérimenter.

00:12:13: On essaie de tester, d'érisquer les solutions pour voir ensuite voir ce qui marche, ce qui accroche et puis ce qui peut apporter la valeur business avant de le transférer vers les opérations pour pouvoir ensuite industrialiser ses solutions et puis les déployer à l échelle.

00:12:25: Ça fait combien de temps que tu travailles chez NJ à Tronfost ?

00:12:28: Alors ça fait presque huit ans maintenant.

00:12:31: J'ai passé trois ans chez NG Digital en rôle de chief data officer, donc responsable de la date d'adaptation.

00:12:37: c'était avant chat GPT on parlait DIA mais c'est un peu plus un sujet un petit peu plus niche.

00:12:43: et puis il y a quatre ans j'ai rejoint Recherche l'innovation pour m'occuper de façon transverses sur les sujets RNI.

00:12:47: Du coup ma question est très directe dans tes équipes comment est ce que tu as vu l'évolution de tes collaborateurs, des gens qui développent avec l'intelligence artificielle.

00:12:56: Et aujourd'hui c'est quoi ta politique sur ces sujets d'intelligences artificielles qui sont capables de coder parfois plus vite, parfois mieux ?

00:13:03: Comment est-ce que... C'est quoi ta philosophie autour de ça?

00:13:08: Alors la première approche que j'ai eue, alors moi je viens d'un monde recherche et ensuite entrepreneurial Une des premières approches que j''ai eu quand je suis arrivé dans un grand groupe comme NG c'était d'avoir une approche orientée produit ce qu'on appelle le product management.

00:13:23: des boîtes tech comme Google et autres ont mis en place qui sont vraiment pour moi différentes d'une chèferie de projets traditionnels, qu'ils sont orientés autour d'un approche méthodologique iterative agile avec l'utilisateur au centre des préoccupations avec la création de valeur.

00:13:38: Et donc vraiment une approche cyclique plutôt que linéaire sur la gestion du projet et la gestions de développement de solutions.

00:13:45: Et c'est Product Manager pour moi, donc j'avais géré des équipes de Product Manager qui eux avaient leurs propres équipes du développement et le design.

00:13:52: De business entre guillets.

00:13:53: alors même si nous, le business est interne, c'était quand même la relation avec nos utilisateurs, nos clients finaux.

00:13:59: Donc des équipe de développeurs et il y a encore sept ou huit ans que je suis rentré chez NJ on avait presque plus de développer qu'avec de data scientifique.

00:14:06: C'est vrai KIP parce qu'il fallait... créer toute cette infrastructure, tout ce software, tout cet enrobage de modèle IA pour pouvoir ensuite délivrer de la valeur.

00:14:16: Petit à petit ce que j'ai vu et ce qui a commencé après l'arrivée de LLM puis d'outils d'aide au codage c'est une réduction des équipes, de la taille des équipements de développement.

00:14:27: Alors à la fois parce qu'on avait plus de développeurs full stack que des développeur back-end front end et plus spécialisés mais aussi parce qu on augmentait ces développeures full stack avec des outils d'aide au codage Et donc ça c'est des choses qui existent depuis maintenant quelques mois, quelques années qui deviennent de plus en plus matures.

00:14:47: On voit bien qu'il faut encore piloter ses outils avec des experts.

00:14:52: Et c'est vrai que c'était une question qui se pose sur la place des juniors et des seniors.

00:14:56: Oui, parce

00:14:56: qu'il s'allait de ma question aujourd'hui moi je te donne l'opportunité tu peux recruter trois juniors ou un senior ?

00:15:02: Tu fais quoi?

00:15:03: Alors ça dépend de la temporalité du projet.

00:15:05: je dirais si il faut délivrer quelque chose de rapidement, de rapide... Je pense que le senior qui est accompagné d'un outil d'aide au développement peut aller beaucoup plus vite.

00:15:18: mais il faut aussi se dire que si on n'a pas de junior aujourd-hui on aura pas de senior demain.

00:15:23: Donc il faut vraiment pouvoir faire monter en compétence les profils qui sont en train d'arriver et que dès, les écoles d'ingénieurs par lesquels ils passent, ils puissent adopter ces outils et ses nouvelles façons de travailler.

00:15:35: J'enseigne aussi, j'enseigne à Sciences Po, des cours de DIA, de Sustainability, de Deep Tech etc... J'ai des populations qui ne sont pas des populations purement d' ingénieur qui sont un peu mixtes mais c'est un sujet auquel je réfléchis beaucoup.

00:15:48: C'est quel est le futur de l'éducation?

00:15:49: parce quels sont les jobs de demain ?

00:15:51: Quel est le moyen de... Enfin, on ne va pas demander à quelqu'un maintenant d'écrire une rédaction.

00:15:56: Bien sûr !

00:15:57: Et comment on évalue

00:15:58: aussi ?

00:15:58: Et comment est-ce qu'on évalue exactement ce que tu dis?

00:16:00: et c'est comment est ce qu'ont évalué la connaissance?

00:16:02: parce que quelle est la connaissances de demain ?

00:16:04: Donc ces questions qu'ons se posent, donc je n'ai pas de réponse à ta portée mais des questions qui sont importantes à se poser.

00:16:10: Du

00:16:10: coup, c'était quoi les deux conseils que tu donnerais aujourd'hui un ingénieur?

00:16:13: Alors dans la nouvelle configuration, je pense du job….

00:16:17: Je parlais de product management, je penses que pour moi L'étape d'après, ce n'est pas du product management.

00:16:22: C'est du process-management.

00:16:24: et ce que j'entends par là c'est qu'aujourd'hui avec les outils IA il faut se poser la question de comment est-ce qu'on refond les procès existants ?

00:16:32: Et pour un grand groupe comme NG, c'était une question qu'il se pose surtout côté Recherche d'Innovation.

00:16:37: Comment on se prépare l'avenir en essayant de trouver des disruptions nous même pour éviter qu'une startup arrive et disrupte notre business model ?

00:16:46: D'essayer de faire émerger ça, c''est compliqué !

00:16:48: C'est compliqué pour un grand groupe, c'est compliqué en général parce que ce sont plein d'hypothèses à tester.

00:16:53: Et donc de réimaginer les process métiers aujourd'hui avec UNIA dans la boucle, c''est différent qu'à optimiser des bouts de procès.

00:17:01: et c'était l'approche qu'on a traditionnellement puisque les gens qui travaillent dans les opérations ils connaissent leur procès sur le bout des doigts et ils se disent ok on peut optimiser ça et ça mais la question qu'il faut se poser est par rapport aux objectifs qu'ons fixe d'une entité, d'un process au global.

00:17:16: Si on avait de l'IA dès le départ comment est-ce qu'on inventerait le truc de scratch ?

00:17:20: Et même

00:17:20: en termes de product management et même de product ownership moi je vois aussi quand avant... Avant j'dis ça avant alors ça datent.

00:17:28: il y a huit neuf six ans quand des métiers marketing, DRH, métier support etc.

00:17:35: On avait des besoins de logiciels avec des besos en solution etc.

00:17:38: Ils allaient taper à la DSI qui leur disaient ok attendez on fait un cahier d'écharges ok on prend trois mois de process etc.

00:17:45: et aujourd'hui il y a plus en plus de personnes qui me disent que bah en fait ils sont dans des métiers qu'ils ne sont pas techs.

00:17:50: mais avec l'intelligence artificielle en mode un peu château et haïe ils arrivent à faire des pocs.

00:17:54: ils arrivaient à transformer aussi rapidement ce qu'il veulent mais maintenant il ya notre goulot d'étranglement.

00:18:00: C'est quand ils arrivent avec ce poc-là, et qu'ils vont voir les DSI.

00:18:03: Et qui leur disent « maintenant on est une noce en prod ».

00:18:06: Ils s'attendent à ce que ce soit un claquement d'os qui n'arrive jamais quand on veut mettre en prod….

00:18:11: Est-ce que toi tu le vois venir aussi dans des équipes aujourd'hui chez NJ

00:18:14: ou pas ?

00:18:14: Oui absolument !

00:18:15: C'était un vrai sujet.

00:18:17: alors côté Recherche l'innovation on industrialise pas nos solutions On les dérisque à la fois du point de vue technologique et du point vu valeur business.

00:18:24: Une fois qu'on a fait des pilotes et qu''on voit que ça fonctionne on passe la main aux opérations, au business pour essayer d'industrialiser et de passer à l'échelle.

00:18:32: Et donc ce transfert c'est assez récent.

00:18:35: C'est un moyen qu'on a de faire en sorte que le business puisse s'embarquer et puisse être responsable du déploiement de leurs solutions.

00:18:43: C''est

00:18:43: quelque chose de positif pour

00:18:44: toi ?

00:18:44: C' est quelque chose très positif parce que ça permet justement de passer la main.

00:18:47: Ce n' est pas la technologie qui en charge du déploiement des outils, c'est le business parce qu'il faut créer de la valeur après tout.

00:18:55: C'est l'impact finalement qui est important et donc le fait que l'on ait plus en plus d'outils d'aide aux... enfin de nos codes et maintenant d'aides au développement.

00:19:05: Pour moi, on parlait de rôle de Product Manager.

00:19:07: Ce que je vois évoluer aussi c'est qu'on voit des Product Managers sans équipe et eux, ce sont des orchestrateurs d'agents en fait.

00:19:14: Il y a des agents qui font du code, des agents who font du design, des gens qui font une stratégie marketing... Et le fait d'opérer ces agents-là ça pourrait être une personne voire un petit groupe de personnes qui ont un projet end to end.

00:19:28: Et si on porte ça au process, ça devient ce nouveau type de rôle qui est très méthodologique, où on arrive à orchestrer des agents qui permettent de développer un projet de scratch juste en ayant une idée et de tester ça rapidement.

00:19:41: Et puis l'autre sujet c'est pour les profils développeurs ingénieur technique etc... C'est se poser la question de l'applicabilité de leur technologie sur des domaines précis.

00:19:51: Et se dire voilà si moi ce qu'il me passionne c'était la santé ou l'énergie ou l automobile ou quoi que ce soit je vais apprendre le domaine pour pouvoir appliquer de la technologie.

00:20:01: Ça

00:20:02: devient un outil en plus, pour s'augmenter aussi.

00:20:04: C'est ça et les gens du business de plus en plus vont devenir techniques même si ils n'ont pas à prendre le codage.

00:20:09: Ils vont pouvoir développer des outils eux-mêmes.

00:20:11: Les gens du technique doivent se rapprocher du métier pour savoir pourquoi il développe des solutions.

00:20:16: Est

00:20:16: ce que tu penses qu'il y a actuellement dans les entreprises chez NJ ?

00:20:19: En recherché innovation surtout une hype autour d'LLM Est-ce que tu ne trouves pas qu'on a abandonné aussi ou c'est moins mis sur le devant de la scène, j'allais dire les anciens algorithmes.

00:20:28: Mais pas du tout !

00:20:28: Tout ce qui va être forecast, tout ce qui est clostorisation, classification, détection d'anomalie etc... Moi je vais être très honnête.

00:20:35: Il y a dix ans quand j'ai commencé mon taf de Data Sciences, J'utilisais Scikit Learns

00:20:39: tout le temps.

00:20:39: Toute le temps,

00:20:40: TensorFlow, tout le time.

00:20:41: Et là maintenant, quand je vois certains clients et certains projets dans des entreprises Le premier truc qu'ils vont faire, c'est importe Open AI.

00:20:48: Ça va être d'importer des librairies de LLM.

00:20:51: Comment est-ce que tu vois cette évolution ?

00:20:53: Est ce que pour toi les projets de machine learning traditionnels ont toujours une importance ?

00:20:58: Je pense que oui mais d'un point de vue politique en interne dans l'entreprise aussi.

00:21:02: Est-ce qu'on pousse trop parfois des projets de Llm ou au contraire tu penses qu'il n'en pousse pas assez?

00:21:06: Alors moi ma philosophie c'était utiliser le bon outil pour le bon usage.

00:21:11: Et pour moi, c'est clair qu'il y a des usages où il faut continuer à utiliser Scikit-learn.

00:21:15: C'est une librairie et on n'a probable qui arrive tout à l'heure sur un panel !

00:21:21: Je pense que il faut faire cohabiter des LLM avec des méthodes plus classiques.

00:21:26: Et je pense que le moyen le plus efficace de faire ça va être la gestion du coup Le fait que si on utilise un LLM pour tout faire, les couvres vont exploser.

00:21:36: ça va pas être soutenable et donc d'utiliser une la bonne technologie.

00:21:38: Donc il y a pas mal de librairies de machines learning classiques qui sont open source sans coups à part des coupes de run.

00:21:45: Et donc ça va être des approches hybrides et de plus en plus je pense qu'on va commencer à avoir des modèles eux-mêmes hybride qui combinent des approches quantitatives qui travaillent sur des données tabulaires ou time series, données temporelles avec des données non structurées de type texte audio-vidéo etc.

00:22:03: Et combiner les deux.

00:22:04: je pense que c'est pas encore mature au point d'avoir ça en production chez Open AI ou Enterprise ou Mistral mais ce sont des pistes de recherche avec lesquelles on travaille.

00:22:12: C'est vrai

00:22:12: que moi j'ai beaucoup aussi de projets augmentés par l'IA.

00:22:16: c'était à dire qu même si on fait un algorithme je sais pas moi de parler détection d'anomalie sur une néolienne.

00:22:21: Avant, on aurait reçu une notification sur un dashboard obscure qui va nous dire beep-beep il y a un problème ici.

00:22:26: maintenant peut être qu'on va avoir ce même dashboard Sur le côté d'un assistant DIA avec lequel on va pouvoir parler.

00:22:31: Il va être connecté à l'intégralité des données et il va aussi nous aider et nous aiguiller sur ce que vous avez des cas d'application aujourd'hui comme ça chez NJ d'assistants augmentés qui permettent de rendre

00:22:41: les données plus intelligibles.

00:22:43: Je pense que toute la chaîne de valeur en fait est en train d'être... Ce qui est intéressant.

00:22:46: tu parlais de maintenance prédictive, détection d'anomalie.

00:22:49: ces sujets qui existaient il y a dix ans, ils existent toujours.

00:22:52: Et on utilise de nouvelles méthodes pour essayer d'y répondre.

00:22:55: Donc aujourd'hui par exemple on a un projet de détection de root cause.

00:23:03: quand on a une anomalie qui est détectée on essaie de savoir pourquoi est-ce qu'il y a cette anomalie ?

00:23:07: Quelles sont les éléments qui font que... voilà c'est cet équipement qui est en train de tomber en panne.

00:23:13: Et là, on analyse à la fois des données quantitatives qui proviennent de capteurs qui sont sur nos équipements avec des données qui provient du PDF qui ne sont scannés avec des textes et des schémas avec des choses qui n'ont pas structurées.

00:23:27: Et puis des systèmes de maintenance où quelquefois on a des logbooks qui sont encore écrits à la main etc... L'idée c'est déjà pouvoir digitaliser tout ça et intégrer les données multimodales qui proviennent de ces différentes sources et pouvoir intégrer ça dans des modèles IA, qui permettent ensuite de donner des recommandations sur les autres causes.

00:23:46: Je vois, ultra intéressant !

00:23:47: Et donc les problèmes en fait ont pas changé ?

00:23:49: On a toujours les mêmes problèmes qu'on avait il y a dix ans.

00:23:51: c'est juste que les approches sont différentes.

00:23:53: Je prends l'exemple par exemple... Donc j'ai beaucoup travaillé dans la musique ou dans l'audio comme on en parlait tout à l'heure.

00:23:58: J'ai travaillée dans la reconnaissance vocale.

00:24:03: On avait des approches très différentes de ce que Open AI fait aujourd'hui avec du Génératif pour écouter et faire la transcription.

00:24:10: On avait les systèmes basés sur, pour ceux qui connaissent, des modèles de Markov caché et ça marchait... plus ou moins sur une phrase un peu hachée où il fallait séparer chaque mot, chaque chiffre.

00:24:21: Tu ne pouvais pas parler en continu qu'on peut le faire aujourd'hui.

00:24:23: mais les problèmes étaient les mêmes.

00:24:24: on essayait de reconnaître la voie et ça fonctionnait pour des cas d'usage limité.

00:24:29: donc la technologie est en train d'évoluer, les cas d''usages existent et on essaie de les faire évoluer.

00:24:34: Et je pense que là on a un point d'inflexion.

00:24:36: c'est vraiment que sur les process Il faut vraiment se poser la question de comment est-ce qu'on ré-ingénieur, ré-imagine les process ?

00:24:43: Parce que l'IA aujourd'hui est native.

00:24:45: Ce n'est pas quelque chose qu'ont ajoute en add on ce qui a un petit peu le cas dans des entreprises.

00:24:49: parce que voilà... On est trop habitués !

00:24:51: Le changement est compliqué et on est trop habitué à nos processes.

00:24:53: mais il faut vraiment ce shift d'état d'esprit de mindset et dans l'éducation et les formations continuues qu'il peut avoir dans les entreprises c'est ce qu'ils font apporter ce mindset shift sur comment est ce qu''on expérimente et qu'On utilise de nouveaux outils

00:25:06: des réglementations quand on fait de la R&D.

00:25:08: Comment est-ce que tu vis les réglementation, par exemple pour parler de l'AI Act ?

00:25:12: Avant, on peut parler du RGPD etc... Comment est ce qu'on combine le fait d'être plus en plus réglementé parfois sur certains sujets avec des challenges de la RD aujourd'hui dans les grandes entreprises et notamment chez MJ?

00:25:23: Alors je dirais que côté RD Pour moi, ce que je décrivais un peu chanceux dans la mesure où on n'est pas dans des systèmes de production ou où l'on peut... Alors je dirais pas ça franchir complètement de réglementation.

00:25:35: Bien sûr, on adhère à tout ce qu'il y a HGPD

00:25:38: etc.,

00:25:39: mais comment ?

00:25:39: On n'a pas de système en production.

00:25:41: toutes les criticités liées à les AIACT par exemple, on ne les applique pas forcément parce que c'est... on va pas mettre quelque chose qui va influer sur un équipement critique énergétique ou autre.

00:25:51: donc Et après chez NJ, on n'a pas beaucoup de... enfin à part le bitoucil et relations clients.

00:25:57: Toutes les données industrielles avec lesquelles on travaille ne sont pas soumises au RGPD d'une manière à gérer des données personnelles identifiables etc.

00:26:05: Donc dans l'expérimentation, dans le travail qu'on peut avoir avec des labos de recherche, avec des startups émergentes

00:26:11: etc.,

00:26:12: On peut d'un certaine manière explorer le champ des possibles sans vraiment se poser la question en amont À un moment donné, quand on va faire des pilotes, on va se poser cette question parce qu'il faut se poser la question de la valeur business.

00:26:23: Des contraintes et des réglementations et des choses à suivre pour pouvoir implémenter une solution tout ce qui est cyber-sécurité etc... Donc il y a énormément de choses à prendre en compte dans l'industrialisation et c'est que je vous mentionnais tout à l'heure, c'était qu'on peut faire des pocs finalement aujourd'hui assez rapidement et tous les outils qu'ont la disposition d'industrieliser une solution ça met énormément de temps !

00:26:44: Ça met encore beaucoup de temps et quelquefois, les gens ne s'en rendent pas compte qu'on n'est pas dedans.

00:26:51: Et donc on se dit voilà en une semaine on a développé un POC, la semaine deux fait moi le système en production !

00:26:57: Et ça marche pas comme ça parce que y'a tellement de contraintes à prendre en compte... Une des contraintES au-delà du technique, au delà des réglementations, de la sécurité etc.

00:27:06: c'est l'humain.

00:27:06: C'est le taux de changement aujourd'hui de la technologie est tellement rapide qu'il est beaucoup plus rapide en termes de velocité que le temps de changement de l'humain.

00:27:17: des organisations et de la société en général.

00:27:19: Et ça, ça ne fait pas

00:27:20: peur parfois aussi en interne de voir à quel point ça va vite parce qu'on se dit pas.

00:27:25: wow on a toujours quelque chose à rattraper.

00:27:28: Ça peut créer de l'anxiété aussi

00:27:29: ?

00:27:29: Bien sûr !

00:27:30: On essaie d'intégrer ça dans les programmes qui sont un support en termes de santé mentale, santé physique etc... Et puis de réfléchir aux craintes que les personnes peuvent avoir.

00:27:42: Même ceux qui travaillent dans l'IA Il y a ce qu'on appelle le AI fatigue.

00:27:47: Le fait que la technologie évolue tellement rapidement, qu' on n'arrive plus à suivre ou en vacances une semaine, on est débordi... – Justement

00:27:54: comment tu fais pour construire ta roadmap des R&D en IA ?

00:27:58: En year-end de l'année d'octobre, toutes les deux semaines il peut y avoir un nouveau modèle qui sort, des nouvelles choses qui se débloquent… Comment tu fais pas pour tenir une roadmap et la construire ?

00:28:05: – Alors je pense qu'il faut filtrer le bruit.

00:28:08: Il peut y avec énormément de trucs qui se passent d'un jour à l'autre.

00:28:12: C'est vraiment, je pense qu'on est passé d'un rythme hebdomadaire.

00:28:17: Il y a encore quelques mois un rythmes journalier avec des trucs énormes qui se passent quasiment tous les jours.

00:28:23: Il ya des événements comme IveaTech etc... Qui permettent d'avoir plein d'informations, de faire pleins de rencontres, de partenariats, mais il faut filtrer le bruit pour avoir vraiment essayer d'y avoir les signaux faibles et les signeaux qui ont la valeur.

00:28:38: après on va pas.

00:28:39: On n'a pas la prétention de savoir tout ce qui peut apporter quelque chose, mais une fois qu'on a identifié quelque chose qui peut avoir un peu de valeur on va essayer d'expérimenter.

00:28:48: Et je pense que c'est ce mindset d'experimentation que tout le monde doit avoir, que ce soit côté technologie avec des approches agile et autres, mais aussi du côté business.

00:28:56: C'est-à-dire que les outils et les procès vont évoluer tellement rapidement qu'il faut se placer dans une optique d'améliorations quantitées.

00:29:03: Mais est-ce que finalement

00:29:04: on attend plus en plus ça aussi des juniors ?

00:29:06: de justement venir en interne et avoir cette capacité de curiosité constante?

00:29:10: ou parfois moi je l'ai vécu, même moi j'étais victime de ça.

00:29:15: Quand on est senior on se dit bon je connais ma tech, je connais ce que je fais etc... Parfois il y a des juniors qui arrivent et qui disent mais attends t'as pas vu le dernier modèle aussi ici ?

00:29:25: Est-ce que c'est pas finalement un des meilleurs conseils qu'on peut donner aux juniors d'être

00:29:29: curieux

00:29:29: et devenir… de peut-être attendre d'eux en entreprise, de plus en plus cette nouveauté

00:29:33: ?

00:29:33: Ouais ouais je pense que t'as totalement raison.

00:29:36: L'idée que les juniors peuvent apporter justement cette fraîcheur... Je pense que voilà par exemple là j'suis en train de me poser la question de recruter un stagiaire et je veux quelqu'un jeune qui puisse tester plein de modèles différents et qu'il n'y ait pas un mindset déjà préformaté.

00:29:52: d'une certaine manière donc les seniors ont énormément de valeur en termes d'expertise, en termres de connaissances puis peuvent justement réduire leur sensibilité au bruit notamment et donc filtrer un petit peu toutes les nouvelles qui arrivent pour savoir quels sont les signaux qui sont plus importants à prioriser.

00:30:11: Les jeunes peuvent arriver justement avec ce dynamisme, cette connaissance et cet ouverture d'esprit pour incorporer tout.

00:30:16: Et je pense que la collaboration de les juniors et des seniors avec un IA dans la boucle ça pourrait être très parafful, apporter beaucoup de valeur a une équipe.

00:30:29: Je l'ai pas encore mis en place, mais ça peut être une super idée.

00:30:31: Du coup les trois grosses innovations là que... enfin les trois gros sujets que tu vois arriver dans les prochaines années sur l'énergie et sur l''intelligence artificielle.

00:30:38: avec l'intelligence artificiale du coup on a parlé de data center.

00:30:41: au début c'est un gros sujet aujourd'hui chez vous.

00:30:43: je sais que la France veut se positionner de plus en plus aussi comme une nation de datacenter.

00:30:47: comment vous le prévoyez aussi ça peut-être

00:30:49: ?

00:30:49: Oui bien sûr alors NG fournit de l'energie, d'énergie verte pour les datacenters.

00:30:53: et puis on a des stratégies autour.

00:30:57: Je pense que les boîtes techs deviennent elles-mêmes productrices d'énergie.

00:31:00: D'énergie, on voit des hyperscalaires américains en train d'investir dans des réacteurs modulaires nucléaire de petite taille, des investissements dans la fusion etc... Donc il y a énormément de réflexions de la tech dans ce domaine.

00:31:13: là On a entendu Arthur Mensch il ya quelques jours, quelques semaines parler l'énergie comme étant le point critique pour le développement de nouveaux modèles.

00:31:25: Donc dans la tech stack des DELIA et des Data Center, l'énergie est un point absolument crucial.

00:31:31: La France a énormément d'atouts comme on le sait via le nucléaire pour de l'energie des carbonés.

00:31:35: mais je pense que le taux de croissance des Data Centers fait qu'on voit aux États-Unis par exemple le démarrage de nouvelles centrales thermiques polluantes pour offrir de l''énergie à des nouveaux Data Center qui émergent du sol très rapidement.

00:31:48: En Europe, on essaie de réglementer d'être un peu plus prudent sur le développement de nouvelles infrastructures pour être sûr que ça s'intègre bien avec l'environnement et l'écosystème ambiant.

00:31:59: Eric Schmidt par exemple de anciennement Google avait dit il y a quelques mois qu'il imaginait... enfin lui sa recommandation c'était que les boîtes tech développent leur propre source d'énergie plutôt qu'à épuiser dans le réseau parce que ça impliquerait...

00:32:13: En G bientôt concurrent de Google ?

00:32:15: On pourrait imaginer ça, oui.

00:32:16: Effectivement que sur le domaine de l'énergie on soit concurrent et sur le domaines de lia appliquer à l'energie on se voit aussi concurrent parce qu'eux vont développer aussi des modèles pour que ce soit plus efficace d'utiliser de l energy.

00:32:27: Comment vous anticipez cela alors ?

00:32:30: Des partenariats, des collaborations continuent à se parler et puis je pense que personne n'arrivera à régler le problème de l énergie et de lias et l'intersection des deux tout seul.

00:32:40: Je pense qu'il faut des initiatives collaboratives entre institutions publiques, industries et grands groupes.

00:32:47: Start-up, institution de recherche, TingTang, PolicyMaker etc... créer des écosystèmes, et c'est ce que j'essaie de faire entre un niveau modeste avec les écosytèmes académiques, recherches industrielles, start-up en France.

00:33:01: Et avec des corridors entre la France, l'Inde, France, États-Unis etc... C'est de se poser la question de comment on a des valeurs communes qu'on peut partager ?

00:33:09: Et quelle est une stratégie de collaboration commune ?

00:33:12: Et comme je disais, ce n'est pas forcément des choses très formelles !

00:33:14: C'était de partager un mindset et partager des personnes qui ont une volonté d'avoir un impact positif.

00:33:20: Que sont les compétences que tu recherches, quel type de junior par exemple aujourd'hui?

00:33:24: Tu vas rechercher.

00:33:24: Il y a des étudiants en chat qui se demandent mais à quoi je dois me former aujourd'ci ?

00:33:28: Une ya est capable de faire un site internet.

00:33:29: Est-ce que DevWeb s'est foutu ?

00:33:30: Est ce que si j'fais encore data, ça insiste ?

00:33:32: Ça vaut quelque chose !

00:33:33: Qu'est-ce qu'tu leur recommande toi aujourd'hui ?

00:33:35: Alors la façon dont je vois les choses c'est que le code en fait... C'est un langage formel pour donner des instructions.

00:33:41: et ce qui se passe avec l'ALM c'était que ce langage format devient plus en plus abstrait et plus proche du langage naturel.

00:33:49: Il y a toute une classe de problèmes où il va falloir continuer à spécifier les problèmes de manière très rigoureuse.

00:33:56: Les maths c'est aussi un langage formel qui permet d'écrire des problèmes.

00:33:59: et aujourd'hui, il y a plein de problèmes complexes qu'on ne peut pas encore décrire avec du langage naturel.

00:34:05: Il y en a encore des documents qui sont des documents de spécification, ce que l'on appelle des requirements document... Des documentation qui représentent comment est-ce qu'en cadre un problème?

00:34:15: ?

00:34:16: Et donc la description du problème devient plus importante que sa résolution.

00:34:20: L'IA peut aider à la résolution d'un problème qui est bien défini, pour pouvoir avoir les outils méthodologiques qui permettent de décrire ces problèmes.

00:34:27: c'est important, donc la méthodologie et le mindset.

00:34:31: La connaissance du domaine ça devient important.

00:34:33: Ces deux atouts qui combinaient vont faire que des juniors vont arriver mieux équipés que les seniors qui doivent s'adapter puis adopter le changement.

00:34:42: c'était compliqué !

00:34:44: Et on arrive avec des outils et des instruments tellement disruptifs que….

00:34:48: On va attendre de plus en plus qu'il soit chef d'orchestre.

00:34:50: Oui, les jeunes vont avoir énormément d'opportunités, d'avoir un mindset complètement différent de leurs aînés et d'apporter ces nouvelles façons de travailler dans l'entreprise

00:35:01: Avec l'intelligence artificielle dans les prochaines années, c'est quoi ?

00:35:04: Les principaux avantages et les principales peurs aussi peut-être que tu peux avoir de liens sur le domaine de l'énergie au niveau global parce que t'as un scope très large qui est incroyable.

00:35:13: Au niveau de la R&D peut être ou au niveau d'Europe aussi peut être... C'est quoi ton espoir?

00:35:20: Alors je pense que comme j'ai disais tout à l'heure le rythme des changements, des individus, des organisations, des sociétés beaucoup plus longues que la technologie.

00:35:28: L'adoption le fait de se poser les bonnes questions, ça serait un grand pain d'avant.

00:35:34: Je pense qu'on a des outils aujourd'hui pour apporter des réponses aux questions que l'on se pose mais on ne se pose pas encore les bonne question et donc savoir comment est-ce qu'ont priorise les sujets qui sont importants pour une organisation ou une entreprise à la fois du point financier mais du point de vue impact, impact environnemental et sociétale sujets qui sont un petit peu passés sous la table depuis quelques temps et qui doivent revenir sur le devant de la scène parce que c'est un sujet crucial dans lequel on vit.

00:36:04: Ça, c'était important.

00:36:04: Et donc se poser ces bonnes questions et ensuite mettre en place des équipes qui puissent trouver des réponses expérimentées sur le type de réponse à apporter à ses problèmes.

00:36:15: Je pense qu'il y a un travail collaboratif, un travail qui nécessite de mettre des compétences très différentes les unes avec les autres.

00:36:22: et aujourd'hui on peut se dire que le profil de demain ce sera pas des équipes multidisciplinaires, ça sera des profils multidisiplinaires.

00:36:29: Ça sera des gens... Ok !

00:36:30: Ce

00:36:30: ne sera pas qu'on n'aura pas une équipe web, on n'aurait pas une equipe back, on aura pas une équipe Architech data, on a en fait des gens qui peuvent prendre plusieurs casquettes à un moment donné ?

00:36:38: Oui, une personne qui pourra dire voilà moi je veux régler tel problème très spécifique dans le domaine de la santé, par exemple.

00:36:45: Et je vais faire intervenir des compétences humaines ou agentiques ensemble pour pouvoir répondre à un problème... Mais justement

00:36:50: dans le chat, Jacques Agrande qui me dit est-ce qu'être un peu bon en tout, en vérité ce n'est pas être expert de rien ?

00:36:56: Alors ça c'est toujours la question qui revient et surtout pour quelqu'un qui fait un doctorat on est toujours poussés à avoir un impact.

00:37:06: Une spécialité

00:37:07: oui

00:37:07: !

00:37:07: Dans une spécialité de niche très précise.

00:37:12: Aujourd'hui avec l'approche qu'on a, c'est un balancier je dirais.

00:37:18: Et il y a quelques temps encore on devait encore être spécialistes d'un domaine parce que c'était comme ça qu'ont faisaient partie de l'équipe.

00:37:24: mais je pense que le balancié aujourd'hui est plus vers des profils qui sont multidisciplinaires et qui peuvent... utiliser les compétences expertes humaines ou agentiques pour pouvoir répondre à des besoins... Oui mais par exemple,

00:37:35: un data scientist.

00:37:36: je crois beaucoup au fait qu'un data scientist ne pouvait pas être expert en computer visionne.

00:37:39: En même temps expert en NLP, en même temps experts en forecast.

00:37:43: et ça c'était le problème moi que j'ai eu dans beaucoup d'entreprises par lesquelles je suis passé on recrutait des data scientists et on pensais qu'ils allaient pouvoir travailler sur toutes les modalités de texte, de forecast etc.

00:37:52: Alors qu'en vérité Enfin quand on travaille sur du forecast, sur de la rima.

00:37:57: Quand on travaille... Il y a des algorithmes en vérité qui sont différents à chaque fois aussi.

00:38:01: et là pour le coup pour moi l'expertise est ultra importante et pour le coût je vois plus une multidisciplinarité sur le fait que avant Quand si je faisais un modèle de forecast, bah j'allais pas envoyer un notebook collab à mon manager.

00:38:15: Je vais peut-être le mettre dans un joli dashboard web etc.

00:38:18: et à la place d'aller voir un devweb là je me dis bah vas-y je vais le faire en devwebs.

00:38:21: Et du coup j'ai cette expertise centrale et autour un arc en ciel de compétences.

00:38:28: C'est absolument ça, je pense que ce qu'on appelle le thé c'est avoir une base qui soit très large et puis un endroit où on soit suffisamment expert... Qui fait la différence aussi ?

00:38:37: Qui apporte une différenciation effectivement.

00:38:39: Et je pense qu'une fois qu'il y a un angle qui soit de spécialisation qui existe, ça entraîne aussi le cerveau à travailler sur des choses qui sont profondes.

00:38:52: Donc même si l'on n'est pas experts en tout On peut comprendre les enjeux et parler à des experts dans d'autres domaines.

00:38:58: Parce que moi je trouve incroyable pour le coup, des expert-métiers qui se forment un peu à l'IA.

00:39:02: C'est-à-dire que j'ai vu il n'y a pas assez longtemps que ça une pote à moi qui est dans les achats dans un groupe Et elle était pas du tout profiltech et elle me dit regarde j' ai développé un tout petit truc en IA et en fait ça m'aide dans mon travail.

00:39:14: Et moi je ne sais pas ce que t'en penses mais parfois J'ai tendance à recommander aux gens qui sont très experts dans un domaine vraiment utiliser l'IA comme un outil les accélérer un peu comme quand on l'utilisait Excel,

00:39:24: finalement.

00:39:25: Oui complètement je pense que c'est vraiment cette direction qui va s'amorcer et qui commence à s'amancer.

00:39:31: C'est des experts métiers ou des gens opérationnels qui commencent à utiliser des outils y a développer leurs propres agents pour les aider dans leur travail de tous les jours sans forcément maintenant faire appel à des équipes de développement où elle ADAC etc... Ils pourront le faire tout seul !

00:39:48: Et donc ça devient important pour les gens de la Tech de connaître le domaine d'applications dans lequel ils veulent développer des choses parce que les profils vont converger.

00:39:55: En fait, je pense que ça va être un profil qui va orchestrer des agents et des experts pour pouvoir répondre à des besoins.

00:40:02: Et donc il faut connaitre à la fois ce que l'ATEC est capable de faire et aussi ce qu'est le problème comment caractériser le problème de manière précise.

00:40:09: Dans la question « Tout se transforme ultra vite ?

00:40:11: » Est-ce que tu préfères travailler dans ATEC aujourd'hui ou y a dix ans?

00:40:14: Ou dans dix?

00:40:17: Très bonne question et j'ai adoré les différentes phases de ma vie professionnelle.

00:40:22: Il y a dix ans, je pense que j'étais aussi dans des organisations de R&D et je faisais des choses qui semblaient magiques à l'époque De plus en plus magique aujourd'hui J'ai eu l'opportunité la chance de travailler dans la recherche notamment MIT avec des gens qui étaient fondatrices du domaine de LIA.

00:40:39: en tant qu'telle il y a soixante-soixante dixans.

00:40:41: Et ce qui m'étonne enfin ce qui est un point de surprise pour les gens qui sont vraiment dans ce domaine là c'est Toutes les dix ans, les experts en IA se disent voilà dans les cinq à dix années à venir on arrivera à l'agé... L'intelligence artificielle généralisée.

00:40:59: C'était vrai il y a vingt ans c'est encore vrai aujourd'hui !

00:41:01: C'est le

00:41:01: loup qu'on poursuit tous.

00:41:03: et après il ya eu ce que l'on appelle des hivers de l'IA régulièrement.

00:41:07: donc Où est-ce qu'on en est par rapport au ripe de l'IA aujourd'hui ?

00:41:10: C'est une grosse question.

00:41:12: Mais c'est vrai que, par rapport à l'adoption on est très loin d'avoir adopté les outils qui même aujourd' jour existent ou qui existaient il y a encore un an ou quelques mois.

00:41:20: et donc vu la rapidité de développement des outils La question du changement et de la transformation des organisations et des individus.

00:41:28: ça va être la partie la plus cruciale.

00:41:30: Donc pour répondre à ta question je suis très curieux de voir Comment est-ce que ma vie professionnelle va évoluer dans les trois à cinq prochaines années ?

00:41:39: Et je pense qu'il ne m'imagine même pas de l'impact que la technologie pourra avoir.

00:41:43: Incroyable !

00:41:43: Merci beaucoup MIR,

00:41:45: SECAR, CHIV

00:41:45: et AI.

00:41:46: C'est toujours super intéressant

00:41:49: d'ailleurs.

00:41:49: Cet réciproque je pourrais parler avec toi pendant des heures et des heures.

00:41:53: IDOF et AI, NG, Recherche et Innovation.

00:41:56: Merci beaucoup MIR, Je vais être accompagné.

00:41:58: On met un petit écran de pause et je reviens tout de suite les amis en live.