"Recherche fondamentale en IA : les obstacles à dépasser."

Bonjour je suis Caroline Goulard, j’ai créé deux entreprises dans le domaine de la visualisation de données, je travaille depuis plus de 10 ans à créer des ponts entre les humains et les données. On est ensemble pour un nouvel épisode de The Bridge, la plateforme de contenu d’Artefact, qui démocratise la culture des données et de l’intelligence artificielle. Aujourd’hui nous recevons Isabelle Ryl, Isabelle bonjour.

Bonjour Caroline. 

Alors Isabelle, qui êtes-vous, sur quoi travaillez- vous ?

Je suis professeure des universités en informatique. Mon domaine d’origine touchait plutôt à la sécurité, depuis une douzaine d’années, un peu plus j’ai rejoint l’Inria et depuis trois ans je dirige le centre parisien 3IA, qui a été créé dans le cadre de la Stratégie nationale et qui regroupe un grand nombre de chercheurs qui travaillent sur différentes technologies d’IA. 

Justement vous êtes bien placée pour nous en dire plus sur où on en est aujourd’hui des progrès de l’intelligence artificielle, qu’est-ce qui marche bien, qu’est-ce qui marche moins bien ?

Je pense qu’il n’aura échappé à personne qu’il y a eu beaucoup de progrès ces dernières années et beaucoup de projets également développés. Tout ça a commencé si on essaye de le dater un peu, en 2012 avec la démonstration par Geoffrey Hilton et son équipe, que les nouvelles technologies d’IA pouvaient apporter beaucoup à l’amélioration de la computer vision, ça a été le premier domaine qui a été vraiment transformé et de là tout a évolué et aujourd’hui il n’y a plus aucun domaine qui est vraiment en dehors de ça. Alors les grandes avancées qui sont les plus visibles pour chacun, c’est en général tout ce qui est autour de la vision artificielle donc les technologies de reconnaissance faciale ou autre, ou la traduction automatique, le traitement automatique des langues puisque chacun aujourd’hui l’utilise ou en tous les cas la plupart des gens, l’ont dans leur poche sur un smartphone. Donc c’est vraiment immédiatement intégré aux usages. A partir de là tous les autres domaines ont explosé, alors en santé beaucoup, là aussi à partir de l’imagerie, l’analyse, vous avez sûrement entendu parler des analyses de tumeurs dermatologiques qui sont faites automatiquement, mais ça peut aller beaucoup plus loin. Aujourd’hui on a des gens qui travaillent sur l’imagerie du cerveau pour prédire les maladies neurodégénératives, vous pouvez avoir des diagnostics prénataux pour les maladies rares donc le panel est très varié et ça ça touche toutes les disciplines, évidemment toutes celles qui manipulent de la donnée, on revient au sujet initial. Alors sur des sujets peut-être moins grand public, mais la logistique, aujourd’hui les trajectoires des camions, les taux de remplissage, tout ça tout ce qui avant était touché par l’optimisation, peut aujourd’hui bénéficier des avancées en IA donc les sujets sont vraiment multiples et tous les domaines un peu à la fois sont touchés. 

Où en sommes nous aujourd’hui des progrès en intelligence artificielle ?

En fait, c’est limité partout. D’abord ça reste un outil, il ne faut pas rêver à une technologie optimale qui ferait tout, ça reste un outil qui est appliqué à un domaine particulier pour lequel elle est conçue. Même dans chacun des domaines, il y a des limitations. Alors si on prend aujourd’hui le traitement automatique des langues que je vous ai cité, ça fonctionne très bien pour les langues qu’on appelle bien doté, c’est-à-dire les langues pour lesquelles le corpus d’entraînement est très important, donc l’anglais, l’espagnol, le français ça marche pas mal, c’est-à-dire les langues qui ont le plus de locuteurs, le plus de textes pour apprendre et ça marche très bien dans un contexte maîtrisé, c’est à dire lorsque la personne qui s’exprime par exemple, s’exprime sans bruit de fond, dans un langage classique on va dire, pas d’argot, pas d’accent, pas d’interférence. Toute interférence au modèle original pose des problèmes et en particulier tout ce qui est travail sur les langues très peu dotées c’est beaucoup plus compliqué. Je suis allée en vacances cet été en Croatie, la traduction automatique du croate marche beaucoup moins bien que celle de l’anglais, parce que c’est une langue qui est parlée par beaucoup moins de gens dans le monde donc moins étudiée. Donc il y a beaucoup de progrès à faire sur ces sujets là et c’est la même chose sur tous les autres domaines, en vision automatique il peut y avoir des choses qui fonctionnent très bien et d’un seul coup une image qui n’est pas reconnue vous ne savez pas pourquoi, il reste des pans à explorer. 

Quelles sont les prochaines étapes dans le développement de l’Intelligence Artificielle ? Quelles sont les prochaines évolutions majeures à venir ? 

Evidemment poursuivre la recherche, c’est très important, c’est ce qui va repousser les limites et explorer les prochaines étapes. Et il y a plusieurs axes pour ça, il y a tout ce qui est recherché dans la continuité, on continue jour après jour à faire progresser chacun des domaines, à réussir à travailler mieux sur les langues avec moins de données, mieux sur les images, mieux sur les mathématiques de l’optimisation donc on a un processus d’amélioration continue et on va à un moment donné, parce que c’est souvent le cas en recherche donc il n’y a pas de raison que ça n’arrive pas, arriver à une nouvelle rupture, c’est à dire une nouvelle technologie, une nouvelle forme d’algorithme, un nouveau modèle qui va faire le prochain saut en avant et donc on continue à avancer sans jamais arrêter un domaine. 

Quel est l’état des lieux des laboratoires de recherche en Europe ? Est ce que l’Europe peut encore jouer un rôle moteur dans la recherche en IA dans les années à venir ? 

L’Europe est très bien placée en termes de recherche et en termes de capital humain, c’est-à-dire que je parle de la recherche dans les laboratoires mais également des étudiants qui sont formés dans les écoles, les universités qui sont vraiment des étudiants brillants et bien formés et donc qui sont reconnus dans le monde entier comme étant des potentiels très importants. Il ne faut pas oublier que ça reste la matière première, l’une des matières premières de l’intelligence artificielle, donc bien évidemment on a besoin aujourd’hui de données, on a besoin de beaucoup de ressources de calcul mais on a aussi besoin de potentiels humains et là dessus l’Europe est vraiment très bien placée. 

Sur les autres pans qui touchent peut-être plus aux aspects économiques qu’aux aspects recherche c’est un peu plus difficile de se positionner puisqu’on a moins de données et peut-être moins de supercalculateurs que d’autres pays. En termes de recherche on reste très bien placé, l’Europe en général, la France en particulier et il y a une structuration en Europe qui est en train de se mettre en place donc il y a eu des plans dans différents pays. Alors même si les montants annoncés par les différents pays européens ne se comparent pas forcément aux plans annoncés par les États-Unis, la Chine, en termes de volume en euros ou en dollars, c’est pas la même chose, ça reste quand même très confortable pour développer la recherche et il y a aussi des initiatives européennes. Par exemple ELLIS qui est un réseau européen entre les universités, qui essaient de favoriser les échanges entre les différents institutions qui existent par ailleurs mais aussi pour permettre par exemple aux étudiants de bouger beaucoup et éviter éventuellement qu’ils aient envie d’aller faire leur expérience à l’étranger sur un autre continent, si on leur offre la possibilité de la faire dans un laboratoire attractif en Europe. 

Est-ce que nous avons en Europe des champions de l’IA capables de rivaliser avec les GAFAM ?

Pour les entreprises, parce qu’on s’est positionné moins tôt. C’est vrai que la collecte de données, on parle souvent des GAFAM ou des géants chinois, ils ont conquis les marchés depuis longtemps, ils ont commencé leur collecte de données, leur entraînement, le développement de leur modèle bien avant que l’Europe se pose la question de créer un géant européen. Et donc le retard est difficile à rattraper puisque vous avez un effet de boule de neige, quand vous développez une application de type réseau social si vous êtes le premier vous pouvez commencer petit, les utilisateurs y adhèrent un peu à la fois, vous profitez de cette adhésion pour collecter des données, améliorer vos services, acquérir plus d’usagers et cet effet boule de neige est difficile à rattraper pour un nouvel entrant. 

Pareil j’imagine sur computer vision, les Google Car qui prennent des vidéos des rues ça fait un corpus qui est difficile à reconstituer j’imagine pour un nouvel entrant. 

Oui, alors sur la vision il existe des jeux de données très intéressants, libres, utilisés par les chercheurs depuis longtemps qui permettent de comparer les algorithmes mais vraiment de se positionner en termes de résultats. Encore une fois si vous parlez d’un acteur qui voudrait créer une voiture autonome, c’est-à-dire l’industrialiser on n’est pas tout à fait sur la même sujet. 

Est-ce que la réglementation européenne comme le RGPD ou l’IA Act qui va bientôt sortir est un frein pour avoir des champions de l’IA en Europe ? 

Le RGPD lui-même je ne pense pas, ma conviction personnelle est que le RGPD est une très bonne chose et qu’il est important vraiment de commencer à protéger les usagers et de les éduquer parfois bien malgré eux à la protection de leur donner personnelle donc le RGPD est un règlement qui a mis un peu de temps à se mettre en place et qui maintenant je pense est relativement bien accepté et bien compris. Sur les volets qui arrivent de réglementation de l’IA, là c’est un petit peu plus difficile de se positionner d’abord parce que la discussion n’est pas terminée et les réglementations ne sont pas figées encore à ce stade donc on a encore un peu d’incertitude sur ce qui va en sortir et on a peut-être sur les côtés recherche innovation quelques inquiétudes qui sont apparues sur les freins qui pourraient être amenés par ces réglementations. 

Et encore une fois il y a une différence entre le monde de la recherche et les produits, si aujourd’hui on s’interdit par exemple la reconnaissance faciale ou la biométrie à large échelle dans les rues, je pense que c’est tout à fait en adéquation avec ce que les citoyens européens attendent. Ils n’ont pas envie d’être suivi, d’être espionné dans la rue et ça c’est bien donc on interdit l’utilisation des produits. Si on s’interdit de faire de la recherche sur la reconnaissance faciale et la biométrie, on ne maîtrisera pas ces technologies et surtout si d’autres le font, on ne peut pas aujourd’hui à mon sens estimer qu’on ne va pas utiliser la reconnaissance faciale au sens large et être capable de l’utiliser en cas d’enlèvement d’enfant puisqu’il faut bien qu’on la maîtrise la technologie pour l’utiliser. Donc il est nécessaire qu’à un moment donné on se positionne pour maîtriser les technologies et être capable au cas où, éventuellement même pour se défendre. Si l’Europe refuse ou si la France refuse de manipuler les informations, de faire des fake news, d’essayer de manipuler les élections de ces pays amis aux concurrents, le fait de ne pas savoir comment ça se fait ça va nous empêcher de nous protéger d’une éventuelle attaque. Si vous ne savez pas quelles sont les technologies disponibles, si vous ne maîtrisez pas vous ne pouvez pas les contrer donc je pense qu’il faut continuer à développer des technologies même si elles nous semblent dangereuses, évidemment dans un cadre très réglementé c’est à dire avec des commissions de déontologie, des accords, des surveillances. Aujourd’hui on s’autorise en biologie des recherches sur des virus très dangereux mais pas n’importe où, dans quelques endroits très précis, faits par des spécialistes dans des environnements clos et avec une réglementation. 

Comment les nouveaux progrès de l’IA vont changer l’écosystème des entreprises ? 

J’ai envie de dire tout forcément, il y a vraiment beaucoup d’usages qui peuvent être faits à tous les niveaux. Je pense qu’aujourd’hui la plupart des entreprises, alors je disais tout à l’heure, la médecine, la biologie, on voit des avancées très importantes, mais même au quotidien. Aujourd’hui il y a une startup qui doit pas être très très loin d’ici d’ailleurs qui propose pour les petites entreprises, start-up, PME une automatisation de la gestion des factures donc en allant trier les mails, chercher dans les répertoires adéquats, ça produit les factures, ça automatise la comptabilité. Ça peut vraiment prendre beaucoup de temps pour une petite entreprise même dont le cœur de métier serait complètement à côté de l’IA. Donc il y a en termes d’outils des avancées très importantes et ensuite sur les métiers, les métiers même, on voit une transformation dans tous les secteurs. Tous les secteurs qui possèdent beaucoup de données peuvent évidemment mieux anticiper, mieux comprendre, mieux se positionner, mieux prédire ce qui va se passer, ça peut être à la fois le comportement de leurs clients, les besoins de leurs clients mais aussi leur stock, comment mieux gérer un approvisionnement, comment anticiper une pénurie. Donc tout ce qui manipule la donnée peut éventuellement bénéficier d’IA, tout ce qui est optimisation que je mentionnais tout à l’heure et ensuite tout ce qui peut être apporté par la robotique, les possibilités sont infinies. Aujourd’hui les métiers très régulés comme la finance ou tout ce qui touche au droit sont également impactés par l’IA et par exemple un problème qui est important en France c’est la cohérence de la jurisprudence. Deux tribunaux, deux chambres peuvent avoir des opinions différentes. Aujourd’hui il y a un projet de recherche à l’INRIA qui s’intéresse à étudier la cohérence et à aider les différentes chambres à s’attaquer à ce problème. Donc on voit vraiment que tous les secteurs sont impactés. 

Quel est l’impact de l’IA sur les métiers et la façon dont on travaille dans les entreprises ?

Je ne suis pas la personne la mieux placée pour répondre à cette question puisque moi je suis côté recherche et donc je ne peux vous donner que les impressions que j’ai vis-à-vis de nos partenaires industriels ou des différentes interventions des étudiants dans les entreprises. Je pense que la première grosse révolution qui a été faite par les grandes entreprises et qui arrive maintenant un peu partout c’est vraiment d’organiser les données, beaucoup d’entreprises avaient des flots, des masses de données très importantes, parfois silotés dans des métiers, des business units différentes et sur des formats différents, on est vraiment dans la mécanique, dans la technique mais donc la première grande révolution je pense a été pour les entreprises de prendre conscience du potentiel de leur données et de réussir à se mettre dans un ordre de marche pour les exploiter correctement et là évidemment d’introduire une nouvelle organisation, des désilotages, des nouveaux métiers

qui vont arriver pour gérer ces masses de données. Et ensuite il y a une transformation de tous les métiers qui ne veut pas dire qu’il faut remplacer tous les métiers par des data owners, data producteurs, tout ce que vous voulez mais je pense vraiment bien intégrer cette dimension dans l’esprit de chacun des spécialistes métiers de l’entreprise et peut-être d’avoir des équipes qui peuvent intervenir à la demande des différents métiers pour intervenir.

Quelles compétences professionnelles sont désormais les plus valorisées pour pouvoir travailler sur des projets en Intelligence Artificielle ? 

Alors pour les métiers vraiment purement liés à l’IA, bien évidemment la grosse masse du peloton ce sont des gens qui sont informaticiens, mathématiciens, qui ont fait des mathématiques appliquées ou ce sont vraiment les spécialistes d’IA qui interviennent. Maintenant ce n’est pas la plus grosse population des métiers impactés par l’IA puisque je viens de dire qu’ils sont tous impactés et je pense que l’important aujourd’hui ça n’est pas de remplacer tous les gens par des spécialistes d’IA mais bien d’apporter cette petite compétence supplémentaire qui n’est pas anodine à tous les métiers en reformant ou en acculturant les gens qui sont en poste et également en introduisant plus en amont dans les cursus pour former les étudiants qui sortiront dans trois, quatre, cinq ans avec un master une sensibilisation à l’IA puisqu’ils auront besoin dans leur vie d’être confrontés soit à des métiers différents, donc de parler avec des gens spécialistes d’IA ou simplement à des outils. Si on revient par exemple à la médecine, aujourd’hui la plupart des radiologues dans leur future carrière seront certainement amenés un jour à être confrontés à un appareil, un logiciel sur l’ordinateur qui va leur proposer un diagnostic ou une aide au diagnostic. Il faut qu’ils soient formés à comprendre pourquoi ce diagnostic peut être fiable ou pas, on a vraiment une variation et un besoin de double compétences partout. 

Quel impact va avoir l’IA sur l’évolution des métiers dans les secteurs de l’information et des médias ? 

Je pense qu’il faut éviter de faire peur aux gens et éviter une psychose de l’IA qui va remplacer l’humain dans les métiers. Ce sera probablement vrai, il y a probablement des métiers qui vont disparaître et des tâches qui vont être effectuées par des robots ou des IA pourquoi pas, ça peut éventuellement être des tâches pénibles. On a beaucoup discuté par exemple avec un grand industriel australien qui a beaucoup de mines et qui a complètement automatisé ses mines avec des camions qui vont donc dans le désert chercher les minerais etc. 

Évidemment ça a remplacé les mineurs et les conducteurs de camions, maintenant conduire des camions dans le désert dans la poussière, dans le sable toute la journée c’est peut-être pas forcément le métier dont rêve tout le monde. Et en fait cette entreprise a fait sa transformation en garantissant à tous ses employés une reformation et que s’ils avaient un cursus complet avec un succès à la fin ils auraient un nouveau métier. Donc un conducteur de camions dans le désert aujourd’hui peut être amené à piloter les camions automatiques depuis son poste de contrôle en ville, rentrer plus souvent chez lui le soir etc. Donc il faut imaginer ça plutôt comme une transformation continue mais qui a été faite par le passé par d’autres technologies. Pour se préparer à ça il faut informer et pour éviter cette peur je pense qu’il est important déjà de désacraliser la chose et par exemple en Europe on se positionne beaucoup sur l’IA de confiance, qui n’est pas encore acquise mais sur laquelle on commence un peu à avancer, garantir un certain nombre de choses aux usagers pour qu’ils sachent que l’idée n’est pas de les remplacer ou de les manipuler, et puis les former et ça c’est vrai dans la poursuite de la révolution numérique. Aujourd’hui tout écolier a des bases de biologie, un peu de physique, un peu de chimie, il sait que l’eau chaude ça brûle, il sait que quand on lâche son verre il tombe, il casse, parce qu’il sait qu’il ya la pesanteur c’est qu’il faut pas forcément manger des bactéries ou de la moisissure. Mais ils ne sont pas éduqués à manipuler l’environnement informatique qui va représenter leur quotidien avec prudence, à savoir que lorsqu’on leur présente une image sur un téléphone dans leur application préférée ça peut être une image réelle, ça peut être une image retouchée parce que leur ami a voulu s’embellir, mettre un filtre, se maquiller ou ça peut être une image qui a été manipulée à des fins néfastes. Donc il faut que les gens apprennent à avoir le recul nécessaire pour garder un esprit critique vis-à-vis de ce qui leur est proposé et aussi avoir les réflexes minimaux de prudence quand ils s’exposent personnellement à des outils informatiques, les outils de prudence sur leurs données, numéro de carte bancaire et autres mais aussi les informations personnelles qu’ils diffusent sur la place publique. Aujourd’hui le réseau social c’est la place publique et donc ça doit être inculqué un peu à la fois à tout le monde. 

Et c’est le cas aujourd’hui ? 

Pas tout à fait. On commence à avoir des des options sur le numérique en collège et en lycée mais je pense qu’il faudra aller plus loin et vraiment, on parle pas de former les spécialistes, vraiment avoir quelques heures de sensibilisation dès les plus jeunes puisqu’on voit aujourd’hui que l’âge d’exposition à tous ces outils, à tous ces médias recule ou avance plutôt, c’est de plus en plus jeune, et que évidemment plus les enfants ou les adolescents sont exposés tôt moins ils sont armés pour critiquer ce qu’ils font. Il faudrait vraiment penser à inculquer ça très jeune. 

Comment va évoluer l’IA dans les prochaines années ? Quels sont les prochains sujets qui vont arriver sur le devant de la scène ?

C’est très difficile à dire, c’est très difficile de faire de la prospective. Je pense déjà que le mainstream comme je l’ai dit va continuer, on va progresser. Il y a vraiment plusieurs axes d’amélioration, tout ce qui est progression continue de ce qui existe déjà, donc toujours de meilleures images, plus de langues, plus de progrès dans la médecine, etc et puis il y a plusieurs autres pistes. Il y a beaucoup aujourd’hui de chercheurs qui travaillent sur améliorer vraiment les techniques au sens toutes les techniques qu’il y a derrière ces applications, pour aller vers moins de données, moins de consommation énergétique, moins de calculateur pour progresser dans ces aspects là. Pourquoi, et bien parce que on ne peut pas continuer cette collecte à l’infini et donc ils essaient de minimiser plusieurs volets et en particulier même aujourd’hui avec les techniques qu’on connaît on oublie souvent que ces données, la plupart de ces applications qui marchent bien, marchent sur de l’apprentissage supervisé c’est-à-dire par rapport à des données qui ont été annotées à la main et on parle pas de deux trois images, on parle de base de millions et de millions d’images. C’est à dire que cette intelligence qu’on appelle artificielle se base sur beaucoup de tâches bêtes qu’on confie à des humains qui consistent à détourer des objets sur des images à la main et leur mettre une petite étiquette, c’est à dire écrire de quoi il s’agit. Ce sont des tâches qu’on voudrait supprimer pour gagner du temps et gagner de l’efficacité et on pourrait avec ça revenir sur justement des positions plus faciles pour ceux qui ont collecté moins de données à l’origine donc il y a toutes ces améliorations là. Et puis il y a aussi des gens qui travaillent sur vraiment comprendre, puis qu’aujourd’hui on entend souvent qu’on ne comprend pas bien pourquoi ça fonctionne sur les gros modèles, sur le Deep learning, sur toutes ces avancées majeures qu’on a vu ces dernières années, les chercheurs qui travaillent vraiment sur les mathématiques, la compréhension du phénomène sont un peu en retard par rapport à l’aspect pratique de la chose mais commencent à progresser. Et donc c’est en progressant sur ce volet là qu’on va réussir à aller vers une IA de confiance puisqu’on va maîtriser son fonctionnement et qu’on va comprendre ce qui se passe et donc on pourra la déployer dans des secteurs où aujourd’hui on hésite par inquiétude et par problèmes sur la statistique, on va pouvoir comprendre mieux ce qu’on fait et ouvrir de nouveaux domaines d’applications. 

Ça veut dire qu’aujourd’hui on ne comprend pas très bien ce qu’on fait ? 

On comprend dans une certaine mesure et on oublie souvent, c’est aussi un pan qui devrait être plus précisé enfin plus inscrit dans les mœurs de tout le monde, c’est que ce sont des outils statistiques. Le concept d’un outil statistique c’est qu’il n’a pas 100% de résultats corrects et la sensibilisation la statistique c’est aussi quelque chose qui manque à mon sens dans l’éducation, alors européenne je ne sais pas mais au moins française, on n’est pas habitué quand on vous dit que quelque chose fonctionne à 95% à dire “ok ça marche” et donc vous pouvez être surpris quand vous tombez sur l’un des cinq pour cent dans lesquels ça ne fonctionne pas. On a vu ça par exemple au moment de la crise Covid, rien à voir avec l’IA, mais dans toute la presse on annonçait des résultats ou des des fonctionnements ou des risques avec un certain pourcentage que les gens ne lisaient pas forcément correctement. On a cette problématique là dans l’IA donc on essaie d’améliorer quotidiennement le pourcentage de succès des algorithmes et aussi la fiabilité de la marge d’erreur qui est donnée mais ça mérite encore d’être amélioré. Et quand vous dites on ne comprend pas toujours ce qu’on fait, non c’est vrai il y a des modèles qui fonctionnent avec parfois de la surprise pour le chercheur qui l’a créé donc il étudie a postériori pourquoi ça marche mais on demande aujourd’hui à l’IA beaucoup de choses et beaucoup de choses qu’on ne demande pas aux autres domaines. Quand vous prenez un médicament aujourd’hui il a été testé, il a été étudié sur des groupes de population, des cohortes avec un système très réglementé, des essais cliniques etc, avec des phases successives et vous n’êtes jamais assuré que le médicament fonctionne à 100% sur l’ensemble de la population parce qu’il a été étudié sur des échantillons statistiques de population, de représentation en fonction des âges, des pathologies je dépasse largement mes compétences, mais c’est un processus qui est très maîtrisé. Et donc vous le prenez avec une certaine confiance parce qu’il a été prouvé que ça fonctionne. Il faut qu’on arrive à mettre en place de telles processus pour l’IA et d’ailleurs le numérique en général c’est à dire d’arriver à un cahier des charges de test, puisque tant que ça reste sur des domaines statistiques on ne pourra pas assurer 100% de réussite mais il faut qu’on puisse mesurer à quel point c’est raisonnable d’accepter un algorithme pour un problème donné à un instant donné.

Pour approfondir ses connaissances en Data & IA, un livre, un article, une vidéo, un site à nous recommander ? 

Il y a énormément de données disponibles en ligne, la plupart sont très intéressantes je pense qu’il faut revenir toujours à mon fondamental, il faut regarder toutes les informations disponibles avec un esprit critique et en regardant qu’elle en est l’auteur, l’auteur parce que les gens ont des points de vue différents et des centres d’intérêts différents. Alors si vous me demandez quelles sont mes deux lectures du moment que je recommanderais, il y en a toujours deux parce que j’ai des difficultés à en choisir un. Il y a le livre de Yann LeCun qui est quand même l’un des pères fondateurs de l’IA et qui peut être lu par tout le monde parce qu’il raconte toute l’histoire de l’IA, l’état des lieux et même s’il y a des petites incursions sur des domaines un peu plus mathématiques, le livre est conçu de manière à ce que vous puissiez les passer et éventuellement y revenir plus tard et un deuxième livre de quelqu’un qu’Artefact connaît bien qui est Damien Gromier, qui lui a plus visité l’écosystème français qui est lié à l’IA, et a interrogé un certain nombre de start-upers, de grands groupes, vraiment tout l’écosystème pour voir leur positionnement sur les différents domaines. Donc ça fait deux lectures très complémentaires. 

Parfait, merci beaucoup. 

Merci à vous. 

On se retrouve très bientôt pour un nouvel épisode de The Bridge.