WEBVTT

00:00:02.240 --> 00:00:05.077
Bonsoir à tous.

00:00:05.160 --> 00:00:09.237
Cher Yan Lequin, chers Éric Azan, chers

00:00:09.320 --> 00:00:13.997
étudiantes, chers étudiants, mesdames,
messieurs, un grand merci à tous d'être

00:00:14.080 --> 00:00:16.237
ici ce soir et puis tout spécialement à

00:00:16.320 --> 00:00:19.277
Yan Lequin d'avoir accepté de

00:00:19.360 --> 00:00:23.877
faire notre première grande conférence

00:00:23.960 --> 00:00:26.917
de l'année universitaire 2026-2027 en

00:00:27.000 --> 00:00:30.757
cette rentrée. Une fois de plus, les

00:00:30.840 --> 00:00:34.917
places sont parties très vite et je
crois que c'est le témoignage de la soif

00:00:35.000 --> 00:00:37.357
qu'on nos étudiants d'être au contact de

00:00:37.440 --> 00:00:41.957
ceux qui agissent dans les domaines qui

00:00:42.040 --> 00:00:45.277
vont structurer leur vie future et à

00:00:45.360 --> 00:00:48.077
vrai dire structure déjà leur vie et en

00:00:48.160 --> 00:00:52.477
partie leurs études. C'est le témoignage,
je crois, de leur curiosité

00:00:52.560 --> 00:00:57.597
et puis je pense qu'on verra dans un
instant aussi de leur très grand talent.

00:00:57.680 --> 00:00:58.957
Alors, cette toute première grande

00:00:59.040 --> 00:01:02.197
conférence de l'année universitaire

00:01:02.280 --> 00:01:06.717
amène à Sciencepo un jeune entrepreneur

00:01:06.800 --> 00:01:09.837
car l'entrepreneuriat est une aventure
dans laquelle vous vous êtes engagé cher

00:01:09.920 --> 00:01:11.917
Ivan Lequin il y a un peu moins d'un an

00:01:12.000 --> 00:01:15.117
maintenant en lançant l'ami ami pour

00:01:15.200 --> 00:01:19.637
Advanced Machine Intelligence. Dans ces
nouveaux habits d'entrepreneurs, vous

00:01:19.720 --> 00:01:24.437
déployez en réalité une expertise
développée au fil des années qui est

00:01:24.520 --> 00:01:29.437
unique au monde, construite pendant près
de 40 ans d'une carrière éblouissante.

00:01:29.520 --> 00:01:31.437
Je crois que le mot peut-être utilisé,

00:01:31.520 --> 00:01:34.357
toujours consacré au même objectif.

00:01:34.440 --> 00:01:36.557
Repousser sans cesse les limites de la

00:01:36.640 --> 00:01:41.797
connaissance et du progrès technique
et mettre ce progrès au service de

00:01:41.880 --> 00:01:45.437
l'humanité. à regarder un
peu votre biographie, on

00:01:45.520 --> 00:01:48.197
se dit que vous avez mené en réalité

00:01:48.280 --> 00:01:53.077
plusieurs vies. Une vie de scientifique
et de chercheur parmi les plus brillants

00:01:53.160 --> 00:01:55.157
de sa génération dont les travaux ont

00:01:55.240 --> 00:02:00.117
été salués au niveau international
notamment par un prix Turing.

00:02:00.200 --> 00:02:03.957
Une vie de pionniers également, une vie
d'inventeur qui a officié au sein des

00:02:04.040 --> 00:02:07.717
plus grands groupes mondiaux pour
déployer des technologies de pointe. Et

00:02:07.800 --> 00:02:10.717
puis une vie de professeurs et
d'intellectuels également qui n'hésitent

00:02:10.800 --> 00:02:13.157
jamais à prendre publiquement la parole.

00:02:13.240 --> 00:02:16.157
sur des domaines de connaissances si

00:02:16.240 --> 00:02:20.397
particuliers dans lesquels vous êtes
encore une fois une des grandes somités

00:02:20.480 --> 00:02:23.757
mondial et une parole
aussi je dois le dire qui

00:02:23.840 --> 00:02:25.677
se caractérise toujours par sa liberté

00:02:25.760 --> 00:02:29.077
et son indépendance. Bref, vous associez

00:02:29.160 --> 00:02:31.477
l'excellence et la liberté et ceux

00:02:31.560 --> 00:02:36.477
étudiants qui m'ont déjà entendu parler
savent que ces deux concepts me sont

00:02:36.560 --> 00:02:40.677
chers et caractérisent de mon point de
vue l'esprit de ce que nous aimons faire

00:02:40.760 --> 00:02:45.117
ici à Sciencep. Et puis vous
structurez également votre

00:02:45.200 --> 00:02:48.237
vie entre deux continents, entre
l'Europe et les États-Unis, avec le

00:02:48.320 --> 00:02:52.957
choix de donner à votre entreprise des
attache à la fois à Paris et à New York,

00:02:53.040 --> 00:02:54.877
mais aussi à Montréal et à Singapour. Et

00:02:54.960 --> 00:02:56.597
là aussi, j'ai envie de dire comme

00:02:56.680 --> 00:03:00.197
science P, vous avez un pied ici bien

00:03:00.280 --> 00:03:04.797
enraciné en France, mais la tête,
les bras et dans notre cas nos étudiants

00:03:04.880 --> 00:03:08.757
partout dans le monde.
Ces considérations géographiques ne sont

00:03:08.840 --> 00:03:10.637
évidemment pas neutres et expriment, il

00:03:10.720 --> 00:03:13.437
me semble, dite, prononcé ici depuis

00:03:13.520 --> 00:03:15.877
l'Europe, une interrogation qui est à la

00:03:15.960 --> 00:03:18.557
fois un espoir, mais aussi parfois un

00:03:18.640 --> 00:03:23.237
sujet d'angoisse.
Quelle est en effet la place pour

00:03:23.320 --> 00:03:27.477
l'Europe dans un monde de l'IA qui
ressemble de plus en plus à une sorte de

00:03:27.560 --> 00:03:30.997
grand jeu comme les diplomates du
19e siècle appelaient les rivalités

00:03:31.080 --> 00:03:33.597
coloniales entre le Royaume-Uni et la

00:03:33.680 --> 00:03:35.237
Russie.

00:03:35.320 --> 00:03:39.397
Quel est aussi si la Chine et les les

00:03:39.480 --> 00:03:42.477
États-Unis devaient dominer seul le

00:03:42.560 --> 00:03:46.597
monde le de l'IA, la place de
notre continent? Si ces seules deux

00:03:46.680 --> 00:03:51.277
puissances s'imposent, comment éviter le
piège de Tucidide numérique d'une course

00:03:51.360 --> 00:03:56.517
à l'arsenalisation de l'IA et à son
usage à des fins destructrices? Car il

00:03:56.600 --> 00:03:59.797
y a évidemment une autre question qui
a beaucoup occupé le débat public ces

00:03:59.880 --> 00:04:03.357
derniers temps et je suppose qu'on en
parlera ce soir. Ce sont les enjeux de

00:04:03.440 --> 00:04:07.797
sécurité que pose le
développement exponentiel de l'IA.

00:04:07.880 --> 00:04:09.837
Vous avez souvent affiché un certain

00:04:09.920 --> 00:04:12.877
scepticisme face au discours annonçant

00:04:12.960 --> 00:04:17.517
un risque existentiel de l'intelligence
artificielle pour l'humanité. Est-ce que

00:04:17.600 --> 00:04:21.197
c'est toujours votre conviction
aujourd'hui? Nous en parlerons. Alors

00:04:21.280 --> 00:04:24.837
que les investissements dans ce domaine
n'ont jamais été aussi vertigineux et

00:04:24.920 --> 00:04:26.717
que certains au sein même des plus

00:04:26.800 --> 00:04:30.117
grandes entreprises de ce marché sont de

00:04:30.200 --> 00:04:33.397
plus en plus vocaux sur le sujet.

00:04:33.480 --> 00:04:37.637
Il y a un deuxième sujet évidemment
propre à ce qu'on fait ici à Sciencep,

00:04:37.720 --> 00:04:39.477
c'est celui de la gouvernance mondiale

00:04:39.560 --> 00:04:42.837
de l'IA. On gouverne le nucléaire, on

00:04:42.920 --> 00:04:47.557
gouverne les questions chimiques,
on gouverne les questions biologiques, je

00:04:47.640 --> 00:04:51.157
le sais comme ancien diplomate.
On gouverne les réserves aliotiques, on

00:04:51.240 --> 00:04:55.837
gouverne l'Antarctique, on gouverne même
au terme de la convention de Montégobé

00:04:55.920 --> 00:04:59.637
les émissions radiophoniques en
produites depuis la haute mer et qui

00:04:59.720 --> 00:05:01.637
pourrait toucher vos côtes, mais on ne

00:05:01.720 --> 00:05:04.677
gouverne pas ou très peu l'IA et

00:05:04.760 --> 00:05:09.717
d'ailleurs les autres plateformes
digitales. Est-ce bien raisonnable et

00:05:09.800 --> 00:05:13.837
est-ce que les sujets de souveraineté
que cela pose ne doivent pas être

00:05:13.920 --> 00:05:17.637
examinés? J'espère que nous aurons
l'occasion d'en parler ce soir. Et puis

00:05:17.720 --> 00:05:19.637
il y a une dernière question plus proche

00:05:19.720 --> 00:05:25.397
encore pour nous ici à Sciencep
enseignant, étudiants et membres de la

00:05:25.480 --> 00:05:28.957
communauté que nous fourmons, c'est
celle de la question de la place de l'IA

00:05:29.040 --> 00:05:32.917
dans la formation des générations
qui nous succéderont. Car si nous nous

00:05:33.000 --> 00:05:36.837
focalisons sur les risques les
plus spectaculaires et les plus

00:05:36.920 --> 00:05:39.557
imminents dont nous venons de parler, il

00:05:39.640 --> 00:05:44.437
y a un risque de plus long terme, plus
diffus qui est celui euh du maintien ou

00:05:44.520 --> 00:05:49.197
du risque de voir décliner
nos compétences cognitives.

00:05:49.280 --> 00:05:51.837
Vous le rappelez souvent et c'est
une conviction que je partage, une

00:05:51.920 --> 00:05:53.477
intelligence artificielle n'a de sens

00:05:53.560 --> 00:05:55.837
que si elle sert à améliorer la

00:05:55.920 --> 00:05:59.037
condition humaine et à augmenter nos

00:05:59.120 --> 00:06:03.517
facultés plutôt que à substituer.
Si l'on prend cette conviction au sérieux,

00:06:03.600 --> 00:06:07.397
quelles conséquences doit-elle avoir sur
la façon dont les universités comme la

00:06:07.480 --> 00:06:09.277
nôtre demain doivent former leurs

00:06:09.360 --> 00:06:11.797
étudiants? Comment apprendre à penser,

00:06:11.880 --> 00:06:15.437
à raisonner, à décider au côté de l'IA

00:06:15.520 --> 00:06:20.077
et mais sans lui déluer ce qui reste
propre à l'esprit humain? ScienceP a

00:06:20.160 --> 00:06:23.837
posé un premier cadre conceptuel
en janvier dernier et se dotera dans

00:06:23.920 --> 00:06:26.797
quelques temps d'un comité exploratoire

00:06:26.880 --> 00:06:29.917
sur le sujet pour déterminer un horizon

00:06:30.000 --> 00:06:32.277
d'action commune. Nous l'avons fait non

00:06:32.360 --> 00:06:34.717
pas en tournant du tout le dos AIA, mais

00:06:34.800 --> 00:06:37.957
en tentant de comprendre comment

00:06:38.040 --> 00:06:42.117
développer à la fois l'ambition et
l'agit intellectuelle de nos étudiants

00:06:42.200 --> 00:06:46.677
en partant du principe que l'IA rend
le monde non pas plus facile mais en

00:06:46.760 --> 00:06:50.277
réalité plus exigeant
en terme de formation.

00:06:50.360 --> 00:06:53.757
Toutes ces questions qui me viennent à
l'esprit sont quelques-unes évidemment

00:06:53.840 --> 00:06:56.557
parmi de nombreuses que nous allons

00:06:56.640 --> 00:06:58.677
évoquer ce soir. Mais avant de rendre la

00:06:58.760 --> 00:07:00.997
parole, je voudrais également finir en

00:07:01.080 --> 00:07:04.197
remerciant Éric Azan qui va se prêter au

00:07:04.280 --> 00:07:07.117
jeu de la discussion ce soir. D'abord

00:07:07.200 --> 00:07:11.917
parce qu'il a accepté de coprésider le
comité sur l'intelligence artificielle

00:07:12.000 --> 00:07:13.957
que je viens d'évoquer avec Julie Clin,

00:07:14.040 --> 00:07:19.477
la doyenne de notre école de droit
qui est ici parmi nous dont nous allons

00:07:19.560 --> 00:07:23.037
comité dont nous allons annoncer la
composition définitive dans quelques

00:07:23.120 --> 00:07:26.837
dans quelques jours et qui se mettra
au travail à l'automne après ce que nous

00:07:26.920 --> 00:07:31.037
avons consacré au changement
climatique qui a débouché

00:07:31.120 --> 00:07:34.437
sur la création de l'école du climat
sur les questions de sécurité avec la

00:07:34.520 --> 00:07:38.637
création d'un nouveau centre de sécurité
de déf défense et sur l'Europe dont je

00:07:38.720 --> 00:07:42.357
viens de recevoir les conclusions il
y a quelques temps et qui préconise

00:07:42.440 --> 00:07:45.037
l'ouverture d'un campus de science pot à

00:07:45.120 --> 00:07:48.037
Bruxelles. Je voudrais aussi dire que

00:07:48.120 --> 00:07:51.077
Éric a été un ami de SciencePa il fait

00:07:51.160 --> 00:07:55.957
vivre lui aussi un peu la magie de
cette institution. On se souvenait tout à

00:07:56.040 --> 00:07:59.517
l'heure que notre première rencontre
avec Anne Lequin était au sortir d'une

00:07:59.600 --> 00:08:02.557
conférence à 25 30 étudiants qui avait

00:08:02.640 --> 00:08:07.877
donc en petit groupe eu le bénéfice
et le plaisir de discuter avec vous. Je

00:08:07.960 --> 00:08:11.677
crois que c'est le genre d'expériences
assez uniques qui sont propres à cette

00:08:11.760 --> 00:08:15.357
maison et dont nous nous
enorgueillissons bien sûr. Alors, je

00:08:15.440 --> 00:08:18.237
voudrais à nouveau remercier Éric et

00:08:18.320 --> 00:08:21.197
Yann Lequin pour la participation ce

00:08:21.280 --> 00:08:23.877
soir à cette grande conférence. Et puis

00:08:23.960 --> 00:08:28.557
sans plus tarder et non sans avoir salué
ceux qui nous suivent sur YouTube de

00:08:28.640 --> 00:08:32.517
chez eux ou depuis nos campus, je
voudrais vous souhaiter à toutes et tous

00:08:32.600 --> 00:08:38.170
une excellente grande conférence.
Bonne soirée. [applaudissements]

00:08:42.840 --> 00:08:45.837
Alors, merci beaucoup Louis.
Effectivement, la dernière fois que Yann

00:08:45.920 --> 00:08:49.397
est venu à Science Po, c'était pour mon
cours que j'ai pompeusement appelé les

00:08:49.480 --> 00:08:53.037
pirates de l'intelligence artificielle
et je me suis dit comme pirate, le mieux

00:08:53.120 --> 00:08:57.757
c'était d'avoir Yann Lequin pour le 2è
ou 3è cours. Alors on verra en discutant

00:08:57.840 --> 00:09:01.877
un petit peu avec lui que c'est pas
tellement un pirate, que c'est plutôt un

00:09:01.960 --> 00:09:05.237
des un des un des plus grands chercheurs
de l'intelligence artificielle. Mais on

00:09:05.320 --> 00:09:07.157
va on va essayer de creuser tout ça.

00:09:07.240 --> 00:09:11.517
Merci Louis, merci de ta confiance.
Et puis je voudrais dire juste dire deux

00:09:11.600 --> 00:09:14.917
mots. Pour moi c'est c'est je suis
particulièrement heureux de discuter

00:09:15.000 --> 00:09:19.757
avec Yann d'abord parce que c'est un ami
mais aussi parce que c'est probablement

00:09:19.840 --> 00:09:23.197
l'un des voir le chercheur qui a le plus
marqué l'intelligence artificielle dans

00:09:23.280 --> 00:09:26.677
les dernières années. On va le voir,
on va en discuter. Alors ce qui est très

00:09:26.760 --> 00:09:29.917
intéressant c'est qu'on va pouvoir
discuter avec lui d'absolument tout. On

00:09:30.000 --> 00:09:32.277
va pouvoir discuter de ses années de
formation. Je pense que c'est assez

00:09:32.360 --> 00:09:35.757
intéressant de la pause ou de pas de la
pause. Enfin, vous vous êtes vous avez

00:09:35.840 --> 00:09:37.877
lu les journaux dans les deux derniers
jours. Donc, je pense c'est un sujet

00:09:37.960 --> 00:09:40.877
intéressant dont on va devoir
discuter également, mais aussi de la

00:09:40.960 --> 00:09:43.877
souveraineté, mais aussi de l'Europe,
mais aussi de la France, mais aussi

00:09:43.960 --> 00:09:48.077
peut-être de ce qui nous attend tous
en tant qu'étudiant, ancienne, étudiant,

00:09:48.160 --> 00:09:51.357
prof et cetera dans ce dans cette
intelligence artificielle un petit peu

00:09:51.440 --> 00:09:55.517
complexe. Merci d'être là Yanne.
Et puis je vais commencer par une première

00:09:55.600 --> 00:09:58.037
question parce que elle brûle les lèvres
de tout le monde. Avant de parler un

00:09:58.120 --> 00:10:01.997
petit peu de ton parcours, je voudrais
savoir ce que tu penses de la pause.

00:10:02.080 --> 00:10:04.197
Pas du bien.

00:10:04.280 --> 00:10:06.157
Euh

00:10:06.240 --> 00:10:09.277
les gens qui se font les les avocats de

00:10:09.360 --> 00:10:12.437
la pause euh sont un peu incohérents

00:10:12.520 --> 00:10:15.197
dans les opinions qu'ils expriment. Euh

00:10:15.280 --> 00:10:16.917
donc en particulier Dario Modéi qui est

00:10:17.000 --> 00:10:19.877
un peu à l'origine de ça, un peu suivi

00:10:19.960 --> 00:10:24.197
par Samtman Elan Mosque et cetera. Euh

00:10:24.280 --> 00:10:30.077
c'est en partie pour se draper dans le

00:10:30.160 --> 00:10:32.637
une espèce de d'enveloppe éthique pour

00:10:32.720 --> 00:10:34.117
montrer aux gens, vous voyez, on est

00:10:34.200 --> 00:10:37.757
vraiment responsable. On pourrait juste

00:10:37.840 --> 00:10:42.157
maximiser le la vitesse du progrès pour
gagner des sous, mais on est tellement

00:10:42.240 --> 00:10:44.677
responsable que on a décidé de ralentir.

00:10:44.760 --> 00:10:47.557
Alors, c'est pas forcément très honnête

00:10:47.640 --> 00:10:51.117
mais ça part d'une illusion de de la

00:10:51.200 --> 00:10:52.597
part de Dario Medii. Faut se rappeler

00:10:52.680 --> 00:10:54.837
que en 2019, Dario Medilli qui à

00:10:54.920 --> 00:10:58.477
l'époque travaillait à Open AI avait dit

00:10:58.560 --> 00:11:02.357
"On ne va pas distribuer GPT 2 en open

00:11:02.440 --> 00:11:06.837
source parce que vous comprenez
c'est potentiellement très dangereux."

00:11:06.920 --> 00:11:11.157
Alors à l'époque je m'étais moqué d'eux
mais je m'étais vraiment moqué d'eux.

00:11:11.240 --> 00:11:15.237
J'ai carrément je carrément trollé en fait

00:11:15.320 --> 00:11:16.677
parce que je trouvais ça ridicule.

00:11:16.760 --> 00:11:18.237
C'était un énorme complexe de

00:11:18.320 --> 00:11:21.197
supériorité euh aussi bien de leur

00:11:21.280 --> 00:11:23.757
modèle que que d'eux-mêmes. 6 mois

00:11:23.840 --> 00:11:26.197
après, finalement, ils ont décidé de

00:11:26.280 --> 00:11:30.997
distribuer GPT2 en open source euh et
ensuite quand3 est sorti, ils ne l'ont

00:11:31.080 --> 00:11:33.957
ils ne l'ont pas sorti en open source
non pas pour des raisons de sécurité,

00:11:34.040 --> 00:11:36.597
bien que il disait que c'était le cas,

00:11:36.680 --> 00:11:39.157
mais simplement pour préserver leur leur

00:11:39.240 --> 00:11:42.397
avantage technologique et et commercial.

00:11:42.480 --> 00:11:44.957
Euh c'est l'époque aussi où Dario Modi a

00:11:45.040 --> 00:11:47.997
quitté Open AI pour fonder en Tropique

00:11:48.080 --> 00:11:50.437
parce qu'il pensait que Open AI prenait

00:11:50.520 --> 00:11:53.837
des libertés un petit peu trop euh

00:11:53.920 --> 00:11:56.957
rapides sur la distribution de modèle

00:11:57.040 --> 00:12:01.077
intelligent. Mais ce qu'il
faut comprendre, c'est que

00:12:01.160 --> 00:12:02.917
l'investisseur qui a permis la création

00:12:03.000 --> 00:12:06.197
d'anthropique euh est une fondation qui

00:12:06.280 --> 00:12:10.797
s'appelle Open Philanthropie et qui euh

00:12:10.880 --> 00:12:14.757
en fait appartient à une
mouvance intellectuelle

00:12:14.840 --> 00:12:19.317
de la silicone vallée qui s'appelle
effective altruism et dans lequel les

00:12:19.400 --> 00:12:22.677
gens qui appartient à cette mouvance,
qu'on peut assimiler une espèce de secte

00:12:22.760 --> 00:12:27.317
religieuse en fait ont
très très peur de risque

00:12:27.400 --> 00:12:29.077
existentiel et se sont mis dans la tête

00:12:29.160 --> 00:12:32.597
de sauver l'humanité de de ces ses

00:12:32.680 --> 00:12:36.957
propres bêtises, on peut le dire.
Euh c'est essentiellement financé par des

00:12:37.040 --> 00:12:41.757
gens qui ont énormément d'argent et
beaucoup trop de temps libre. des gens

00:12:41.840 --> 00:12:45.157
comme par exemple Dustin Moskovic qui
est un des cfondateurs de Facebook qui a

00:12:45.240 --> 00:12:47.597
quitté Facebook très tôt euh et qui est

00:12:47.680 --> 00:12:51.037
devenu de certaines manières paranoïque

00:12:51.120 --> 00:12:55.397
euh sur ses risques existentiels.
Des gens comme Yan Talin qui est un un

00:12:55.480 --> 00:13:00.597
garçon charmant par ailleurs
créateur de Skype mais qui aussi

00:13:00.680 --> 00:13:04.597
se s'est mis dans la tête qu'il fallait
sauver l'humanité d'elle-même. Quelque

00:13:04.680 --> 00:13:07.757
chose que London de Mosque aussi partage
d'ailleurs. C'est pour ça qu'il veut

00:13:07.840 --> 00:13:11.397
aller sur Mars. et et puis quel quelques

00:13:11.480 --> 00:13:13.397
autres Vitalic Betterine et d'autres.

00:13:13.480 --> 00:13:15.677
Donc des gens avec beaucoup d'argent

00:13:15.760 --> 00:13:20.637
et et qui partant d'une
bonne intention de sauver

00:13:20.720 --> 00:13:24.237
l'humanité en fait font d'énormes bêtises.

00:13:24.320 --> 00:13:28.117
Alors la création d'anthropique partait
peut-être d'un bon d'un bon sentiment

00:13:28.200 --> 00:13:31.677
faire du lias qui fera de mal à personne.

00:13:31.760 --> 00:13:33.757
Et la manière dont c'est utilisé

00:13:33.840 --> 00:13:36.757
aujourd'hui, l'argument de Dario Medi

00:13:36.840 --> 00:13:41.757
avec lequel il parle à plusieurs
gouvernement de par le monde, c'est de

00:13:41.840 --> 00:13:45.197
dire vous comprenez l'IA c'est vraiment
dangereux, il faut pas le mettre entre

00:13:45.280 --> 00:13:47.837
toutes les mains. Donc il faut réguler

00:13:47.920 --> 00:13:52.197
l'IA pour interdire en particulier l'IA

00:13:52.280 --> 00:13:55.717
open source particulièrement aujourd'hui
parce que ça vient de Chine et puis les

00:13:55.800 --> 00:13:58.397
Chinois on peut pas leur faire confiance

00:13:58.480 --> 00:14:01.037
mais surtout parce que l'IA entre toutes

00:14:01.120 --> 00:14:04.077
les mains va mener à un désastre à cause

00:14:04.160 --> 00:14:08.557
des risques existentiels.
Euh donc réguler l'IA, interdiviser l'open

00:14:08.640 --> 00:14:12.597
source. Bien sûr, ne régulez pas nous
parce que nous on est intelligent et on

00:14:12.680 --> 00:14:18.037
sait on sait comment euh gérer
euh l'IA. Donc ça part d'un d'un

00:14:18.120 --> 00:14:22.677
complexe de supériorité absolument
insupportable euh et mal placé d'une

00:14:22.760 --> 00:14:28.037
part, mais surtout d'une volonté de
capturer le marché par la régulation en

00:14:28.120 --> 00:14:31.757
convaincant les gouvernements de par
le monde euh que l'IA est intrèquement

00:14:31.840 --> 00:14:37.197
dangereuse. Et c'est faux.
On va y revenir parce que ça va

00:14:37.280 --> 00:14:41.197
forcément nous occuper une partie de la
discussion. Mais avant qu'on y revienne,

00:14:41.280 --> 00:14:43.837
je voudrais que tu nous racontes un
petit peu comment tu es tombé dans l'IA

00:14:43.920 --> 00:14:46.757
parce que on a l'impression que c'est

00:14:46.840 --> 00:14:50.997
ultra comment dire à la mode évidemment
aujourd'hui c'est au cœur de tout ce

00:14:51.080 --> 00:14:54.197
qu'on de tout ce qui va transformer
l'humanité mais il y a dans les années

00:14:54.280 --> 00:14:59.277
80 quand tu as commencé à faire ton
PhD et ensuite ton post doc c'était pas

00:14:59.360 --> 00:15:02.757
tellement à la mode. C'était même plutôt
une hérésie les réseaux de neurones.

00:15:02.840 --> 00:15:06.677
Oui oui, je suis tombé à
marmite quand j'étais petit mais

00:15:06.760 --> 00:15:08.477
moi j'ai toujours été intéressé par le

00:15:08.560 --> 00:15:11.157
problème de l'intelligence he c'est un

00:15:11.240 --> 00:15:15.597
des plus gros mystères euh

00:15:15.680 --> 00:15:18.037
question de la la science aujourd'hui.

00:15:18.120 --> 00:15:19.037
Comment fonctionne le cerveau?

00:15:19.120 --> 00:15:20.157
Qu'est-ce que c'est que l'intelligence?

00:15:20.240 --> 00:15:25.077
Et puis les autres questions fondamentales
euh de quoi est fait l'univers et

00:15:25.160 --> 00:15:29.557
comment fonctionne la vie. Donc voilà,
ils font choisir eu. Étant ayant plutôt

00:15:29.640 --> 00:15:34.277
la fibre de de l'ingénieur, je me
suis dit que comprendre l'intelligence

00:15:34.360 --> 00:15:37.757
passait par la construction
de machine intelligente.

00:15:37.840 --> 00:15:41.277
En fait, la seule manière de valider
une théorie de l'intelligence, c'est de

00:15:41.360 --> 00:15:45.237
montrer qu'elle qu'elle fonctionne si
on construit une machine basée sur les

00:15:45.320 --> 00:15:48.237
principes ces principes-là. Donc j'ai

00:15:48.320 --> 00:15:52.757
j'ai toujours été euh motivé d'un point
de vue scientifique par la découverte

00:15:52.840 --> 00:15:53.997
des principes sous-jacents de

00:15:54.080 --> 00:15:57.837
l'intelligence et assez tôt euh

00:15:57.920 --> 00:16:00.557
réalisant que dans la nature

00:16:00.640 --> 00:16:05.437
l'intelligence est toujours le résultat
de l'apprentissage et de l'adaptation.

00:16:05.520 --> 00:16:07.277
Il y a pas d'intelligence

00:16:07.360 --> 00:16:10.557
née, l'intelligence se construit par

00:16:10.640 --> 00:16:12.837
l'expérience, par l'apprentissage. Donc,

00:16:12.920 --> 00:16:17.717
j'ai toujours penser que l'apprentissage
était un composant absolument essentiel

00:16:17.800 --> 00:16:21.157
de l'intelligence. Et puis aussi,
peut-être parce que je suis feignant, je

00:16:21.240 --> 00:16:26.957
me suis dit, je suis pas assez intelligent
pour concevoir une machine intelligente.

00:16:27.040 --> 00:16:29.997
Donc, il vaut mieux qu'elle se conçoit
toute seule d'une certaine manière. et

00:16:30.080 --> 00:16:32.157
le l'apprentissage, c'est une manière de

00:16:32.240 --> 00:16:34.517
de de permettre à une machine de de se

00:16:34.600 --> 00:16:37.077
construire tout seul par expérience.

00:16:37.160 --> 00:16:40.357
Alors, à l'époque, quand j'ai
commencé quand je finissais mes études

00:16:40.440 --> 00:16:43.317
d'ingénieur, [grognement] euh le ce qui

00:16:43.400 --> 00:16:45.837
était la mode, donc on parle de j'ai

00:16:45.920 --> 00:16:48.637
terminé mes études d'ingénieur en 83,

00:16:48.720 --> 00:16:52.997
j'ai commencé à m'intéresser la question
quelques années avant. En 83, ce qui

00:16:53.080 --> 00:16:55.317
était la mode dans l'intelligence
artificielle, c'était ce qu'on appelait

00:16:55.400 --> 00:17:00.677
le système expert et système à base
de règles. Euh donc système d'IA dans

00:17:00.760 --> 00:17:03.957
lequel les ingénieurs
ce qu'on appelait les

00:17:04.040 --> 00:17:08.117
ingénieurs de la connaissance à l'époque
s'asseyaient, écrivait des règles et des

00:17:08.200 --> 00:17:12.357
faites et utilisait ce qu'on appelle les
moteurs d'inférence pour dériver de nous

00:17:12.440 --> 00:17:16.137
fête de nouveaux faits à partir
des faits existants et des règles.

00:17:16.220 --> 00:17:18.917
[grognement] Et il s'est avéré que cette

00:17:19.000 --> 00:17:20.837
méthode était applicable à un nombre

00:17:20.920 --> 00:17:23.357
relativement faible de situations pour

00:17:23.440 --> 00:17:28.077
lequel il était économiquement faisable
de effectivement s'asseoir et écrire des

00:17:28.160 --> 00:17:32.437
règles. On s'est aussi aperçu que la
plupart des tâches intelligentes que

00:17:32.520 --> 00:17:35.277
qu'accomplissent les humains ne sont
pas régies par des règles ou par des

00:17:35.360 --> 00:17:38.837
recettes. C'est beaucoup plus fluide que

00:17:38.920 --> 00:17:43.757
ça pour je sais pas le diagnostic médical,
diagnostic des pattes dans les

00:17:43.840 --> 00:17:45.277
ordinateurs, les choses comme ça. des

00:17:45.360 --> 00:17:48.757
applications qui ont été déployées. Euh

00:17:48.840 --> 00:17:53.357
alors moi je me suis dit euh à l'époque
ce serait bien d'avoir des des machines

00:17:53.440 --> 00:17:56.117
capablees d'apprentissage. J'ai un peu
étudié la question et c'était pas du

00:17:56.200 --> 00:17:58.797
tout à les modes à la mode à l'époque

00:17:58.880 --> 00:18:01.637
parce que les méthodes d'apprentissage

00:18:01.720 --> 00:18:03.277
euh

00:18:03.360 --> 00:18:06.277
avec l'inspiration

00:18:06.360 --> 00:18:09.237
de des du cerveau

00:18:09.320 --> 00:18:13.557
avait été à la mode dans les années à la
fin des années 50 et début des années 60

00:18:13.640 --> 00:18:15.757
mais avait complètement disparu en tout

00:18:15.840 --> 00:18:20.957
cas dans l'Occident à la fin des années
60 où les gens s'étaient aperçus que les

00:18:21.040 --> 00:18:23.757
méthodes qui avaient été développées
à l'époque à la fin des années 60 début

00:18:23.840 --> 00:18:27.797
fin les années 50 début des années 60
était en fait très limité dans leur dans

00:18:27.880 --> 00:18:33.037
leur capacité et ne mènerait jamais à
des systèmes vraiment intelligents. Donc

00:18:33.120 --> 00:18:35.797
les gens avaient continué à travailler
dans ces domaines mais avaient changé le

00:18:35.880 --> 00:18:38.357
nom du domaine

00:18:38.440 --> 00:18:41.477
en ne prétendant plus faire partie de

00:18:41.560 --> 00:18:45.997
l'intelligence artificielle mais en
en disant on va construire des filtres

00:18:46.080 --> 00:18:49.077
adaptatifs des systèmes de
reconnaissance des formes et ça paraît

00:18:49.160 --> 00:18:53.477
beaucoup plus sérieux. Euh et donc ces
techniques en fait sont passées un petit

00:18:53.560 --> 00:18:57.877
peu sous le sous le sous le rideau
derrière le rideau n'avait pas la

00:18:57.960 --> 00:19:02.637
visibilité de de but ambitieux de
construire des machines intelligentes.

00:19:02.720 --> 00:19:06.437
Et donc je me suis aperçu que dans les
années 80 il y avait personne en tout

00:19:06.520 --> 00:19:10.837
cas en France mais même aux
États-Unis qui travaillaient sur

00:19:10.920 --> 00:19:13.997
l'utilisation d'apprentissage pour faire
des machines intelligentes. Je me suis

00:19:14.080 --> 00:19:17.957
dit c'est quand même bizarre. Donc j'ai
suis intéressé à ça. J'ai commencé à

00:19:18.040 --> 00:19:19.917
travailler un petit peu sur la question.

00:19:20.000 --> 00:19:24.757
Euh rendu rendu compte que il y avait
euh une petite communauté euh au Japon

00:19:24.840 --> 00:19:28.437
en particulier et puis de psychologues
aussi euh aux États-Unis et puis plus

00:19:28.520 --> 00:19:30.277
tard des physiciens qui s'intéressaient

00:19:30.360 --> 00:19:33.797
un petit peu à ça. Euh mais

00:19:33.880 --> 00:19:36.197
je commençais donc

00:19:36.280 --> 00:19:41.477
un doctorat ou un DEA à l'époque, c'est
comme le M2 aujourd'hui. Et il y avait

00:19:41.560 --> 00:19:42.637
personne qui travaillait là-dessus.

00:19:42.720 --> 00:19:44.077
Donc, j'avais pas la possibilité de

00:19:44.160 --> 00:19:48.077
trouver un directeur de thèse. Euh

00:19:48.160 --> 00:19:50.957
alors, j'ai rencontré

00:19:51.040 --> 00:19:55.557
un certain Maurice Miligram qui
était très sympathique et qui

00:19:55.640 --> 00:19:57.797
s'intéressait un petit peu à ce
qu'on appelait à l'époque les réseaux

00:19:57.880 --> 00:20:01.397
d'automates. C'est ce qui se rapprocha
un petit peu le plus de de ce qu'on

00:20:01.480 --> 00:20:03.277
appelle maintenant les réseaux neurones.

00:20:03.360 --> 00:20:06.677
Et a dit "Je sais pas très bien sur
quoi tu travailles mais tu as l'air

00:20:06.760 --> 00:20:11.037
suffisamment tu as pas l'air bête
donc je veux bien signer les papiers."

00:20:11.120 --> 00:20:14.517
Il s'est mis au réseau
neurone après que j'ai fini

00:20:14.600 --> 00:20:16.477
euh euh ma thèse.

00:20:16.560 --> 00:20:21.917
Euh donc j'étais un petit un petit
peu isolé euh et c'est que la fin de ma

00:20:22.000 --> 00:20:26.157
thèse que j'ai rencontré les gens qui
la communauté naissante de de des réseaux

00:20:26.240 --> 00:20:29.597
de neurones en fait en 87. C'était qui?

00:20:29.680 --> 00:20:33.677
Alors c'était des gens comme Jeffre
Hinton qui avec qui j'ai fait mon mon

00:20:33.760 --> 00:20:38.117
post doc qui qui est toujours très
présent. il a pris sa retraite, il fait

00:20:38.200 --> 00:20:41.517
plus de recherche mais il est toujours
présent avec des déclarations un petit

00:20:41.600 --> 00:20:44.877
peu tonitruantes he sur la sécurité
de l'IA et lui aussi a très peur des

00:20:44.960 --> 00:20:49.877
dangers de l'IA à mon avis à tort euh
des gens comme Terry Sonovski qui est

00:20:49.960 --> 00:20:51.477
plutôt du côté des neurosciences

00:20:51.560 --> 00:20:55.917
neurosciences théoriques euh et puis un

00:20:56.000 --> 00:21:00.317
petit groupe de recherche qui est qui
était Bell Labs Bell Laboratories qui

00:21:00.400 --> 00:21:05.357
était le à l'époque le laboratoire
de recherche de grande entreprise de

00:21:05.440 --> 00:21:09.237
télécommunication AT&T euh
c'est un laboratoire un peu

00:21:09.320 --> 00:21:12.597
mythique dans lequel une grande partie
des technologies modernes ont été

00:21:12.680 --> 00:21:14.397
inventées. Le transistor, le laser, les

00:21:14.480 --> 00:21:16.997
cellules solaires, les capteurs CCD et

00:21:17.080 --> 00:21:20.357
cetera. Unix, langage CC++.

00:21:20.440 --> 00:21:24.277
Euh et donc après mon mon postdoc à à

00:21:24.360 --> 00:21:28.157
l'université de Toronto avec Jeffton,
j'étais recruté par Bellab et c'est

00:21:28.240 --> 00:21:31.037
comme ça que j'ai atterri aux États-Unis.
J'avais l'idée d'y rester 2

00:21:31.120 --> 00:21:36.237
ans et puis euh c'était en 1988
et don je suis resté un peu plus

00:21:36.320 --> 00:21:37.837
longtemps

00:21:37.920 --> 00:21:42.357
euh et c'est c'est un peu là qu'on a

00:21:42.440 --> 00:21:44.597
développé un peu les techniques de base

00:21:44.680 --> 00:21:48.117
qui sont toujours utilisées euh pour la

00:21:48.200 --> 00:21:49.597
la reconnaissance d'images. Donc si vous

00:21:49.680 --> 00:21:53.117
avez une voiture qui avec assistance à

00:21:53.200 --> 00:21:56.757
la conduite ou un système d'analyse

00:21:56.840 --> 00:22:02.397
d'images médical et cetera, ça utilise
les technologies qui s'appelait les

00:22:02.480 --> 00:22:05.237
réseaux convolutifs que j'ai développé
à l'époque à la fin des années 80 début

00:22:05.320 --> 00:22:10.037
des années 90 à Bellabs et et
à quel moment ça accélère? parce

00:22:10.120 --> 00:22:13.357
que pour nous tout cétait accéléré en
fait en 2022 mais on est on est un peu

00:22:13.440 --> 00:22:16.877
plusin que ça. Alors en fait
ça accéléré bien plus tôt

00:22:16.960 --> 00:22:18.757
que ça. Il y a eu toute une période

00:22:18.840 --> 00:22:25.237
noire entre environ 1996 ou 956

00:22:25.320 --> 00:22:27.797
et disons 2006,

00:22:27.880 --> 00:22:29.957
une période d'à peu près 10 ans dans

00:22:30.040 --> 00:22:35.117
lequel personne dans la communauté de
l'apprentissage automatique, donc il y a

00:22:35.200 --> 00:22:37.637
une sous-communauté de l'inturance
artificielle qui est l'apprentissage

00:22:37.720 --> 00:22:41.157
automatique qui est maintenant
complètement dominante

00:22:41.240 --> 00:22:43.797
ce qu'on appelle le
machine learning en anglais.

00:22:43.880 --> 00:22:48.117
Et cette communauté s'est
complètement désintéressée

00:22:48.200 --> 00:22:49.397
de ce qu'on appelle maintenant le deep

00:22:49.480 --> 00:22:50.677
learning qu'on appelait les réseaux de

00:22:50.760 --> 00:22:56.437
neuron à l'époque entre oui 95 et 2006.

00:22:56.520 --> 00:22:59.997
Donc en fait pendant cette période là
j'ai plutôt travaillé sur autre chose

00:23:00.080 --> 00:23:04.437
parce que il y avait vraiment aucune
possibilité de d'avoir aucun impact euh

00:23:04.520 --> 00:23:08.917
sur la communauté pu c'était les les les
les premières années de l'internet tout

00:23:09.000 --> 00:23:11.197
un tas de choses intéressantes à faire.

00:23:11.280 --> 00:23:13.557
Je travaillé sur un projet qui
s'appelait déjà vu en français dans le

00:23:13.640 --> 00:23:17.717
texte des JVU de distribution de
documents sur internet et cetera. Et

00:23:17.800 --> 00:23:20.437
puis je suis revenu au réseau neurone en

00:23:20.520 --> 00:23:23.757
en 2001 2002.

00:23:23.840 --> 00:23:27.397
Euh j'ai quitté ETNT. Euh j'étais

00:23:27.480 --> 00:23:30.517
brièvement au au laboratoire de

00:23:30.600 --> 00:23:35.237
entreprise japonaise NC NEC. Et puis en

00:23:35.320 --> 00:23:38.317
2003 je suis devenu prof à New York

00:23:38.400 --> 00:23:42.717
University. Et donc j'ai vraiment
redémarré un un programme de recherche

00:23:42.800 --> 00:23:44.277
sur les réseaux neurones pour pour

00:23:44.360 --> 00:23:47.117
montrer au aux gens que ça marchait.

00:23:47.200 --> 00:23:51.757
Et euh en cela, j'ai été accompagné de

00:23:51.840 --> 00:23:55.917
de Jeffrey Hinton et Yoshua Benjo, qui

00:23:56.000 --> 00:23:57.877
aussi s'intéressait au aux mêmes

00:23:57.960 --> 00:24:03.397
questions et on s'est mis ensemble pour
essayer de de comment dire redémarrer

00:24:03.480 --> 00:24:05.957
l'intérêt de la communauté de la
recherche dans ces dans ces techniques

00:24:06.040 --> 00:24:08.797
dont on savait qu'elle marchait
vraiment bien mais qu' était un petit peu

00:24:08.880 --> 00:24:11.357
difficile à faire marcher.

00:24:11.440 --> 00:24:15.237
Ça a pris plusieurs années mais en

00:24:15.320 --> 00:24:20.917
2012, donc ça a pris 6 7 ans en 2012

00:24:21.000 --> 00:24:23.517
déjà en 2009, il y a eu déjà un gros

00:24:23.600 --> 00:24:28.117
regain d'intérêt dans ces méthodes de la
part de la communauté de reconnaissance

00:24:28.200 --> 00:24:31.117
de la parole. On a commencé à avoir des
systèmes de reconnaissance de la parole

00:24:31.200 --> 00:24:33.237
qui marchaient bien grâce au deep

00:24:33.320 --> 00:24:36.117
learning, réseau neurone. Euh et en

00:24:36.200 --> 00:24:38.437
quelques en quelques mois, en un an et

00:24:38.520 --> 00:24:43.637
demi, en 2011-2010, euh les
téléphones mobiles d'un seul

00:24:43.720 --> 00:24:47.597
coup pouvaient pouvaient comprendre ce
qu'on leur racontait euh grâce au réseau

00:24:47.680 --> 00:24:50.357
neurone. Donc ça a été déployé
relativement vite par des entreprises

00:24:50.440 --> 00:24:53.637
comme Google et Apple et d'autres.

00:24:53.720 --> 00:24:57.797
Euh et en 2012, une autre révolution qui
a eu un impact encore plus grand euh qui

00:24:57.880 --> 00:25:01.677
est que en utilisant mes méthodes,
les réseaux convolutifs, Jeffinton et son

00:25:01.760 --> 00:25:04.557
équipe universit

00:25:04.640 --> 00:25:09.357
un un record de performance sur des un

00:25:09.440 --> 00:25:12.837
une base de données, un benchmark de
reconnaissance d'images, classification

00:25:12.920 --> 00:25:14.597
d'imagit

00:25:14.680 --> 00:25:17.157
tellement supérieur au aux performances

00:25:17.240 --> 00:25:22.557
précédentes que la communauté de la
la vision par ordinateur a du jour au

00:25:22.640 --> 00:25:25.837
lendemain a abandonné tout ce qu'il
faisait et a commencé à utiliser ces

00:25:25.920 --> 00:25:29.037
nouvelles méthodes euh qu'auparavant il

00:25:29.120 --> 00:25:33.677
pensait être euh très peu prometteuse en

00:25:33.760 --> 00:25:35.517
fait. Ils étaient extrêmement sceptiques

00:25:35.600 --> 00:25:38.197
pour ne pas dire euh carrément

00:25:38.280 --> 00:25:43.317
insultant. Voilà. Donc euh il y a eu un
complet revirement de situation en 2013

00:25:43.400 --> 00:25:45.157
qui a attiré bien sûr l'attention des

00:25:45.240 --> 00:25:47.877
grandes entreprises comme euh Google,

00:25:47.960 --> 00:25:52.917
Microsoft, IBM, euh Facebook à l'époque
et puis euh des entreprises chinoises

00:25:53.000 --> 00:25:55.997
aussi qui ont tout démarré des activités
dans le domaine. Euh donc c'est à

00:25:56.080 --> 00:25:58.757
l'époque en à la fin 2013, début 2014

00:25:58.840 --> 00:26:01.557
que j'ai créé Fire le laboratoire de

00:26:01.640 --> 00:26:04.637
recherche en IA de Facebook et je suis

00:26:04.720 --> 00:26:07.317
resté une une douzaine d'années.

00:26:07.400 --> 00:26:10.117
Et c'est merci d'avoir raconté ça
parce qu'on a l'impression que on est

00:26:10.200 --> 00:26:14.997
environné d'IA et finalement il y a eu
quand même un hiver assez long de l'IA

00:26:15.080 --> 00:26:18.397
et ça reposa sur finalement deux ou
trois personnes un petit peu motivées de

00:26:18.480 --> 00:26:20.197
relancer un petit peu la machine. Oui,

00:26:20.280 --> 00:26:23.197
et c'est pour ça que le le comité euh

00:26:23.280 --> 00:26:25.597
Turing de la la CM nous a donné P Turing

00:26:25.680 --> 00:26:28.837
parce qu'on a euh en face de d'une d'une

00:26:28.920 --> 00:26:30.397
résistance en fait assez importante de

00:26:30.480 --> 00:26:32.997
la la communauté euh de la recherche, on

00:26:33.080 --> 00:26:37.797
a on a vraiment persisté euh au prix de

00:26:37.880 --> 00:26:42.277
comment dire de de de la
notoriété de certains de nos

00:26:42.360 --> 00:26:44.157
étudiants qui nous suivaient sur ce

00:26:44.240 --> 00:26:45.317
chemin mais qui avaient un petit peu de

00:26:45.400 --> 00:26:49.717
mal à à publier leurs articles ou

00:26:49.800 --> 00:26:53.277
à acquérir un petit peu de reconnaissance.
Mais d'un seul coup en

00:26:53.360 --> 00:26:54.997
2013-24,

00:26:55.080 --> 00:26:59.197
ils se sont retrouvés comme étant

00:26:59.280 --> 00:27:02.917
un tout petit nombre de gens qui
savaient faire marcher les réseaux

00:27:03.000 --> 00:27:07.997
neurones. Donc, ils ont immédiatement
été happés euh par les entreprises qui

00:27:08.080 --> 00:27:09.757
qui euh qui travaillaient là-dedans.

00:27:09.840 --> 00:27:11.077
Donc, deux de mes anciens étudiants, par

00:27:11.160 --> 00:27:13.757
exemple Coravouchelou et celui qui et la

00:27:13.840 --> 00:27:17.077
personne qui dirige le projet Gemini à

00:27:17.160 --> 00:27:21.317
Google Deep Mind, euh Ra Hell euh et euh

00:27:21.400 --> 00:27:25.997
la directrice de la partie recherche
de Deepmind, les vice-présidentes de la

00:27:26.080 --> 00:27:30.957
recherche. Donc ces gens-là qui étaient
un peu les premiers étudiants à sortir

00:27:31.040 --> 00:27:35.157
au moment où le deep learning commençait,
on fait d'excellentes carrières

00:27:35.240 --> 00:27:37.037
mais effectivement ça a été dur pour eux

00:27:37.120 --> 00:27:39.837
pendant leur leur doctorat.

00:27:39.920 --> 00:27:44.557
Alors toi tu n'es pas stupéfait par les
progrès de l'IA mais nous depuis 2022 on

00:27:44.640 --> 00:27:47.597
est stupéfait. Avant pour certains
d'entre nous on avait vu des choses.

00:27:47.680 --> 00:27:50.517
Moi, j'avais vu des choses mais
globalement on est stupéfait depuis

00:27:50.600 --> 00:27:53.357
quelques années. Et pourtant tu nous dis
que les modèles de langage c'est pas la

00:27:53.440 --> 00:27:56.917
panassée universelle. Alors non,
on a le droit des stupéfaits

00:27:57.000 --> 00:27:59.997
et c'est certainement étonnant d'une

00:28:00.080 --> 00:28:04.677
certaine manière que les les LLM qui sont

00:28:04.760 --> 00:28:07.997
don dont la la méthode d'entraînement
est un petit peu simpliste en fait

00:28:08.080 --> 00:28:09.997
marche aussi bien. C'est c'est

00:28:10.080 --> 00:28:13.277
effectivement un peu surprenant.

00:28:13.360 --> 00:28:17.197
Pas aussi surprenant peut-être que
certains l'imaginent mais mais quand

00:28:17.280 --> 00:28:22.037
même surprenant. C'estàd que l'idée
de base que on pourrait construire des

00:28:22.120 --> 00:28:25.717
systèmes intelligents par apprentissage
et que cet apprentissage soit basé sur

00:28:25.800 --> 00:28:29.557
la prédiction, ce n'est pas une idée
nouvelle, c'est une idée très ancienne,

00:28:29.640 --> 00:28:34.597
en particulier dans le domaine des
neurosciences théoriques. Euh tout un

00:28:34.680 --> 00:28:38.877
ensemble de théories qu'on qu'on
regroupe sous le nom de predictive

00:28:38.960 --> 00:28:41.517
coding en anglais, codage predictif. Euh

00:28:41.600 --> 00:28:44.077
donc cette idée que les les jeunes

00:28:44.160 --> 00:28:48.757
animaux et les humains apprennent
appréhender le le monde en en

00:28:48.840 --> 00:28:52.717
s'entraînant à prédire. En fait,
le cerveau est une machine à prédire.

00:28:52.800 --> 00:28:55.037
Euh c'est c'est pas un nouveau concept,

00:28:55.120 --> 00:28:59.757
mais en fait je travaille sur l'idée de

00:28:59.840 --> 00:29:02.597
de d'enseigner au aux machines à

00:29:02.680 --> 00:29:05.637
comprendre le monde physique par prédire

00:29:05.720 --> 00:29:07.517
ce qui va se passer dans une vidéo

00:29:07.600 --> 00:29:11.917
depuis euh près de 20 ans, disons

00:29:12.000 --> 00:29:17.477
vraiment plus démarré il y a une
quinzaine d'années et en gros euh on a

00:29:17.560 --> 00:29:20.717
fait très peu de progrès les 10
premières années de ces 15 années. Il y

00:29:20.800 --> 00:29:23.397
a que dans les cin dernières années
qu'on a commencé à faire des des progrès

00:29:23.480 --> 00:29:27.557
un petit peu significatifs et euh

00:29:27.640 --> 00:29:31.277
il s'avère que l'apprentissage par
prédiction, quand on essaie de prédire

00:29:31.360 --> 00:29:32.517
des données naturelles comme de la

00:29:32.600 --> 00:29:35.917
vidéo, c'est vraiment compliqué et c'est

00:29:36.000 --> 00:29:41.037
difficile à faire marcher et on commence
seulement depuis quelques années à faire

00:29:41.120 --> 00:29:44.037
des progrès là-dedans. Par contre,
il y a un domaine dans lequel ça marche

00:29:44.120 --> 00:29:47.717
vraiment très bien et c'est le texte.

00:29:47.800 --> 00:29:52.317
C'estàd que si on prend si on entraîne
une machine où lui montre un texte,

00:29:52.400 --> 00:29:53.637
alors il y a deux méthodes. La première

00:29:53.720 --> 00:29:56.877
méthode, on on on prend un texte, on

00:29:56.960 --> 00:30:01.197
enlève 20% des mots du texte et
on entraîne un gros réseau neurone à

00:30:01.280 --> 00:30:05.637
prédire les mots qui manquent.
D'accord ? Donc ça c'est la technologie

00:30:05.720 --> 00:30:07.277
2017-28

00:30:07.360 --> 00:30:11.437
euh à peu près 2019.

00:30:11.520 --> 00:30:13.557
Euh ça marche très bien pour permettre

00:30:13.640 --> 00:30:16.597
aux machines de euh faire la traduction,

00:30:16.680 --> 00:30:19.357
comprendre du texte, classifier le faire

00:30:19.440 --> 00:30:21.877
de la produire des résumés et cetera. Ça

00:30:21.960 --> 00:30:23.757
marche très bien. Mais en fait ce qui

00:30:23.840 --> 00:30:27.357
marche mieux, c'est encore plus simple

00:30:27.440 --> 00:30:31.437
et c'est une méthode auquelle Open AI a

00:30:31.520 --> 00:30:35.957
contribué qui est de ne pas masquer
le texte. C'estàd on prend un texte, on

00:30:36.040 --> 00:30:39.477
enlève rien du texte et on entraîne
un réseau de neurone à reproduire

00:30:39.560 --> 00:30:43.557
simplement le texte
d'entrée sur sa sortie. Mais

00:30:43.640 --> 00:30:47.157
on on configure le ce réseau de neurone de

00:30:47.240 --> 00:30:51.597
manière à ce que pour prédire un mot,
il ne peut pas regarder le mot

00:30:51.680 --> 00:30:53.997
correspondant dans l'entrée. Il ne peut

00:30:54.080 --> 00:30:58.917
regarder que les mots qui sont à gauche
de ce mot. Donc implicitement quand on

00:30:59.000 --> 00:31:03.757
entraîne ce ce réseau neurone à
reproduire son entrée sur sa sortie, ce

00:31:03.840 --> 00:31:07.557
qui a l'air facile, implicitement
l'entraîne à prédire le mot suivant

00:31:07.640 --> 00:31:12.677
quelle que soit la séquence de mots
qui précède. Et ça c'est magique.

00:31:12.760 --> 00:31:15.517
Et non seulement c'est magique mais
on peut passer à l'échelle. C'est qu'on

00:31:15.600 --> 00:31:18.317
peut donc c'est la la série des GPT1,

00:31:18.400 --> 00:31:21.637
GPT2, GPT3 et puis et cetera. GPT, ça

00:31:21.720 --> 00:31:24.997
veut dire ça veut dire

00:31:25.080 --> 00:31:30.600
euh prin transformer donc

00:31:30.840 --> 00:31:34.677
et euh rapid Transformer et et donc

00:31:34.760 --> 00:31:35.957
c'est cette architecture très simple

00:31:36.040 --> 00:31:40.277
qu'on appelle aussi decoder only euh qui

00:31:40.360 --> 00:31:43.237
il s'avère passe à l'échelle pass
on peut passer à l'échelle entraîner des

00:31:43.320 --> 00:31:47.077
réseaux beaucoup plus gros et intégrer
en fait des connaissances qui sont

00:31:47.160 --> 00:31:50.917
implicites dans le texte avec cette
méthode qui n'appelle l'air de marcher

00:31:51.000 --> 00:31:55.917
aussi bien que qui marche bien mieux par
contre que la la méthode précédente qui

00:31:56.000 --> 00:31:57.757
consiste à à masquer, enlever certains

00:31:57.840 --> 00:32:01.477
mots qui qui une méthode plus ancienne.

00:32:01.560 --> 00:32:04.437
Euh donc cette révolution là qui pas qui

00:32:04.520 --> 00:32:06.157
a pas été immédiatement reconnue comme

00:32:06.240 --> 00:32:08.997
une révolution date de 2019-2020

00:32:09.080 --> 00:32:11.997
et puis GPT3 en 2022, il y a eu des il y

00:32:12.080 --> 00:32:16.637
avait des projets simultanés sur
exactement le même thème chez Meta chez

00:32:16.720 --> 00:32:20.197
Google. OPA était pas
les seuls à développer ce

00:32:20.280 --> 00:32:23.677
genre de chos mais il y a eu
effectivement un progrès significatif

00:32:23.760 --> 00:32:26.277
grâce à cette architecture

00:32:26.360 --> 00:32:28.477
et puis ensuite on s'est aperçu qu'on

00:32:28.560 --> 00:32:32.037
pouvait affiner ces architectures, enfin

00:32:32.120 --> 00:32:33.677
ces systèmes après qu'on les entraîne

00:32:33.760 --> 00:32:36.237
sur des quantités énormes de textes. On

00:32:36.320 --> 00:32:41.077
peut les affiner pour qu'elles obéissent
à des instructions ou qu'elles répondent

00:32:41.160 --> 00:32:44.877
à des questions qui sont fréquentes
parmi les utilisateurs et ça en fait des

00:32:44.960 --> 00:32:48.477
systèmes utiles. Et ça c'est chat
GPT et tout ce qui est à suivi.

00:32:48.560 --> 00:32:52.277
Et quand on se place aujourd'hui,
on a plusieurs questions. D'abord, on est

00:32:52.360 --> 00:32:55.037
complètement dépassé par le niveau
d'investissement des Américains et

00:32:55.120 --> 00:32:56.357
potentiellement des Chinois. On est des

00:32:56.440 --> 00:32:59.917
petits Européens vraiment très loin. On

00:33:00.000 --> 00:33:04.397
a l'impression que il faut surinvestir
sur le compute, c'estàd sur la puissance

00:33:04.480 --> 00:33:07.637
de calcul, surinvestir sur les modèles
de frontières et que sinon on n'y sera

00:33:07.720 --> 00:33:11.317
jamais, qu'on a qu'un seul champion
en Europe. Qu'est-ce qu'on va faire?

00:33:11.400 --> 00:33:13.037
Qu'est-ce qu'on peut faire encore?

00:33:13.120 --> 00:33:18.557
Alors bon, il y a plein de choses
qu'il faut dire là-dessus. Euh

00:33:18.640 --> 00:33:22.477
et ça va nous mener à une longue
discussion. Le je essayer de la couper

00:33:22.560 --> 00:33:24.437
en morceau. La première chose qu'il faut

00:33:24.520 --> 00:33:28.037
se dire c'est que ces systèmes, donc des

00:33:28.120 --> 00:33:30.557
LLM entraînés sur du texte sont très

00:33:30.640 --> 00:33:35.077
limités dans leur leur capacité. Euh

00:33:35.160 --> 00:33:37.877
donc j'ai j'ai déclaré je déclare depuis

00:33:37.960 --> 00:33:40.397
plusieurs années que ce type de

00:33:40.480 --> 00:33:43.037
technologie n'est pas un chemin viable

00:33:43.120 --> 00:33:47.437
vers des systèmes intelligents avec une
intelligence similaire à l'intelligence

00:33:47.520 --> 00:33:49.957
humaine. Pourquoi? Pour une raison très

00:33:50.040 --> 00:33:53.917
simple, c'est que le monde réel, le

00:33:54.000 --> 00:33:55.717
monde physique est beaucoup plus

00:33:55.800 --> 00:33:59.037
compliqué que le texte. Ça nous paraît

00:33:59.120 --> 00:34:01.197
paradoxal en tant qu'humain parce que on

00:34:01.280 --> 00:34:04.077
pense que le la langue humaine c'est un

00:34:04.160 --> 00:34:08.237
peu le le sommum de de l'intelligence
humaine mais en fait pas du tout. Le

00:34:08.320 --> 00:34:12.477
texte est facile. Prédire le mot qui
suit un texte particulier. On peut

00:34:12.560 --> 00:34:16.277
jamais prédire exactement le mot qui
suit un texte mais on peut prédire une

00:34:16.360 --> 00:34:19.117
distribution de probabilité sur tous
les mots possibles. C'est comme ça que

00:34:19.200 --> 00:34:22.757
fonctionne les LLM. Euh et on peut
représenter cette probabilité. C'est

00:34:22.840 --> 00:34:24.877
juste une liste de nombres. Euh disons

00:34:24.960 --> 00:34:30.077
si le dictionnaire fait est de taille
100000 euh c'est une série de nombres de

00:34:30.160 --> 00:34:33.317
100000 nombres entre 0 et 1 dont la
somme fait 1. C'est vraiment simple, on

00:34:33.400 --> 00:34:38.117
sait le faire. Euh et puis pour prédire
un texte, on fait ce qu'on appelle la

00:34:38.200 --> 00:34:41.917
prédiction autorégressive. C'est pas un
nouveau concept non plus. C'estàd qu'on

00:34:42.000 --> 00:34:44.677
on montre un texte au système, lui fait

00:34:44.760 --> 00:34:49.077
prédire le mot qui suit. Il prédit une
probabilité sur tous les mots. On on

00:34:49.160 --> 00:34:52.197
prend on choisit un mot dans cette
distribution de probabilité, un mot de

00:34:52.280 --> 00:34:57.197
haute probabilité. Mais c'est un peu
stocastique. Et puis ensuite, on injecte

00:34:57.280 --> 00:35:00.877
ce mot dans l'entrée. C'estàd qu'on
décale tous les mots de dans l'entrée du

00:35:00.960 --> 00:35:05.757
système et maintenant il voit sa propre
sortie comme faisant partie de l'entrée.

00:35:05.840 --> 00:35:08.957
Donc maintenant, on peut lui demander
de produire le deuxième mot. On met ça à

00:35:09.040 --> 00:35:12.437
l'entrée, 3è 4e et cetera. Donc ça ça
pas besoin de beaucoup d'argent pour

00:35:12.520 --> 00:35:14.877
faire ça finalement. Alors là où il y a

00:35:14.960 --> 00:35:17.797
besoin de beaucoup d'argent, c'est si le

00:35:17.880 --> 00:35:22.157
réseau de neurone en question,
on veut l'entraîner sur énormément de

00:35:22.240 --> 00:35:25.837
données et surtout on veut
pouvoir expérimenter

00:35:25.920 --> 00:35:30.157
avec plusieurs architectures et cetera
et cetera. Et le problème c'est que si

00:35:30.240 --> 00:35:32.797
on veut l'entraîner avec beaucoup de
données, ce qu'il va faire c'est qu'il

00:35:32.880 --> 00:35:37.477
va accumuler toute la connaissance
déclarative dans ces données et pour ça

00:35:37.560 --> 00:35:41.357
il faut beaucoup de mémoire. Donc ce
qui coûte cher en fait euh dans dans ces

00:35:41.440 --> 00:35:45.037
systèmes, c'est qu'il faut des
ordinateurs ou des des clusters

00:35:45.120 --> 00:35:48.077
d'ordinateur en fait qui sont très
puissant au niveau calcul numérique

00:35:48.160 --> 00:35:51.557
parce que finalement ce qui se passe à
la base dans ces réseaux neurones, c'est

00:35:51.640 --> 00:35:54.077
des multiplications, des additions,
des comparaisons et rien d'autre. C'est

00:35:54.160 --> 00:35:55.797
vraiment très très simple.

00:35:55.880 --> 00:35:59.237
Euh mais dans des en c'est des centaines

00:35:59.320 --> 00:36:03.717
de milliards hein euh par inférence et

00:36:03.800 --> 00:36:08.557
et euh et donc si on veut que ces
systèmes accumulent suffisamment de de

00:36:08.640 --> 00:36:12.997
connaissances déclaratives euh
en étant entraîné sur du texte, il

00:36:13.080 --> 00:36:15.397
faut qu'ils aient énormément de mémoire.

00:36:15.480 --> 00:36:19.717
Donc des dizaines de milliards ou des
centaines de milliards ou même milliers

00:36:19.800 --> 00:36:23.157
de milliards de paramètres. Donc ça
ça prend beaucoup de mémoire. Chaque

00:36:23.240 --> 00:36:25.717
paramètre durant l'apprentissage est

00:36:25.800 --> 00:36:30.237
stocké sur 4 oct ou deux oct si on veut
être un petit peu plus performant. Au

00:36:30.320 --> 00:36:33.757
moment l'inférence c'est plutôt un octa
mais quand même ça fait beaucoup. Donc

00:36:33.840 --> 00:36:37.597
ça fait des GPU avec beaucoup de mémoire
que Nvidia va vous vendre pour un prix

00:36:37.680 --> 00:36:40.277
énorme et beaucoup de trafic de mémoire.

00:36:40.360 --> 00:36:44.557
Donc ça fait monter les prix des mémoires.
Je suis sûr que vous en aperçu

00:36:44.640 --> 00:36:46.597
et ça coûte cher. Donc il faut beaucoup

00:36:46.680 --> 00:36:50.997
de d'infrastructures qui qui coûte des

00:36:51.080 --> 00:36:54.517
centaines de milliards en fait
d'investissement au capital que les

00:36:54.600 --> 00:36:58.037
grosses entreprises de de tech de
la SCON vallée peuvent se payer mais

00:36:58.120 --> 00:37:02.637
personne d'autre.
Et donc ça ça met effectivement

00:37:02.720 --> 00:37:05.997
euh les autres pays, y compris les
Chinois en fait dans une des situations

00:37:06.080 --> 00:37:10.277
compliquées. Les Chinois
encore plus en fait parce que

00:37:10.360 --> 00:37:12.717
le le gouvernement américain essaie de

00:37:12.800 --> 00:37:15.437
limiter l'accès de des Chinois au aux

00:37:15.520 --> 00:37:18.037
derniers aux dernières technologies.

00:37:18.120 --> 00:37:21.397
Alors pour les limitations de ces de ces

00:37:21.480 --> 00:37:26.197
de ces systèmes à base de LLM, euh

00:37:26.280 --> 00:37:29.717
comme je l'ai dit, prédire le mot
suivant dans un texte relativement

00:37:29.800 --> 00:37:32.517
facile. Prédire les pixels qui suit dans

00:37:32.600 --> 00:37:35.317
une vidéo, c'est beaucoup beaucoup plus

00:37:35.400 --> 00:37:37.757
compliqué et on sait pas vraiment encore

00:37:37.840 --> 00:37:40.157
le faire. Ce qui fait que on a des

00:37:40.240 --> 00:37:42.557
systèmes qui peuvent passer l'examen du

00:37:42.640 --> 00:37:47.077
barreau, écrire des dissertations, euh

00:37:47.160 --> 00:37:51.317
même démontrer des théorèmes, écrire du
code. Euh donc faire des choses qui sont

00:37:51.400 --> 00:37:53.197
vraiment basées sur sur du texte en

00:37:53.280 --> 00:37:58.517
fait. Euh mais où est ma
voiture autonome? Où est mon

00:37:58.600 --> 00:38:03.077
robot domestique qui peut débarrasser
la table et remplir la vaisselle?

00:38:03.160 --> 00:38:06.597
Et ne parlons même pas du robot
domestique qui peut réparer la salle de

00:38:06.680 --> 00:38:09.677
bain. C'est pas pour demain. Et c'est

00:38:09.760 --> 00:38:14.077
ça, c'est la raison pour ça. On n même
pas de système assez intelligent en fait

00:38:14.160 --> 00:38:18.477
pour avoir une compréhension du monde
physique et aussi sophistiqué que la

00:38:18.560 --> 00:38:20.477
compréhension du monde physique d'achat

00:38:20.560 --> 00:38:23.717
gouttière. Donc il y a un gap énorme

00:38:23.800 --> 00:38:27.357
entre l'intelligence

00:38:27.440 --> 00:38:31.917
basée sur la langue si vous voulez ou
la régurgitation de de connaissances

00:38:32.000 --> 00:38:35.717
accumulé de connaissances déclaratives

00:38:35.800 --> 00:38:39.957
et l'intelligence qui serait la
compréhension du monde physique. Et on

00:38:40.040 --> 00:38:42.237
peut résumer ça en fait en un chiffre

00:38:42.320 --> 00:38:45.157
très simple qui est que la totalité de

00:38:45.240 --> 00:38:49.357
tout le texte disponible sur internet
qui est utilisé pour préentraîner les

00:38:49.440 --> 00:38:51.677
LLM aujourd'hui, c'est environ 20000

00:38:51.760 --> 00:38:56.437
milliards de mots. Alors, un texte est
tokenisé, c'est-à-dire qu'on on découpe

00:38:56.520 --> 00:39:00.477
les mots en sous-mot et cetera,
on transforme ça en token. Et 20000

00:39:00.560 --> 00:39:04.717
milliards de mots, c'est environ 30000
milliards de token. Chaque token est

00:39:04.800 --> 00:39:07.397
encodé typiquement sur trois octs. Donc

00:39:07.480 --> 00:39:09.757
si on fait le calcul, c'est à peu près

00:39:09.840 --> 00:39:13.437
10 à la puissance 14 oct d'entraînement

00:39:13.520 --> 00:39:15.157
qui correspondrait à un texte qui

00:39:15.240 --> 00:39:18.317
prendrait tout un chacun ici environ 1

00:39:18.400 --> 00:39:22.917
demi million d'années à lire.
Ça fait beaucoup.

00:39:23.000 --> 00:39:26.797
Aucun humain est capable de d'ingérer et
certainement de se souvenir d'autant de

00:39:26.880 --> 00:39:28.397
d'information,

00:39:28.480 --> 00:39:31.917
même de manière abstraite.

00:39:32.000 --> 00:39:35.757
Comparer ça aux données qui parviennent

00:39:35.840 --> 00:39:37.717
au contexte visuel dans les premières

00:39:37.800 --> 00:39:40.917
années de la vie. Un enfant de 4 ans a

00:39:41.000 --> 00:39:43.757
été éveillé typiquement un total

00:39:43.840 --> 00:39:46.637
d'environ 16000 heures dans sa vie.

00:39:46.720 --> 00:39:49.997
Et au cours de ces 16000 heures, il y a

00:39:50.080 --> 00:39:52.397
l'information qui est véhiculée par les

00:39:52.480 --> 00:39:54.637
le neroptique des yeux vers le le

00:39:54.720 --> 00:39:58.117
contexte visuel. C'est environ

00:39:58.200 --> 00:40:02.037
un octa par seconde par fibre du ner
optique. On a 2 millions de fibres de

00:40:02.120 --> 00:40:04.837
ner optique 1 million par œil. Donc

00:40:04.920 --> 00:40:07.917
c'est environ un flux de 2 millions de

00:40:08.000 --> 00:40:10.157
de d'octès par seconde. Si on fait le

00:40:10.240 --> 00:40:14.757
calcul sur 16000 heures éveillé, c'est à

00:40:14.840 --> 00:40:16.277
peu près 10 à la puissance 14 oct.

00:40:16.360 --> 00:40:17.877
C'està-dire un enfant de 4 ans a vu

00:40:17.960 --> 00:40:19.477
autant d'information que le plus grand

00:40:19.560 --> 00:40:24.157
des LLM simplement par la vision. Euh et

00:40:24.240 --> 00:40:27.437
autant d'information qu'il y a dans le
texte, la totalité du texte disponible

00:40:27.520 --> 00:40:29.397
publiquement sur internet. Donc ça ça

00:40:29.480 --> 00:40:34.957
vous dit que on n'arrivera jamais en
fait à un système de de niveau humain en

00:40:35.040 --> 00:40:36.397
entraînant sur seulement sur du texte.

00:40:36.480 --> 00:40:39.517
Il a toute une partie de la réalité
qui n'est pas présent dans le texte. Il

00:40:39.600 --> 00:40:40.797
n'est pas présente dans le texte.

00:40:40.880 --> 00:40:44.317
Sauf si on travaille avec des world
models, non? Alors ensuite, je peux

00:40:44.400 --> 00:40:46.437
vous donner les solutions. Euh je vous

00:40:46.520 --> 00:40:48.877
expliquer un petit peu en fait le la

00:40:48.960 --> 00:40:51.517
l'idée autour de autour de laquelle est

00:40:51.600 --> 00:40:56.397
construite Amilabs. Euh c'est et je vais

00:40:56.480 --> 00:41:01.157
je vais je vais vous prendre un exemple
euh que j'utilise souvent euh dans ce

00:41:01.240 --> 00:41:02.637
genre de conférence. Si je prends une

00:41:02.720 --> 00:41:04.957
vidéo de cette salle, je commence par la

00:41:05.040 --> 00:41:08.237
gauche, je tourne la caméra et j'arrête.

00:41:08.320 --> 00:41:11.917
Et puis j'attends, je de donne ça à une

00:41:12.000 --> 00:41:14.237
machine entraîner à prédire ce qui se

00:41:14.320 --> 00:41:16.797
passe dans une vidéo et je demande à à

00:41:16.880 --> 00:41:19.917
cette machine, continue la vidéo.

00:41:20.000 --> 00:41:23.557
Très clairement, la machine
va prédire que la caméra va

00:41:23.640 --> 00:41:27.957
continuer à tourner, qu'on est dans une
salle de classe qui a probablement des

00:41:28.040 --> 00:41:31.797
fenêtres de ce côté-là parce qu'il voit
les ombres projetées et cetera. Mais il

00:41:31.880 --> 00:41:35.957
y a absolument aucun moyen qu'il puisse
deviner à quoi vous ressemblez tous.

00:41:36.040 --> 00:41:40.437
C'est pas possible. L'information n'est
pas présente. C'est une une information

00:41:40.520 --> 00:41:42.437
impossible à prédire. Et quand on

00:41:42.520 --> 00:41:44.957
entraîne ces systèmes, des systèmes donc

00:41:45.040 --> 00:41:48.397
génératifs à prédire au niveau du pixel

00:41:48.480 --> 00:41:53.677
euh ce qui ce qui va se passer dans une
vidéo, ça marche pas. on les tue. Alors

00:41:53.760 --> 00:41:56.797
évidemment, il y a tous ces systèmes qui
font de la synthèse vidéo. Euh on a tous

00:41:56.880 --> 00:41:59.717
joué avec ça qui sont très
impressionnants, mais ces systèmes en

00:41:59.800 --> 00:42:01.357
fait ne comprennent pas vraiment la

00:42:01.440 --> 00:42:04.197
réalité sous-jacente de de du monde

00:42:04.280 --> 00:42:07.517
physique. Euh donc euh comment peut-on

00:42:07.600 --> 00:42:09.797
entraîner un système? Simplement par

00:42:09.880 --> 00:42:11.717
prédiction, ce qui marche très bien pour

00:42:11.800 --> 00:42:15.157
le texte. Comment transposer ce succès?

00:42:15.240 --> 00:42:19.917
un système qui prédit ce qui est entraîné
à prédire ce qui se passe dans une vidéo,

00:42:20.000 --> 00:42:22.677
sachant qu'il ne peut absolument pas
prédire tous les détails de ce qu'il y a

00:42:22.760 --> 00:42:27.117
dans les vidéos. Alors ça ça conduit à
un concept que j'appelle Jeppa. C'est un

00:42:27.200 --> 00:42:28.957
un acronyme, ça veut dire Joint Embeding

00:42:29.040 --> 00:42:32.117
predictive architecture. En français

00:42:32.200 --> 00:42:34.197
architecture prédictive d'enchassement

00:42:34.280 --> 00:42:36.157
joint.

00:42:36.240 --> 00:42:40.077
Euh et l'idée de de ça, c'est de dire il

00:42:40.160 --> 00:42:42.877
faut que il faut que le le système en en

00:42:42.960 --> 00:42:46.957
s'entraînant produise une représentation

00:42:47.040 --> 00:42:51.277
abstraite de la réalité dans
lequel tous les détails qui ne sont

00:42:51.360 --> 00:42:55.157
pas prédictibles sont éliminés et
ensuite s'entraînent à prédire mais dans

00:42:55.240 --> 00:42:58.437
dans cet espace de
représentation abstraite.

00:42:58.520 --> 00:43:03.277
Et donc toute la question qui est en fait
la question originale du deep learning,

00:43:03.360 --> 00:43:08.757
c'est comment apprendre des
représentations de de percept? Et on se

00:43:08.840 --> 00:43:11.357
pose toujours la même question, c'est
une question qui m'obsède depuis 40 ans,

00:43:11.440 --> 00:43:15.117
c'est comment un système intelligent
durant l'apprentissage peut apprendre

00:43:15.200 --> 00:43:18.957
une bonne représentation du monde,
que ce soit pour la perception ou pour la

00:43:19.040 --> 00:43:20.317
prédiction dans la vidéo comme c'est le

00:43:20.400 --> 00:43:22.877
cas. Et et donc je suis arrivé à ce

00:43:22.960 --> 00:43:27.197
concept JPA qui euh j'ai publié une

00:43:27.280 --> 00:43:30.837
sorte de d'article sur ma vision de

00:43:30.920 --> 00:43:34.917
devrait aller la recherche en IA dans
les la décennie qui vient qui fait c'est

00:43:35.000 --> 00:43:37.717
maintenant c'est plus que 6 ans euh que

00:43:37.800 --> 00:43:40.477
l'article a été publié en 2002 2022

00:43:40.560 --> 00:43:43.197
pardon euh dans dans lequel je propose

00:43:43.280 --> 00:43:45.677
cette architecture. Puis il y a dans la

00:43:45.760 --> 00:43:48.917
communauté scientifique environ 2900

00:43:49.000 --> 00:43:53.037
articles qui mentionnent Jeppa. Euh donc

00:43:53.120 --> 00:43:56.117
ça suscité pas mal d'intérêt mais c'est

00:43:56.200 --> 00:43:57.357
toujours dans la communauté de la

00:43:57.440 --> 00:44:00.877
recherche et ça n'intéresse pas encore

00:44:00.960 --> 00:44:03.517
en tout cas l'industrie de de l'IA de la

00:44:03.600 --> 00:44:05.877
Sicone Vallée. Ils sont tous dans une

00:44:05.960 --> 00:44:08.517
tranchée de d'améliorer les performances

00:44:08.600 --> 00:44:11.077
des LLM et aucune de ces entreprises ne

00:44:11.160 --> 00:44:14.277
peut se permettre de dévier de trop de

00:44:14.360 --> 00:44:17.437
de de l'approche dominante parce que il

00:44:17.520 --> 00:44:21.557
prendrait le risque de prendre du retard.
Euh donc ça nous profite un

00:44:21.640 --> 00:44:25.757
petit peu parce que du coup on peut
poursuivre cette approche sans concurrent.

00:44:25.840 --> 00:44:28.397
Comme tu as pas tout à fait répondu à ma
question sur la souveraineté européenne,

00:44:28.480 --> 00:44:31.197
je je me permets de la reposer

00:44:31.280 --> 00:44:35.997
et et de je la je la formule d'une autre
manière. Est-ce que si je fais JPA ou

00:44:36.080 --> 00:44:37.797
World Models et que je fais de l'open

00:44:37.880 --> 00:44:39.277
source en plus, est-ce que je m'en sors

00:44:39.360 --> 00:44:43.477
? Alors concernant JPA World Model,

00:44:43.560 --> 00:44:45.957
qu'est-ce que c'est qu'un world model?

00:44:46.040 --> 00:44:48.037
puisque tu as mentionné donc un modèle

00:44:48.120 --> 00:44:51.477
du monde, c'est ce serait un donc c'est

00:44:51.560 --> 00:44:54.717
basé sur ces histoires de JEPA. C'est

00:44:54.800 --> 00:44:57.677
c'est ce qui permettrait à un système

00:44:57.760 --> 00:45:01.637
intelligent euh d'agir,

00:45:01.720 --> 00:45:05.717
de planifier des actions euh

00:45:05.800 --> 00:45:08.557
en prédisant les conséquences de ces

00:45:08.640 --> 00:45:11.357
actions. La raison qui nous permet de

00:45:11.440 --> 00:45:13.917
d'appréhender une nouvelle situation et

00:45:14.000 --> 00:45:18.717
de d'agir de manière correcte,
c'est en fait un modèle du monde qu'on a

00:45:18.800 --> 00:45:20.677
dans la tête qui nous permet de prédire

00:45:20.760 --> 00:45:25.757
les conséquences de nos actions. Je sais
que si je pousse sur ce sur ce verre à

00:45:25.840 --> 00:45:29.637
la base, il va glisser. Si je pousse
sur le verre en haut, il va probablement

00:45:29.720 --> 00:45:34.397
basculer. Si je pousse sur la table
avec la même force, ça va pas bouger.

00:45:34.480 --> 00:45:37.357
On a une intuition de de ce qui se passe
dans le monde qu'on apprend dans les

00:45:37.440 --> 00:45:40.317
premiers mois, les premières années
de la vie. Au départ, purement par

00:45:40.400 --> 00:45:43.757
observation, ensuite par expérimentation.

00:45:43.840 --> 00:45:47.677
Les bébés humains apprennent par exemple
la notion de gravité, le fait que un

00:45:47.760 --> 00:45:51.637
objet tombe quand il est pas supporté
environ vers l'âge de 9 mois. Ça prend

00:45:51.720 --> 00:45:54.317
du temps pour les humains, c'est plus
vite, c'est plus rapide pour la plupart

00:45:54.400 --> 00:45:56.997
des animaux. Donc, comment apprend-on

00:45:57.080 --> 00:46:01.597
ces concepts de base sur la réalité
physique? Et est-ce qu'on peut les

00:46:01.680 --> 00:46:05.557
apprendre par en s'entraînant
à prédire? La réponse

00:46:05.640 --> 00:46:08.037
est oui. Maintenant, on a la on a la
réponse, c'estàd qu'on peut entraîner

00:46:08.120 --> 00:46:11.037
des systèmes de ces à à prédire ce

00:46:11.120 --> 00:46:15.277
qui va se passer à un niveau abstrait et
on peut aussi les entraîner à prédire ce

00:46:15.360 --> 00:46:18.517
qui va se passer comme conséquence
d'action. Donc si on a un système qui

00:46:18.600 --> 00:46:21.477
peut prédire comment va changer le monde

00:46:21.560 --> 00:46:26.237
étant donné l'état du monde à l'instant
et une action que j'imagine prendre,

00:46:26.320 --> 00:46:29.437
puis-je prédire l'état du monde à
l'instant t +1 qui va résulter de cette

00:46:29.520 --> 00:46:32.277
action? Si j'ai ce modèle mental, je

00:46:32.360 --> 00:46:36.837
peux prédire le résultat d'une séquence
d'action. Je peux voir si cette séquence

00:46:36.920 --> 00:46:41.677
d'action va accomplir une tâche que je
voudrais bien accomplir. Et donc je peux

00:46:41.760 --> 00:46:45.437
par recherche trouver une séquence
d'action qui va accomplir cette tâche.

00:46:45.520 --> 00:46:48.917
C'est la planification. On sait faire ça
en tant qu'humain, très bien. On fait ça

00:46:49.000 --> 00:46:52.077
de manière hiérarchique, c'est plus
compliqué mais on sait faire ça très

00:46:52.160 --> 00:46:55.997
bien. Beaucoup d'animaux savent faire ça
aussi parce qu'ils ont un modèle mental

00:46:56.080 --> 00:46:57.837
de la réalité. Les systèmes d'hier

00:46:57.920 --> 00:47:00.317
actuel n'en ont pas. Ils ont appris

00:47:00.400 --> 00:47:04.637
plein de de faites sur déclaratif hein

00:47:04.720 --> 00:47:07.557
de sur le le monde, mais ils n'ont pas

00:47:07.640 --> 00:47:12.237
de compréhension de euh de de la réalité.
Euh donc c'est ça qu'on essaie

00:47:12.320 --> 00:47:15.397
de construire à Milabs. Ce que ça
va causer donc pour les raisons de

00:47:15.480 --> 00:47:18.837
souveraineté. c'est que ça va causer une
nouvelle révolution dans l'IA. Il va y

00:47:18.920 --> 00:47:22.277
avoir une autre révolution dans l'IA
dans les années qui viennent dû à

00:47:22.360 --> 00:47:25.837
l'avènement de ces modèles du monde
de systèmes qui peuvent planifier, de

00:47:25.920 --> 00:47:30.237
systèmes qui ont un certain sens commun
et donc de de systèmes qui vont ouvrir

00:47:30.320 --> 00:47:31.997
la porte à des applications en robotique

00:47:32.080 --> 00:47:34.477
par exemple ou application industrielle

00:47:34.560 --> 00:47:39.517
et c'est le c'est l'angle que Amilabs
poursuit. Donc, on a peut-être perdu la

00:47:39.600 --> 00:47:41.037
partie des LLM en Europe, mais on n pas

00:47:41.120 --> 00:47:45.597
perdu euh le tout le le la bataille de

00:47:45.680 --> 00:47:50.037
de l'IA parce qu'il va y avoir d'autres
révolutions et on peut être euh au

00:47:50.120 --> 00:47:55.637
départ de cette de cette autre révolution.
L'autre raison pour laquelle on peut euh

00:47:55.720 --> 00:47:58.717
on peut avoir des contributions à
cette nouvelle révolution, c'est que les

00:47:58.800 --> 00:48:03.397
modèles donc basés sur
les modèles du monde ont

00:48:03.480 --> 00:48:04.917
besoin de moins de mémoire. C'est-à-dire

00:48:05.000 --> 00:48:07.637
que il remplace l'accumulation de

00:48:07.720 --> 00:48:13.157
connaissances déclarative par
une compréhension du monde.

00:48:13.240 --> 00:48:16.477
Donc par exemple, vous avez pas besoin
de vous rappeler explicitement le fait

00:48:16.560 --> 00:48:20.997
que quand vous poussez sur un verre
en haut, il bascule. C'est c'est une

00:48:21.080 --> 00:48:24.717
compréhension. C'est pas un fait dont
vous vous rappelez de manière isolée.

00:48:24.800 --> 00:48:29.277
Vous n pas besoin d'apprendre ça par cœur.
D'accord? Donc les modèles qu'on

00:48:29.360 --> 00:48:31.677
entraîne à Milabs sont de ce type là.

00:48:31.760 --> 00:48:34.837
Ils sont en au niveau taille, ils sont
plus petits que les LLM. Ils ont pas

00:48:34.920 --> 00:48:38.277
besoin d'autant de mémoire. Euh donc,
on a pas besoin d'autant d'ordinateur pour

00:48:38.360 --> 00:48:42.037
les pour les entraîner, mais ils ont une
compréhension plus profonde en fait de

00:48:42.120 --> 00:48:47.197
la de la réalité.
Donc ça donne une porte pour la

00:48:47.280 --> 00:48:48.957
souveraineté. La deuxième porte pour la

00:48:49.040 --> 00:48:52.597
souveraineté, c'est l'open source ou

00:48:52.680 --> 00:48:56.277
open weight. Alors pour
moi, c'est un sujet de

00:48:56.360 --> 00:49:00.037
prédilection pour pour tout
un tas de raisons et dans

00:49:00.120 --> 00:49:02.477
tout un tas de domaines, mais je pense

00:49:02.560 --> 00:49:04.277
que la question est particulièrement

00:49:04.360 --> 00:49:07.917
importante aujourd'hui parce que

00:49:08.000 --> 00:49:12.117
dans le présent et
encore plus dans le futur,

00:49:12.200 --> 00:49:16.637
toute l'information qui va nous parvenir,
qui va appartenir à tous les

00:49:16.720 --> 00:49:21.117
citoyens de France et de Navar

00:49:21.200 --> 00:49:23.277
vont se faire par l'intermédiaire de

00:49:23.360 --> 00:49:25.397
système système d'IA d'assistants I

00:49:25.480 --> 00:49:29.277
d'assistants intelligents.

00:49:29.360 --> 00:49:32.597
Si ces assistants sont propriétaire

00:49:32.680 --> 00:49:34.757
et produit par trois ou quatre

00:49:34.840 --> 00:49:36.917
entreprises sur la côte ouest des

00:49:37.000 --> 00:49:42.477
États-Unis ou en Chine, c'est pas bon
pour la culture, c'est pas bon pour la

00:49:42.560 --> 00:49:46.837
démocratie, c'est pas bon pour les
valeurs, c'est c'est bon pour rien.

00:49:46.920 --> 00:49:50.757
Donc, il faut absolument éviter
cette situation dans lequelle toute

00:49:50.840 --> 00:49:54.637
l'information des citoyens se fera
sera contrôlée en fait par une poignée

00:49:54.720 --> 00:49:59.077
d'entreprise américaine ou chinoise.

00:49:59.160 --> 00:50:02.437
Donc, il faut absolument la souveraineté.
C'est pas une option.

00:50:02.520 --> 00:50:04.597
Et pour moi, la seule manière de

00:50:04.680 --> 00:50:08.197
d'arriver à à cette souveraineté, c'est

00:50:08.280 --> 00:50:10.397
pour les les pays en particulier qui ne

00:50:10.480 --> 00:50:12.917
sont ni les États-Unis ni la Chine, mais

00:50:13.000 --> 00:50:16.197
ça veut pas dire qu'on les exclut, de

00:50:16.280 --> 00:50:20.037
s'allier pour produire un modèle ouvert,

00:50:20.120 --> 00:50:24.837
gratuit, open source, euh qui serait
un espèce de dépositaire de toute la

00:50:24.920 --> 00:50:26.157
connaissance humaine et qui serait

00:50:26.240 --> 00:50:30.837
entraîné sur tous les les données, non

00:50:30.920 --> 00:50:33.437
seulement les données qui sont
disponibles publiquement aujourd'hui

00:50:33.520 --> 00:50:36.597
avec lesquels les modèles commerciaux
sont aussi entraînés, mais aussi des

00:50:36.680 --> 00:50:39.597
données qui ne sont pas
disponibles publiquement,

00:50:39.680 --> 00:50:41.477
euh les fonds culturels de la

00:50:41.560 --> 00:50:44.197
bibliothèque nationale en France

00:50:44.280 --> 00:50:46.957
et puis une quantité énorme de

00:50:47.040 --> 00:50:50.077
connaissances de de fonds culturels en

00:50:50.160 --> 00:50:52.997
Inde, en Égypte, au Vietnam, au Japon,

00:50:53.080 --> 00:50:55.597
en Corée et cetera.

00:50:55.680 --> 00:50:57.917
Si tout ces régions et ces pays

00:50:58.000 --> 00:51:01.277
collaboraient pour entraîner un modèle

00:51:01.360 --> 00:51:06.077
ouvert, il deviendrait le dépositaire
de toute la connaissance humaine et il

00:51:06.160 --> 00:51:09.557
comprendrait toutes les langues du monde,
tous les systèmes de valeur, tous

00:51:09.640 --> 00:51:11.757
les sens d'intérêt

00:51:11.840 --> 00:51:14.277
et cetera. Alors, c'est un peu une

00:51:14.360 --> 00:51:16.717
vision utopique, mais j'ai démarré un

00:51:16.800 --> 00:51:19.917
projet qui s'appelle Project Tapestry,

00:51:20.000 --> 00:51:22.077
tapisserie

00:51:22.160 --> 00:51:25.557
et qui qui essaie de de fédérer en fait

00:51:25.640 --> 00:51:29.717
des régions, des pays, des universités,
des informaticiens et et des

00:51:29.800 --> 00:51:34.877
scientifiques à contribuer à la création
de ça. On espère avoir, on a déjà le

00:51:34.960 --> 00:51:37.877
support d'un certain nombre de
gouvernements de par le monde euh en

00:51:37.960 --> 00:51:41.117
particulier l'Inde, le Japon, le Vietnam

00:51:41.200 --> 00:51:43.877
et quelques autres et on espère sous peu

00:51:43.960 --> 00:51:46.757
avoir le soutien de la plupart des pays

00:51:46.840 --> 00:51:51.717
européens et puis
d'autres d'autres acteurs.

00:51:51.800 --> 00:51:55.197
Moi, j'ai encore pas mal de questions,
mais je pense que peut-être il y a des

00:51:55.280 --> 00:51:57.597
gens dans la salle qui veulent poser des
questions. Je sais pas si c'est prévu,

00:51:57.680 --> 00:52:04.040
mais voilà, je vois quelqu'un
au premier rang qui lève la main.

00:52:06.040 --> 00:52:10.360
Il un micro qui vient vers vous, je crois.

00:52:20.760 --> 00:52:23.760
Pardon.

00:52:25.880 --> 00:52:32.520
Merci. Bonjour Yan Lequin.
Merci d'être venu à Sciencep.

00:52:33.320 --> 00:52:35.597
Ma première question et aujourd'hui il y

00:52:35.680 --> 00:52:37.757
a un type de data qui manque, on le

00:52:37.840 --> 00:52:40.837
connaît pas encore pour passer du texte

00:52:40.920 --> 00:52:43.397
au world model pour

00:52:43.480 --> 00:52:46.197
l'IA physique. Quel est ce type de data

00:52:46.280 --> 00:52:48.997
qui manque aujourd'hui? Et dans les si

00:52:49.080 --> 00:52:51.917
on se projette de ou 3 ans, quel type

00:52:52.000 --> 00:52:54.037
d'entreprise dans l'IA sera la plus

00:52:54.120 --> 00:52:57.157
intéressante? Euh et de quoi on attend

00:52:57.240 --> 00:53:00.437
d'elle? Et finalement

00:53:00.520 --> 00:53:02.957
quel genre d'entreprise si on projette

00:53:03.040 --> 00:53:06.557
encore plus loin dans 5 10 ans

00:53:06.640 --> 00:53:10.957
que Amilab serait intéressé d'acquérir.

00:53:11.040 --> 00:53:14.517
D'accord. On n pas encore de revenu he
donc il y a pas question d'acquérir quoi

00:53:14.600 --> 00:53:16.717
que ce soit mais pour l'instant on

00:53:16.800 --> 00:53:21.797
dépense beaucoup d'argent
dans GPU euh enfin on calcule.

00:53:21.880 --> 00:53:23.397
Alors en fait, il y a pas vraiment de

00:53:23.480 --> 00:53:25.877
problème de données disponibles parce

00:53:25.960 --> 00:53:30.557
que si on avait des systèmes,
des techniques d'apprentissage qui étaient

00:53:30.640 --> 00:53:34.477
aussi efficaces que ce qu'on observe
chez les humains et les animaux, on

00:53:34.560 --> 00:53:38.597
pourrait entraîner un système qui
comprend la réalité en avec 16 16000

00:53:38.680 --> 00:53:41.437
heures de de vidéo.

00:53:41.520 --> 00:53:43.637
16000 heures de vidéo, c'est environ 30

00:53:43.720 --> 00:53:46.917
minutes d'upload sur YouTube. D'accord?

00:53:47.000 --> 00:53:49.677
C'est très peu en fait de vidéo
les modèles qu'on entraîne à l'heure

00:53:49.760 --> 00:53:51.917
actuelle. À cause du fait que nos
méthodes d'entraînement sont pas aussi

00:53:52.000 --> 00:53:54.757
efficaces que ce qu'on
observe chez les humains,

00:53:54.840 --> 00:53:58.637
on entraîne nos modèles avec

00:53:58.720 --> 00:54:01.397
l'équivalent de siècles de vidéo.

00:54:01.480 --> 00:54:06.877
D'accord? Et c'est très facile à obtenir.
C'est pas un problème de source

00:54:06.960 --> 00:54:10.517
d'information. Bon, il y a beaucoup plus
de vidéos disponibles que ce qu'on peut

00:54:10.600 --> 00:54:12.517
gérer en fait avec les ordinateurs qu'on

00:54:12.600 --> 00:54:16.277
a aujourd'hui. Par contre, il y a il y a

00:54:16.360 --> 00:54:19.997
il y a un problème enfin
il y a un type de de données

00:54:20.080 --> 00:54:21.597
disons auxquelles sont exposés les

00:54:21.680 --> 00:54:23.797
humains qui est un peu plus difficile à

00:54:23.880 --> 00:54:27.757
obtenir. C'est des données qui sont

00:54:27.840 --> 00:54:31.237
observation ou état du monde action état

00:54:31.320 --> 00:54:35.237
suivant. C'est par exemple

00:54:35.320 --> 00:54:36.797
des données qui viendraient d'un robot

00:54:36.880 --> 00:54:40.077
où on voit la la position peut-être la

00:54:40.160 --> 00:54:43.437
la vitesse de de de tous les les

00:54:43.520 --> 00:54:47.517
articulations du robot et puis on envoie
une action au robot et on observe le

00:54:47.600 --> 00:54:51.717
résultat. Donc ça c'est ce qui
permettrait de construire un modèle euh

00:54:51.800 --> 00:54:55.917
du robot qui permettrait de le le
contrôler de manière intelligente.

00:54:56.000 --> 00:54:58.197
[grognement] Euh et ça c'est plus
difficile à obtenir parce qu'il faut

00:54:58.280 --> 00:55:01.517
soit simuler le robot, ce qui est
possible mais c'est c'est pas précis

00:55:01.600 --> 00:55:04.837
quand il s'agit de faire la manipulation
d'objets par exemple la simulation

00:55:04.920 --> 00:55:07.757
marche pas bien. Euh ça marche bien. Par

00:55:07.840 --> 00:55:10.237
contre, si on veut

00:55:10.320 --> 00:55:12.677
faire en sorte que le robot court une

00:55:12.760 --> 00:55:17.677
course à pied, fasse un saut hauteur
ou ou un espèce de mouvement kung fou,

00:55:17.760 --> 00:55:20.557
c'est pour ça qu'on voit tous ces robots
hmnoïdes en Chine qui font tous ces

00:55:20.640 --> 00:55:23.677
trucs. C'est vraiment simple ça en fait.

00:55:23.760 --> 00:55:27.837
Les les modèles dynamiques des robots
qu'il faut apprendre pour ça simples

00:55:27.920 --> 00:55:31.317
parce que l'interaction de ces robots
avec le monde réel est en fait très très

00:55:31.400 --> 00:55:34.437
simple. C'est juste les pieds sur le sol

00:55:34.520 --> 00:55:38.677
et c'est à peu près tout. Euh mais quand
il s'agit de par exemple manipuler un

00:55:38.760 --> 00:55:41.117
objet, c'est beaucoup beaucoup plus
compliqué. En fait, il y a un gros

00:55:41.200 --> 00:55:43.997
secret dans toute l'industrie de la
robotique aujourd'hui. Il y a plein de

00:55:44.080 --> 00:55:46.997
boîtes qui construisent des robots
humanoïdes ou ou d'autres. Plein de

00:55:47.080 --> 00:55:50.197
boîtes aussi qui font des logiciels
pour essayer de rendre les robots

00:55:50.280 --> 00:55:52.717
intelligents. Aucune des entreprises

00:55:52.800 --> 00:55:57.437
aujourd'hui qui fait des qui construit
des robots humanoïdes n'a aucune idée de

00:55:57.520 --> 00:56:01.797
comment rendre ces robots suffisamment
intelligents pour être utiles. OK? Ces

00:56:01.880 --> 00:56:03.797
robots sont complètement inutiles.

00:56:03.880 --> 00:56:07.917
Alors, on peut en collectant énormément
de données les entraîner les entraîner à

00:56:08.000 --> 00:56:10.277
accomplir une tâche par imitation, mais

00:56:10.360 --> 00:56:13.517
il faut collecter énormément de données

00:56:13.600 --> 00:56:17.717
euh peut-être des dizaines de milliers
d'heures pour une tâche assez étroite

00:56:17.800 --> 00:56:20.997
dans une usine ou un truc comme ça.
Et donc, c'est pas for c'est pas vraiment

00:56:21.080 --> 00:56:24.597
économiquement faisable. et le robot
domestique qui débarrasse la table et

00:56:24.680 --> 00:56:25.957
qui nettoie les maisons, c'est pas pour

00:56:26.040 --> 00:56:28.877
demain. Euh donc il y a une grosse

00:56:28.960 --> 00:56:33.157
question, c'est combien de de boîtes
de robotique humanoïdes vont boire le

00:56:33.240 --> 00:56:37.957
bouillon avant que l'IA ait fait
suffisamment de progrès pour pour les

00:56:38.040 --> 00:56:43.877
rendre utiles? On espère à Mila espère
jouer un rôle positif naturellement.

00:56:43.960 --> 00:56:46.277
Madame au premier rang avait une
question depuis assez longtemps donc je

00:56:46.360 --> 00:56:49.077
pense queil faut lui donner le micro
à elle. Je sais pas s'il y a un micro

00:56:49.160 --> 00:56:51.837
sinon moi je donne mon micro volontiers.

00:56:51.920 --> 00:56:54.920
Voilà.

00:57:00.840 --> 00:57:05.517
Bonsoir. Merci beaucoup. C'est vraiment
passionnant de de vous écouter. Moi, je

00:57:05.600 --> 00:57:10.437
suis Alam Garby, l'ambassadrice de
France auprès de l'UNESCO et l'UNESCO en

00:57:10.520 --> 00:57:13.237
2021 a publié des recommandations
sur l'éthique de l'intelligence

00:57:13.320 --> 00:57:15.037
artificielle. Alors 2021, ça paraît le

00:57:15.120 --> 00:57:18.117
Moyen-Âge quand on voit le progrès

00:57:18.200 --> 00:57:23.557
de développement de ces ces modèles.
Et moi la question que je je me poser

00:57:23.640 --> 00:57:24.997
c'est est-ce que aujourd'hui on peut

00:57:25.080 --> 00:57:27.957
encore réguler, gouverner comme comme

00:57:28.040 --> 00:57:31.597
l'a suggéré Louis Vassie l'intelligence

00:57:31.680 --> 00:57:35.397
artificielle? surtout que on se pose
des questions très concrètes à l'UNESCO

00:57:35.480 --> 00:57:37.477
notamment, c'est protection des enfants,

00:57:37.560 --> 00:57:42.717
l'un des informations,
les droits cognitifs, droits d'auteur,

00:57:42.800 --> 00:57:47.277
diversité culturelle, vous l'avez vous
l'avez abordé. Comment et est-ce qu'on

00:57:47.360 --> 00:57:50.477
peut est-ce qu'on doit et
comment on peut le faire?

00:57:50.560 --> 00:57:54.277
Alors pour moi,
bon je suis pas législateur,

00:57:54.360 --> 00:57:58.957
je prétends pas avoir la moindre
expertise pour commenter là-dessus, mais

00:57:59.040 --> 00:58:00.717
euh

00:58:00.800 --> 00:58:02.757
en ce qui me concerne, je pense que il

00:58:02.840 --> 00:58:06.117
faut il faut réguler les déploiements

00:58:06.200 --> 00:58:10.557
euh de système intelligents.
C'estàd que si on veut déployer un

00:58:10.640 --> 00:58:12.237
système d'assistance à la conduite dans

00:58:12.320 --> 00:58:14.357
une voiture, il faut bien sûr que qu'il

00:58:14.440 --> 00:58:17.677
y ait un organisme indépendant qui va

00:58:17.760 --> 00:58:20.077
tester la fiabilité du système. Si on

00:58:20.160 --> 00:58:22.037
utilise un système d'analyse d'images

00:58:22.120 --> 00:58:26.277
médicale pour les les mammographies,

00:58:26.360 --> 00:58:31.037
évidemment, il faut une autorisation
de mise sur le marché, s'assurer que euh

00:58:31.120 --> 00:58:36.077
que ça va faire du bien aux patients
et cetera ou améliorer les performances.

00:58:36.160 --> 00:58:40.357
Donc pour la plupart des domaines,
il y a déjà des réglementations existantes

00:58:40.440 --> 00:58:44.637
qui sont dues simplement au à
l'application dans lequelle l'IA serait

00:58:44.720 --> 00:58:49.317
déployé. Donc il y a pas besoin
en fait généralement de régulation

00:58:49.400 --> 00:58:51.437
supplémentaire. Alors maintenant, est-ce

00:58:51.520 --> 00:58:56.917
qu'il y a des des applications propres
de l'IA qui qui n'existait pas avant

00:58:57.000 --> 00:59:00.957
pour lesquelles il faut des des
régulations explicites de protection des

00:59:01.040 --> 00:59:05.317
données privées de et cetera. Pas clair
du tout. en Europe, on a déjà des règles

00:59:05.400 --> 00:59:09.077
de protection de données privées qui
s'appliquent et euh qui d'une certaine

00:59:09.160 --> 00:59:12.157
manière euh

00:59:12.240 --> 00:59:14.877
limite déjà à ce qu'on peut faire

00:59:14.960 --> 00:59:18.877
avec l'IA. Euh

00:59:18.960 --> 00:59:23.397
alors ensuite, il y a la question qui
est qui est un peu plus controversée

00:59:23.480 --> 00:59:24.917
mais qui pour moi devrait pas être

00:59:25.000 --> 00:59:28.037
controversé, c'est doit-on réguler en

00:59:28.120 --> 00:59:32.157
amont euh la création de système d'IA?

00:59:32.240 --> 00:59:35.677
Alors, si on pense que l'IA
est intrinsèquement dangereuse,

00:59:35.760 --> 00:59:39.237
simplement l'existence d'un système d'IA
puissant et intrinsèquement dangereuse,

00:59:39.320 --> 00:59:43.197
on pourrait tenter de réguler la
recherche et le développement en IA.

00:59:43.280 --> 00:59:44.837
Mais moi, je n'y crois pas du tout.

00:59:44.920 --> 00:59:49.397
Alors, effectivement, c'est un peu les
les déclarations de Tony Truant de de

00:59:49.480 --> 00:59:54.117
ces derniers jours. Ce sont des gens qui
croient au danger intrinsèque de l'IA,

00:59:54.200 --> 00:59:57.837
mais je n'y crois pas, en tout cas pas
dans l'état actuel. Euh c'est un peu

00:59:57.920 --> 01:00:01.957
comme si en 1920
quelqu'un avait dit il faut

01:00:02.040 --> 01:00:05.437
absolument réguler les
vols transatlantiques

01:00:05.520 --> 01:00:07.277
avec les moteurs à réaction alors que

01:00:07.360 --> 01:00:08.557
les vols transatlantiques n'avaient pas

01:00:08.640 --> 01:00:13.517
encore été faits en 1920 ça date de 1929

01:00:13.600 --> 01:00:16.237
et le moteur réaction n'avait pas encore

01:00:16.320 --> 01:00:19.157
été inventé. Comment pouvons-nous

01:00:19.240 --> 01:00:22.717
imaginer rendre un système sécurisé si

01:00:22.800 --> 01:00:26.637
on l'a pas encore inventé? On n pas
encore inventé l'intelligence, la super

01:00:26.720 --> 01:00:29.597
intelligence ou l'intelligence de
niveau humain comme j'essayais de le dire

01:00:29.680 --> 01:00:33.277
précédemment. Alors il des gens qui font
des illusions convallé et puis qui pour

01:00:33.360 --> 01:00:36.837
des raisons financières et commerciales
bien sûr vont vous dire oui maintenant

01:00:36.920 --> 01:00:38.117
on pourra faire des systèmes super

01:00:38.200 --> 01:00:44.920
intelligents dans de 3 ans.
Donnez-nous 300 milliards mais c'est faux.

01:00:45.760 --> 01:00:48.637
Je veux pas trop non plus simplifier les
questions d'éthique. Il y a des vraies

01:00:48.720 --> 01:00:52.557
questions derrière. Bon j'ai une
question concernant la régulation

01:00:52.640 --> 01:00:54.957
également. Euh donc vous défendez une

01:00:55.040 --> 01:00:59.877
régulation des usages et non de la
recherche, je suis ici. Oh pardon. Comme

01:00:59.960 --> 01:01:02.997
je dis, vous défendez une régulation
des usage et non de la recherche, une

01:01:03.080 --> 01:01:06.957
régulation du déploiement.
Et donc concrètement quelle régulation de

01:01:07.040 --> 01:01:11.397
l'usage sur le plan écologique vous
paraît pertinente et existe-t-il une

01:01:11.480 --> 01:01:15.277
régulation écologique de LIA qui puisse
porter réellement que sur les usages

01:01:15.360 --> 01:01:17.757
sans devenir en pratique une contrainte

01:01:17.840 --> 01:01:20.637
pour la recherche?

01:01:20.720 --> 01:01:23.117
Alors non.

01:01:23.200 --> 01:01:25.757
C'est-à-dire les les euh les centres de

01:01:25.840 --> 01:01:28.077
calcul qu'on utilise pour aussi bien

01:01:28.160 --> 01:01:30.957
pour le développement de système d'IA

01:01:31.040 --> 01:01:32.797
que pour leur utilisation, leur

01:01:32.880 --> 01:01:36.037
déploiement consomme de l'énergie. Et

01:01:36.120 --> 01:01:40.797
bien sûr, bon en France, on a l'énergie
qui est en grande partie décarbonée. On

01:01:40.880 --> 01:01:44.557
est chanceux de ce côté-là. Faut
mettre tous les data center en France.

01:01:44.640 --> 01:01:47.437
Pardon? Il faut mettre tous les data
centers en France. C'est ce que je pense.

01:01:47.520 --> 01:01:49.517
Oui. Oui. Voilà. [rires]

01:01:49.600 --> 01:01:54.757
Euh donc c'est c'est un avantage hein,
c'est un atout certainement pour pour la

01:01:54.840 --> 01:01:58.837
France et puis pour le monde entier quoi.
Parce que ça veut dire que effectivement

01:01:58.920 --> 01:02:01.797
mettre des data center en France ça
fera probablement monter les prix de

01:02:01.880 --> 01:02:06.317
l'électricité mais ça augmentera pas
beaucoup le le l'empreinte l'empreinte

01:02:06.400 --> 01:02:08.517
carbone. C'est un vrai problème dans

01:02:08.600 --> 01:02:11.557
d'autres pays. Il y a une autre question

01:02:11.640 --> 01:02:16.157
que les gens se posent qui est la
consommation d'eau. Alors ça je dis tout

01:02:16.240 --> 01:02:17.757
de suite c'est pas du tout un problème.

01:02:17.840 --> 01:02:20.117
Ça consomme pas d'eau les data center.

01:02:20.200 --> 01:02:22.797
L'eau est recyclée. Enfin, c'est
toujours la même eau. C'est un circuit

01:02:22.880 --> 01:02:25.877
fermé. Ça consomme vraiment pas d'eau.

01:02:25.960 --> 01:02:29.437
Si vous voulez vraiment économiser de
l'eau, mangez plus d'amende parce que ça

01:02:29.520 --> 01:02:31.557
ça consomme de l'eau ou allez plus jouer

01:02:31.640 --> 01:02:34.597
au golf. Je joue pas au golf. Euh ça

01:02:34.680 --> 01:02:37.557
consomme plus que un gros data center.

01:02:37.640 --> 01:02:39.437
Donc ça c'est vraiment pas un problème.

01:02:39.520 --> 01:02:41.677
Le seul problème c'est émission de

01:02:41.760 --> 01:02:43.917
carbone et production d'énergie. Bon, il

01:02:44.000 --> 01:02:46.677
y a beaucoup de gens dans la Alors la ce

01:02:46.760 --> 01:02:49.077
qui est intéressant, c'est que

01:02:49.160 --> 01:02:52.917
les incitations de l'industrie pour

01:02:53.000 --> 01:02:56.677
réduire la consommation énergétique des

01:02:56.760 --> 01:03:01.477
de l'IA est là,
c'est-à-dire que le gros des

01:03:01.560 --> 01:03:04.797
dépenses du d'une entreprise de tech, une

01:03:04.880 --> 01:03:09.197
entreprise d'IA pour servir des
systèmes d'IA va dans la consommation

01:03:09.280 --> 01:03:11.757
énergétique. Il y a acheté les GPU à

01:03:11.840 --> 01:03:14.997
Johnson Wang, mais il y a aussi euh dans

01:03:15.080 --> 01:03:19.357
les opérations, c'est essentiellement
euh la consommation énergétique. Donc il

01:03:19.440 --> 01:03:22.917
y a énormément d'efforts dans
l'industrie. Il y a pas besoin de

01:03:23.000 --> 01:03:25.117
régulation pour ça.

01:03:25.200 --> 01:03:28.237
Toutes les incitations du marché

01:03:28.320 --> 01:03:30.517
conduisent les gens à diminuer au

01:03:30.600 --> 01:03:33.957
maximum la consommation énergétique par

01:03:34.040 --> 01:03:38.877
des des innovations au niveau
architecture de modèle, au niveau

01:03:38.960 --> 01:03:40.597
algorithme sous-jacent, au niveau

01:03:40.680 --> 01:03:43.237
efficacité du du hardware lui-même,

01:03:43.320 --> 01:03:47.437
design des chips et puis tout ce qui

01:03:47.520 --> 01:03:49.277
tout ce qui va avec. Donc il y a pas

01:03:49.360 --> 01:03:56.000
vraiment besoin de régulation
parce que l'incitation est là déjà.

01:03:56.640 --> 01:04:00.877
J'avais une question. Bonsoir. Merci
beaucoup. Déjà, c'est incroyable ce que

01:04:00.960 --> 01:04:05.797
tout ce que vous avez dit. Euh, j'ai
des questions par rapport aux données et

01:04:05.880 --> 01:04:07.397
comment vous sourcez vos données.

01:04:07.480 --> 01:04:09.237
Reprenant le l'exemple que vous avez

01:04:09.320 --> 01:04:12.677
donné à propos du nourrisson qui apprend

01:04:12.760 --> 01:04:15.237
en voyant

01:04:15.320 --> 01:04:19.717
en tant qu'enfant quand tu quand tu te
lèves et que tu tombes, tu touches le

01:04:19.800 --> 01:04:23.237
monde et il y a toute la question de
données aptique. Et vous, comment vous

01:04:23.320 --> 01:04:26.437
faites pour sourcer vos données? Et
comment vous faites pour récolter autant

01:04:26.520 --> 01:04:31.517
de données pour pouvoir alimenter vos
worlds? Oui. Alors, c'est une question

01:04:31.600 --> 01:04:35.197
intéressante euh à plusieurs volets.
La première, c'est que euh en tant

01:04:35.280 --> 01:04:37.517
qu'humain et beaucoup d'animaux, euh on

01:04:37.600 --> 01:04:42.357
peut on peut très bien devenir euh
intelligent sans la vision euh mais pas

01:04:42.440 --> 01:04:45.637
sans le toucher. Le toucher
est absolument indispensable.

01:04:45.720 --> 01:04:49.637
Euh mais en fait la la la quantité
d'information qui qui parvient au

01:04:49.720 --> 01:04:54.117
cerveau par le toucher est quasiment
équivalent à ce qui ce qui parvient par

01:04:54.200 --> 01:04:55.917
la vision. C'est c'est très surtout si

01:04:56.000 --> 01:04:59.117
on est aveugle. Donc c'est assez euh

01:04:59.200 --> 01:05:03.517
haute bande passante quoi, au débit. Euh

01:05:03.600 --> 01:05:07.477
et ce qui est un petit peu

01:05:07.560 --> 01:05:11.597
ennuyeux, c'est qu'on a pas
de bons capteur de toucher.

01:05:11.680 --> 01:05:13.557
Euh il y a des capteurs de toucher pour

01:05:13.640 --> 01:05:15.717
les robots, mais ils sont pas très bons.

01:05:15.800 --> 01:05:19.437
Et ceux qui sont bons euh durent pas

01:05:19.520 --> 01:05:22.837
longtemps. Ils sont basés sur des gels

01:05:22.920 --> 01:05:26.837
un peu un peu mou sur lequel on met de
la peinture réfléchissante et une caméra

01:05:26.920 --> 01:05:30.397
derrière. Alors c'est magnifique.
Un toucher, un sandw toucher extrêmement

01:05:30.480 --> 01:05:33.877
précis. Mais au bout de quelques heures
d'utilisation, la peinture s'en va. Donc

01:05:33.960 --> 01:05:38.357
c'est pas donc on n pas beaucoup
de données de toucher euh et il y a

01:05:38.440 --> 01:05:41.437
beaucoup de gens qui
travaille sur la manipulation

01:05:41.520 --> 01:05:45.197
robotique sans toucher et c'est
horriblement difficile. C'est

01:05:45.280 --> 01:05:48.517
probablement impossible en fait. Donc
tant qu'on aura pas fait de progrès dans

01:05:48.600 --> 01:05:54.080
les capteurs, probablement
la la performance va saturer.

01:05:56.200 --> 01:05:59.077
Oui. Bonjour. Merci Dominique Boulier.

01:05:59.160 --> 01:06:02.477
J'apprécie beaucoup vos critiques sur
les LLM mais j'en aurai moi d'autres

01:06:02.560 --> 01:06:05.797
éventuellement à faire d'ailleurs.
Mais vous êtes ici dans une université de

01:06:05.880 --> 01:06:08.797
sciences sociales et quand vous parlez

01:06:08.880 --> 01:06:13.317
d'apprentissage vous n'avez
pas mentionné de dimension

01:06:13.400 --> 01:06:16.157
sociale. Alors qu'évidemment on apprend
en tant que puisque vous parlez des

01:06:16.240 --> 01:06:19.757
enfants, on apprend massivement
socialement dans la relation. De la même

01:06:19.840 --> 01:06:22.797
façon quand vous parlez des mondes des
modèles du monde, on apprend pas non

01:06:22.880 --> 01:06:26.557
plus on on ne voit pas où est dans
votre modèle du monde. Il y a tellement

01:06:26.640 --> 01:06:29.157
d'autres problèmes peut-être à traiter,
c'est pour ça. Mais en attendant, la

01:06:29.240 --> 01:06:32.477
question du monde social, elle est
aussi présente. Or, ces mondes là, ces

01:06:32.560 --> 01:06:36.397
systèmes là, de mon point de vue et nous
sommes certain nombreux, tout le monde a

01:06:36.480 --> 01:06:41.277
travaillé sur cela, c'est largement plus
complexe que les systèmes physiques sur

01:06:41.360 --> 01:06:44.597
lesquels on vous travaillez pour la
la reconnaissance autrement. Est-ce que

01:06:44.680 --> 01:06:46.677
vous pensez qu'à un moment vous allez

01:06:46.760 --> 01:06:50.117
euh entamer cette phase de tentative

01:06:50.200 --> 01:06:54.277
entre guillemets de modélisation de ces
dimensions sociale? Sachant qu'ici, je

01:06:54.360 --> 01:06:56.717
suis persuadé qu'il y a des chercheurs
qui sont prêts à donner un coup de main

01:06:56.800 --> 01:06:59.917
et qui sont très bons parce là-dessus
pour ça. Donc, c'est une offre de

01:07:00.000 --> 01:07:03.317
service peut-être avec une condition
quand même, c'est qu'il faudrait arrêter

01:07:03.400 --> 01:07:06.837
à ce moment-là de se dire qu'on va tout
automatiser parce que précisément ce qui

01:07:06.920 --> 01:07:11.117
fait l'intérêt de cette performance
technologique qu'on obtient avec les

01:07:11.200 --> 01:07:15.437
même les LLM, c'est seulement dans
la mesure où ils sont couplés avec les

01:07:15.520 --> 01:07:19.277
sociétés, les organisations de façon fine,
sinon effectivement ça devient du

01:07:19.360 --> 01:07:21.917
délire et à ce moment-là, on peut
effectivement s'inquiéter. Donc vous

01:07:22.000 --> 01:07:24.877
voyez, il y a beaucoup de paramètres
ou de conditions à mettre pour que

01:07:24.960 --> 01:07:28.077
l'association fonctionne. OK.
Donc il y a quatre ou cinq questions

01:07:28.160 --> 01:07:30.277
dans votre question.

01:07:30.360 --> 01:07:34.837
Alors la première chose sur euh sur

01:07:34.920 --> 01:07:40.277
la relation de de l'humain du futur
vis-à-vis de système intelligent

01:07:40.360 --> 01:07:42.957
peut-être super intelligent,
c'est-à-dire plus intelligent que les

01:07:43.040 --> 01:07:46.077
humains dans tous les domaines.
Il y a pas il y a pas il y a il y a pas de

01:07:46.160 --> 01:07:48.757
raison de douter que ça va arriver.

01:07:48.840 --> 01:07:52.157
Il a il y a pas de doute. Ça va arriver.

01:07:52.240 --> 01:07:55.597
On aura des machines, ça va pas arriver
l'année prochaine, mais on aura des

01:07:55.680 --> 01:07:58.197
machines à un certain moment qui seront
plus intelligents que les humains dans

01:07:58.280 --> 01:08:01.877
tous les domaines à peu près et
probablement beaucoup plus intelligent

01:08:01.960 --> 01:08:03.917
dans certains domaines.

01:08:04.000 --> 01:08:09.117
Euh ça va venir pas avec les LLM ça.
Il y aura d'autres technologies peut-être

01:08:09.200 --> 01:08:12.837
basées sur les world model peut-être
ce que construit à Milabs, mais ça va

01:08:12.920 --> 01:08:17.037
prendre du temps. Ces systèmes bien
qu'ils soient plus intelligents que nous

01:08:17.120 --> 01:08:18.677
seront sous nos ordres. c'est-à-dire

01:08:18.760 --> 01:08:21.437
qu'ils seront construits pour

01:08:21.520 --> 01:08:25.877
obéir à nos requêtes. Euh et l'activité

01:08:25.960 --> 01:08:30.877
humaine sera en grande partie euh d'être

01:08:30.960 --> 01:08:33.437
le patron d'une équipe super

01:08:33.520 --> 01:08:38.237
intelligente de gens qui de gens
virtuels qui qui travaillent pour nous,

01:08:38.320 --> 01:08:39.277
d'assistant intelligents qui travaillent

01:08:39.360 --> 01:08:40.837
pour nous.

01:08:40.920 --> 01:08:45.917
On aura toujours la dans les mains la la

01:08:46.000 --> 01:08:50.717
décision de de savoir ce sur quoi
travailler. Bien sûr, on aura des

01:08:50.800 --> 01:08:54.997
machines intelligentes pour nous aider
à réaliser les projets qu'on qu'on

01:08:55.080 --> 01:08:56.877
imagine, mais l'imagination de ces

01:08:56.960 --> 01:08:58.877
projets est toujours dans nos mains.

01:08:58.960 --> 01:09:02.117
C'estàd que l'utilité pour l'humanité de

01:09:02.200 --> 01:09:04.037
de quelque chose de nouveau, que ce soit

01:09:04.120 --> 01:09:07.517
un produit ou un produit intellectuel ou

01:09:07.600 --> 01:09:11.757
quel qu'il soit, c'est proprement
humain. Donc donc ce sera dans nos

01:09:11.840 --> 01:09:15.757
mains. Donc ce sera quand même
travailler avec une équipe de gens super

01:09:15.840 --> 01:09:17.317
intelligents. Alors je sais pas si vous

01:09:17.400 --> 01:09:23.037
êtes enseignant à Science Po oui.
Euh vous avez des étudiants en doctorat?

01:09:23.120 --> 01:09:25.517
Je suis sûr qu'il y en a qui sont plus
intelligents que vous. Moi, en tout cas,

01:09:25.600 --> 01:09:28.997
j'en ai qui sont plus
intelligents que moi. [rires]

01:09:29.080 --> 01:09:31.797
C'est la meilleure chose qui puisse vous
arriver, c'est d'avoir des collègues qui

01:09:31.880 --> 01:09:34.917
travaillent avec vous, qui sont plus
intelligents que vous et qui sont prêts

01:09:35.000 --> 01:09:39.037
à vous écouter quand vous leur demandez
de faire quelque chose. Euh et donc ça

01:09:39.120 --> 01:09:42.077
va être un petit peu la situation
de l'humanité, une amplification de

01:09:42.160 --> 01:09:46.997
l'intelligence, de l'efficacité,
de décisions rationnelles et cetera et

01:09:47.080 --> 01:09:50.757
de de capacité et technique
d'une certaine manière.

01:09:50.840 --> 01:09:53.877
Mais mais à la fin, on est toujours ceux
qui décident. Alors ensuite, il y a la

01:09:53.960 --> 01:09:58.517
question de l'apprentissage social. J'ai
l'opinion exactement inverse de ce que

01:09:58.600 --> 01:10:01.837
vous avez dit, c'est-à-dire queà mon
avis, l'utilisation de l'interaction

01:10:01.920 --> 01:10:05.197
sociale pour l'apprentissage facilite
l'apprentissage. Ça rend pas plus

01:10:05.280 --> 01:10:07.397
compliqué, ça rend plus simple. C'est en

01:10:07.480 --> 01:10:11.997
fait un une amélioration qui est propre

01:10:12.080 --> 01:10:15.717
dans la nature au au aux espèces

01:10:15.800 --> 01:10:19.277
sociales qu'elles peuvent utiliser euh

01:10:19.360 --> 01:10:21.197
la diversité

01:10:21.280 --> 01:10:24.877
de de de compétences entre les individus

01:10:24.960 --> 01:10:27.797
pour en fait être plus efficace en tant

01:10:27.880 --> 01:10:31.157
que en tant que tribu ou espèce. Donc

01:10:31.240 --> 01:10:34.997
c'est euh c'est une propriété qui qui

01:10:35.080 --> 01:10:38.997
s'applique aux humains, au aux babouin,

01:10:39.080 --> 01:10:43.080
au chimpanzés, au

01:10:43.400 --> 01:10:46.037
certainement au loup et donc au chiens.

01:10:46.120 --> 01:10:49.637
Ce sont des espèces sociales mais qui

01:10:49.720 --> 01:10:53.677
s'appliquent pas du tout à des espèces
très intelligentes comme par exemple les

01:10:53.760 --> 01:10:55.437
enoutants. Les enutants sont pas du tout

01:10:55.520 --> 01:10:58.437
sociaux, ils apprennent de leur mère

01:10:58.520 --> 01:11:01.157
mais les enoutants eux-mêmes sont

01:11:01.240 --> 01:11:03.997
territoriaux et donc interdissus très

01:11:04.080 --> 01:11:08.677
peu avec leur semblable. Euh ils ont pas
de problème d'interaction sociale parce

01:11:08.760 --> 01:11:10.957
que l'interaction sociale consiste à

01:11:11.040 --> 01:11:13.797
chasser les autres individus qui sont

01:11:13.880 --> 01:11:16.157
trop prêts pour garder le territoire.

01:11:16.240 --> 01:11:19.517
Euh et pourtant ce sont des animaux
incroyablement intelligents, presque

01:11:19.600 --> 01:11:21.717
aussi intelligents que les humains.
On a l'impression d'être beaucoup plus

01:11:21.800 --> 01:11:24.237
intelligents que mais en fait non,
on est juste un tout petit peu plus

01:11:24.320 --> 01:11:27.957
intelligent quee eux. Euh et puis tout
un tas d'espèces qui deviennent vraiment

01:11:28.040 --> 01:11:31.117
intelligents et vraiment très vite sans

01:11:31.200 --> 01:11:33.357
aucune interaction avec leur congénère

01:11:33.440 --> 01:11:39.277
et avec leurs parents.
Bon exemple, les poulpes. Les poulpes

01:11:39.360 --> 01:11:41.757
quand ils naissent, ils sont à peu près
grands comme ça. Ils vivent environ 2

01:11:41.840 --> 01:11:45.277
ans. Ils ne rencontrent jamais leurs
parents parce que leur mère meurt dès

01:11:45.360 --> 01:11:48.277
qu'ils sortent de l'œuf. Euh ils

01:11:48.360 --> 01:11:49.397
deviennent vraiment intelligents

01:11:49.480 --> 01:11:52.797
vraiment vite. Euh les coucous compte

01:11:52.880 --> 01:11:55.597
jamais leurs parents euh et bon et c'est

01:11:55.680 --> 01:11:57.477
pas unique et c'est ces animaux qui sont

01:11:57.560 --> 01:12:01.197
pas bêtes du tout. Donc euh

01:12:01.280 --> 01:12:04.397
quel est le mécanisme par lequel un

01:12:04.480 --> 01:12:09.677
animal peut devenir intelligent sans
avec très peu d'interaction avec ses

01:12:09.760 --> 01:12:13.277
congénères? C'est c'est un grand
mystère pour moi et l'interaction avec

01:12:13.360 --> 01:12:16.157
les congénères accélère le processus
d'apprentissage bien sûr parce que du

01:12:16.240 --> 01:12:19.877
coup on peut apprendre par imitation
donc c'est ça facilite l'intelligence.

01:12:19.960 --> 01:12:23.317
Alors ensuite, il y a tous les problèmes
de compréhension de comportements

01:12:23.400 --> 01:12:27.277
sociaux qui eux peuvent être compliqués
parce qu'il faut un modèle du monde de

01:12:27.360 --> 01:12:30.197
l'autre individu qui en général n'a pas

01:12:30.280 --> 01:12:34.517
des motivations alignées avec les les
nôtres pas toujours. Donc là ça devient

01:12:34.600 --> 01:12:36.117
compliqué, on est d'accord et c'est des

01:12:36.200 --> 01:12:40.757
situations un peu antagonistes

01:12:40.840 --> 01:12:43.277
peut-être. Oui, merci beaucoup d'avoir

01:12:43.360 --> 01:12:46.237
été au piniatre c'est ici au piniatre et

01:12:46.320 --> 01:12:50.557
d'avoir continué c'est important

01:12:50.640 --> 01:12:54.157
les petites phrases qu'on a eu là qui
nous chauffai qui étaient des phrases

01:12:54.240 --> 01:12:56.677
qui viennent de vous AI systems that

01:12:56.760 --> 01:12:59.677
understand the real word on peut

01:12:59.760 --> 01:13:04.157
comprendre d'un texte et de ce point
de vue là les LLM sont quand même très

01:13:04.240 --> 01:13:07.757
forts. On peut comprendre le monde
dans le sens de ce que vous avez donné

01:13:07.840 --> 01:13:12.557
c'estàd très physiquement avec un verre
qui tombe. Mais si et j'ai j'étais assez

01:13:12.640 --> 01:13:16.517
sensible à ce que vous avez dit, on veut
essayer de comprendre les conséquences

01:13:16.600 --> 01:13:21.157
de ces actions ou d'une chaîne d'action,
est-ce que finalement c'est pas plus

01:13:21.240 --> 01:13:26.197
facile de repasser par l'abstrait
d'un LLM plutôt que de quelque chose

01:13:26.280 --> 01:13:27.557
trivialement? Ma question, c'est dans

01:13:27.640 --> 01:13:33.277
quel sens pour ces trois types de
choses vous comprenez comprendre?

01:13:33.360 --> 01:13:37.237
Est-ce qu'un Est-ce qu'un chat de
gouttière a besoin de la langue pour

01:13:37.320 --> 01:13:39.437
savoir comment sauter comment sauter

01:13:39.520 --> 01:13:43.717
d'un d'un toit à un autre? ou à grimper

01:13:43.800 --> 01:13:47.957
à grimper au mur en rebondissant
d'un côté et l'autre. Ils ont une

01:13:48.040 --> 01:13:52.237
compréhension de leur propre physique
d'abord et l'interaction de leur patte

01:13:52.320 --> 01:13:55.837
avec l'environnement et de
l'environnement de la friction et cetera

01:13:55.920 --> 01:13:57.877
qui est hallucinante et ils n'ont pas

01:13:57.960 --> 01:14:00.477
besoin de la langue. Euh pareil pour la

01:14:00.560 --> 01:14:02.997
plupart des primates euh à part les

01:14:03.080 --> 01:14:05.517
humains qui n'ont pas besoin de la la

01:14:05.600 --> 01:14:07.597
langue en tout cas de langue de avec la

01:14:07.680 --> 01:14:10.357
complexité de de la langue humaine. Donc

01:14:10.440 --> 01:14:16.587
la langue bien sûr peut aider à partir
au-delà d'un certain niveau d'abstraction.

01:14:16.670 --> 01:14:18.157
[raclement de gorge] il est
probablement plus rapide et plus

01:14:18.240 --> 01:14:23.077
facile d'apprendre des concepts en
utilisant la langue. Mais sur quelle

01:14:23.160 --> 01:14:26.397
fondation va se baser
cette connaissance si elle

01:14:26.480 --> 01:14:29.357
n'est pas ancrée dans le dans la réalité

01:14:29.440 --> 01:14:35.320
? C'est tout c'est tout
un problème philosophicau

01:14:35.800 --> 01:14:38.437
disons que se posent à la fois les

01:14:38.520 --> 01:14:40.197
philosophes, les gens des sciences

01:14:40.280 --> 01:14:42.997
cognitives et les informaticiens de de

01:14:43.080 --> 01:14:45.677
l'IA, c'est est-ce que l'intelligence ne

01:14:45.760 --> 01:14:48.917
peut être que

01:14:49.000 --> 01:14:50.597
ancré dans la réalité? c'est le

01:14:50.680 --> 01:14:55.037
grounding problem et la réponse à la ma

01:14:55.120 --> 01:14:58.237
réponse c'est oui. On ne peut pas
créer des systèmes intelligents qui

01:14:58.320 --> 01:14:59.997
comprennent pas la réalité et en fait il

01:15:00.080 --> 01:15:02.477
y a beaucoup plus de complexité dans la

01:15:02.560 --> 01:15:05.437
réalité qu'il n'y en a dans dans les

01:15:05.520 --> 01:15:09.677
symboles abstraits et dans le et dans la
langue. Et si on veut pouvoir utiliser à

01:15:09.760 --> 01:15:11.917
boncient la manipulation de symbole et

01:15:12.000 --> 01:15:15.757
la langue il faut à la fin qu'elle soit

01:15:15.840 --> 01:15:19.637
ancrée dans une réalité.

01:15:19.720 --> 01:15:22.637
Bonjour au milieu ici. Euh merci

01:15:22.720 --> 01:15:26.717
beaucoup pour votre conférence.
Je voulais revenir un peu sur la question

01:15:26.800 --> 01:15:31.317
de la dangerosité des systèmes.
Si on entend, je vous entends dire la

01:15:31.400 --> 01:15:34.717
technologie elle-même n'est pas
intrinsèquement dangereuse. Si on met ça

01:15:34.800 --> 01:15:36.797
de côté, a-t-il des applications de

01:15:36.880 --> 01:15:39.317
cette de cette technologie qui peuvent

01:15:39.400 --> 01:15:42.917
l'être surtout non régulé? Si on pense

01:15:43.000 --> 01:15:45.277
à l'exemple qu'a donné Dario Amode dans

01:15:45.360 --> 01:15:48.357
dans son blog post sur des bottes net

01:15:48.440 --> 01:15:52.477
qui pourraient être plus puissant que
les défenseurs et donc pourrait faire

01:15:52.560 --> 01:15:57.037
tomber des parties d'internet si on va
si on pousse la réflexion plus loin

01:15:57.120 --> 01:16:01.917
parce qu'il s'appuie sur du code donc
du langage qui que qu'un LLM maîtrise

01:16:02.000 --> 01:16:03.997
finalement très bien. Bon, alors euh ça

01:16:04.080 --> 01:16:06.117
c'est un bon scénario euh d'un film à

01:16:06.200 --> 01:16:08.957
James Bond. Euh mais en fait dans la

01:16:09.040 --> 01:16:13.037
réalité ça marche pas du tout parce que

01:16:13.120 --> 01:16:18.037
en général les les gens qui
s'intéressent à protéger des systèmes

01:16:18.120 --> 01:16:19.677
ont accès à des technologies et à des

01:16:19.760 --> 01:16:23.357
compétences supérieures plutôt que que

01:16:23.440 --> 01:16:27.237
les les ce qu'on appelle les chapeaux
noirs hein qui qui essaient de faire des

01:16:27.320 --> 01:16:29.437
attaques. Donc les gens sont beaucoup

01:16:29.520 --> 01:16:31.837
posé la question est-ce que l'avènement

01:16:31.920 --> 01:16:34.877
de ces agents est plus avantageux aux

01:16:34.960 --> 01:16:37.677
attaques qu'à la défense et c'est très

01:16:37.760 --> 01:16:42.037
clairement plus avantageux à la défense
et c'est pas un problème vraiment

01:16:42.120 --> 01:16:46.717
nouveau disons qualitativement ça change
pas beaucoup de des attaques par virus

01:16:46.800 --> 01:16:48.637
et cetera on pas besoin pas besoin d'IA

01:16:48.720 --> 01:16:50.397
pour ça

01:16:50.480 --> 01:16:54.077
et puis du fishing et autres auquels on

01:16:54.160 --> 01:16:58.117
est habitué depuis les premiers
événements de l'internet et du et de

01:16:58.200 --> 01:17:00.677
l'email. Euh donc il y a il y a pas de

01:17:00.760 --> 01:17:05.757
changement qualitatif là-dedans.
Euh bien sûr les attaques peuvent être

01:17:05.840 --> 01:17:09.237
maintenant plus sophistiqué et
automatisé mais les défenses aussi. Donc

01:17:09.320 --> 01:17:13.837
bon pas clair que il y a un changement
de de l'équilibre entre les entre les

01:17:13.920 --> 01:17:18.637
deux. Sinon, il y a d'autres
utilisations bien sûr dangereuses

01:17:18.720 --> 01:17:22.237
potentielles de l'IA, mais il y a aussi
beaucoup de scénarios les James Bond

01:17:22.320 --> 01:17:25.477
là-dedans. C'estàd que des gens comme

01:17:25.560 --> 01:17:27.877
euh Dario MDI, Yos Benjo et autres

01:17:27.960 --> 01:17:31.317
disent "Mais que se passe-t-il si un

01:17:31.400 --> 01:17:33.757
système d'IA vous donne la recette d'un

01:17:33.840 --> 01:17:36.997
virus qui pourrait éliminer l'humanité

01:17:37.080 --> 01:17:40.957
et cetera?" Alors ça ça fait

01:17:41.040 --> 01:17:44.877
se rouler par terre de rire les
biologistes qui disent "Vous savez vous

01:17:44.960 --> 01:17:47.997
pouvez avoir la recette en fait elle
existe même déjà la recette. Vous avez

01:17:48.080 --> 01:17:53.197
la séquence complète de du virus de
Tartompion, mais le synthétiser, c'est

01:17:53.280 --> 01:17:56.317
une autre paire de manche. Et puis
ensuite le le disséminer sans que ça

01:17:56.400 --> 01:18:00.277
vous tue vous-même, c'est une autre
paire de manche encore. Et tu on peut

01:18:00.360 --> 01:18:02.397
pas faire ça sans une équipe de 50

01:18:02.480 --> 01:18:07.677
biologistes triés sur le volet et sans
avoir des machines dont il en existe que

01:18:07.760 --> 01:18:10.357
très peu dans le monde et qui sont
toutes contrôlées. Donc vous pouvez pas

01:18:10.440 --> 01:18:11.917
faire ça en secret, c'est pas possible.

01:18:12.000 --> 01:18:13.477
Et vous pouvez pas faire ça en secret

01:18:13.560 --> 01:18:19.077
dans une caverne en Afghanistan ou
quelque chose comme ça. C'est c'est

01:18:19.160 --> 01:18:22.557
c'est vraiment quelque chose de
sophistiqué qui va pas passer inaperçu.

01:18:22.640 --> 01:18:25.877
Et puis euh bon, vous allez avoir

01:18:25.960 --> 01:18:28.437
euh 50 PhD qui travaillent là-dessus.

01:18:28.520 --> 01:18:32.637
Ils ont de bien meilleures opportunités
dans le monde pour utiliser leur

01:18:32.720 --> 01:18:37.397
capacité que de faire un virus qui va
les tuer. Enfin bon, il faut voir un

01:18:37.480 --> 01:18:40.477
petit peu aussi de manière réaliste
quelles sont les motivations des gens.

01:18:40.560 --> 01:18:43.917
Donc oui, c'est un bon scénario
la JB mais c'est à peu près tout.

01:18:44.000 --> 01:18:47.197
Bonsoir, merci pour votre intervention.

01:18:47.280 --> 01:18:50.957
Je suis un peu surprise de voir que
l'intelligence humaine soit toujours

01:18:51.040 --> 01:18:55.357
posée comme un benchmark de l'évaluation
des capacités de l'IA alors qu'il y a

01:18:55.440 --> 01:18:58.517
des animaux par exemple qui sont
bien plus efficaces sur ces questions

01:18:58.600 --> 01:19:01.277
physiques. Donc est-ce que quand vous
développez vos modèles, vous prenez en

01:19:01.360 --> 01:19:05.597
compte d'autres types d'intelligence,
de perception du monde ou même de sens que

01:19:05.680 --> 01:19:08.597
ceux des humains? Et est-ce que c'est
aussi ça pourrait être aussi un nouveau

01:19:08.680 --> 01:19:10.477
benchmark d'évaluation par exemple?

01:19:10.560 --> 01:19:13.357
Oui, excellent question. Alors,
il y a un petit un petit livre que je vous

01:19:13.440 --> 01:19:15.877
recommande de lire

01:19:15.960 --> 01:19:19.437
qui est par un certain Franck Dovals

01:19:19.520 --> 01:19:24.237
et dont le titre est en anglais are we

01:19:24.320 --> 01:19:29.397
Are we intelligent enough to understand
how intelligent animals are.

01:19:29.480 --> 01:19:32.677
Et donc, est-ce qu'on est assez
intelligent pour comprendre

01:19:32.760 --> 01:19:37.637
l'intelligence des animaux? Et la
réponse c'est pas vraiment à vrai dire

01:19:37.720 --> 01:19:41.077
c'est les animaux sont beaucoup plus
intelligents qu'on le pense. Leur

01:19:41.160 --> 01:19:43.637
intelligence est spécialisé en général

01:19:43.720 --> 01:19:45.637
dans certains domaines

01:19:45.720 --> 01:19:49.117
qui sont utiles pour leur survie.

01:19:49.200 --> 01:19:53.557
Mais les humains sont aussi très
spécialisés. On a on a l'espèce

01:19:53.640 --> 01:19:56.677
d'impression euh un petit un
petit complexe de supériorité que

01:19:56.760 --> 01:19:59.757
l'intelligence humaine est générale.

01:19:59.840 --> 01:20:03.317
C'est pour ça que certaines personnes
dans l'IA appellent l'intelligence du

01:20:03.400 --> 01:20:07.837
niveau humain artificial general
intelligence. C'est complètement faux.

01:20:07.920 --> 01:20:11.677
L'intelligence humaine est hyper
spécialisée. Par contre, elle est très

01:20:11.760 --> 01:20:14.357
adaptative. C'est-à-dire que euh on a

01:20:14.440 --> 01:20:19.797
tous des des connaissances et des et des

01:20:19.880 --> 01:20:24.317
compétences différentes.
Si on était généraux, on aurait tous les

01:20:24.400 --> 01:20:26.637
on pourrait tous acquérir les
compétences de de tous les autres

01:20:26.720 --> 01:20:29.157
humains. Or, c'est pas vrai. Je suis

01:20:29.240 --> 01:20:31.557
trop vieux pour devenir un pianiste

01:20:31.640 --> 01:20:36.877
virtuose. J'aimais pris le son piano.
Je voudrais bien d'ailleurs, mais trop

01:20:36.960 --> 01:20:40.957
tard. Donc on est spécialisé, on est très

01:20:41.040 --> 01:20:43.077
spécialisé.

01:20:43.160 --> 01:20:45.797
Mais on est très adaptatif, ce qui veut

01:20:45.880 --> 01:20:49.797
dire qu'on est potentiellement la la le

01:20:49.880 --> 01:20:52.557
spectre potentiel de tâche qu'on peut

01:20:52.640 --> 01:20:56.637
apprendre à résoudre, à accomplir en

01:20:56.720 --> 01:21:01.597
fait est assez large.
Mais en pratique, il y en a qu'un petit

01:21:01.680 --> 01:21:05.837
nombre qu'on est capable de de vraiment
faire. C'est pour ça que c'est ça qui

01:21:05.920 --> 01:21:08.237
fait qu'on peut tirer partie de du fait

01:21:08.320 --> 01:21:10.757
qu'on ait une une espèce sociale avec la

01:21:10.840 --> 01:21:14.037
diversité des compétences qu'on a. Mais

01:21:14.120 --> 01:21:17.837
absolument les animaux sont très
intelligents et on comprend pas comment

01:21:17.920 --> 01:21:22.277
ils deviennent si intelligents si
rapidement. On comprend pas même comment

01:21:22.360 --> 01:21:25.157
comment se fait-il alors ça revient
à une question dont j'ai parlé

01:21:25.240 --> 01:21:29.357
précédemment. Euh comment se fait-il
qu'un adolescent peut apprendre à

01:21:29.440 --> 01:21:33.197
conduire en une vingtaine
d'heures de pratique

01:21:33.280 --> 01:21:37.477
alors qu'on a littéralement
des milliards d'heures

01:21:37.560 --> 01:21:40.117
de données enregistrées de voitures

01:21:40.200 --> 01:21:44.557
conduites par des experts humains qu'on
pourrait utiliser pour entraîner un

01:21:44.640 --> 01:21:49.557
système de deep learning par imitation
à imiter les conducteurs humains. Ça

01:21:49.640 --> 01:21:53.837
marche pas. C'est pas c'est pas assez
fiable quand on entraîne un système

01:21:53.920 --> 01:21:56.117
comme ça sur des données collectées

01:21:56.200 --> 01:21:58.317
d'humain par imitation, ça marche pas

01:21:58.400 --> 01:22:01.757
très bien. Les les voitures quasi

01:22:01.840 --> 01:22:05.557
autonomes qu'on voit, les les Wo et
autres d'abord ne sont pas complètement

01:22:05.640 --> 01:22:09.957
autonomes. Elles peuvent
conduire que dans des zones bien

01:22:10.040 --> 01:22:13.677
cartographiées, contrôlées et cetera et
puis elles ont un système pour pouvoir

01:22:13.760 --> 01:22:16.397
appeler à la maison si elles sont si

01:22:16.480 --> 01:22:21.317
elles se retrouvent dans une situation
un peu un peu compliquée. Donc elles

01:22:21.400 --> 01:22:25.557
sont pas complètement autonomes,
elles sont au niveau 4, pas au niveau 5,

01:22:25.640 --> 01:22:29.717
malgré le fait que il y
a une quantité de d'ingénierie

01:22:29.800 --> 01:22:32.517
et de capteur exotique et cetera qui

01:22:32.600 --> 01:22:37.517
dans le design de ces machines qui
est qui est énorme et le fait qu'on ait

01:22:37.600 --> 01:22:40.197
énormément de données d'entraînement
mais c'est pas suffisant. Donc, on n'

01:22:40.280 --> 01:22:43.117
toujours pas découvert les secrets, les

01:22:43.200 --> 01:22:47.397
mécanismes qui permettent euh aux
humains et aux animaux d'apprendre si

01:22:47.480 --> 01:22:51.917
vite une nouvelle une nouvelle tâche ou
même d'accomplir une nouvelle tâche sans

01:22:52.000 --> 01:22:54.117
sans apprentissage dès le premier coup.

01:22:54.200 --> 01:22:56.797
On essaie on espère faire des progrès

01:22:56.880 --> 01:23:01.877
vers ce une efficacité de ce type là
avec les modèles du monde, avec les

01:23:01.960 --> 01:23:05.157
world model, avec les dont je ai parlé.

01:23:05.240 --> 01:23:08.240
Bonsoir.

01:23:11.560 --> 01:23:13.757
Euh, bonsoir.

01:23:13.840 --> 01:23:16.717
Merci de votre attention tout d'abord et

01:23:16.800 --> 01:23:18.677
j'auraiis une question un petit peu plus

01:23:18.760 --> 01:23:21.317
technique par rapport à votre approche

01:23:21.400 --> 01:23:26.597
du JPA euh que j'ai trouvé intéressante

01:23:26.680 --> 01:23:30.837
via le côté un peu,
j'oserais dire mystérieux

01:23:30.920 --> 01:23:36.437
du fait que c'est un domaine qui n'est
pas encore maîtrisé. Parfaitement.

01:23:36.520 --> 01:23:40.357
Comment [raclement de gorge]
pourriez-vous démontrer que cette

01:23:40.440 --> 01:23:42.757
représentation, cette architecture qui

01:23:42.840 --> 01:23:45.437
est le JPA puisse conserver des

01:23:45.520 --> 01:23:47.677
variables qui sont causales et

01:23:47.760 --> 01:23:53.077
nécessaires à la planification au futur

01:23:53.160 --> 01:23:58.157
et pas juste de l'apprentissage
avec des corrélations

01:23:58.240 --> 01:23:59.997
prédictives qui fonctionneraient sur une

01:24:00.080 --> 01:24:02.197
distribution d'entraînement.

01:24:02.280 --> 01:24:06.197
Grossièrement, si deux États du monde

01:24:06.280 --> 01:24:09.717
auraient des embeddings très proches,

01:24:09.800 --> 01:24:12.357
soit qu'on aurait des observations de

01:24:12.440 --> 01:24:14.837
ces derniers qui soient similaires, mais

01:24:14.920 --> 01:24:18.597
qu'il réagissent très différemment à des

01:24:18.680 --> 01:24:22.357
actions ou des interventions.

01:24:22.440 --> 01:24:25.477
Comment est-ce que le JPA pourrait

01:24:25.560 --> 01:24:29.717
garantir de différencier
ces deux systèmes?

01:24:29.800 --> 01:24:32.317
Alors, c'est une très bonne question.
Ça pose un peu la question de la

01:24:32.400 --> 01:24:36.077
distinction entre la
corrélation et la causation

01:24:36.160 --> 01:24:40.237
qui est donc on peut effectivement
observer observer des quand on observe

01:24:40.320 --> 01:24:44.717
le monde, on observe des corrélations et
puis ensuite comment peut-on interpréter

01:24:44.800 --> 01:24:46.997
les observations qu'on a pour établir

01:24:47.080 --> 01:24:50.077
des causalités?

01:24:50.160 --> 01:24:52.597
Quelle est la variable qu'on peut

01:24:52.680 --> 01:24:56.197
influer qui va modifier

01:24:56.280 --> 01:25:01.397
ce qu'on observe? Et les humains sont
assez bons à ça, mais très loin d'être

01:25:01.480 --> 01:25:04.957
parfait. Donc par exemple,
si on demande un

01:25:05.040 --> 01:25:07.797
enfant de 5 ans quelle est la quelle est

01:25:07.880 --> 01:25:12.957
la cause du vent? Un enfant de 5 ans
typiquement va répondre "Le vent, c'est

01:25:13.040 --> 01:25:17.157
causé par les feuilles des arbres
qui bougent." OK? la causalité est

01:25:17.240 --> 01:25:21.317
inversée, hein. Euh

01:25:21.400 --> 01:25:26.157
ou si on demande à une personne un petit
peu aléatoire, disons un ou deux siècles

01:25:26.240 --> 01:25:28.117
dans le passé, quelle est la cause du

01:25:28.200 --> 01:25:32.077
tonner? C'est Jupiter ou c'est voilà

01:25:32.160 --> 01:25:36.557
une divinité quelconque? En fait, si
on était bon, si on était si bon que ça à

01:25:36.640 --> 01:25:38.837
établir la causalité, la religion

01:25:38.920 --> 01:25:42.117
n'existerait pas. OK, c'est un peu

01:25:42.200 --> 01:25:46.917
offensif comme déclaration mais

01:25:47.000 --> 01:25:51.397
je on a pas 2 heures pour
discuter de ce voilà. [rires]

01:25:51.480 --> 01:25:53.717
OK. Donc la meilleure on entraîne les GP

01:25:53.800 --> 01:25:56.277
donc des GPA qui sont conditionnés par

01:25:56.360 --> 01:25:58.637
les actions, c'est on a état du monde

01:25:58.720 --> 01:26:00.757
qui est qui est résultat de observation,

01:26:00.840 --> 01:26:04.797
action, état suivant et si action ou

01:26:04.880 --> 01:26:07.877
intervention. Donc en modifiant l'action
et l'intervention, si on a suffisamment

01:26:07.960 --> 01:26:11.957
d'exemples d'apprentissage, on peut
établir la relation causale entre cette

01:26:12.040 --> 01:26:16.677
intervention ou cette action et le les
faits qu'on observe sur le monde. Donc à

01:26:16.760 --> 01:26:21.040
la fin, les modèles du monde
sont des modèles causaux.

01:26:22.160 --> 01:26:25.197
Je crois qu'on va s'arrêter là parce
qu'on a déjà largement débordé. Je

01:26:25.280 --> 01:26:28.797
voudrais simplement euh vous remercier
tous les deux, cher Yannes, cher Éric,

01:26:28.880 --> 01:26:31.797
parce que au fond euh je vous écoutais
et vous nous avez donné beaucoup

01:26:31.880 --> 01:26:35.557
d'espoir ce soir. Espoir dans le fait
que la fin de l'humanité n'était pas

01:26:35.640 --> 01:26:37.997
pour la semaine prochaine ni pour
l'année prochaine, ce qui nous a plutôt

01:26:38.080 --> 01:26:41.637
rassuré. Espoir dans le fait que nous
allons demeurer les maîtres de notre

01:26:41.720 --> 01:26:44.597
destin humain. Espoir dans l'importance

01:26:44.680 --> 01:26:46.797
d'avoir des idées et donc dans ce que

01:26:46.880 --> 01:26:51.277
nous faisons ici en terme de formation

01:26:51.360 --> 01:26:54.197
également. et puis espoir dans notre

01:26:54.280 --> 01:26:56.717
capacité à faire dialoguer les sciences

01:26:56.800 --> 01:26:59.757
les plus dures euh les sciences les plus

01:26:59.840 --> 01:27:02.037
exactes, c'estàd les mathématiques parmi

01:27:02.120 --> 01:27:06.797
les plus complexes, la technologie
et ce que nous faisons ici en sciences

01:27:06.880 --> 01:27:10.597
humaines et sociales. Et donc pour tout
ça, je voudrais vous remercier tous les

01:27:10.680 --> 01:27:15.397
deux et vous demander d'applaudir
nos invités. Merci. Merci.

01:27:15.480 --> 01:27:17.500
[applaudissements]

01:27:21.370 --> 01:27:23.390
[applaudissements]

01:27:27.920 --> 01:27:29.940
[applaudissements]