WEBVTT

00:00:00.000 --> 00:00:02.919
Bonjour à tous et bienvenue dans ce nouvel épisode

00:00:02.919 --> 00:00:06.139
de Génération IA. Et aujourd 'hui, j 'ai l 'honneur

00:00:06.139 --> 00:00:09.480
de recevoir un nouvel invité, Stéphane Collot,

00:00:10.060 --> 00:00:13.359
qui a passé plusieurs années chez Meta et qui

00:00:13.359 --> 00:00:16.559
vient d 'émissionner il y a quelques mois pour

00:00:16.559 --> 00:00:19.160
créer sa propre startup dans l 'IA. Je ne vais

00:00:19.160 --> 00:00:22.079
pas trop en dire ici, mais je suis ravi de recevoir

00:00:22.079 --> 00:00:25.199
Stéphane et on va aborder tout un tas de sujets

00:00:25.199 --> 00:00:27.660
sur l 'intelligence artificielle générative,

00:00:27.699 --> 00:00:31.440
bien sûr. sur l 'apparition de chat GPT, sur

00:00:31.440 --> 00:00:33.299
l 'état de l 'art de l 'IA actuellement, parce

00:00:33.299 --> 00:00:35.579
que pour beaucoup de gens, en fait, on ne sait

00:00:35.579 --> 00:00:37.939
pas trop ce qui se passe dans les grandes entreprises

00:00:37.939 --> 00:00:40.439
actuellement et quelles sont leurs stratégies.

00:00:41.820 --> 00:00:45.280
Donc, merci Stéphane d 'être avec nous et je

00:00:45.280 --> 00:00:48.759
te laisse te présenter rapidement pour que l

00:00:48.759 --> 00:00:51.119
'audience puisse te connaître. Merci Guillaume

00:00:51.119 --> 00:00:54.039
pour l 'invitation et merci pour l 'introduction.

00:00:55.439 --> 00:01:01.740
Si je dois me présenter, ça fait plus de dix

00:01:01.740 --> 00:01:05.719
ans que je travaille en machine learning en IA.

00:01:06.500 --> 00:01:11.219
Les trois dernières... J 'ai passé trois ans

00:01:11.219 --> 00:01:14.780
et demi chez META à Londres. Chez META à Londres,

00:01:14.939 --> 00:01:19.319
j 'ai fait un an sur la partie réseau de neurones.

00:01:20.590 --> 00:01:23.829
qui prédit sur quoi les gens vont cliquer pour

00:01:23.829 --> 00:01:27.049
la partie ciblage publicitaire. C 'est un modèle

00:01:27.049 --> 00:01:32.010
qui permet d 'optimiser le retour sur investissement

00:01:32.010 --> 00:01:34.870
des annonceurs. Je fais ça pendant presque un

00:01:34.870 --> 00:01:38.069
an. Ensuite, j 'ai passé deux ans et demi dans

00:01:38.069 --> 00:01:42.109
la partie Generative AI, pendant laquelle j 'ai

00:01:42.109 --> 00:01:46.090
bossé sur l 'AMA, donc le modèle open source

00:01:46.090 --> 00:01:50.180
de méta. J 'étais co -contributeur de l 'AMA

00:01:50.180 --> 00:01:55.200
3, 4 et certains de mes travaux ont été utilisés

00:01:55.200 --> 00:01:58.560
aussi pour le nouveau modèle qui a été release

00:01:58.560 --> 00:02:03.319
qui s 'appelle MusePak. Avant META, j 'ai travaillé

00:02:03.319 --> 00:02:06.760
7 ans chez ING, la banque. J 'ai fait 2 ans à

00:02:06.760 --> 00:02:10.819
Frankfurt et 5 ans à Amsterdam où j 'ai travaillé

00:02:10.819 --> 00:02:13.319
sur plein de projets pour résoudre des problèmes

00:02:13.319 --> 00:02:17.349
business de la banque. à la fois au départ retail,

00:02:17.710 --> 00:02:21.009
wall -sell banking et à la fin plus finance de

00:02:21.009 --> 00:02:24.069
marché. Donc j 'étais ce qu 'on appelle plus

00:02:24.069 --> 00:02:29.509
un quant researcher. Et c 'est là que j 'ai rencontré

00:02:29.509 --> 00:02:34.349
il y a plus de cinq ans mes co -fondateurs et

00:02:34.349 --> 00:02:39.789
c 'est pour ça qu 'il y a plus d 'un mois et

00:02:39.789 --> 00:02:41.990
demi, j 'ai fait mon dernier jour chez Meta et

00:02:41.990 --> 00:02:44.949
je lance une boîte d 'IA appliquée au marché

00:02:44.949 --> 00:02:49.069
financier, où on fait notre propre modèle d 'IA,

00:02:51.169 --> 00:02:53.189
notre propre modèle de deep learning appliquée

00:02:53.189 --> 00:02:58.650
au marché financier pour construire en d 'autres

00:02:58.650 --> 00:03:02.469
termes un hedge fund avec une stratégie systématique.

00:03:03.509 --> 00:03:07.750
Et avant mon expérience ING, j 'ai fait un master

00:03:07.750 --> 00:03:10.389
à Georgia Tech, dans l 'université américaine

00:03:10.389 --> 00:03:14.379
à Atlanta. L 'amontage des grosses universités

00:03:14.379 --> 00:03:16.000
américaines, c 'est qu 'il y a beaucoup de cours.

00:03:17.180 --> 00:03:20.460
Et du coup, en 2014 -2015, j 'ai choisi beaucoup

00:03:20.460 --> 00:03:22.659
de cours en rapport à l 'IA, au Machine Learning,

00:03:22.740 --> 00:03:25.159
au Big Data. Et c 'est comme ça que je me suis

00:03:25.159 --> 00:03:28.319
spécialisé. Et avant ça, j 'ai fait une école

00:03:28.319 --> 00:03:33.159
d 'ingé. Effectivement, pour la petite info,

00:03:33.699 --> 00:03:35.379
c 'est en école qu 'on s 'est connus, même si

00:03:35.379 --> 00:03:36.860
on n 'était pas dans la même promo, je crois.

00:03:37.719 --> 00:03:41.219
mais t 'as su saisir cette vague de l 'IAD directement

00:03:41.219 --> 00:03:44.639
dès l 'école et avec Georgia Tech, tout ce qui

00:03:44.639 --> 00:03:47.979
était Big Data, c 'est vrai qu 'on sentait cette

00:03:47.979 --> 00:03:51.520
vague venir et cette vague vraiment, elle a déferlé

00:03:51.520 --> 00:03:53.520
quand il y a eu de chat GPT qui est arrivé, mais

00:03:53.520 --> 00:03:57.240
on va en parler. J 'aimerais d 'abord juste que

00:03:57.240 --> 00:04:01.280
tu précises la différence entre la partie générative,

00:04:01.520 --> 00:04:03.719
donc l 'intelligence artificielle générative,

00:04:04.750 --> 00:04:06.550
parce que tu as utilisé ce mot quand tu as dit

00:04:06.550 --> 00:04:09.590
que tu avais bossé sur Lara, et ce que tu as

00:04:09.590 --> 00:04:12.750
fait avant qui était aussi de l 'IA, mais qui

00:04:12.750 --> 00:04:14.250
n 'est pas générative, parce que c 'est vrai

00:04:14.250 --> 00:04:18.449
que le podcast s 'appelle Génération IA, en référence

00:04:18.449 --> 00:04:21.250
à l 'IA générative, parce que l 'idée c 'est

00:04:21.250 --> 00:04:23.310
de populariser l 'IA générative, que tout le

00:04:23.310 --> 00:04:26.170
monde puisse avoir accès à ces outils et s 'en

00:04:26.170 --> 00:04:27.790
servir dans leur vie de tous les jours, dans

00:04:27.790 --> 00:04:31.439
leur travail. Mais l 'IA ne se réduit pas à cette

00:04:31.439 --> 00:04:34.060
partie générative en fait, c 'est un peu une

00:04:34.060 --> 00:04:37.199
sous -catégorie. Et j 'aimerais que tu expliques

00:04:37.199 --> 00:04:41.379
relativement simplement la différence entre ces

00:04:41.379 --> 00:04:45.819
deux catégories on va dire. Ouais, c 'est marrant

00:04:45.819 --> 00:04:48.560
pour moi, toujours ça fait partie du même domaine.

00:04:50.030 --> 00:04:56.370
et ce qu 'on appelle Generative AI, c 'est le

00:04:56.370 --> 00:05:02.709
fait qu 'on génère des séquences. Je ne suis

00:05:02.709 --> 00:05:04.769
pas un expert des termes et des définitions,

00:05:05.930 --> 00:05:09.970
mais pour moi, en tout cas, tout ça fait partie

00:05:09.970 --> 00:05:13.490
du même domaine, ce qui fait partie de l 'IA

00:05:13.490 --> 00:05:18.050
du machine learning. où en gros, on apprend,

00:05:18.050 --> 00:05:22.110
on fait apprendre dans ce cas -là des réseaux

00:05:22.110 --> 00:05:24.810
de neurones à prédire quelque chose. Et en l

00:05:24.810 --> 00:05:27.829
'occurrence, dans le cas des Large Language Models,

00:05:27.870 --> 00:05:33.509
des LLM, on apprend à prédire le prochain mot,

00:05:33.769 --> 00:05:36.910
le prochain token. Et en fait, c 'est pour ça

00:05:36.910 --> 00:05:42.509
que c 'est génératif. C 'est que le modèle produit...

00:05:42.589 --> 00:05:44.750
prédire le prochain mot, et une fois qu 'il a

00:05:44.750 --> 00:05:46.610
prédit le prochain mot, il remet ça en input

00:05:46.610 --> 00:05:50.069
et continue à faire le prochain mot. C 'est pour

00:05:50.069 --> 00:05:52.730
ça qu 'on voit dans le tchat de PT et dans les

00:05:52.730 --> 00:05:57.050
autres que c 'est généré mot par mot. Donc c

00:05:57.050 --> 00:06:00.069
'est un espèce de boucle recursif où en gros

00:06:00.069 --> 00:06:04.850
on génère le prochain mot. Donc le chat est assis

00:06:04.850 --> 00:06:10.610
sur... le mot le plus probable, ce serait sur

00:06:10.610 --> 00:06:13.110
la chaise. Une fois qu 'on a mis la chaise, on

00:06:13.110 --> 00:06:15.170
continue. Et qu 'est -ce qui est le plus probable

00:06:15.170 --> 00:06:18.949
après la chaise ? Mais comme je disais, tout

00:06:18.949 --> 00:06:23.149
ça, ça fait partie de l 'ensemble que moi j 'appelle

00:06:23.149 --> 00:06:26.209
machine learning où en gros, on est donné en

00:06:26.209 --> 00:06:29.810
traitement et on entraîne un modèle qui ensuite

00:06:29.810 --> 00:06:33.910
va prédire et ensuite on va évaluer la capacité

00:06:33.910 --> 00:06:37.769
du modèle à prédire. Dans mon cas chez ING, j

00:06:37.769 --> 00:06:40.490
'ai fait pas mal de modèles de prédictions qui

00:06:40.490 --> 00:06:44.209
classifient, par exemple, des utilisateurs de

00:06:44.209 --> 00:06:46.610
la banque. Est -ce qu 'ils vont partir de la

00:06:46.610 --> 00:06:50.209
banque ? Est -ce qu 'ils vont faire un défaut

00:06:50.209 --> 00:06:56.110
de paiement ? Et donc, il y a plein de catégories

00:06:56.110 --> 00:07:02.670
dans ce sujet -là. Effectivement, je pense que

00:07:02.670 --> 00:07:06.839
tu as... T 'as cité le mot prédiction et entraînement

00:07:06.839 --> 00:07:09.560
de modèle, c 'est un peu les deux choses spécifiques

00:07:09.560 --> 00:07:11.920
au machine learning, mais derrière le format

00:07:11.920 --> 00:07:14.699
d 'output, le format de sortie, dans le cas de

00:07:14.699 --> 00:07:17.639
l 'IA générative, c 'est des mots. Et je pense

00:07:17.639 --> 00:07:23.819
que c 'est grâce à ce format que ça s 'est popularisé,

00:07:24.360 --> 00:07:26.120
que c 'est devenu accessible à tout le monde,

00:07:26.800 --> 00:07:28.480
parce que c 'est notre façon de communiquer à

00:07:28.480 --> 00:07:32.779
nous, les hommes, les humains. Mais le principe

00:07:32.779 --> 00:07:34.759
sous la sang, comme tu l 'as dit, reste le même.

00:07:35.519 --> 00:07:37.399
Simplement, il y a cette petite boucle récursive

00:07:37.399 --> 00:07:39.500
par -dessus qui va réinjecter à chaque fois dans

00:07:39.500 --> 00:07:43.199
le contexte les mots, dans cette conversation

00:07:43.199 --> 00:07:47.660
en fait. Est -ce que, j 'ai pas la réponse, mais

00:07:47.660 --> 00:07:50.620
c 'est qui qui a inventé ce petit concept récursif

00:07:50.620 --> 00:07:52.899
ou qui a eu l 'idée le premier, est -ce que tu

00:07:52.899 --> 00:07:56.860
le sais ? Je suis pas un expert non plus de l

00:07:56.860 --> 00:07:59.689
'historique de ça, mais je sais que... Moi, à

00:07:59.689 --> 00:08:03.389
l 'époque, avant Tchad GPT, les modèles qu 'on

00:08:03.389 --> 00:08:05.990
utilisait, qui étaient un petit peu précurseurs

00:08:05.990 --> 00:08:08.769
de Tchad GPT, c 'était les modèles d 'embedding.

00:08:09.670 --> 00:08:13.550
Ce qui permet en fait d 'entraîner un modèle

00:08:13.550 --> 00:08:21.209
qui va, pour chaque mot, donner un vecteur, une

00:08:21.209 --> 00:08:23.689
suite de nombres. Et dans cette suite de nombres,

00:08:24.269 --> 00:08:29.939
il est encodé le sens du mot. et donc ça permettait

00:08:29.939 --> 00:08:33.700
de faire des trucs assez intéressants. Ces modèles

00:08:33.700 --> 00:08:39.899
d 'embedding étaient entraînés un petit peu comme

00:08:39.899 --> 00:08:42.200
un tchat GPT, pas tout à fait, mais c 'était

00:08:42.200 --> 00:08:45.279
l 'idée de, on a beaucoup de textes, on a beaucoup

00:08:45.279 --> 00:08:49.500
de textes de livres et d 'Internet, et on peut

00:08:49.500 --> 00:08:53.120
avoir beaucoup de phrases. On peut entraîner

00:08:53.120 --> 00:08:56.620
un modèle de façon semi -supervisée, c 'est -à

00:08:56.620 --> 00:09:00.120
-dire qu 'on prend une phrase et on va cacher

00:09:00.120 --> 00:09:03.700
un mot dans la phrase et on va essayer de faire

00:09:03.700 --> 00:09:07.860
un modèle qui va prédire ce mot. Et donc comme

00:09:07.860 --> 00:09:09.200
on a énormément de données, on a beaucoup de

00:09:09.200 --> 00:09:11.879
phrases, on a beaucoup de possibilités de prendre

00:09:11.879 --> 00:09:15.049
des phrases de ma... de masquer des mots et d

00:09:15.049 --> 00:09:17.730
'entraîner un modèle. Donc l 'input, c 'est la

00:09:17.730 --> 00:09:21.330
phrase avec le mot manquant et l 'output, c 'est

00:09:21.330 --> 00:09:25.250
le mot qu 'on a caché. Et ça c 'est typiquement

00:09:25.250 --> 00:09:27.769
un truc qui marche bien avec les réseaux de neurones

00:09:27.769 --> 00:09:32.789
où en gros on sait la réponse et on propage dans

00:09:32.789 --> 00:09:36.230
les neurones les modifications des neurones,

00:09:36.730 --> 00:09:39.190
les poids des neurones pour que la prédiction

00:09:39.190 --> 00:09:42.070
du mot caché soit correcte. Et en faisant ça

00:09:42.070 --> 00:09:44.269
on peut ensuite avoir un modèle dans bending

00:09:44.269 --> 00:09:47.710
qui permet de commencer à extraire du sens des

00:09:47.710 --> 00:09:54.960
mots. Et c 'était un petit peu le précurseur

00:09:54.960 --> 00:09:58.539
de ça. Et moi, pour la petite histoire, j 'ai

00:09:58.539 --> 00:10:03.519
bossé sur un modèle d 'IA pour détecter des vulnérabilités

00:10:03.519 --> 00:10:08.600
dans le code des phares et cybersecurity qui

00:10:08.600 --> 00:10:14.519
étaient basées sur ce concept de vector avant

00:10:14.519 --> 00:10:18.169
qu 'il y ait la révolution de... du Transformer,

00:10:18.690 --> 00:10:21.009
The Attention is All You Need, qui était le papier

00:10:21.009 --> 00:10:24.669
qui a un petit peu révolutionné ça, qui était

00:10:24.669 --> 00:10:32.090
simplement une façon d 'organiser les connexions

00:10:32.090 --> 00:10:35.590
entre les rezones, les connexions entre les neurones,

00:10:35.730 --> 00:10:42.629
différemment, ce qui permettait de pouvoir entraîner

00:10:42.629 --> 00:10:47.259
comment mettre son attention sur quelle partie

00:10:47.259 --> 00:10:51.620
de la phrase pour chaque mot. Ce qui a été beaucoup

00:10:51.620 --> 00:10:54.980
de flexibilité et d 'intelligence. Effectivement,

00:10:56.179 --> 00:10:59.419
ce papier -là sur les Transformers qui a été

00:10:59.419 --> 00:11:02.539
publié par une équipe de Google, je crois, en

00:11:02.539 --> 00:11:05.340
2010, ou peut -être, corrige -moi si je me trompe,

00:11:06.519 --> 00:11:10.840
mais ça a un peu révolutionné le domaine. Tu

00:11:10.840 --> 00:11:13.399
l 'as très bien expliqué, mieux que je le ferai.

00:11:14.579 --> 00:11:17.320
J 'avais bossé sur l 'entraînement d 'un modèle

00:11:17.320 --> 00:11:19.940
NLP justement en stage de fin d 'études pour

00:11:19.940 --> 00:11:23.480
anonymiser des données textuelles. Donc l 'idée

00:11:23.480 --> 00:11:28.039
c 'était de prédire quels mots et quelles expressions

00:11:28.039 --> 00:11:30.700
correspondaient à des données personnelles. Donc

00:11:30.700 --> 00:11:33.620
il y avait par exemple des adresses, des emails,

00:11:34.440 --> 00:11:37.179
et on pouvait coupler ça avec des techniques

00:11:37.179 --> 00:11:40.440
qui ne sont pas de l 'IA, comme des expressions

00:11:40.440 --> 00:11:43.509
régulières pour les adresses email. mais il y

00:11:43.509 --> 00:11:46.549
avait des moments où le sens du mot était super

00:11:46.549 --> 00:11:50.529
important. Par exemple, Paris, c 'est une ville,

00:11:50.570 --> 00:11:53.409
ça peut aussi être un prénom. Et donc, si on

00:11:53.409 --> 00:11:55.690
prend juste un dictionnaire de ville et qu 'on

00:11:55.690 --> 00:11:57.490
retire Paris, mais que dans ce cas -là, on veut

00:11:57.490 --> 00:11:59.730
garder le prénom, par exemple, ça ne fonctionne

00:11:59.730 --> 00:12:03.049
pas. C 'est pour ça que parfois, il faut ajouter

00:12:03.049 --> 00:12:06.629
de l 'intelligence. Et avant l 'intelligence

00:12:06.629 --> 00:12:09.070
artificielle générative, il y avait effectivement

00:12:09.070 --> 00:12:11.919
tout ce qui était prédiction. de mots, d 'expressions,

00:12:11.919 --> 00:12:14.679
d 'entités pour tout un tas de cas d 'usage et

00:12:14.679 --> 00:12:18.139
dans mon cas c 'était pour une conformité rgpd

00:12:18.139 --> 00:12:21.179
où des opérateurs avaient des conversations avec

00:12:21.179 --> 00:12:23.620
des clients et il fallait anonymiser tout ça

00:12:23.620 --> 00:12:25.539
pour que les données personnelles des clients

00:12:25.539 --> 00:12:32.179
ne fuite pas donc c 'est super intéressant et

00:12:32.179 --> 00:12:36.019
du coup à partir de quand chez Meta vous avez

00:12:36.019 --> 00:12:41.620
commencé à bosser sur Lama Toi, comme tu as fait

00:12:41.620 --> 00:12:44.580
une première partie de ta carrière actuelle dans

00:12:44.580 --> 00:12:47.279
une banque, puis tu as rejoint Meta, il y avait

00:12:47.279 --> 00:12:49.580
déjà des travaux en cours, comme justement tu

00:12:49.580 --> 00:12:52.539
disais que tu commençais sur Lama 3. Il y avait

00:12:52.539 --> 00:12:55.899
déjà un Lama 1 et 2, parce que, en fait, j 'ai

00:12:55.899 --> 00:12:58.960
l 'impression qu 'avant la première version de

00:12:58.960 --> 00:13:01.580
Chia GPT Grand Public, il y avait déjà le GPT,

00:13:02.059 --> 00:13:05.120
mais juste ça n 'avait pas cassé ce mur de verre

00:13:05.120 --> 00:13:10.519
du Grand Public. Et ça restait très intimiste

00:13:10.519 --> 00:13:16.399
dans le monde du machine learning. Oui, je peux

00:13:16.399 --> 00:13:19.580
rajouter des petites précisions là -dessus. Je

00:13:19.580 --> 00:13:21.159
ne connais pas les dates par coeur, etc., mais

00:13:21.159 --> 00:13:24.720
c 'est vrai que quelques mois avant l 'explosion

00:13:24.720 --> 00:13:31.379
de chat GPT en public, en fait, Meta avait un

00:13:31.379 --> 00:13:36.259
appôt de recherche qui s 'appelle FAIR. et avec

00:13:36.259 --> 00:13:38.899
pas mal de joueurs à Paris. C 'est ce qu 'on

00:13:38.899 --> 00:13:43.279
crée à Mistral aussi. Exactement. Et en fait,

00:13:43.700 --> 00:13:45.840
même avant Lama 1 et avant Chanté Pété, Meta

00:13:45.840 --> 00:13:52.039
avait fait un modèle LLM, qui s 'appelait Galactica,

00:13:52.220 --> 00:13:58.419
si je me rappelle bien. Et en fait, si je me

00:13:58.419 --> 00:14:01.019
rappelle bien, générer des papiers de recherche.

00:14:01.830 --> 00:14:04.809
Et ça avait fait un petit peu un bad buzz ou

00:14:04.809 --> 00:14:06.889
ça n 'avait pas pris l 'attention du grand public.

00:14:08.529 --> 00:14:11.049
Disons que la technologie était la même, mais

00:14:11.049 --> 00:14:18.769
c 'est juste que OpenAI dans sa formulation du

00:14:18.769 --> 00:14:22.490
produit en tant que chat, c 'est ça qui a picked

00:14:22.490 --> 00:14:30.139
up, qui a vraiment accroché avec les gens. Et

00:14:30.139 --> 00:14:32.059
encore une fois, je ne suis pas un expert du

00:14:32.059 --> 00:14:35.600
domaine, mais c 'est vrai que les gens de l 'AMA

00:14:35.600 --> 00:14:38.879
1 et de l 'AMA 2, c 'était principalement les

00:14:38.879 --> 00:14:43.000
Français à Paris, qui ensuite ont démissionné

00:14:43.000 --> 00:14:47.480
pour lancer Mistral. Tu les connaissais personnellement

00:14:47.480 --> 00:14:50.799
? Je ne te connaissais pas personnellement, parce

00:14:50.799 --> 00:14:54.600
que moi j 'étais à Londres et je rejoins Gen

00:14:54.600 --> 00:14:59.460
.i et l 'AMA 3. Et donc la main 1, 2 et 3 étaient

00:14:59.460 --> 00:15:01.620
state of the art, c 'est -à -dire que quand ils

00:15:01.620 --> 00:15:04.460
étaient en release, ils étaient les meilleurs

00:15:04.460 --> 00:15:09.860
modèles du moment. Et ils ont été release en

00:15:09.860 --> 00:15:13.940
open source si je ne me trompe pas. Pourquoi

00:15:13.940 --> 00:15:16.659
? Parce que ça ne paraît pas évident. Open AI

00:15:16.659 --> 00:15:19.059
n 'a pas fait ce choix -là par exemple. Pourquoi

00:15:19.059 --> 00:15:21.600
? Meta qui est une grosse boîte justement alors

00:15:21.600 --> 00:15:24.360
qu 'Open AI c 'était censé être... Open source,

00:15:24.600 --> 00:15:27.000
en fait, ça a été l 'inverse, c 'est plutôt META

00:15:27.000 --> 00:15:31.620
qui a un release en open source. En fait, disons

00:15:31.620 --> 00:15:35.580
qu 'avant qui est la révolution et que tout le

00:15:35.580 --> 00:15:40.059
monde se concentre là -dessus, la plupart des

00:15:40.059 --> 00:15:43.120
labos étaient en mode open source. Et c 'était

00:15:43.120 --> 00:15:45.379
en mode OK, il faut publier, il faut qu 'on publie

00:15:45.379 --> 00:15:47.740
pour pouvoir attirer des talents, parce que si

00:15:47.740 --> 00:15:50.080
nous on publie, les gens qui font des thèses

00:15:50.080 --> 00:15:52.070
vont venir pour poster. Pourquoi ? Parce que

00:15:52.070 --> 00:15:53.889
quand tu fais une thèse, tu veux publier, tu

00:15:53.889 --> 00:15:55.149
veux avoir ton nom, tu veux avoir des citations,

00:15:55.269 --> 00:15:58.289
etc. Et donc, le move de Meta à cette époque,

00:15:58.389 --> 00:16:00.669
il y a eu plusieurs explications. En fait, ça

00:16:00.669 --> 00:16:03.769
venait de faire, qui était très research driven,

00:16:04.009 --> 00:16:06.830
qui était très open source driven. Et donc, comme

00:16:06.830 --> 00:16:09.269
ça émenait de faire, de cette culture -là, ça

00:16:09.269 --> 00:16:13.860
a continué à être open source. Ensuite, le raisonnement

00:16:13.860 --> 00:16:18.220
de Mark Zuckerberg, c 'était de dire, en fait,

00:16:19.000 --> 00:16:20.500
notre avantage compétitif, c 'est pas forcément

00:16:20.500 --> 00:16:22.000
le modèle parce que tout le monde peut faire

00:16:22.000 --> 00:16:25.799
un modèle. Mais notre avantage compétitif, en

00:16:25.799 --> 00:16:27.120
fait, c 'est le nombre d 'utilisateurs. Nous,

00:16:27.259 --> 00:16:29.500
on a 3 milliards d 'utilisateurs. Et donc, en

00:16:29.500 --> 00:16:33.779
fait, c 'était release sous licence qui interdisait

00:16:33.779 --> 00:16:37.120
à des entreprises qui avaient plus de 70 millions

00:16:37.120 --> 00:16:40.080
d 'utilisateurs d 'utiliser ce modèle. Donc,

00:16:41.360 --> 00:16:44.419
en gros, ça permettait de... Le méta en termes

00:16:44.419 --> 00:16:46.019
d 'utilisateurs est très haut, mais en gros,

00:16:46.100 --> 00:16:50.259
ça permettait à toute l 'industrie de re -augmenter

00:16:50.259 --> 00:16:52.259
un petit peu, de mettre tout le monde à plat

00:16:52.259 --> 00:16:55.860
un petit peu. C 'est malin de faire ça. En fait,

00:16:55.860 --> 00:16:58.299
ils interdisent à leurs concurrents directs de

00:16:58.299 --> 00:17:01.259
l 'utiliser en mettant un certain seuil, mais

00:17:01.259 --> 00:17:03.460
ils gardent les avantages de l 'open source,

00:17:03.480 --> 00:17:06.539
de la distribution qu 'il y a. Donc, en fait,

00:17:06.539 --> 00:17:10.140
ils ont gardé le meilleur des deux. Oui, à ce

00:17:10.140 --> 00:17:13.480
moment -là, oui. Et ensuite, je peux continuer

00:17:13.480 --> 00:17:15.519
un petit peu l 'histoire, c 'est assez drôle,

00:17:15.559 --> 00:17:20.119
je pense. Et ensuite, il y a eu Lama 4. Mais

00:17:20.119 --> 00:17:23.160
tout ça pour dire aussi qu 'au début de chat

00:17:23.160 --> 00:17:26.059
GPT, OpenAI publiait pas mal de papiers aussi.

00:17:26.700 --> 00:17:30.480
Et OpenAI a commencé à ne plus publier de papiers

00:17:30.480 --> 00:17:33.539
et à ne plus release de modèles open source.

00:17:34.119 --> 00:17:37.569
Ou en tout cas beaucoup moins souvent. Et Meta

00:17:37.569 --> 00:17:41.210
était toujours en mode « Lama 4, ça va être open

00:17:41.210 --> 00:17:46.069
source et ça va être génial. » Et Lama 4 a été

00:17:46.069 --> 00:17:48.869
un peu une catastrophe industrielle dans le sens

00:17:48.869 --> 00:17:51.609
où il y a eu beaucoup d 'argent qui a été mis

00:17:51.609 --> 00:17:54.730
dans le développement de ce modèle. Et finalement,

00:17:54.930 --> 00:17:57.890
elle était un peu mieux voire à peu près la même

00:17:57.890 --> 00:18:03.150
chose que Lama 3. Et la communauté aussi a trouvé

00:18:03.150 --> 00:18:05.950
que la maquette n 'était pas aussi bonne qu 'il

00:18:05.950 --> 00:18:09.150
espérait. Et la compétition était devenue de

00:18:09.150 --> 00:18:13.710
plus en plus rude aussi. Et donc la maquette

00:18:13.710 --> 00:18:16.210
n 'était pas forcément state of the art, ou peut

00:18:16.210 --> 00:18:17.809
-être state of the art sur quelques dimensions,

00:18:18.809 --> 00:18:21.679
mais voilà, c 'était une grosse exception. Et

00:18:21.679 --> 00:18:26.119
là, Mark Zuckerberg a repris le contrôle de tout

00:18:26.119 --> 00:18:28.079
ça. Il a dit, les gars, c 'est moi qui suis en

00:18:28.079 --> 00:18:32.220
charge maintenant. Vous avez merdé. Et c 'est

00:18:32.220 --> 00:18:36.059
là où il a commencé à recruter des chercheurs.

00:18:36.240 --> 00:18:40.240
La fameuse équipe Super Intelligence. Exactement.

00:18:40.500 --> 00:18:43.140
C 'est là qu 'il y a eu... des recrutements à

00:18:43.140 --> 00:18:47.359
coût de centaines de millions sur des profils

00:18:47.359 --> 00:18:52.240
qui étaient soit chez OpenAI, soit chez DeepMind,

00:18:52.380 --> 00:18:56.859
soit chez Anthropic. Et en fait, il y a une grosse

00:18:56.859 --> 00:18:59.420
organisation suite au recrutement et au rachat

00:18:59.420 --> 00:19:01.880
de la moitié de ScaleAI, qui était une boîte

00:19:01.880 --> 00:19:03.980
d 'annotation. Une boîte d 'annotation, c 'est

00:19:03.980 --> 00:19:08.460
une boîte qui recrute des humains pour annoter

00:19:08.460 --> 00:19:10.640
des données qui vont être ensuite utilisées pour

00:19:10.640 --> 00:19:13.279
l 'entraînement des IA. Typiquement, le truc

00:19:13.279 --> 00:19:17.160
de base, c 'est qu 'on a une question d 'un utilisateur,

00:19:17.500 --> 00:19:20.859
deux réponses, un modèle A et un modèle B, et

00:19:20.859 --> 00:19:23.220
l 'annotateur va dire quelle est la meilleure

00:19:23.220 --> 00:19:26.980
réponse, la réponse A ou la réponse B. Ça, c

00:19:26.980 --> 00:19:29.579
'est ce qu 'on appelle, c 'est utiliser dans

00:19:29.579 --> 00:19:32.180
le RLHF, le reinforcement learning from human

00:19:32.180 --> 00:19:38.599
feedback. Ça, c 'est un truc clé dans la révolution

00:19:38.599 --> 00:19:40.220
et dans l 'augmentation de l 'intelligence de

00:19:40.220 --> 00:19:43.869
ces modèles. Et en fait, tous les labs d 'IA

00:19:43.869 --> 00:19:47.789
utilisaient des boîtes pour acheter des données

00:19:47.789 --> 00:19:51.289
de notation. Scale AI était connu, était utilisé

00:19:51.289 --> 00:19:53.970
par toutes les industries, par toutes les labs

00:19:53.970 --> 00:19:58.329
d 'IA. Mais moi, dans mon entourage et dans mon

00:19:58.329 --> 00:20:01.690
expérience, Scale AI était connu pour avoir des

00:20:01.690 --> 00:20:04.769
données de pas très bonne qualité par rapport

00:20:04.769 --> 00:20:08.529
à ses compétiteurs, mais qui permettaient de

00:20:08.529 --> 00:20:10.190
délivrer de grosses quantités de données rapides.

00:20:11.589 --> 00:20:15.470
Et du coup, Mark Zuckerberg a acheté la moitié

00:20:15.470 --> 00:20:18.529
de cette boîte, qui pourrait être vue comme une

00:20:18.529 --> 00:20:22.769
boîte de... Je sais plus le nom qu 'il met en

00:20:22.769 --> 00:20:28.109
tel, mais... T 'es comme une boîte d 'intérim,

00:20:28.170 --> 00:20:30.529
entre guillemets. Et il a acheté la moitié de

00:20:30.529 --> 00:20:35.309
cette boîte d 'intérim pour 13 milliards. Et

00:20:35.309 --> 00:20:37.589
il a pris le CEO de cette boîte, qui s 'appelle

00:20:37.589 --> 00:20:41.339
Alexander Wang, et qui avait 27 ans à l 'époque,

00:20:41.579 --> 00:20:44.779
et qui doit avoir 28, et qui n 'a pas vraiment

00:20:44.779 --> 00:20:46.900
de background en IA, si ce n 'est le fait qu

00:20:46.900 --> 00:20:50.500
'il a créé une boîte d 'annotation. Et il est

00:20:50.500 --> 00:20:54.319
devenu le chef de toute la partie IA chez l 'État.

00:20:55.079 --> 00:20:58.799
Donc plusieurs milliers de reportes de gens dans

00:20:58.799 --> 00:21:01.660
son organisation de façon indirecte. Et Père

00:21:01.660 --> 00:21:08.730
a été aussi sous Alexander Wang. Et du coup,

00:21:09.130 --> 00:21:11.170
voilà, depuis l 'AMA 4, il y a eu complètement

00:21:11.170 --> 00:21:14.069
une réorganisation et la création d 'un nouveau

00:21:14.069 --> 00:21:18.549
lab de research qui s 'appelle TBD, qui veut

00:21:18.549 --> 00:21:22.210
dire To Be Defined. Ils n 'ont toujours pas du

00:21:22.210 --> 00:21:26.730
blague. Voilà, et donc voilà, ce nouveau labo,

00:21:26.789 --> 00:21:28.549
bref, je pourrais écouter plein d 'anecdotes,

00:21:29.630 --> 00:21:32.710
mais tout ça pour dire que, pour venir à ta question,

00:21:34.170 --> 00:21:37.269
toute l 'industrie est passée du mode open source

00:21:37.269 --> 00:21:39.769
à du mode on publie des papiers de recherche

00:21:39.769 --> 00:21:43.849
à plus ok on met des millions des milliards d

00:21:43.849 --> 00:21:48.950
'investissements et du coup maintenant on garde

00:21:48.950 --> 00:21:53.730
voilà par exemple faire publier et maintenant

00:21:53.730 --> 00:21:55.710
faire doit demander l 'autorisation à Alexander

00:21:55.710 --> 00:22:00.289
Wang avant de publier donc c 'est un changement

00:22:00.289 --> 00:22:04.799
dans toute l 'industrie c 'est sûr que En fait,

00:22:05.460 --> 00:22:10.019
Marc Ducardère fait un pari sur l 'IA très important.

00:22:10.299 --> 00:22:12.099
Enfin, je ne saurais pas dire, mais je pense

00:22:12.099 --> 00:22:16.259
que c 'est de l 'ordre de 19 milliards. Et voilà,

00:22:16.539 --> 00:22:20.359
donc les enjeux sont tels que maintenant, c 'est

00:22:20.359 --> 00:22:22.940
plus... Il y a eu ce revirement, quoi. En fait,

00:22:23.180 --> 00:22:25.339
il a voulu s 'aligner avec ce que faisaient les

00:22:25.339 --> 00:22:28.279
principaux concurrents OpenAI et Anthropic, et

00:22:28.279 --> 00:22:30.279
même Google, même si Google ont fait un peu d

00:22:30.279 --> 00:22:35.470
'open source aussi récemment. Mais oui, il s

00:22:35.470 --> 00:22:37.769
'est complètement retourné, enfin en tout cas

00:22:37.769 --> 00:22:39.849
sous pression des investisseurs ou je ne sais

00:22:39.849 --> 00:22:42.690
pas exactement, mais il s 'est dit, vas -y, j

00:22:42.690 --> 00:22:45.170
'envoie le paquet. C 'est qu 'il devait avoir

00:22:45.170 --> 00:22:48.490
des infos aussi. Et du coup, j 'ai vu que Yann

00:22:48.490 --> 00:22:51.890
Lequin, qui était le chief scientist, enfin le

00:22:51.890 --> 00:22:55.970
chef scientifique un peu de META, du coup a démissionné

00:22:55.970 --> 00:22:58.789
pour créer une entreprise de robotique à Paris.

00:23:00.769 --> 00:23:03.670
Je pense que ça n 'a pas trop dû lui plaire de

00:23:03.670 --> 00:23:07.910
devoir reporter un gars de 28 ans, qui n 'avait

00:23:07.910 --> 00:23:11.430
aucun background en IA. Je ne sais pas, mais

00:23:11.430 --> 00:23:12.650
je ne pense pas que c 'est la raison qu 'il a

00:23:12.650 --> 00:23:17.410
évoqué. Mais à mon avis, ça doit être une des

00:23:17.410 --> 00:23:21.970
raisons. En fait, je ne suis pas dans les petits

00:23:21.970 --> 00:23:25.589
papiers, mais je sais que depuis déjà un an ou

00:23:25.589 --> 00:23:34.400
deux, Yann Lequin n 'avait pas de grosses responsabilités

00:23:34.400 --> 00:23:39.619
hiérarchiques. Mais il a quand même ce titre.

00:23:41.119 --> 00:23:44.900
Je pense que Yann Lequin soit était commencé

00:23:44.900 --> 00:23:46.819
à être mis de côté il y a déjà quelques années,

00:23:47.539 --> 00:23:51.000
soit était moins intéressé dans le fait d 'être

00:23:51.000 --> 00:23:54.599
un manager. Un chercheur et il ne veut pas...

00:23:55.079 --> 00:23:57.140
en fait, passer sa vie à répondre à des mails

00:23:57.140 --> 00:24:01.099
et être dans des réunions. Exactement. Et j 'ai

00:24:01.099 --> 00:24:03.680
vu que Yann Lequin, je rebondis en fait, mais

00:24:03.680 --> 00:24:05.500
il y a mille questions qui me viennent à chaque

00:24:05.500 --> 00:24:07.339
fois, donc je vais essayer de les garder en tête,

00:24:08.180 --> 00:24:10.099
mais en fait, je rebondis à chaque fois sur la

00:24:10.099 --> 00:24:14.220
dernière chose. Ouais. Yann Lequin dit souvent

00:24:14.220 --> 00:24:16.839
qu 'il ne croit pas trop en liens génératifs

00:24:16.839 --> 00:24:20.430
pour résoudre certains problèmes. Je ne sais

00:24:20.430 --> 00:24:22.950
pas si tu as une opinion là -dessus. Lui, du

00:24:22.950 --> 00:24:25.130
coup, il part plutôt sur une autre architecture.

00:24:25.289 --> 00:24:27.609
J 'ai vu qu 'il comprend le monde réel. J 'ai

00:24:27.609 --> 00:24:30.390
vu que Jeff Bezos aussi, il a investi dans une

00:24:30.390 --> 00:24:34.309
startup d 'IA, mais pour comprendre aussi le

00:24:34.309 --> 00:24:37.569
monde réel. Concrètement, ça signifie quoi ?

00:24:37.569 --> 00:24:39.710
Ils vont utiliser quoi comme données, des vidéos

00:24:39.710 --> 00:24:45.190
ou des simulations 3D ? Quelle est la différence

00:24:45.190 --> 00:24:47.089
? Quelle est ton opinion là -dessus, tu vois

00:24:47.089 --> 00:24:49.430
? Même si il y a une partie un peu philosophique

00:24:49.430 --> 00:24:54.910
aussi. Moi, ma perspective personnelle sur ça,

00:24:55.069 --> 00:24:57.589
c 'est qu 'on sait que les LM, ça fonctionne.

00:24:58.890 --> 00:25:02.109
On a ce qu 'on appelle la scaling law qui explique

00:25:02.109 --> 00:25:05.009
en gros que si on multiplie par 10 le compute

00:25:05.009 --> 00:25:08.289
et les données, on augmente l 'intelligence par

00:25:08.289 --> 00:25:11.539
un certain facteur. Des fois, il peut y avoir

00:25:11.539 --> 00:25:15.619
des effets de threshold, des effets de seuil

00:25:15.619 --> 00:25:18.480
où on on -lock, donc ce n 'est pas forcément

00:25:18.480 --> 00:25:23.980
linéaire, mais il faut multiplier par 10 à chaque

00:25:23.980 --> 00:25:28.539
fois. Ça, il y a forcément un plafond à ça, où

00:25:28.539 --> 00:25:30.940
pour l 'instant, on n 'a pas vu. jusqu 'à la

00:25:30.940 --> 00:25:32.259
preuve du contraire, il n 'y a pas de plafond.

00:25:33.220 --> 00:25:35.259
Mais c 'est sûr qu 'une fois qu 'on a fait une

00:25:35.259 --> 00:25:39.079
centrale nucléaire et le cluster associé, il

00:25:39.079 --> 00:25:41.839
faut multiplier ça par 10, il faut faire des

00:25:41.839 --> 00:25:45.339
centrales nucléaires, sans doute une limite physique

00:25:45.339 --> 00:25:47.500
à partir d 'un moment. Une limite physique pour

00:25:47.500 --> 00:25:51.440
l 'énergie, pour le compute, mais les data...

00:25:51.440 --> 00:25:54.019
J 'ai vu qu 'il y a des boîtes comme Mercor qui

00:25:54.019 --> 00:25:56.099
sont spécialisées pour recueillir des données

00:25:56.099 --> 00:25:59.960
des experts humains. pour entraîner des IA, mais

00:25:59.960 --> 00:26:02.119
du coup, une fois qu 'on aura siphonné tous les

00:26:02.119 --> 00:26:03.539
expériments, il y en aura forcément d 'autres

00:26:03.539 --> 00:26:06.059
qui vont apparaître, mais... Ouais, je ne suis

00:26:06.059 --> 00:26:08.339
pas un expert non plus des facteurs limitants,

00:26:09.059 --> 00:26:12.000
mais sur les données, on a des données synthétiques,

00:26:12.059 --> 00:26:15.019
et puis maintenant, on a tout un domaine... Une

00:26:15.019 --> 00:26:16.859
donnée synthétique, ça veut dire générée par

00:26:16.859 --> 00:26:20.140
IA également. On entraîne des IA sur des données

00:26:20.140 --> 00:26:25.000
générées par IA. Oui, ou on crée des environnements

00:26:25.000 --> 00:26:28.250
synthétiques, par exemple... Tout ce qui est

00:26:28.250 --> 00:26:31.009
coding, c 'est parfait puisque on a un environnement

00:26:31.009 --> 00:26:33.930
où on fait du code, on génère du code, on voit

00:26:33.930 --> 00:26:38.450
l' résultat et on peut créer des environnements

00:26:38.450 --> 00:26:44.730
où l 'output de ce que fait l 'OMM peut être

00:26:44.730 --> 00:26:48.309
vérifiable. Il y a pas mal de trucs par rapport

00:26:48.309 --> 00:26:51.990
à ça en ce moment. C 'est tout ce qui est vérifiable.

00:26:56.529 --> 00:27:00.549
Enfin, perdu. On s 'est perdu, mais... Ah oui,

00:27:01.089 --> 00:27:03.049
sur les technologies, etc. Donc oui, je disais,

00:27:03.170 --> 00:27:04.930
voilà, on sait que les LN ça fonctionne, il suffit

00:27:04.930 --> 00:27:07.289
de, entre guillemets, suffit de scaler. Et effectivement,

00:27:07.390 --> 00:27:09.369
il y a des innovations à trouver, un petit peu

00:27:09.369 --> 00:27:14.329
comme ce que DeepThick a trouvé sur le syncing

00:27:14.329 --> 00:27:20.549
et sur l 'influence scaling, donc le fait de

00:27:20.549 --> 00:27:23.690
dépenser des tokens au moment de l 'inférence

00:27:23.690 --> 00:27:27.759
pour augmenter l 'intelligence. Donc voilà, il

00:27:27.759 --> 00:27:30.039
y a pas mal de recherche et d 'optimisation,

00:27:30.119 --> 00:27:31.440
il y a beaucoup d 'optimisation à faire de ce

00:27:31.440 --> 00:27:33.759
côté -là, et bref, on sait que ça marche. Et

00:27:33.759 --> 00:27:36.539
Yann Locquin, il est plus en mode, c 'est un

00:27:36.539 --> 00:27:40.299
chercheur et lui, il veut trouver la prochaine

00:27:40.299 --> 00:27:44.400
truc. En mode, ça c 'est bon, ça a été trouvé,

00:27:44.880 --> 00:27:47.279
les transformers, ensuite maintenant c 'est que

00:27:47.279 --> 00:27:52.039
de l 'industrialisation. Exactement. C 'est mon

00:27:52.039 --> 00:27:54.019
ambition, un petit peu personne de situation.

00:27:55.539 --> 00:27:56.960
Il fait de la recherche sur des trucs beaucoup

00:27:56.960 --> 00:27:58.819
plus risqués. On ne sait pas si ça va fonctionner.

00:27:59.240 --> 00:28:02.759
Si ça fonctionne, le potentiel est immense en

00:28:02.759 --> 00:28:08.420
termes d 'intelligence et de l 'application dans

00:28:08.420 --> 00:28:11.339
le monde réel. Mais voilà, c 'est de la recherche.

00:28:13.200 --> 00:28:16.690
Tu parlais d 'optimisation. Je travaille pas

00:28:16.690 --> 00:28:18.890
mal sur ces sujets d 'optimisation parce qu 'il

00:28:18.890 --> 00:28:21.930
y a énormément de gâchis de tokens, je trouve.

00:28:22.390 --> 00:28:26.650
Et il y a énormément de techniques de prompting,

00:28:27.329 --> 00:28:31.730
de gestion du contexte, qui permettent de totalement

00:28:31.730 --> 00:28:35.009
changer l 'output. Ça, c 'est vraiment un champ

00:28:35.009 --> 00:28:38.099
pour moi qui est nécessaire parce que... les

00:28:38.099 --> 00:28:40.539
providers d 'IA comme Anthropic, eux ça les intéresse

00:28:40.539 --> 00:28:42.240
pas forcément de travailler sur l 'optimisation

00:28:42.240 --> 00:28:44.200
parce que ça fait dépenser plus de tokens donc

00:28:44.200 --> 00:28:47.640
ils sont pas mécontents, enfin je sais pas mais

00:28:47.640 --> 00:28:51.599
c 'est fou comment en fait les changements, les

00:28:51.599 --> 00:28:55.359
skills avec juste des fichiers textes qui permettent

00:28:55.359 --> 00:28:58.420
de dire au modèle comment raisonner. J 'ai vu

00:28:58.420 --> 00:29:01.240
aussi que à l 'époque c 'était le Strawberry

00:29:01.240 --> 00:29:05.039
je crois de OpenAI, juste en lui disant de détailler

00:29:05.039 --> 00:29:08.250
son raisonnement. ça arrivait à un meilleur output.

00:29:10.269 --> 00:29:12.849
Il y a un truc quand même, ça, tout ce qui est

00:29:12.849 --> 00:29:15.269
optimisation, c 'est pas vraiment de ton ressort

00:29:15.269 --> 00:29:19.589
également, mais c 'est lié aussi au coût. Je

00:29:19.589 --> 00:29:21.809
sais pas si tu veux rebondir là -dessus. J 'aimerais

00:29:21.809 --> 00:29:24.569
aussi parler des évaluations après parce que

00:29:24.569 --> 00:29:26.430
ça, pour le coup, c 'est quelque chose que tu

00:29:26.430 --> 00:29:31.089
connais très bien. Ouais, ce que j 'ai envie

00:29:31.089 --> 00:29:34.650
de dire là -dessus, c 'est que... Globalement,

00:29:34.710 --> 00:29:36.690
ce qu 'il faut prendre en compte, c 'est que

00:29:36.690 --> 00:29:40.650
le coût d 'intelligence diminue tous les mois.

00:29:41.910 --> 00:29:44.730
C 'est -à -dire que tous les mois ou tous les

00:29:44.730 --> 00:29:49.289
x mois, on a un nouveau modèle qui est souvent

00:29:49.289 --> 00:29:52.549
plus intelligent et d 'accord, il est souvent

00:29:52.549 --> 00:29:57.970
plus gros et plus cher. Par contre, quand on

00:29:57.970 --> 00:29:59.569
a des gros modèles comme ça, on peut les distiller

00:29:59.569 --> 00:30:03.210
dans des modèles plus petits. Distiller, explique

00:30:03.210 --> 00:30:06.069
rapidement ce que c 'est exactement. Distiller,

00:30:06.150 --> 00:30:08.950
ça veut dire qu 'on prend souvent un modèle beaucoup

00:30:08.950 --> 00:30:11.190
plus gros et très intelligent, et on va prendre

00:30:11.190 --> 00:30:13.990
un modèle plus petit et on va distiller l 'intelligence

00:30:13.990 --> 00:30:16.230
du gros modèle dans le petit modèle. En lui envoyant

00:30:16.230 --> 00:30:19.329
des données d 'entraînement dédiées par le gros

00:30:19.329 --> 00:30:21.509
modèle. Il y a plusieurs façons de le faire,

00:30:22.690 --> 00:30:24.710
mais une des façons de le faire, c 'est de générer

00:30:24.710 --> 00:30:27.890
des données d 'entraînement par le gros modèle.

00:30:28.559 --> 00:30:31.160
pour entraîner ou fine -tuner le petit modèle.

00:30:31.900 --> 00:30:34.680
C 'est exactement, j 'ai fait un peu ça ce matin,

00:30:34.900 --> 00:30:37.160
je te demanderai deux trois conseils après le

00:30:37.160 --> 00:30:40.279
podcast. J 'ai vu que DeepSea, ils avaient été

00:30:40.279 --> 00:30:44.400
accusés de distillation par Anthropic. En gros,

00:30:44.660 --> 00:30:47.500
ils prenaient les modèles code les plus intelligents

00:30:47.500 --> 00:30:49.799
pour entraîner leur modèle open source Anthropic.

00:30:50.619 --> 00:30:52.599
Je crois que c 'est interdit par les conditions

00:30:52.599 --> 00:30:54.980
d 'utilisation, mais en soit, à la guerre comme

00:30:54.980 --> 00:30:57.160
à la guerre, on veut dire qu 'actuellement, il

00:30:57.160 --> 00:30:59.359
y a des enjeux géopolitiques énormes entre la

00:30:59.359 --> 00:31:02.180
Chine et les États -Unis, et celui qui va craquer

00:31:02.180 --> 00:31:07.240
les gars le plus vite va gagner. Et la stratégie

00:31:07.240 --> 00:31:10.680
chinoise, je trouve très intéressante de partir

00:31:10.680 --> 00:31:12.180
sur de l 'open source. En général, quand on est

00:31:12.180 --> 00:31:14.799
le plus petit, on balance en open source, sauf

00:31:14.799 --> 00:31:16.660
pour Meta, comme c 'était le cas avant, mais

00:31:16.660 --> 00:31:21.319
t 'as expliqué pourquoi. Et du coup, en fait,

00:31:21.559 --> 00:31:23.319
Anthropic OpenAI lève tellement des milliards

00:31:23.319 --> 00:31:26.380
que si demain t 'as un modèle chinois qui va

00:31:26.380 --> 00:31:29.200
être meilleur, ça risque de faire couler une

00:31:29.200 --> 00:31:32.720
des deux boîtes, quoi, les deux. Ça, c 'est que

00:31:32.720 --> 00:31:34.980
des suppositions parce qu 'ils sont encore très

00:31:34.980 --> 00:31:39.140
très puissants. Je referme la parenthèse, j 'aimerais

00:31:39.140 --> 00:31:41.680
vraiment qu 'on parle des évaluations des modèles,

00:31:41.779 --> 00:31:44.119
parce que c 'était un peu ta responsabilité chez

00:31:44.119 --> 00:31:49.279
Meta. Déjà, à quoi ça sert ? d 'évaluer un modèle

00:31:49.279 --> 00:31:53.900
et comment on fait ? Quelles sont les différentes

00:31:53.900 --> 00:31:56.180
techniques ? Que tu peux nous expliquer un peu

00:31:56.180 --> 00:32:01.059
tout ça ? Ouais, l 'évaluation, la partie évaluation

00:32:01.059 --> 00:32:03.420
dans le développement d 'un modèle est hyper

00:32:03.420 --> 00:32:08.799
importante parce que le développement de ces

00:32:08.799 --> 00:32:13.000
modèles est très empirique. C 'est -à -dire qu

00:32:13.000 --> 00:32:15.660
'on teste des architectures, on teste différents

00:32:15.660 --> 00:32:19.839
mixtes de données, on entraîne. Et après, la

00:32:19.839 --> 00:32:22.339
seule façon de savoir si le modèle est mieux

00:32:22.339 --> 00:32:28.279
ou moins bien que la version précédente, c 'est

00:32:28.279 --> 00:32:33.819
d 'évaluer. Comment on évalue ? On évalue avec

00:32:33.819 --> 00:32:35.940
ce qu 'on appelle des benchmarks qu 'on doit

00:32:35.940 --> 00:32:40.339
créer. Et un benchmark, souvent, c 'est... c

00:32:40.339 --> 00:32:45.619
'est un prompt qui simule un utilisateur et la

00:32:45.619 --> 00:32:49.480
réponse attendue. Donc, il y a différents types

00:32:49.480 --> 00:32:52.599
de benchmarks. Il y a des benchmarks qui sont

00:32:52.599 --> 00:32:55.619
vérifiables de façon assez automatique. Par exemple,

00:32:55.759 --> 00:32:59.920
si je demande 2 plus 2, il suffit de regarder

00:32:59.920 --> 00:33:02.680
s 'il y a de la réponse qui est donnée par le

00:33:02.680 --> 00:33:07.589
LME 4 ou si la réponse contient 4. Donc ça, ça

00:33:07.589 --> 00:33:09.509
peut se faire de façon assez automatique avec

00:33:09.509 --> 00:33:14.230
des regex ou avec du code. Dans le même domaine,

00:33:14.250 --> 00:33:16.890
par exemple, quand on génère du code, on peut

00:33:16.890 --> 00:33:21.289
faire un benchmark où l 'on -même doit fixer

00:33:21.289 --> 00:33:25.150
un bug et on va lancer un unit test pour voir

00:33:25.150 --> 00:33:28.230
si... C 'est malin. C 'est malin. Exactement.

00:33:28.349 --> 00:33:31.210
Donc ça marche très bien. C 'est déterminé, c

00:33:31.210 --> 00:33:34.064
'est entre guillemets. Mais il y a beaucoup de...

00:33:34.059 --> 00:33:36.640
Il y a beaucoup de cas d 'usage qui ne sont pas

00:33:36.640 --> 00:33:41.799
déterministes ou qui sont plus subtils. Par exemple,

00:33:43.740 --> 00:33:47.980
je demande, créez -moi un poème sur un podcast

00:33:47.980 --> 00:33:51.240
qui s 'appelle Génération IA. Il peut y avoir

00:33:51.240 --> 00:33:55.759
plein de façons différentes de répondre à cette

00:33:55.759 --> 00:33:59.680
question. Du coup, c 'est là que ça devient un

00:33:59.680 --> 00:34:04.759
peu plus subtil. pour détecter de façon systématique

00:34:04.759 --> 00:34:08.739
ou automatique quelle est la meilleure réponse.

00:34:09.760 --> 00:34:12.559
En fait, c 'est subjectif. Il y a des gens qui

00:34:12.559 --> 00:34:14.820
m 'ont préféré tel poème, d 'autres gens un autre

00:34:14.820 --> 00:34:18.369
poème. C 'est ça qui est difficile avec le langage

00:34:18.369 --> 00:34:21.989
aussi ? Alors, excuse -moi, il faut que je prenne

00:34:21.989 --> 00:34:24.050
un autre exemple qui est plus pertinent. Je vais

00:34:24.050 --> 00:34:26.130
prendre un exemple sur lequel j 'ai en bossé.

00:34:27.070 --> 00:34:31.190
J 'ai travaillé sur la partie safety, la partie,

00:34:31.269 --> 00:34:37.530
comment on dit en français ? Là. Sécurité ? sur

00:34:37.530 --> 00:34:42.050
la sécurité, ou sur le fait par exemple que le

00:34:42.050 --> 00:34:44.510
modèle ne doit pas être raciste par exemple,

00:34:44.610 --> 00:34:47.969
ou ne doit pas avoir des pieds etc. Alignement

00:34:47.969 --> 00:34:51.269
un peu ? Ouais, exactement, sur l 'alignement.

00:34:53.670 --> 00:34:56.969
Et du coup, par exemple, voilà, donc on définit

00:34:56.969 --> 00:35:00.849
une police, ou comment dire, un document qui

00:35:00.849 --> 00:35:05.570
dit ce qui est raciste par raciste, ce qui est

00:35:05.570 --> 00:35:08.400
autorisé par autorisé. Ça doit être fun pour

00:35:08.400 --> 00:35:11.440
celui qui crée les datasets. Effectivement oui.

00:35:11.460 --> 00:35:14.880
Il doit avoir des choses... Effectivement oui,

00:35:15.480 --> 00:35:20.780
il y a des sujets qui peuvent... Mais du coup

00:35:20.780 --> 00:35:25.659
voilà, dans ce petit exemple, la réponse c 'est

00:35:25.659 --> 00:35:30.380
de savoir est -ce que la réponse matche ce qu

00:35:30.380 --> 00:35:33.360
'il est admis avec les instructions ou pas admis

00:35:33.360 --> 00:35:36.429
avec les instructions. Ah oui. Et pour faire

00:35:36.429 --> 00:35:39.489
ce type d 'évaluation, dans l 'industrie, on

00:35:39.489 --> 00:35:41.269
utilise beaucoup maintenant ce qu 'on appelle

00:35:41.269 --> 00:35:44.449
LLM as a judge, ce qui veut dire, en gros, on

00:35:44.449 --> 00:35:49.670
utilise un LLM pour juger un autre LLM. Du coup,

00:35:49.789 --> 00:35:51.849
le juge doit être forcément plus intelligent

00:35:51.849 --> 00:35:56.090
ou pas nécessairement ? Ben, c 'est toute une

00:35:56.090 --> 00:35:57.750
question. C 'est toute une question aussi. Il

00:35:57.750 --> 00:36:00.630
faut évaluer le L, la mass judge. Donc ça, c

00:36:00.630 --> 00:36:04.670
'est une de mes spécialités. À toi que tu chercherais

00:36:04.670 --> 00:36:08.510
meilleur au juge, quoi. Exactement, oui. Et dans

00:36:08.510 --> 00:36:09.929
la création de juges, t 'as différents types

00:36:09.929 --> 00:36:11.610
de juges, mais t 'as des juges qui sont simplement

00:36:11.610 --> 00:36:14.670
des promptes. C 'est -à -dire que tu dis, voici

00:36:14.670 --> 00:36:16.449
la question de l 'utilisateur, voici la réponse

00:36:16.449 --> 00:36:20.630
de l 'agent, voici la police qui dit ce qui est

00:36:20.630 --> 00:36:22.630
autorisé et ce qui n 'est pas autorisé. Est -ce

00:36:22.630 --> 00:36:26.750
que la réponse de l 'agent viole ou conforme

00:36:26.750 --> 00:36:33.800
les instructions ? Et donc ça, ça permet de faire

00:36:33.800 --> 00:36:40.519
des évaluations à de scale. Ça doit être assez

00:36:40.519 --> 00:36:44.739
cher de faire des évales avec des LLM en plus.

00:36:45.900 --> 00:36:49.460
Oui, donc il y a une problématique de coût. Vous

00:36:49.460 --> 00:36:51.400
trouvez un juge intelligent et à la fois pas

00:36:51.400 --> 00:36:55.340
cher. Exactement. Mais dans tous les cas... Enfin,

00:36:55.880 --> 00:37:00.199
en tout cas dans la plupart des cas, un juge

00:37:00.199 --> 00:37:03.679
est maintenant plus intelligent et moins cher

00:37:03.679 --> 00:37:07.360
que de demander à des humains d 'annoter les

00:37:07.360 --> 00:37:09.619
réponses pour faire des évaluations. Donc le

00:37:09.619 --> 00:37:12.980
métier d 'annotateur a été remplacé déjà et la

00:37:12.980 --> 00:37:16.260
boîte d 'intérim d 'Alexander Wang peut fermer

00:37:16.260 --> 00:37:19.039
ou se pivoter. Deviens une boîte de guillère.

00:37:19.360 --> 00:37:24.880
Ouais. C 'est vrai que c 'est moins... En fait,

00:37:24.960 --> 00:37:27.380
maintenant, ce qui est intéressant pour les annotations,

00:37:27.619 --> 00:37:30.380
c 'est de... Enfin, je pourrais en parler un

00:37:30.380 --> 00:37:32.079
peu plus longtemps, mais oui, c 'est un peu plus

00:37:32.079 --> 00:37:36.519
subtil que ça. OK, ouais. C 'est vrai que...

00:37:36.519 --> 00:37:38.739
En fait, t 'es obligé de mettre de l 'intelligence

00:37:38.739 --> 00:37:41.099
pour juger d 'une réponse, si elle est conforme

00:37:41.099 --> 00:37:43.980
ou pas, parce que c 'est pas déterministe, il

00:37:43.980 --> 00:37:46.380
peut y avoir des mots synonymes, on peut expliquer

00:37:46.380 --> 00:37:48.940
la même chose de plusieurs façons. et donc il

00:37:48.940 --> 00:37:51.239
y a énormément de subtilité donc là aussi c 'est

00:37:51.239 --> 00:37:54.400
pour ça qu 'il y a besoin d 'intelligence. Pour

00:37:54.400 --> 00:37:58.099
mon app My Trainer, j 'ai utilisé cette technique

00:37:58.099 --> 00:38:02.139
LLM as a judge pour juger en fait de la qualité

00:38:02.139 --> 00:38:05.940
du coaching dans l 'application parce que c 'est

00:38:05.940 --> 00:38:08.000
quelque chose qui est totalement subjectif aussi,

00:38:08.239 --> 00:38:11.360
ça dépend du coach etc. donc avec des instructions

00:38:11.360 --> 00:38:14.719
spécifiques et une police comme tu dis. pour

00:38:14.719 --> 00:38:17.440
vérifier qu 'il ne donne pas des instructions

00:38:17.440 --> 00:38:19.280
dangereuses, par exemple, ou des choses comme

00:38:19.280 --> 00:38:21.519
ça, tu vois, et qui se conforme bien au profil

00:38:21.519 --> 00:38:24.659
de l 'utilisateur. Donc c 'est vraiment intéressant

00:38:24.659 --> 00:38:26.460
cette partie. Moi, il y a un truc qui me fascine,

00:38:26.539 --> 00:38:29.980
c 'est qu 'avec les LLM, on peut tout faire,

00:38:30.480 --> 00:38:33.960
même juger d 'autres LLM, même créer des données

00:38:33.960 --> 00:38:36.659
pour entraîner d 'autres LLM. En fait, tu as

00:38:36.659 --> 00:38:40.639
l 'impression qu 'il y a une boucle récursive

00:38:40.639 --> 00:38:42.940
et que tu peux absolument tout faire avec les

00:38:42.940 --> 00:38:47.699
LLM. En fait, c 'est ce que je dis parfois de

00:38:47.699 --> 00:38:49.280
l 'intelligence artificielle. C 'est un peu la

00:38:49.280 --> 00:38:51.960
première technologie qui peut t 'expliquer comment

00:38:51.960 --> 00:38:55.840
elle fonctionne elle -même. En fait, je n 'irai

00:38:55.840 --> 00:38:57.599
pas jusqu 'à dire qu 'elle a une conscience,

00:38:57.619 --> 00:39:01.199
tu vois, parce que c 'est un débat parallèle,

00:39:01.239 --> 00:39:04.500
mais qui peut comprendre comment elle -même fonctionne.

00:39:05.360 --> 00:39:07.219
Et là -dessus, il y a vraiment un côté fascinant.

00:39:07.380 --> 00:39:09.320
Moi, j 'ai toujours été fasciné par ça et par

00:39:09.320 --> 00:39:12.840
l 'IA en général depuis que j 'en ai fait à l

00:39:12.840 --> 00:39:16.170
'école. parce que c 'était quelque chose qu 'on

00:39:16.170 --> 00:39:19.610
n 'arrive pas à vraiment comprendre pourquoi

00:39:19.610 --> 00:39:24.150
ça marche, pourquoi le réseau de neurones fait

00:39:24.150 --> 00:39:26.909
ça et du coup on part du résultat, on y terre

00:39:26.909 --> 00:39:32.250
ensuite. C 'est vraiment quelque chose de fascinant.

00:39:33.510 --> 00:39:35.670
Je pense que tu partages cet intérêt puisque

00:39:35.670 --> 00:39:38.769
tu as carrément fait la full carrière à fond

00:39:38.769 --> 00:39:45.289
là -dessus. Avant de parler de ta prochaine startup,

00:39:46.090 --> 00:39:48.030
qui va être très intéressant aussi, parce que

00:39:48.030 --> 00:39:51.130
moi j 'ai envie de savoir si une IA peut me faire

00:39:51.130 --> 00:39:54.389
gagner de l 'argent en bourse ou pas. Très binaire,

00:39:55.230 --> 00:39:58.969
et tu vas me le dire. Mais avant ça, est -ce

00:39:58.969 --> 00:40:02.710
que tu veux aborder ton projet Veil Bob, projet

00:40:02.710 --> 00:40:05.989
open source, donc pour mettre un peu de contexte.

00:40:06.710 --> 00:40:09.769
J 'ai vu il y a une semaine que tu as sorti un

00:40:09.769 --> 00:40:14.929
projet open source sur GitHub d 'une extension

00:40:14.929 --> 00:40:18.389
Chrome, on va dire, pour modifier l 'interface

00:40:18.389 --> 00:40:21.710
web avec laquelle tu interagis dans ton navigateur

00:40:21.710 --> 00:40:25.289
directement. Et j 'ai checké un exemple où tu

00:40:25.289 --> 00:40:29.690
es sur Amazon et tu dis à VibeBob, en fait, change

00:40:29.690 --> 00:40:33.150
-moi l 'interface et crée -moi un tableau des

00:40:33.150 --> 00:40:35.909
résultats de produit avec une comparaison. Et

00:40:35.909 --> 00:40:37.789
du coup, il te fait ça directement dans l 'interface.

00:40:39.269 --> 00:40:41.730
Je te laisse présenter à part des sujets. Pourquoi

00:40:41.730 --> 00:40:43.190
tu as fait ça aussi ? Est -ce que c 'était juste

00:40:43.190 --> 00:40:45.710
pour le fun ? Est -ce qu 'il y a une suite ou

00:40:45.710 --> 00:40:48.090
est -ce que c 'est un one shot ? Tu t 'amuses

00:40:48.090 --> 00:40:52.010
comme ça ? En fait, c 'est marrant. Ça vient

00:40:52.010 --> 00:40:53.789
d 'une frustration que j 'ai depuis plusieurs

00:40:53.789 --> 00:40:59.969
années sur pas mal de petits trucs dans des applications

00:40:59.969 --> 00:41:02.219
ou dans des sites Internet que j 'utilise. Par

00:41:02.219 --> 00:41:06.059
exemple, je déteste YouTube Short. Et si je pouvais

00:41:06.059 --> 00:41:08.639
payer YouTube pour qu 'il me désactive YouTube

00:41:08.639 --> 00:41:12.900
Short, parce que c 'est que des vidéos courtes,

00:41:13.099 --> 00:41:15.880
abrutissantes, addictives, j 'aimerais payer

00:41:15.880 --> 00:41:18.119
pour qu 'il me supprime cette feature, mais c

00:41:18.119 --> 00:41:21.519
'est pas possible. C 'est rare d 'entendre ça,

00:41:21.519 --> 00:41:26.420
payer pour supprimer des features. Et du coup,

00:41:26.579 --> 00:41:29.219
ça vient un petit peu de l 'idée de donner plus

00:41:29.219 --> 00:41:32.099
de contrôle à l 'utilisateur. Et en fait, ce

00:41:32.099 --> 00:41:36.239
qui se passe, c 'est que cette idée, elle se

00:41:36.239 --> 00:41:38.179
concrétise maintenant d 'une façon complètement

00:41:38.179 --> 00:41:40.440
différente que ce que j 'avais en tête avant.

00:41:42.820 --> 00:41:44.920
C 'est à dire qu 'on peut donner à l 'utilisateur

00:41:44.920 --> 00:41:49.239
de modifier... les applications qu 'il utilise

00:41:49.239 --> 00:41:53.039
directement. Les applications mobiles, ce n 'est

00:41:53.039 --> 00:41:56.000
pas encore possible, mais j 'imagine un monde

00:41:56.000 --> 00:42:00.280
où ça sera possible. et du coup voilà donc c

00:42:00.280 --> 00:42:03.760
'est une extension Chrome où voilà par exemple

00:42:03.760 --> 00:42:06.059
je suis sur YouTube, j 'ouvre le chat sur le

00:42:06.059 --> 00:42:09.000
côté et je dis ok supprime moi YouTube Short

00:42:09.000 --> 00:42:13.239
et ça modifie l 'HTML et le CSS en local uniquement

00:42:13.239 --> 00:42:17.039
pour moi et ça du coup modifie mon expérience

00:42:17.039 --> 00:42:21.139
utilisateur pour le mieux et du coup voilà la

00:42:21.139 --> 00:42:22.920
raison pour laquelle je voulais en parler ici

00:42:22.920 --> 00:42:26.789
dans le podcast c 'est que je Je ne sais pas

00:42:26.789 --> 00:42:30.630
si c 'est le cas, mais j 'ai l 'impression que

00:42:30.630 --> 00:42:33.369
potentiellement dans le futur, l 'utilisateur

00:42:33.369 --> 00:42:40.210
sera le développeur de l 'application et de ses

00:42:40.210 --> 00:42:43.150
besoins. On pourrait imaginer que dans n 'importe

00:42:43.150 --> 00:42:45.690
quelle application, on ait un bouton sur lequel

00:42:45.690 --> 00:42:49.769
on peut dire, en fait, râche -moi un bouton pour

00:42:49.769 --> 00:42:56.369
trier telle table, telle façon. L 'origine de

00:42:56.369 --> 00:42:59.610
ce projet, c 'est que j 'utilisais un SaaS qui

00:42:59.610 --> 00:43:01.909
s 'appelle Komet pour gérer tous mes expériments,

00:43:02.150 --> 00:43:05.289
parce que je fais de la recherche avec ma prochaine

00:43:05.289 --> 00:43:11.690
startup, enfin ma startup actuelle. Et il me

00:43:11.690 --> 00:43:17.190
manquait une façon de visualiser des expériences.

00:43:18.269 --> 00:43:19.750
Et du coup, je me suis dit, ok, je vais créer

00:43:19.750 --> 00:43:22.130
ce logiciel, cette extension qui me permet de

00:43:22.130 --> 00:43:25.050
modifier n 'importe quel interface utilisateur.

00:43:26.150 --> 00:43:29.289
Et du coup, je l 'ai mis à disposition d 'open

00:43:29.289 --> 00:43:33.929
source. Je mettrai le lien dans la description

00:43:33.929 --> 00:43:38.329
du podcast si vous voulez checker. J 'avais vu

00:43:38.329 --> 00:43:40.550
des projets comme ça, il y a un mec là en France

00:43:40.550 --> 00:43:43.409
qui a fait une application qui te donne accès

00:43:43.409 --> 00:43:46.730
à Instagram, YouTube, Facebook et qui retire

00:43:46.730 --> 00:43:49.590
en fait tous les formats courts pour reprendre

00:43:49.590 --> 00:43:51.570
ton exemple et ça marche plutôt bien, je crois

00:43:51.570 --> 00:43:54.809
que ça s 'appelle Icare. Je l 'avais téléchargé,

00:43:55.150 --> 00:43:59.670
mais... C 'est intéressant ce truc de... En fait,

00:43:59.789 --> 00:44:01.409
c 'est bien de faire de la prospection comme

00:44:01.409 --> 00:44:03.570
ça, surtout quand tu crées des startups, parce

00:44:03.570 --> 00:44:05.309
que du coup, tu essayes un peu d 'anticiper ce

00:44:05.309 --> 00:44:09.510
que les gens auront besoin. C 'est original de

00:44:09.510 --> 00:44:12.769
penser que l 'utilisateur va développer sa propre

00:44:12.769 --> 00:44:16.750
version de ton application customisée. J 'avais

00:44:16.750 --> 00:44:20.730
jamais pris la chose dans ce bout -là. Moi, j

00:44:20.730 --> 00:44:23.900
'étais plus sur une vision agentique. ou en fait,

00:44:25.139 --> 00:44:27.860
le software, tu enlèves les boutons, tu enlèves

00:44:27.860 --> 00:44:30.199
tout ça et t 'interagis avec lui en lui parlant,

00:44:30.400 --> 00:44:32.679
par exemple, tu vois. Mais peut -être qu 'il

00:44:32.679 --> 00:44:34.659
y a un pont entre les deux aussi. Peut -être

00:44:34.659 --> 00:44:36.980
que la partie visualisation, elle peut être importante

00:44:36.980 --> 00:44:38.860
aussi pour l 'utilisateur, pas toujours avoir

00:44:38.860 --> 00:44:42.199
une interface de texte. D 'ailleurs, j 'ai ce

00:44:42.199 --> 00:44:46.500
problème aussi en coding. En fait, je code quasiment

00:44:46.500 --> 00:44:49.780
plus qu 'avec, tu vois, des agents. Et du coup,

00:44:49.860 --> 00:44:52.539
je regarde de moins en moins le code. Et parfois,

00:44:52.719 --> 00:44:54.559
ça me manque en fait de voir un petit peu qu

00:44:54.559 --> 00:44:56.039
'est -ce qui se passe. Et des fois, quand je

00:44:56.039 --> 00:44:59.159
regarde, tu vois, une pull request, et je regarde

00:44:59.159 --> 00:45:00.860
et je fais, mais attends, c 'est pas du tout

00:45:00.860 --> 00:45:02.880
ce que j 'ai demandé, ça marchait, ça passe le

00:45:02.880 --> 00:45:06.780
test, mais genre, c 'est trop complexe, tu vois,

00:45:08.059 --> 00:45:10.880
ou... Du coup, la partie interface, je trouve

00:45:10.880 --> 00:45:13.400
qu 'elle est aussi importante là -dessus. Toi,

00:45:13.940 --> 00:45:16.920
juste petite question annexe, tu codes en full

00:45:16.920 --> 00:45:19.460
agentique ou ça t 'arrive encore parfois de taper

00:45:19.460 --> 00:45:21.820
des choses à la main ? Est -ce que tu regardes

00:45:21.820 --> 00:45:24.900
toujours ton code ? Ouais, alors moi personnellement

00:45:24.900 --> 00:45:30.539
actuellement, il faut toujours dire la date,

00:45:31.159 --> 00:45:35.860
on est en mai 2026. 19 mai pour l' 26. Voilà,

00:45:35.900 --> 00:45:40.820
ça peut changer tout ou tout. Mais il y a un

00:45:40.820 --> 00:45:42.840
contexte aussi. Moi, je suis en train de développer

00:45:42.840 --> 00:45:45.860
un fonds d 'investissement systématique, donc

00:45:45.860 --> 00:45:49.480
j 'ai du code qui potentiellement va gérer des

00:45:49.480 --> 00:45:54.650
millions. Et du coup, je... C 'est super important

00:45:54.650 --> 00:45:57.110
ton emploi d 'écrire à la main, chaque style

00:45:57.110 --> 00:45:59.429
est important. Alors du coup, moi je n 'écris

00:45:59.429 --> 00:46:03.909
pas de code, mais par contre je regarde le code

00:46:03.909 --> 00:46:06.389
qui est généré et je revue. Mais la revue est

00:46:06.389 --> 00:46:08.949
assez rapide, c 'est -à -dire que je scrolle

00:46:08.949 --> 00:46:11.809
et simplement dès que j 'ai une intuition qui

00:46:11.809 --> 00:46:13.429
me dit que tiens je ne l 'aurais pas fait comme

00:46:13.429 --> 00:46:15.659
ça ou c 'est un peu marrant... J 'envoie mon

00:46:15.659 --> 00:46:18.940
intuition dans le chat et soit j 'ai une bonne

00:46:18.940 --> 00:46:21.860
intuition ou soit il va fixer ce que je veux.

00:46:21.960 --> 00:46:23.579
J 'ai l 'impression que comme notre métier il

00:46:23.579 --> 00:46:25.900
change, on a développé certaines compétences

00:46:25.900 --> 00:46:29.019
nouvelles, comme un peu cette intuition où tu

00:46:29.019 --> 00:46:30.820
survoles et tu vois qu 'il y a un truc qui ne

00:46:30.820 --> 00:46:32.679
va pas. J 'ai l 'impression que ça marche assez

00:46:32.679 --> 00:46:36.360
bien. Exactement, mais je sais qu 'il y a des

00:46:36.360 --> 00:46:38.980
gens, et je pense que pour développer des applications

00:46:38.980 --> 00:46:41.579
avec du front -end, etc. il y a des gens qui

00:46:41.579 --> 00:46:44.199
sont adeptes du stage antique et ils sont en

00:46:44.199 --> 00:46:46.239
mode, il y a hors de question que tu regardes

00:46:46.239 --> 00:46:48.500
une ligne de code. Je pense que ça s 'applique

00:46:48.500 --> 00:46:50.500
aussi, dans mon cas ça s 'explique un peu moins,

00:46:52.599 --> 00:46:55.360
mais à partir du moment où il y a des tests et

00:46:55.360 --> 00:46:58.280
qu 'ils ont testé, est -ce que la future est

00:46:58.280 --> 00:47:02.360
là ? C 'est bien testé, ouais. En fait, j 'ai

00:47:02.360 --> 00:47:04.360
un peu cette vision que le vibe coding, c 'est

00:47:04.360 --> 00:47:08.480
un peu comme l 'IR en général, genre tu donnes

00:47:08.480 --> 00:47:11.289
ton résultat, et ensuite ça va itérer sur un

00:47:11.289 --> 00:47:14.170
truc que tu comprends pas jusqu 'à que ça marche.

00:47:14.610 --> 00:47:18.190
Tu vois ce que je veux dire un peu à cet entrainement

00:47:18.190 --> 00:47:21.409
récursif. Et c 'est pareil pour l 'optimisation

00:47:21.409 --> 00:47:23.389
de prompt, j 'avais essayé d 'optimiser des prompt,

00:47:23.510 --> 00:47:26.590
tu vois. Et du coup, je lisais même pas les prompt

00:47:26.590 --> 00:47:28.329
que ça me sortait, mais simplement je disais

00:47:28.329 --> 00:47:32.050
à code code, voici mon dataset d 'évaluation.

00:47:32.769 --> 00:47:36.840
Je veux qu 'avec ce modèle genre tu testes. plein

00:47:36.840 --> 00:47:40.760
de promptes, jusqu 'à que ça atteigne, que ça

00:47:40.760 --> 00:47:43.780
valide un peu ce dataset. Et bam, il littérait

00:47:43.780 --> 00:47:46.440
aussi sur les promptes sans que je regarde. Je

00:47:46.440 --> 00:47:52.179
crois que c 'est François Chollet, celui qui

00:47:52.179 --> 00:47:54.539
a créé le benchmark Arc AGI, qui avait fait un

00:47:54.539 --> 00:47:56.260
tweet là -dessus en disant que c 'était un peu

00:47:56.260 --> 00:47:59.940
similaire à la démarche. Tout à fait. Tu peux

00:47:59.940 --> 00:48:03.769
considérer ton prompt. comme des paramètres qui

00:48:03.769 --> 00:48:05.730
sont entraînés. Parce qu 'effectivement, si tu

00:48:05.730 --> 00:48:07.650
changes la phrase, ça change le comportement

00:48:07.650 --> 00:48:10.849
et du coup, il faut faire attention. Il y a des

00:48:10.849 --> 00:48:13.949
techniques qui... Il y a des gens qui tuent ça.

00:48:14.769 --> 00:48:16.809
Et notamment, les prompts qui sont générés par

00:48:16.809 --> 00:48:19.409
IA sont souvent meilleurs que les prompts générés

00:48:19.409 --> 00:48:22.110
par humain. Donc, une des techniques qui marche

00:48:22.110 --> 00:48:24.949
très bien, c 'est de faire un prompt qui est

00:48:24.949 --> 00:48:28.489
généré par humain et de simplement le rephraser

00:48:28.489 --> 00:48:31.389
ou le re -générer par DIA. et simplement cette

00:48:31.389 --> 00:48:33.550
technique -là qui est très simple augmente la

00:48:33.550 --> 00:48:37.929
performance ou l 'intelligence ou l 'accuracité

00:48:37.929 --> 00:48:42.690
si tu veux dans Don Juan, As a Judge par exemple.

00:48:43.590 --> 00:48:45.530
Effectivement tu peux juste changer un mot, ça

00:48:45.530 --> 00:48:47.309
changera la output donc tu peux tester plein

00:48:47.309 --> 00:48:50.050
de variations différentes donc si vous avez des

00:48:50.050 --> 00:48:53.590
prompts en production n 'hésitez pas à quand

00:48:53.590 --> 00:48:58.219
même faire cette passe facile. pour déjà optimiser

00:48:58.219 --> 00:49:01.280
largement les résultats. Exactement. Et encore

00:49:01.280 --> 00:49:05.360
une fois, là, ça se rapproche du machine learning

00:49:05.360 --> 00:49:08.139
et pour faire attention à l 'overfitting, overoptimisation.

00:49:09.860 --> 00:49:12.659
Donc, pas trop parler de ça, mais une des problématiques

00:49:12.659 --> 00:49:15.159
qu 'on fait face dans l 'évolution, c 'est la

00:49:15.159 --> 00:49:18.420
contamination. C 'est le fait que le benchmark

00:49:18.420 --> 00:49:22.780
est dans les données d 'entraînement. Et du coup,

00:49:22.880 --> 00:49:25.300
c 'est simplement de la mémorisation. Et du coup,

00:49:25.579 --> 00:49:28.960
ça permet pas de voir si ça généralise d 'autres

00:49:28.960 --> 00:49:31.199
situations. Pour prendre une métaphore, c 'est

00:49:31.199 --> 00:49:33.719
comme si t 'avais un mec qui se souvient de tout,

00:49:33.800 --> 00:49:35.920
qui a une mémoire d 'éléphant, mais en fait,

00:49:36.760 --> 00:49:39.340
il n 'est pas intelligent, quoi. Tu es face à

00:49:39.340 --> 00:49:41.400
quelque chose qu 'il ne connaît pas, il est incapable

00:49:41.400 --> 00:49:46.199
de réfléchir là -dessus. J 'avais vu aussi que...

00:49:46.000 --> 00:49:50.059
Le problème des benchmarks, c 'est que les labos,

00:49:50.059 --> 00:49:52.820
justement, ils font tout pour avoir le meilleur

00:49:52.820 --> 00:49:55.599
score sur ces benchmarks. Et du coup, parfois,

00:49:56.539 --> 00:49:58.860
si tu as un cas d 'usage qui n 'est pas dans

00:49:58.860 --> 00:50:02.059
le benchmark, c 'est pas forcément garantie que

00:50:02.059 --> 00:50:04.559
le modèle soit bon dessus. Après là, c 'est peut

00:50:04.559 --> 00:50:06.119
-être au rôle de ceux qui font les benchmarks

00:50:06.119 --> 00:50:08.480
justement de proposer encore plus de cas d 'usage.

00:50:09.199 --> 00:50:12.300
Mais ça, il y avait des modèles qui paraissaient

00:50:12.300 --> 00:50:15.099
incroyables parce qu 'ils maximisent tel benchmark.

00:50:15.509 --> 00:50:19.070
Et en fait, la communauté, par exemple, n 'aime

00:50:19.070 --> 00:50:21.130
pas ce modèle pour X ou Y raisons. Peut -être

00:50:21.130 --> 00:50:23.449
que c 'est juste son caractère, son comportement.

00:50:24.090 --> 00:50:25.289
D 'ailleurs, est -ce qu 'il y a des belles schmarres

00:50:25.289 --> 00:50:27.650
pour juger ce genre de choses ? J 'ai vu un papier

00:50:27.650 --> 00:50:29.469
d 'Anthropik, là, qui disait qu 'un de leurs

00:50:29.469 --> 00:50:33.969
modèles, par exemple, il avait une opinion, c

00:50:33.969 --> 00:50:36.670
'est qu 'il aimait défendre la cause animale.

00:50:37.690 --> 00:50:40.650
C 'est un youtubeur français, la M. Phi, qui

00:50:40.650 --> 00:50:43.630
a fait des vidéos dessus. Parfois, ils arrivent

00:50:43.630 --> 00:50:46.269
à extraire des insights comme ça. Est -ce que

00:50:46.269 --> 00:50:48.989
là, il y a des moyens d 'évaluer ça aussi ou

00:50:48.989 --> 00:50:50.949
des fois vous découvrez carrément des choses

00:50:50.949 --> 00:50:54.429
grâce à la communauté ? Oui, effectivement, il

00:50:54.429 --> 00:50:56.309
y a ce risque -là. Il y a peut -être ouvert pas

00:50:56.309 --> 00:51:01.309
mal de direction. Mais oui, par exemple, la Ma4,

00:51:01.409 --> 00:51:05.010
les gens disent qu 'il a été un petit peu overfité

00:51:05.010 --> 00:51:09.710
sur les benchmarks. Je n 'ai pas d 'éléments

00:51:09.710 --> 00:51:17.769
pour le confirmer ou le dénier. Le mieux, c 'est

00:51:17.769 --> 00:51:22.530
de faire appel à... des sets d 'évaluations privées

00:51:22.530 --> 00:51:26.969
où en gros les labs n 'ont pas accès aux benchmarks

00:51:26.969 --> 00:51:29.889
et ne peuvent pas mémoriser. Il y a des boîtes

00:51:29.889 --> 00:51:31.750
qui sont spécialisées dans les benchmarks privés

00:51:31.750 --> 00:51:35.670
? Il y a des gens qui font leurs propres benchmarks

00:51:35.670 --> 00:51:38.829
et qui publie. Par exemple, il y a un youtubeur

00:51:38.829 --> 00:51:41.630
ancien chercheur qui est bon en IA, très technique,

00:51:41.769 --> 00:51:45.449
qui s 'appelle AI Explained, qui a un benchmark

00:51:45.449 --> 00:51:48.550
qui s 'appelle Simple Bench, qui garde privé.

00:51:49.989 --> 00:51:53.030
Et j 'aime bien regarder celui -là parce qu 'il

00:51:53.030 --> 00:51:56.590
est privé et sa test d 'intelligence est le common

00:51:56.590 --> 00:52:00.750
sense, le sens commun entre guillemets. Et donc

00:52:00.750 --> 00:52:01.969
ça c 'est un des benchmarks que j 'aime bien

00:52:01.969 --> 00:52:06.369
utiliser qui s 'appelle Simple Bench. Est -ce

00:52:06.369 --> 00:52:09.130
qu 'on pourrait pas demander aux hommes politiques

00:52:09.130 --> 00:52:14.829
de passer ce benchmark pour être élu ? Assister

00:52:14.829 --> 00:52:17.289
déjà ou pas assister déjà ? Non pas assister

00:52:17.289 --> 00:52:20.760
justement. Je ne vois pas pourquoi les hommes

00:52:20.760 --> 00:52:23.039
politiques ne devraient pas être incités à dire.

00:52:24.340 --> 00:52:26.559
C 'est vrai. Il y en a qui sont contre en France.

00:52:26.679 --> 00:52:28.940
Il y en a beaucoup qui sont contre. Des députés

00:52:28.940 --> 00:52:30.800
qui avaient dit que jamais de la vie ils utiliseraient

00:52:30.800 --> 00:52:33.179
l 'IA. Je trouve ça dommage parce que tu peux

00:52:33.179 --> 00:52:35.380
bien l 'utiliser et mal l 'utiliser. C 'est justement

00:52:35.380 --> 00:52:37.480
tous les séances de ce podcast en fait. J 'ai

00:52:37.480 --> 00:52:40.079
essayé d 'expliquer que si on l 'utilise bien,

00:52:40.719 --> 00:52:42.980
ça aide quoi. Ce serait dommage de s 'en priver.

00:52:44.110 --> 00:52:47.969
En tout cas, on aborde la dernière partie de

00:52:47.969 --> 00:52:51.250
ce podcast qui est un peu ta nouvelle startup,

00:52:51.510 --> 00:52:55.110
donc ton retour un peu à tes amours de la finance

00:52:55.110 --> 00:52:58.889
après ton passage chez Meta dans l 'IA générative.

00:53:00.809 --> 00:53:02.690
Ça m 'intrigue. Ça m 'intrigue, comme tu m 'as

00:53:02.690 --> 00:53:06.170
expliqué, parce que je me dis, en fait, est -ce

00:53:06.170 --> 00:53:08.250
qu 'il y a déjà des gens, et je pense que c 'est

00:53:08.250 --> 00:53:10.809
déjà le cas, qui gagnent de l 'argent grâce à

00:53:10.809 --> 00:53:13.579
des algorithmes d 'IA ? et c 'est ultra confidentiel.

00:53:16.199 --> 00:53:19.400
J 'imagine qu 'il y a mille réponses différentes

00:53:19.400 --> 00:53:24.099
et mille façons de faire. Toi, tu fais un modèle

00:53:24.099 --> 00:53:27.719
d 'IA qui se transforme en fonds d 'investissement

00:53:27.719 --> 00:53:32.639
ou fonds de gestion, parce que le but de ce modèle,

00:53:32.739 --> 00:53:36.460
c 'est de générer de la performance et de surperformer

00:53:36.460 --> 00:53:40.179
le marché en général. Tu te laisses reprendre

00:53:40.179 --> 00:53:42.780
la main là -dessus. C 'est tout ce que j 'ai

00:53:42.780 --> 00:53:46.039
compris comme information parce qu 'on a abordé

00:53:46.039 --> 00:53:49.019
ça très brièvement pour garder justement de la

00:53:49.019 --> 00:53:52.019
substance pour ce podcast. Donc explique -nous

00:53:52.019 --> 00:53:55.420
ce que tu fais. Explique -nous quelles sont tes

00:53:55.420 --> 00:54:00.179
ambitions de performance, par exemple. Je vais

00:54:00.179 --> 00:54:03.659
rebondir sur ce que tu dis. Je pense qu 'il y

00:54:03.659 --> 00:54:05.260
a beaucoup de gens qui ont vu passer ou beaucoup

00:54:05.260 --> 00:54:10.409
de gens qui s 'imaginent. qu 'on peut donner,

00:54:10.409 --> 00:54:13.389
entre guillemets, de l 'argent à TchadGPT et

00:54:13.389 --> 00:54:16.570
il va lui -même placer les trades. Il y a eu

00:54:16.570 --> 00:54:19.530
un youtubeur, je crois que c 'est Defend Intelligence,

00:54:19.650 --> 00:54:22.929
je crois qu 'il s 'appelle Anis, qui a fait une

00:54:22.929 --> 00:54:24.849
vidéo où il crée un peu des bots de trading.

00:54:24.989 --> 00:54:26.610
Je n 'ai pas vu la vidéo, mais j 'ai vu que ça

00:54:26.610 --> 00:54:28.949
a passé et ça nourrit des fantasmes. Tu vois,

00:54:29.070 --> 00:54:30.889
tu te dis, moi aussi, je vais faire mon bot de

00:54:30.889 --> 00:54:33.190
trading. Gérard, ça coûte cher, en fait, de demander

00:54:33.190 --> 00:54:37.980
à Anthropeak de t 'analyser tout ça. Alors, je

00:54:37.980 --> 00:54:41.059
ne sais pas du tout ça et je n 'y crois pas vraiment

00:54:41.059 --> 00:54:47.099
à ce genre de truc. En fait, je n 'y crois pas

00:54:47.099 --> 00:54:49.800
trop. Encore une fois, on est dans le stuff made

00:54:49.800 --> 00:54:57.320
1026. Mais en fait, les LLM, je pense, ne sont

00:54:57.320 --> 00:55:01.099
pas bons pour prendre des décisions d 'amassissement.

00:55:02.199 --> 00:55:05.420
Après, oui, ça peut être utilisé pour... pour

00:55:05.420 --> 00:55:07.480
faire de l 'analyse fondamentale peut -être.

00:55:08.219 --> 00:55:09.780
J 'aime bien le fait que tu rajoutes la date

00:55:09.780 --> 00:55:12.219
à chaque fois parce que ça évolue tellement vite

00:55:12.219 --> 00:55:14.000
qu 'on n 'a aucune certitude sur l 'intérieur.

00:55:14.980 --> 00:55:16.599
Mais du coup, moi, ce n 'est pas du tout mon

00:55:16.599 --> 00:55:21.619
approche. Moi, en fait, je fais un modèle de

00:55:21.619 --> 00:55:24.480
deep learning. Donc, ce n 'est pas un LLM. Ce

00:55:24.480 --> 00:55:26.699
n 'est pas token -based. Ce n 'est pas semantic

00:55:26.699 --> 00:55:30.559
-based. Mes tokens, ce n 'est pas des mots. Moi,

00:55:30.559 --> 00:55:33.300
c 'est plus du time series. Donc, c 'est plus

00:55:33.300 --> 00:55:38.630
des séquences de chiffres. Et du coup voilà,

00:55:38.650 --> 00:55:41.030
c 'est entre guillemets rien à voir avec Tchadj

00:55:41.030 --> 00:55:42.269
et Peté, mais en même temps c 'est quand même

00:55:42.269 --> 00:55:43.869
un réseau de neurones un petit peu avec la même

00:55:43.869 --> 00:55:50.030
architecture. Et voilà, je peux pas en dire.

00:55:50.750 --> 00:55:53.829
pour plus, parce que c 'est une industrie qui

00:55:53.829 --> 00:55:58.489
est secrète. Si quelqu 'un a une stratégie qui

00:55:58.489 --> 00:56:01.369
fonctionne bien, il ne va forcément le faire

00:56:01.369 --> 00:56:03.090
à personne. Bien sûr, si tu as une bonne architecture,

00:56:03.389 --> 00:56:07.130
que tu as des bonnes techniques, c 'est vrai

00:56:07.130 --> 00:56:09.329
que les partager, c 'est assez confidentiel.

00:56:10.429 --> 00:56:13.610
Mais je sais qu 'il y a certains hedge funds

00:56:13.610 --> 00:56:17.730
qui sont très connus, qui ont ce type d 'approche,

00:56:20.090 --> 00:56:23.829
Ce que j 'ai entendu, ce type d 'approche, c

00:56:23.829 --> 00:56:27.730
'est un réseau de neurones qui va générer les

00:56:27.730 --> 00:56:32.829
signaux d 'achat ou de vente, ou qui va générer

00:56:32.829 --> 00:56:35.750
des signaux qui doivent ensuite être transmis,

00:56:36.030 --> 00:56:38.309
convertis dans une façon de l 'implémenter et

00:56:38.309 --> 00:56:41.090
qu 'il faut ensuite implanter le modèle en une

00:56:41.090 --> 00:56:44.949
stratégie. Il y a plusieurs parties dans ça,

00:56:45.130 --> 00:56:47.010
il y a la partie d 'entraînement du modèle et

00:56:47.010 --> 00:56:51.039
ensuite il y a... comment tu utilises l 'output

00:56:51.039 --> 00:56:53.559
du modèle et comment tu le traduis en ordre sur

00:56:53.559 --> 00:56:55.119
les marchés, comment tu gères ton risque, etc.

00:56:55.519 --> 00:56:58.940
Mais là, tu as déjà une preuve de concept, tu

00:56:58.940 --> 00:57:03.340
as déjà validé quelque chose ? Donc là, on fait

00:57:03.340 --> 00:57:07.179
un track record avec notre propre argent et les

00:57:07.179 --> 00:57:09.059
performances sont alignées avec le backtest.

00:57:09.360 --> 00:57:10.840
C 'est un peu technique, mais le backtest, c

00:57:10.840 --> 00:57:13.739
'est notre simulation. Ça te conforte sur le

00:57:13.739 --> 00:57:17.250
fait que tu as un modèle qui fonctionne. et de

00:57:17.250 --> 00:57:21.650
lancer à fond ta boîte là -dedans. Après, c 'est

00:57:21.650 --> 00:57:25.789
pour des investisseurs professionnels. Pour ça,

00:57:25.869 --> 00:57:30.250
je ne peux pas en parler en public. Et depuis

00:57:30.250 --> 00:57:34.429
vendredi, je suis officiellement enregistré à

00:57:34.429 --> 00:57:38.210
l 'équivalent de l 'AMF en Angleterre, qui s

00:57:38.210 --> 00:57:44.039
'appelle FCA. qui est l 'organisme qui régule

00:57:44.039 --> 00:57:46.800
les marchés financiers ou les activités de marchés

00:57:46.800 --> 00:57:49.380
financiers. Félicitations. Du coup, ça sera quand

00:57:49.380 --> 00:57:53.059
les premières mises en production potentielles

00:57:53.059 --> 00:57:57.039
dans quelques jours, dans quelques mois ? Déjà

00:57:57.039 --> 00:57:58.619
qu 'on est en production déjà avec notre propre

00:57:58.619 --> 00:58:03.099
argent et ensuite, on va chercher des investisseurs

00:58:03.099 --> 00:58:05.699
pour le fond, des investisseurs professionnels

00:58:05.699 --> 00:58:12.659
qualifiés et on espère que ça marche. OK. Génial.

00:58:12.860 --> 00:58:16.440
Bon, on arrive à une heure de podcast. Je ne

00:58:16.440 --> 00:58:19.280
sais pas si tu aimerais rajouter des choses sur

00:58:19.280 --> 00:58:21.699
peut -être une question un peu d 'ouverture.

00:58:22.480 --> 00:58:25.119
J 'avais vu une vidéo de Mikot, je crois, où

00:58:25.119 --> 00:58:26.639
il y avait un mec qui expliquait qu 'il avait

00:58:26.639 --> 00:58:29.460
un modèle, où en gros, lui, il prenait en compte

00:58:29.460 --> 00:58:32.699
tout ce qui se passe dans le monde. Et du coup,

00:58:32.719 --> 00:58:35.340
il essayait comme ça de prédire un peu ce qui

00:58:35.340 --> 00:58:37.460
est le futur. En gros, est -ce que c 'est possible

00:58:37.460 --> 00:58:39.800
de prédire ce qui va se passer dans le futur

00:58:39.800 --> 00:58:43.579
? grâce à toutes les données. C 'est un peu ce

00:58:43.579 --> 00:58:45.340
que tu fais sur un domaine très particulier,

00:58:45.559 --> 00:58:48.179
très spécifique. Je ne sais pas à quel point

00:58:48.179 --> 00:58:52.219
ça peut s 'appliquer dans d 'autres domaines.

00:58:52.980 --> 00:58:55.860
Je suis un petit peu sceptique sur la prédiction

00:58:55.860 --> 00:58:58.900
du futur. Il y a tellement de possibilités, etc.

00:58:59.820 --> 00:59:04.460
Moi, mon approche, ça se rapporterait plus à

00:59:04.460 --> 00:59:08.349
de l 'arbitrage, mais après, c 'est... Quand

00:59:08.349 --> 00:59:11.230
le marché est volatile, il y a des anomalies

00:59:11.230 --> 00:59:16.050
de marché qui se créent. Moi, je suis sur le

00:59:16.050 --> 00:59:19.190
marché obligataire et c 'est un marché qui n

00:59:19.190 --> 00:59:26.190
'est pas complètement automatisé. Du coup, il

00:59:26.190 --> 00:59:30.449
y a des anomalies de marché qu 'on peut détecter

00:59:30.449 --> 00:59:35.179
et prendre des positions dessus. Mais prédire

00:59:35.179 --> 00:59:41.480
le futur, il y a trop d 'anthropies, il y a trop

00:59:41.480 --> 00:59:43.780
de facteurs. Elle était difficile cette question,

00:59:44.099 --> 00:59:46.079
mais oui, effectivement. Est -ce que tu veux

00:59:46.079 --> 00:59:48.360
revenir sur quelque chose avant de terminer ce

00:59:48.360 --> 00:59:52.880
podcast ? Non, je pense qu 'on a fait... Je pense

00:59:52.880 --> 00:59:54.659
que c 'est un des podcasts les plus techniques

00:59:54.659 --> 00:59:57.360
que j 'ai fait, mais je pense que l 'audience

00:59:57.360 --> 01:00:01.889
aussi... Même si les gens n 'entraînent pas forcément

01:00:01.889 --> 01:00:04.369
des modèles tous les jours, je pense qu 'ils

01:00:04.369 --> 01:00:06.769
ont un intérêt croissant pour l 'IA et que ça

01:00:06.769 --> 01:00:08.670
reste quand même à la portée de beaucoup de gens.

01:00:10.170 --> 01:00:12.269
Donc, il faut peut -être s 'accrocher pour certaines

01:00:12.269 --> 01:00:15.610
personnes, mais je pense que c 'était ultra intéressant

01:00:15.610 --> 01:00:21.429
une fois qu 'on a accès à ça. Merci encore Stéphane

01:00:21.429 --> 01:00:24.469
pour ton temps. Toi, tu es très occupé en ce

01:00:24.469 --> 01:00:28.110
moment. Avec plaisir Guillaume, et si les gens

01:00:28.110 --> 01:00:30.269
veulent me suivre sur LinkedIn, tu pourras mettre

01:00:30.269 --> 01:00:35.230
le lien en description. Ok, magnifique. Merci

01:00:35.230 --> 01:00:38.030
beaucoup et à bientôt. Merci, au revoir.