Bilan 2024 du podcast "IA pas que la Data" : Découvrez les enseignements, impacts et perspectives partagés par nos invités
.png)
Bonjour à toutes et à tous, cher·e·s auditeurs et membres de notre communauté !
2024 a été une année exceptionnelle pour notre podcast "IA pas que la Data", marquée par des discussions passionnantes avec des experts, des retours d’expérience inspirants et une exploration des enjeux les plus pressants autour de l’IA, des données et de leur impact.
Avec plus de 5500 écoutes et 1500 visionnages sur YouTube, nous sommes ravis de partager ce bilan avec vous, pour synthétiser les idées qui ont marqué cette saison.
.png)
L'essor des projets d'intelligence artificielle (IA) et d'intelligence artificielle générative (Gen AI) a mis en lumière l'importance de la robustesse et de la transparence des systèmes. Pour réussir, les organisations doivent établir des fondations solides et éviter les erreurs courantes, comme la précipitation vers des POCs (Proofs of Concept) sans stratégie claire.
Mohamed Beydia, Head of Data and Analytics chez M7, a souligné un point crucial : « Il faut éviter de tomber dans la malédiction des POCs infinis. Aujourd'hui, nous revenons aux bases : des pipelines robustes et bien conçus, qui servent de socle à des projets industrialisables ».
Cette vision s'inscrit dans une approche plus large de la confiance dans l'IA, évoquée par Arnault Ioualalen, PDG de Numalis : « Une IA de confiance passe par des standards clairs et mesurables. C’est en définissant ces critères que nous pourrons garantir la robustesse et l’explicabilité des modèles ».
Ces bases techniques, combinées à une supervision humaine renforcée, sont essentielles pour réduire les risques liés aux hallucinations des modèles génératifs et pour répondre aux attentes croissantes en matière d’éthique et de transparence.
La gouvernance des données est une pierre angulaire des projets IA réussis. Une bonne gestion des données garantit leur qualité, leur accessibilité et leur conformité, ce qui est crucial pour alimenter des modèles fiables.
Mohamed Beydia a mis l'accent sur la nécessité d’une gouvernance adaptée : « La qualité des données en amont détermine le succès des projets d’IA en aval. Sans des pipelines solides et une gouvernance bien définie, les projets manquent de crédibilité et d'impact ».
De plus, des pratiques comme le MLOps (Machine Learning Operations) structurent les processus et renforcent la traçabilité. Arnault Ioualalen a expliqué : « Le MLOps, c’est avant tout de la rigueur. Il s’agit de définir des étapes précises avec des inputs, outputs et critères d’acceptation à chaque phase. Cela garantit que chaque modèle est déployé de manière reproductible et conforme ».
Ces pratiques permettent non seulement de réduire les risques, mais aussi de gagner la confiance des parties prenantes, un atout crucial dans des secteurs réglementés comme la finance et la santé.
L’impact environnemental des modèles d’IA, notamment ceux basés sur le deep learning, reste un sujet de préoccupation majeure. Sabrine Bendimerad, AI engineer chez Saur, a averti : « L’impact carbone de l’entraînement et de l’utilisation des modèles reste difficile à quantifier, mais il est essentiel de ne pas perdre de vue cette réalité ».
Pour répondre à ces préoccupations, de nombreux experts appellent à la conception de modèles plus petits, optimisés pour leur efficacité énergétique, sans sacrifier leur performance.
Au-delà de l’optimisation technique, une prise de conscience globale est nécessaire. Comme l'a expliqué Adrien Vesteghem, directeur IA chez BNP Paribas : « Nous devons intégrer des pratiques responsables à chaque étape de nos projets, en mesurant non seulement leur impact immédiat, mais aussi leur durabilité à long terme ».
Ces réflexions sont essentielles pour aligner l’innovation technologique avec les objectifs climatiques mondiaux.
L’open source a joué un rôle clé en 2024, favorisant l’innovation et la collaboration entre développeurs, chercheurs et entreprises.
Gaël Varoquaux, cofondateur de Scikit-Learn, a résumé cette dynamique : « L’open source démocratise l’accès aux outils avancés. Avec Scikit-Learn, nous avons voulu fournir une boîte à outils robuste et accessible à tous, qu’ils soient chercheurs, étudiants ou ingénieurs ».
Cependant, des défis subsistent. Rémi Louf, cofondateur de .txt, a critiqué la prolifération de bibliothèques génériques : « Aujourd’hui, nous voyons des bibliothèques qui tentent de tout faire, mais sans réelle spécialisation. Nous avons choisi de nous concentrer sur la génération structurée pour garantir robustesse et performance ».
L'open source reste un levier puissant pour bâtir des systèmes flexibles, mais nécessite une vision claire et des ressources pour garantir sa pérennité.
Chez Renault, Siham Essodaigui a présenté des solutions basées sur l'IA symbolique pour optimiser les configurateurs de véhicules. Elle a expliqué : « Cette approche, qui simule un raisonnement humain, est idéale pour résoudre des problèmes complexes et améliorer la cohérence des processus internes ».
Tarik Agday, cofondateur de SportCi, a illustré comment leur plateforme révolutionne l’analyse des performances sportives en temps réel : « Nous avons commencé par le football, le sport le plus complexe à analyser, pour bâtir une technologie applicable à d'autres disciplines ».
À BPI France, Ludi Akue a partagé comment la Digital Factory transforme l'expérience utilisateur : « Notre objectif est de créer une expérience digitale exceptionnelle pour accompagner les entreprises françaises dans leur croissance ».
Alors que nous nous tournons vers 2025, nos invités s’accordent sur plusieurs tendances majeures :
Comme l’a résumé Hervé Bredin, spécialiste de l’analyse des signaux audio et premier invité de 2025 : « L'avenir de l'IA réside dans sa capacité à être à la fois performante, éthique et accessible. Ce sont ces équilibres qui détermineront son succès à long terme ».
Nous remercions chaleureusement nos auditeurs pour leur fidélité et leur engagement.
Cette année, vos retours ont guidé nos discussions et enrichi nos échanges. Rendez-vous en 2025 pour une nouvelle saison encore plus captivante. D’ici là, continuez à partager vos idées et réflexions avec nous.
À très bientôt dans "IA pas que la Data" !
.png){kind=small}
