L’intelligence artificielle au service des hommes et des femmes dans l’entreprise
L’intelligence artificielle est un outil d’une puissance impressionnante, qui offre un potentiel immense pour les industriels. Son appropriation demande cependant du temps pour obtenir des gains significatifs. Il faut donc se lancer sans tarder, mais aussi bien choisir son modèle organisationnel adapté à l’activité concernée. C’est un moment passionnant pour rejoindre l’industrie et les jeunes X ont tous les atouts en main pour participer à cette révolution, et ainsi placer la France en tête
de la course qui est déjà lancée.
Pouvez-vous présenter votre parcours ?
Joëlle Barral : Issue de la promotion 2001, j’ai poursuivi ma formation à Stanford afin d’obtenir un PhD en Electrical Engineering. J’y suis restée une année supplémentaire pour faire une Fellowship dans l’entrepreneuriat MedTech. En 2011, portée par mon intérêt pour le domaine de la santé et l’imagerie médicale, j’ai rejoint la start-up HeartVista, pionnière de l’IRM guidée par intelligence artificielle. Trois ans plus tard, je suis entrée chez Verily, société sœur de Google dédiée aux sciences de la vie. Dans ce cadre, j’ai notamment mis en place Verb Surgical, une joint-venture avec Johnson & Johnson dédiée à la chirurgie robotique digitale où les outils numériques et l’IA assistent les chirurgiens. Après une vingtaine d’années aux États-Unis, je suis rentrée en France en 2022. Depuis 2023, je suis directrice de la recherche en IA chez Google DeepMind.
Aiman Ezzat : Après un master en ingénierie chimique de l’École supérieure de chimie physique électronique de Lyon, j’ai commencé ma carrière chez IBM Europe au milieu des années 1980, puis j’ai fait un MBA à UCLA. Après cela, intéressé par le conseil, j’ai rejoint en 1991 une société qui s’appelait alors Mac Group, qui a été acquise par ce qui allait devenir Capgemini. Après un court passage dans un autre cabinet, je suis revenu chez Capgemini.
En 2005, j’ai été nommé directeur adjoint de la stratégie pour le groupe, où j’ai participé à de nombreux programmes de transformation et à de nombreuses acquisitions, en particulier celle de Kanbay. Ensuite, j’ai pris la tête de l’activité du Groupe dans les services financiers, afin d’aider Capgemini à développer cette activité à l’échelle mondiale. Fin 2012, j’ai pris la direction financière du Groupe, puis j’ai été nommé directeur général délégué en 2018, avant de prendre les fonctions de directeur général en mai 2020.
Par vos parcours respectifs dans le domaine de la technologie, vous avez assisté à de nombreuses vagues d’innovation. Pensez-vous que l’IA soit une véritable révolution transformatrice ou qu’il s’agisse d’un simple battage médiatique ?
A. E. : L’IA, notamment l’IA générative, a pris une place prépondérante dans le débat public ces derniers mois. Pourtant ce ne sont pas des tendances nouvelles. Au-delà de l’effet de mode lié au phénomène ChatGPT, on observe toutefois une accélération de l’innovation, des gains d’efficacité des modèles et surtout une prise de conscience du potentiel que représentent ces technologies. Et cela a suscité un fort intérêt de la part des décideurs économiques et ouvert de nombreuses discussions avec eux sur de grands projets de transformation numérique. L’IA et l’IA générative vont accélérer cette transformation, même si finalement tous ces projets n’impliquent pas que de l’IA générative.
J. B. : Le regain d’intérêt médiatique actuel est surtout lié à la formidable accélération de la recherche en IA. Cette récente accélération est le fruit de trois facteurs : le volume de données, la croissance de la puissance de calcul et les transformers, qui désignent l’architecture de deep learning sur laquelle s’appuient de nombreux chatbots bien connus aujourd’hui. Résultat : la recherche avance à un rythme inédit et l’imbrication entre l’exploration et l’expérimentation (on dit aussi souvent l’exploitation) est plus forte que jamais. Je suis par exemple fascinée par AlphaFold, un outil fondé sur l’IA qui a déjà permis de prédire la structure 3D de plus de 200 millions de protéines.
« Je suis par exemple fascinée par AlphaFold, un outil fondé sur l’IA qui a déjà permis de prédire la structure 3D de plus de 200 millions de protéines. »
Auparavant, cela coûtait des millions d’euros et des années de recherches, par protéine. Près de deux millions de chercheurs dans le monde utilisent aujourd’hui AlphaFold, dont plus de 44 000 en France, notamment au sein de l’Inria, du CNRS ou de l’Institut Pasteur. À l’origine de cet outil, Demis Hassabis et John M. Jumper, respectivement cofondateur et chercheur de Google DeepMind, ont d’ailleurs reçu le prix Nobel de chimie 2024. Une telle percée laisse entrevoir de nombreuses perspectives en biologie ou en médecine. La révolution de l’IA est donc bien réelle.
Dans le cadre de vos activités, vous travaillez avec des clients issus d’un large éventail de secteurs à travers le monde. Pouvez-vous nous donner votre point de vue sur le potentiel de l’IA pour l’industrie ?
A. E. : L’IA représente un potentiel immense pour les industriels. Nous avons par exemple accompagné L’Oréal pour créer sa solution de « computer vision » intégrée à la chaîne de production : une machine qui identifie et éjecte des contenants défectueux en moins d’une seconde. L’IA peut aussi améliorer l’efficacité des chaînes d’approvisionnement, grâce au planning de la demande, ou encore aider à la maintenance prédictive des machines. Outre le cas des molécules dans le secteur de la santé déjà évoqué, on envisage à terme pouvoir utiliser l’IA générative pour développer des structures plus légères pour l’automobile ou l’aéronautique.
Dans le développement des produits d’IA, projetez-vous des produits spécifiques pour l’industrie ? Si oui, l’avenir sera-t-il aux modèles généralisables pour l’ensemble des industries (par exemple pouvant s’appliquer indifféremment
à l’industrie chimique et à la mécanique) ou s’oriente-t-on davantage vers des modèles spécifiques à chaque modèle productif ?
J. B. : Notre approche est ouverte. Nous souhaitons donner aux entreprises industrielles toutes les possibilités technologiques pour qu’elles s’engagent dans l’IA, selon leurs métiers. Nous proposons des briques : à ces entreprises de construire avec l’IA, en fonction de leurs besoins spécifiques. Des acteurs majeurs de l’industrie avancent du reste très rapidement. Je pense notamment à Valeo, qui utilise l’IA de Google dans différents domaines : de l’inspection visuelle en usine au développement de code, en passant par la création d’un chatbot capable d’analyser des contrats ou des spécifications techniques grâce à l’intégration de l’IA dans les processus de définition et d’intégration des produits.
L’adoption de l’IA dans l’industrie intéresse aujourd’hui davantage les grandes entreprises que les PME ou ETI, qui n’ont pas toujours les compétences ou les données requises. Comment pensez-vous que l’IA pourra davantage s’adresser
à ces structures dans le futur ?
J. B. : Je ne partage pas cette vision. Au contraire, j’ai la conviction que tous les entrepreneurs, de la start-up à la PME en passant par l’ETI, s’interrogent sur la manière de saisir les possibilités de l’IA. Le but est bien de mettre l’IA entre les mains des uns et des autres pour les aider à atteindre leurs objectifs. L’humain est plus que jamais la clé de voûte ! En ce sens, la question de la formation et de l’accompagnement est vitale. Google est particulièrement mobilisé dans ce domaine et agit pour former 100 000 personnes à l’IA partout en France d’ici la fin de l’année.
“L’humain est plus que jamais la clé de voûte !”
Le 15 février, j’étais aux côtés de Sundar Pichai (CEO, Google & Alphabet) et du ministre de l’Économie, des Finances et de la Souveraineté industrielle et numérique, Bruno Le Maire, pour inaugurer le nouveau Google AI Hub dans le IXe arrondissement de Paris. Ce nouvel espace ouvert à la communauté de la recherche française est aussi un espace de formation pour les TPE, ETI et grands groupes français, sans oublier les ONG et les institutions.
On constate aujourd’hui que la plupart des entreprises industrielles attendent que l’IA générative dépasse son stade expérimental ou se limitent à de petites expérimentations. Quels sont selon vous les principaux freins à l’adoption en usine ainsi qu’au passage à l’échelle, et comment y remédier le plus efficacement ?
A. E. : D’une manière générale, les dirigeants ont de grands espoirs quant à l’IA générative, mais ils ne se rendent pas forcément compte que les vrais projets de transformation à forte valeur ajoutée se font dans le temps long, et pas en quelques mois. Il faut d’abord avoir identifié les bons cas d’usage et s’être assuré de la rentabilité du projet, puis disposer des bonnes compétences en interne pour les déployer, et les faire adopter. On constate aussi des freins plus en amont, comme des problèmes de qualité de la donnée disponible, faute d’une transformation numérique suffisamment avancée, ou des difficultés d’ordre juridique, réglementaire ou éthique. Comme je le disais, ces transformations prennent du temps et je ne peux que conseiller de se lancer.
J. B. : Là encore, je dirais que les entreprises industrielles, notamment françaises, accélèrent dans ce domaine. Airbus mène par exemple un programme pilote auprès de 3 000 salariés avant de généraliser l’usage de l’IA générative, grâce à Gemini, notre modèle d’IA le plus performant à ce jour, pour des tâches comme la rédaction de comptes rendus de réunion ou la génération de code. La priorité, c’est de fournir aux entreprises une boîte à outils la plus riche possible, dans laquelle elles peuvent aller piocher différentes tailles de modèle en fonction des cas d’usage, afin d’obtenir le meilleur rapport coût-performance-consommation d’énergie.
Les modèles d’IA actuellement développés ont été entraînés et testés dans un cadre de recherche sur des jeux de données généralistes qui n’intègrent pas nécessairement les spécificités de l’industrie (données correspondant à la réalité des chaînes de production, qui pourront être davantage bruitées : bruit, poussière, obstruction visuelle). Est-ce un sujet d’après vous ? et comment pensez-vous pouvoir dépasser ces spécificités ? Quel modèle de gestion
des données adopter pour l’IA dans l’industrie ?
J. B. : D’une part, il faut souligner qu’en effet les données sont souvent bruitées, ce qui permet de facto aux modèles de comprendre le bruit. D’autre part, les données synthétiques sont largement utilisées. Chaque industrie a bien sûr besoin d’adapter les modèles à ses besoins, et non l’inverse. Il faut surtout concevoir les données comme des ressources dynamiques. Comment faire pour veiller à la bonne intégration des données les plus récentes ? Comment « désapprendre » quand la connaissance scientifique progresse et change la donne ? Comment garantir la sécurité et la confidentialité des données ? Cela demande des compétences techniques multiples et des savoir-faire.
Je pense notamment à l’articulation des rôles de Chief Technology Officer, Chief Data Officer et Chief Information Security Officer, dont les responsabilités respectives sont amenées à évoluer. C’est un sujet organisationnel et industriel plus que purement technologique. Les entreprises doivent se saisir du sujet et se l’approprier pour définir le modèle le mieux adapté à leurs activités.
Quelles sont les implications en termes de durabilité pour l’IA générative, compte tenu de l’énergie nécessaire à la création et à l’entraînement de grands modèles ?
A. E. : La plupart des grands modèles de langage (LLMs) sur le marché sont très gourmands en énergie et en ressources hydriques notamment, ce qui pèse dans l’évaluation que vont en faire les dirigeants. Aussi, la tendance est aujourd’hui au développement de modèles plus légers et plus spécialisés, qui sont tout aussi efficaces pour remplir certaines tâches, mais avec une empreinte environnementale bien moindre – à l’image des modèles de Mistral AI.
J. B. : Accélérer l’action climatique en utilisant l’IA à grande échelle est tout aussi crucial que de résoudre l’impact environnemental qui lui est associé. Nos centres de données sont plus de 1,5 fois plus économes en énergie que les centres de données classiques. Nous avons également identifié des pratiques qui peuvent, lorsqu’elles sont utilisées ensemble, réduire jusqu’à 100 fois l’énergie nécessaire à la formation d’un modèle d’IA et jusqu’à 1 000 fois les émissions associées.
Nos équipes de recherche fondamentale et d’ingénierie continuent à pousser l’état de l’art pour rendre l’entraînement et le déploiement de nos modèles toujours plus efficaces et s’assurer que le modèle le plus pertinent est utilisé en production pour chaque cas d’usage particulier. Nous utilisons aussi l’IA pour faire progresser l’action climatique : de la réduction des émissions liées aux déplacements en voiture et en avion à l’aide aux communautés pour anticiper les inondations et les incendies de forêt.
Comment les grandes organisations devraient-elles aborder les considérations éthiques et les biais potentiels dans le déploiement des modèles d’IA ?
A. E. : Ce sont en effet des questions essentielles, qui ne sont pas propres à l’IA générative d’ailleurs. S’agissant des questions éthiques, il y a plusieurs enjeux différents, si l’on parle de droits d’auteur ou de cybersécurité par exemple, mais en Europe l’AI Act a commencé à s’attaquer à ce problème en hiérarchisant les différents cas d’usage de l’IA par échelle de risque, avec des contraintes accrues pour les usages à haut risque. Cela permet de donner un cadre aux entreprises qui souhaitent utiliser ces outils. Il n’y a pas de solution magique pour annuler tout risque de biais, mais l’essentiel est d’une part de faire un travail en profondeur sur les données sources et, d’autre part, de s’entourer d’équipes qui sont elles-mêmes diverses et inclusives.
J. B. : Le sujet est crucial. En tant que chercheur et en tant que citoyenne, je suis très attachée à l’approche ambitieuse et responsable de l’IA choisie par Google. Dès 2018, nous avons défini sept grands principes éthiques qui fixent le cap de notre recherche en IA. Le deuxième de ces principes s’intitule « éviter de créer ou de renforcer des biais ». Les algorithmes et les ensembles de données de l’IA peuvent refléter, renforcer ou réduire les biais. La première étape est de l’admettre puis de se mobiliser pour relever ce défi. Là encore, l’accompagnement et le dialogue avec des experts sont indispensables.
On parle beaucoup de la nécessité dans les différents métiers de monter en compétence sur l’IA. Selon vous quelles sont les connaissances et compétences qu’un opérateur devra posséder demain en IA pour travailler avec ces technologies ?
A. E. : Les compétences nécessaires pour exploiter pleinement le potentiel de l’IA sont en train de se construire et évoluent très vite avec chaque avancée de la technologie. L’IA générative par exemple devrait donner naissance à de nouvelles compétences comme le « prompt engineering », les architectes et entraîneurs d’IA générative, les spécialistes du contrôle des modèles, etc.
Chez Capgemini, nous avons mis en place un plan ambitieux de 2 milliards d’euros sur trois ans pour renforcer notre leadership dans le domaine. Nous visons de doubler nos effectifs data & IA et, avec notre Campus virtuel GenAI, nous avons d’ores et déjà formé 120 000 de nos développeurs. À terme, l’IA et l’IA générative feront partie de tous nos cursus de formation au sein du groupe, de manière à équiper nos salariés de ces assistants.
J. B. : Je dirai que l’objectif premier est d’abord et avant tout de rendre ces technologies accessibles et simples d’utilisation. Les solutions Google Cloud pour l’industrie manufacturière sont conçues dans cette optique. Là encore, les cas d’usage existent déjà. Je pense à la maintenance prédictive, la détection des anomalies, la gestion de l’utilisation des équipements ou encore le contrôle qualité.
On constate aujourd’hui que les jeunes ingénieurs polytechniciens diplômés en IA se tournent davantage vers des start-up ou des grandes entreprises technologiques que vers des entreprises industrielles. Comment expliquez-vous cela et comment pensez-vous qu’il soit possible d’attirer davantage de talents de l’IA dans l’industrie traditionnelle ?
J. B. : Les start-up et les grands leaders technologiques sont aux avant-postes de la révolution de l’IA. Cela leur confère une visibilité accrue. Cependant, le passage d’une révolution scientifique à une révolution technologique peut changer la donne. La multiplication des cas d’usage appliqués à l’industrie va certainement faire naître de nouvelles possibilités. Je veux aussi rappeler que l’industrie n’a pas attendu les récentes percées dans le domaine de l’IA pour innover à chaque tournant technologique. Le secteur est en première ligne pour répondre aux grands défis de notre époque. L’intégration de l’IA va lui permettre d’accroître ses capacités à relever ces défis. C’est un moment passionnant pour rejoindre l’industrie !
“Il y a des carrières formidables à faire pour de jeunes diplômés en IA.”
A. E. : Il faut avoir en tête que les industriels connaissent eux-mêmes une profonde révolution de leurs modèles économiques et de leurs modes de production. Avec la pandémie, l’inflation et les perturbations des chaînes d’approvisionnement, les industriels ont dû encore accélérer ce mouvement. Certains ont rendu leurs chaînes de valeur plus intelligentes. D’autres ont lancé des processus de relocalisation de leurs appareils de production qui, pour rester compétitifs, se doivent d’être en pointe en matière opérationnelle et environnementale.
Aujourd’hui, cette « industrie intelligente » s’appuie sur la data, l’IA, et plus largement sur d’autres technologies de pointe comme les jumeaux numériques, les technologies immersives, le « metaverse industriel », pour accroître sa performance, avec des effets économiques et sociaux majeurs, mais aussi des questions de souveraineté. Il y a des carrières formidables à faire pour de jeunes diplômés en IA afin de contribuer à ce mouvement. Les besoins sont massifs et il faut former davantage de nouveaux talents.
Dans ce marché mondial de l’IA qui pourrait redessiner les rapports de force économiques et géopolitiques, la France a vraiment une carte à jouer, car elle dispose de nombreux atouts en termes de formation de très haut niveau dans ces métiers et d’un écosystème de la tech de tout premier plan.
Pour conclure, quel est le message que vous souhaiteriez adresser aux jeunes X ?
A. E. : C’est une période passionnante pour de jeunes diplômés qui s’intéressent à l’IA ! Ils vont pouvoir contribuer à tous les chantiers majeurs de notre temps – je pense notamment à la transition écologique, qui devra s’appuyer sur l’IA. Aussi, la technologie et les enjeux évoluent tellement vite, je les encourage à rester toujours curieux, ouverts, à continuer à s’intéresser à toutes les nouvelles compétences qui vont s’avérer nécessaires ces prochaines années.
J. B. : Nous vivons une révolution dont l’ampleur est comparable à celle de l’émergence d’Internet ou du smartphone. C’est une période exaltante pour les ingénieurs, les chercheurs et toute la communauté scientifique. Simultanément, les défis à relever sont immenses. J’ai la conviction que les jeunes X ont de nombreux atouts entre les mains pour participer à cette révolution et la traduire en solutions au service du bien commun. Leurs choix d’orientation vont contribuer à façonner le monde de demain. S’ils ont vraiment le désir de comprendre la science et de comprendre la technologie – ce qui exige parfois quelques années d’études supplémentaires après l’X ! – tout en portant une vision humaniste, ils contribueront à ce que la France joue un rôle de premier plan dans cette nouvelle ère industrielle.