La voix du mois : David Dutour, un expert de l’IA au service des entreprises.
Bienvenue dans la série « La voix du mois » dans laquelle nous mettons en lumière les expériences et les points de vue de leaders de la tech et de l’immobilier commercial. Aujourd’hui, nous partons à la rencontre de David Dutour, fondateur et CEO chez ENNO AI. Avec 25 ans d’expérience dans la Tech, David Dutour nous propose de mettre en lumière sa vision sur l’IA et son histoire. Dans cette interview, nous allons nous plonger dans son parcours, son expérience, ainsi que dans ses réflexions sur le passé et le futur de la technologie. Sans plus attendre, découvrez notre interview de David Dutour, la voix du mois.
Pouvez-vous vous présenter rapidement ?
Je m’appelle David Dutour, je suis ingénieur IA de formation. J’ai eu mon diplôme en 96, donc j’ai pu suivre tous les hivers et étés de l’Intelligence artificielle.
Quand je suis sorti de l’école, on était justement en plein hiver de l’IA. En 2018, j’ai suivi un executive MBA pour revenir à mes premiers amours : l’IA et l’entrepreneuriat.
Ma carrière a été divisée en 3 parties :
10 ans de consulting sur les sujets IT
10/15 ans en tant que directeur de projet dans un grand laboratoire pharmaceutique
Dans la continuité du MBA,j’ai enseigné la stratégie prospective à l’emLyon et j’ai créé ma société Enno AI en parallèle.
C’est vrai que j’ai un profil très tech pour un dirigeant. C’est d’ailleurs presque un frein, car j’adore coder et développer et j’ai de moins en moins de temps pour le faire. Donc en cachette je teste et prototype des techs avancées pour évaluer les difficultés et les potentiels de mise en œuvre. J’ai en quelque sorte une double vie : dirigeant le jour, codeur d’IA la nuit. Mais ça, ça reste entre nous (rires)
Quel est votre métier et en quoi consiste-il ?
Concrètement, mon rôle au quotidien consiste à comprendre les motivations de mes équipes, et d’utiliser cette énergie au service de la stratégie mise en œuvre par la société.
Je pars du principe que le rôle important d’un dirigeant est de comprendre les équipes et de les faire tourner de sorte qu’elles prennent du plaisir à faire ce qu’elles font au service de la direction stratégique souhaitée.
Président, CEO, Dirigeant… Ce sont de grands termes finalement assez fourre-tout lorsqu’on est en startup… On est tous CEO de notre propre vie. Il y a un aspect de Leadership important : notre rôle est fédérateur et consiste à rassembler dans une vision, à partager sa vision. Il y a aussi un aspect de Veille : une autre part de mon métier est d’anticiper l’avenir et de voir comment on peut identifier et répondre à des besoins, rapidement et directement.
C’est un des métiers les plus difficiles à mon sens, car il faut être à la fois assez générique pour s’adresser à tous et être assez spécifique, car on a en face d’autres dirigeants, avec d’autres problèmes qu’il faut comprendre. Mes années de conseil me sont bien utiles ! (rires)
Pouvez-vous nous en dire plus sur Enno AI?
Enno AI est une entreprise de conseil et développement de technologies basées sur l’Intelligence Artificielle. C’est une entreprise créée depuis 2 ans officiellement, mais en gestation depuis plus d’années que cela. Moi-même je suis labellisée Expert data / IA par la BPI.
Enno AI est une société labellisée Crédit Impôt Innovation. Nous avons aussi le support de la Région pour tous les programmes Industrie du Futur pour les PME et ETI de la Région qui souhaitent s’investir dans des tech 4.0. Nous pouvons leur permettre de bénéficier de subventions pour réaliser des prototypes et démarrer des projets d’industrie du futur.
Comment Enno AI pourrait-elle accompagner des acteurs du retails (centres commerciaux, enseignes…) ?
Notre objectif est d’apporter une réflexion prospective et d’être certains que ce soit réalisable. Nous avons accompagné de nombreux acteurs : des entreprises de marketing, des boîtes e-commerce, des industriels…
Nous travaillons à travers deux axes :
Le diagnostic : nous mettons en place une phase de conseil, de réflexion, pour cartographier la data/l’IA, pour comprendre comment créer de la valeur en utilisant des technologies innovantes…
La mise en œuvre : Nous accompagnons nos clients dans la pratique, et pas que dans la théorie. Dans le cadre de projets industriels, nous traitons essentiellement sur les données des entreprises qui sont sous-valorisées : avons mis en place des agents de récoltes des données, d’analyses, de l’analyse du langage (Large Langage Model), de la segmentation automatique pour identifier des incohérences dans la donnée des entreprises ou pour optimiser des process.
Tout cela, en étant attentif sur l’autonomie technologique de nos clients. Nous avons toujours en tête la pérennité technologique et évitons les dépendances avec les acteurs internationaux dominants. Cela évitée les adhérences avec des technos propriétaire. Imaginez : vous créez de la valeur avec un outil, mais le moteur ne vous appartient pas. Donc, nous tentons toujours de mettre en place des solutions pouvant être maîtrisées localement.
Ce qui nous différencie est notre méthode de crash test. Souvent, quand on lance un projet, on a besoin de savoir si cela va marcher, sinon l’ensemble des acteurs s’essouffle. Chez Enno AI, nous nous donnons donc 3 mois pour sortir un premier prototype et viser un premier succès. Et ensuite on itère. Sur un an, 4 succès c’est plutôt bien !
L’avantage de cette approche est que cela nous permet d’économiser, de garder l’attention de toutes les équipes (cliente et interne) et de valoriser le projet pour tout le monde.
Qu’est-ce qu’un « succès » en IA ?
Le succès, c’est la satisfaction des utilisateurs. Mon objectif c’est de répondre à la question suivante : « Est-ce que cela rend service à l’entreprise ? »
La mesure de satisfaction déclarative ne reflète pas toujours à la réalité. La vraie mesure est la fréquence d’usage ou mieux : est-ce que le processus de l’entreprise s’est enrichi par l’adoption naturelle de l’outil ?
Par exemple, il y a quelque temps, une modification interne du système informatique de l’un de nos clients a rendu muet l’un de nos robots. Dès le lendemain, notre client nous appelait, étonné que son bot ne lui ait pas remonté des incohérences de fabrication. Cela montrait que l’outil possède une forte adoption dans ces processus de son activité. Je vous rassure, le problème a été réglé avant même que le client nous appelle. (rires)
De la même manière, ChatGPT est un succès, car c’est un outil utilisé et adopté quotidiennement par une grande partie de la population (143 millions d’utilisateurs actifs par mois) !
Quel est ton sentiment sur le marché de la tech ?
Je pense qu’on vit une période fantastique de bouleversements géopolitiques et sociologiques. La tech est un accélérateur de ce bouleversement.
Il y a des technologies comme l’informatique quantique qui vont révolutionner beaucoup de choses – et qui avancent très rapidement. On a tendance à imaginer le progrès de manière linéaire, mais la progression technologique est exponentielle !
En parallèle à l’échelle de l’innovation, les modèles de langage naturel comme ChatGPT utilisent des technologies mises au point il y a plus de 5 ans. Les premiers modèles (LSTM) sont sortis il y a plus de 20 ans. Les travaux sont très vieux à l’échelle de la tech. Un des algorithmes utilisés dans l’analyse du langage date de 1950 !
Pour donner une idée, en 1954 on voyait naître de premières théories de traduction automatique (traduction du russe vers l’anglais).
On commence aujourd’hui à arriver à maturité sur ce marché, et à en voir les applications concrètes. Il y a encore beaucoup de mystification sur les possibilités en entreprise, surtout avec les AI génératives : l’imagination va plus vite que la technologie… et c’est temps mieux !
Aujourd’hui, la technologie change la société, et c’est normal. C’est comme ça que cela fonctionne, cela fait évoluer les métiers. Le maréchal-ferrant n’avait plus de travail quand le vélo est arrivé. Mais il peut se mettre à vendre des vélos, s’ils considéraient que leur métier était d’aider les gens à se déplacer!
Je pense que la technologie est un super outil pour rendre service, pour gagner du temps, de la productivité, pour faciliter le travail et se concentrer sur des choses à valeur ajoutée. Je pense qu’elle a un gros impact sur l’évolution des modes de travail : avant on était payé à l’heure pour classer des données ou réaliser des tâches, aujourd’hui l’IA peut le faire en quelques secondes pour nous. Cela rejoint les enjeux de la robotisation, les machines fournissent pour nous, le modèle de rétribution du travail va complètement changer. Une grande partie des évolutions sociales impactées par l’IA ont été abordées par Isaac Asimov dès les années 50 (lisez le « Cycle des robots » et le reste !).
Quelle est ta vision sur l’IA ? On entend beaucoup parler de « Chat GPT », de « Low Tech », on voit aussi pleins de startups d’ « IA » se développer, des nouveaux postes types « prompt engineer » : que penses-tu de tout cela ?
Tout le monde met n’importe quoi dans ce terme de « Low Tech ». Pour moi la Low Tech, c’est de la technologie raisonnée : ça ne sert à rien de faire quelque chose de compliqué si une ficelle suffit. Je trouve cela très élégant, car on revient à la base : cela ne sert à rien de lancer un moteur d’IA avec une grosse puissance de calcul si on peut obtenir le même résultat avec une calculette ou du bon sens.
En se posant avant d’agir, parfois on obtient des résultats surprenants. Par exemple, l’usage de miroirs agencés pour l’éclairage, les transistors en bois. Tout ne peut être résolu avec la Low Tech, mais se poser la question des différents chemins pour aboutir et toujours enrichissant.
Chez Enno.Ai, à moins d’être contrait, nous développons des modèles d’IA pour qu’ils puissent être exécuté sur des « petits serveurs standards ». La débauche de puissance m’exaspère. Je loue les avancées telles que « llama.cpp » qui ont démontré qu’on pouvait utiliser des modèles IA dans des conditions acceptables avec des ressources accessible à tous.
À propos de l’IA, c’est comme tous les effets de mode : beaucoup de startups disent faire de l’IA. Avec la quantité d’argent disponible, beaucoup utilisent des subventions pour tester des projets. C’est vrai qu’au bout de 3 mois de formations, certains se considèrent comme expert IA. Pourtant, il y a un paradoxe : moins on en sait, plus on croit savoir. C’est l’effet de surconfiance (Dunning-Kruger). Les experts sérieux restent pragmatiques : plus ils apprennent, plus ils ont de choses à découvrir !
Heureusement qu’il existe des communautés extraordinaires et brillantes liées à l’IA composée de personnes très intelligentes sur le sujet. Mais comme dans tout sujet, il y a aussi des personnes qui n’apportent pas plus de valeurs que la réplication qu’un tutoriel ou qu’une réponse de ChatGPT. C’est d’ailleurs l’un des pièges de l’IA : il y a une grande différence entre un Tuto et son adaptation à un contexte différent. Par exemple chez Enno.Ai, nous spécialisons des modèles de langages légers pour qu’ils soient pertinents sur des sujets de nos clients (réponses aux questions sur la maintenance du parc industriel, chabots intelligents qui remplacent les FAQ d’un site dédié, etc…)
À propos du métier de prompt engineer : je trouve que c’est un autre mot pour dire « rédacteur orienté ».
Certain disent que le nouveau langage de programmation ne sera pas plus le Python, le C++ ou le Rust, … mais l’anglais ! (rire)
Demain nous n’aurons moins besoin de coder. En posant sa problématique en anglais à ChatGPT ou équivalent, on pourra avoir un code – à débugger et adapter – qui sera les prémices d’un squelette. Pour moi prompt engineer est un faux terme, c’est juste une façon de dire que quelqu’un est astucieux pour poser le problème.
Il y a un engouement autour des modèles de langages, c’est nouveau. C’est sorti dans le grand public il y a quelques mois.
Quand je vois qu’un enfant de 12 ans est capable d’être « prompt engineer » pour sa dissertation d’histoire, je me dis que ce n’est pas métier. Par contre, être un bon rédacteur et comprendre comment trouver les meilleurs termes, ça, c’est un vrai métier, surtout en ce qui concerne les IA génératrices d’images. Sur ce sujet, il y a bien plus de subtilités à prendre en compte (coefficients, prompts négatifs, etc.) pour créer les images orientées.
Cependant au global, je dirais que « prompt engineer » est un métier passager, car déjà certaines des IA traduisent le problème pour toi : « Hop ! Un gribouillis … Hop ! Le proto du site web ! »
Le temps que les formations pour ce métier arrivent, on sera tous prompt engineer.
Est-ce que tu peux nous parler des grandes étapes d’ENNO AI ?
Il n’y avait pas d’étapes claires, c’était une progression par itérations, car on ne progresse que quand on est confronté aux autres, à la réalité. Typiquement, le schéma classique est le suivant : on a une idée, pas forcément partagée. Le scénario d’exécution pas forcément adapté. L’objectif de l’entrepreneur est de faire matcher les idées, les moyens du moment avec la réalité du terrain.
J’ai appris par la pratique qu’il ne suffisait pas d’avoir une bonne idée, mais qu’il fallait surtout un bon plan d’exécution. Des bonnes idées : tout le monde en a, mais peu arrivent à les mettre en place de manière smart.
Comme exemple, on pourrait citer Steve Jobs avec l’iPod : ils n’ont rien inventé, mais la réalisation est exceptionnelle. Ils ont fait pareil ensuite pour l’iPhone.
Avant, Nokia était le leader des smartphones. Apple était parti d’un constat : le problème présent sur l’écosystème Mac.. Il s’agissait de très belles machines, mais avec un faible taux d’adoption, lié en partie au manque de logiciels. En 2007, ils ont donc décidé de faciliter la création d’une communauté de développeur autour de l’iPhone, pour apporter du contenu. Pour les iPhones, c’est devenu les « applications » et l’ensemble de l’écosystème des développeurs de l’AppStore, et c’est ce qui a largement participé à son succès et qui était le slogan déposé par Apple en 2010 : « Il y a une app pour ça ! »
On en entend souvent parler alors voici la fameuse question : Est-ce que l’IA peut être autonome ?
Mettons les choses au clair : l’Intelligence artificielle est une super calculatrice. Après, la question est de savoir si je préfère faire mon calcul à la main ou utiliser le résultat pour prendre la bonne décision. L’IA est un super outil, mais la décision doit toujours rester humaine. Et cela fait assez longtemps que j’en fais pour vous le confirmer ! En résumé, il ne faut pas donner d’autonomie, sans validation humaine de la décision d’action dans le monde réel.
Si l’on étudie plus en profondeur le sujet, l’IA a des difficultés pour prendre des décisions cohérentes, car elle manque de données : elle ne prend pas en compte les signaux faibles, alors que le cerveau humain a une capacité extraordinaire à identifier l’inintelligible – ce qu’on ne perçoit pas concrètement et consciemment. Pour le moment, une IA n’arrive pas encore à mélanger les éléments comme un humain en utilisant les modèles non déterministes.
Par exemple, ChatGPT a lu l’équivalent d’une rangée de bouquins de la terre à la lune, pourtant il passe à côté de la majorité des signaux faibles. Par contre, il sera meilleur que nous tous pour compléter une phrase en fonction de ce qu’il a déjà lu.
Si l’on parle de consommation électrique et d’impact carbone, c’est aussi une autre histoire ! Un cerveau humain à pleine intensité consomme moins qu’une ampoule électrique !
La maintenance de ChatGPT coûte 700 000 $/jour alors qu’un humain n’a besoin que 3 repas : matin, midi et soir.
Pour moi l’IA va remplacer des tâches répétitives. Moi-même j’utilise ChatGPT ou d’autres fait maison pour ma réflexion et pour gagner en productivité. On a tous à gagner en utilisant ces technos, même les étudiants. Cela va changer totalement l’enseignement. Maintenant que l’on peut accéder rapidement aux informations et même en générer automatiquement, le rôle principal des prof. est de développer la capacité d’analyse et l’esprit critique. Ce qui est magique avec le savoir, c’est que la combinaison intelligente du savoir crée du nouveau savoir. La création ex nihilo est encore un domaine réservé aux humains.
Quel est ton sentiment sur la gouvernance de la donnée ?
Pour moi le sujet de la gouvernance de la donnée est particulièrement complexe. Je vais parler de la gouvernance des données au sens propres pour les IA. Il y a en fait deux sujets : l‘apprentissage et l’inférence (son usage).
Les techniques utilisées nécessitent une quantité faramineuse de données d’apprentissage. C’est une grande responsabilité. Les contenus disponibles et sélectionnés peuvent être biaisés sans attention particulière. Partager au monde les données d’entraînement est important et même essentiel ! Aujourd’hui, il y a peu d’informations disponibles et les informations manquent d’équité et d’équilibre. Par exemple, les contenus féminins sont sous-représentés, de même que la présence féminine qui apporte une vision complémentaire aux « moustachus » qui sont largement majoritaires dans le domaine de l’IA. Il faut aussi beaucoup plus de développeuses, car je trouve anormal le fait que vouloir développer des IA sensées représenter l’humanité qu’avec une majorité de développeurs masculins. Cela génère de nombreux biais.
Typiquement, même « Open AI » qui se définissait comme étant ouverte, ferme de plus en plus ses modèles. En parallèle, heureusement, de nombreuses initiatives ouvrent les leurs. Il faut plus de littérature ouverte sur le sujet pour permettre l’avancée.
Après, comme toutes les technologies, le négatif vient de l’usage que l’on décide d’en faire. Cela a été le cas pour le nucléaire comme pour Facebook. Pareil, à l’origine la TNT permettait de déplacer les montagnes, on en a fait des bombes. Si l’on y pense, ce qui fais qu’une voiture ou qu’une fourchette est dangereux entre de mauvaises mains, c’est l’usage qu’on en fait. À mon sens, c’est pour cela que les états ne doivent pas dicter comment faire, car cela limite l’innovation, mais définir le cadre légal d’usage.
Un dernier conseil pour les acteurs qui veulent intégrer de l’IA ?
Il faut s’entourer de personnes raisonnables. Entre la mode et toutes les promesses qui ne seront pas tenables, il faut garder la tête froide. Certaines choses ne peuvent pas être faites, d’autres peuvent l’être. C’est pour cela que chez Enno AI, nous pensions que pour commencer un projet d’IA : il faut le faire en 3 mois. Sinon cela risque de coûter cher en argent, en temps et en énergie.
Ce premier test de 3 mois n’est évidemment pas la totalité de l’expérimentation, mais une première étape. Ensuite, il faut entrer dans un processus itératif et prototyper.
Après, un prototype en 3 mois fixe les choses et permet d’avoir des résultats. Ensuite, on itère.
Voici un exemple : Il est assez facile de créer un chatbot générique : Chat GPT est un chatbot générique. En revanche, créer un chatbot pour un domaine spécialisé nécessite plus de ressources et des données qualifiées. Cela peut se faire en 3 mois, mais il faut avoir les données pertinentes. Il faut s’entourer en interne et en externe. Il ne faut pas se laisser séduire par la mode, il faut challenger, être raisonnable et y aller par étape. Un succès tous les 3 mois, ça fait quand même 4 succès par an !
MINIBIO
Professeur en Stratégie Prospective à l’emLyon et Ingénieur Expert Data/IA reconnu par la BPI, David Dutour accompagne les entreprises dans la valorisation de leurs données. Sa carrière de Consultant IT et Directeur de projets, lui permet d’embrasser les réalités des projets technologiques.
Il fonde Enno.Ai pour démocratiser l’accès aux solutions d’Intelligence Artificielle pour les TPE et PME afin de favoriser l’indépendance technologique vis-à-vis des acteurs internationaux dominants.
Enno.Ai est une société membre de la French Tech et labellisée Programme Industrie du Futur de l’ENE, spécialisé dans la conception et la réalisation des projets Data/IA.
