Marc 00:00:00 – 00:00:13 : Aujourd’hui, je reçois Pierre Vannier, ancien développeur, passionné d’IA et CEO de Flint. Flint est une ESN technologique qui développe des applications data et IA pour ses clients, parmi lesquels Schlumberger, Disney, mon agent IMO. Bonjour Pierre. 

Pierre 00:00:13 – 00:00:15 : Salut Marc. Bonjour à tous. 

Marc 00:00:15 – 00:00:19 : Alors Pierre, est-ce que tu peux nous parler un petit peu plus de Flint? ? 

Pierre 00:00:19 – 00:00:52 : Oui, oui, alors tout à fait. Déjà, merci de me recevoir. Avec plaisir. Donc, Flint, effectivement, est une ESN spécialisée data et IA. Finalement, on est une ESN généraliste. Aujourd’hui, on a quand même beaucoup de data engineers, certes, mais on a quand même principalement des software engineers dans notre société. Mais il est vrai que depuis 2-3 ans, l’entreprise n’a que 5 ans. Depuis 2-3 ans, on voit une accélération des projets data. Et depuis un an spécifiquement, on a pris un tirage, ou en tout cas, on a voulu rajouter une corde à notre arc, IA et Generative IA, dont on va peut-être parler tout à l’heure. 

Marc 00:00:52 – 00:00:56 : Alors aujourd’hui, quels sont les principaux besoins qui reviennent chez vos clients ? 

Pierre 00:00:56 – 00:01:58 : Alors on pourrait croire, puisqu’on va parler un petit peu de data, on va parler un petit peu d’IA, etc. On pourrait croire que le tsunami de l’intelligence artificielle a déferlé, si on en croit les réseaux sociaux, surtout les projets tech. Donc loin sans faux. Loin sans faux, aujourd’hui, on n’en est encore qu’au début. Donc principalement aujourd’hui, les projets de nos clients, c’est des projets technologiques à haute valeur ajoutée. Donc oui, effectivement, avec beaucoup de data, des projets d’applicatifs. Donc on a des développeurs front, des développeurs back, des développeurs mobiles. Et puis tout ce qui va autour du métier aussi de la qualité et une approche DevOps, SRI aussi, avec tout ce qui est infras, ICD, etc. Et cloud. Donc voilà, aujourd’hui, l’IA et la data arrivent, certes, mais il ne faudrait pas croire Parce qu’on voit le bout de l’iceberg, en fait. C’est une petite vague aujourd’hui qui arrive, qui démarre, qu’il va falloir prendre. Mais le gros des projets reste encore l’IT, la tech, entre guillemets, traditionnelle. C’est avec laquelle on travaille, toi et moi, depuis quelques années maintenant. 

Marc 00:01:58 – 00:02:07 : Tu as parlé de la qualité. C’est une motivation principale que tu vois beaucoup, la qualité des gens qui diraient qu’on n’arrive pas à gérer la qualité de nos données ? 

Pierre 00:02:07 – 00:03:07 : Alors, pas assez. C’est un vaste sujet de la qualité data. J’étais hier, je discutais avec Charlotte Ledoux, qu’on avait reçue dans un podcast qui est dans Data Governance. Et ça aussi, Data Quality, Data Governance, c’est des choses qui sont importantes. Ce qui se passe aujourd’hui, c’est que si on devait compter le nombre de data platforms ou de projets data et de transformations data qui ont dû être repris de A à Z pour des problématiques de qualité qui auraient été oubliées au milieu du guet, on en aurait énormément en fait. La vérité, c’est que la data quality, je pense qu’elle doit être adressée rapidement dans les projets de transfo et les projets de data. Parce que c’est ce qui, enfin, selon moi, c’est vérifier la qualité de ces ingrédients avant de commencer à faire une recette, en fait. Si tu as des mauvais produits, parce que la data est le produit qui constitue ensuite tous les projets, si tu as des mauvais produits, tu auras des mauvaises data plateformes, tu auras des mauvais services, tu auras des mauvais, et puis tu auras des mauvaises métriques, et puis tu auras peut-être des mauvaises décisions qui seront prises derrière, etc. Donc, très important. 

Marc 00:03:09 – 00:03:24 : Par rapport au reste de vos activités, vous avez un peu de développement back-end, front-end. La data, c’est le point d’entrée le plus fréquent. ou est-ce que ça devient une nécessité d’un projet avant tout web ? 

Pierre 00:03:24 – 00:05:01 : Quand j’ai lancé Flint, c’est un choix de ma part professionnel. J’estime que toi aussi c’est pareil, tu montes une boîte parce que tu veux te faire plaisir. Je ne voulais pas spécialiser l’entreprise dans une niche particulière ou dans un domaine particulier. C’est une volonté parce que je suis un garçon qui s’ennuie assez rapidement. Donc, si je reste tout le temps dans le même domaine, au bout d’un moment, ça m’ennuie un petit peu. Et ce que j’estime, c’est que pour pouvoir avoir la richesse maximale de projets, d’industries, de clients, de prospects différents, etc., je pense qu’il faut…. Enfin, moi, c’était ma vision, c’est personnel, mais avoir une vision 360 des projets IT et tech. Et ça veut dire avoir un éventail maximal des différents métiers que constitue un projet tech. Donc aujourd’hui, oui, il y a certains métiers qu’on ne fait pas. D’ailleurs, il y a certains métiers qui sont mieux faits par des sociétés ultra spécialisées. Mais j’aime faire valoir que notre société est quand même généraliste, finite. Mais effectivement, ça ne nous empêche pas d’être très alertes et très ouverts. grand changement ou évolution de paradigme j’entends effectivement la data est arrivé et depuis plusieurs années a quand même vraiment grossi en termes de volume de projets tech. donc on est on est quand même positionné beaucoup là dessus. surtout qu’en fait aujourd’hui maintenant même les projets web tout est data. en fait aujourd’hui les projets web derrière le back-end et c’est en fait un développeur back-end il est très proche d’un data engineer au bout d’un moment si tu en fait ouais tout est concorde et converge vers beaucoup de projets data. Et maintenant, effectivement, aussi la jonction d’IA, qui ne date pas d’hier d’ailleurs. L’IA, je veux dire, ça fait quand même un moment qu’on est dessus. Beaucoup de gens pensent que c’est une révolution, mais c’est une évolution à mon sens. 

Marc 00:05:02 – 00:05:12 : Ok. Sur cette évolution de l’IA, comment est-ce que vous avez vu chez Flint évoluer les demandes clients ? Comment est-ce que ça a évolué depuis un an ? 

Pierre 00:05:12 – 00:06:31 : Alors, c’est une bonne question. J’ai pas mal de gens, parce qu’ils nous voient beaucoup actifs autour de ces sujets-là. Je pratique une veille très, trop importante, peut-être. Il faut que je me calme un peu. Mais on pourrait penser, et tout le monde est un petit peu en demande quand je rencontre des prospects ou des clients, des contacts, des décisionnaires tech sur certains projets. Ils me disent « Pierre, est-ce que tu as des retours sur la mise en place d’IA générative dans toute une entreprise ? ». Donc déjà, je leur dis de se calmer un petit peu. C’est-à-dire qu’en fait, ChangeDPT, ça a 13 mois au moment où on enregistre ce podcast ensemble. Donc aujourd’hui, des retours d’expérience, de projets de mise en place d’IA générative, il n’y en a pas ou très, très peu. Il y a pas mal de POC. Je vois qu’il y a pas mal de proof of concept et d’essais par des directions techniques et des digital factories, des entités, transformation, innovation dans des groupes et des entreprises qui mettent en place certains proof of concept, certains prototypes rapidement pour essayer d’arriver à quelque chose de palpable sur des quick wins, donc sur des use cases bien identifiés où on se dit tiens, on va essayer. Ça, j’en ai beaucoup. J’ai beaucoup de prototypes, j’ai beaucoup de POC, j’ai beaucoup de gens qui me disent tiens, on a des retours, on a des choses intéressantes, etc. En dehors de ça, des projets d’envergure avec des vraies règles, des vraies métriques, etc. sur ces nouvelles technos, il n’y en a pas aujourd’hui. Il n’y en a pas aujourd’hui. En France. 

Marc 00:06:32 – 00:06:39 : Alors, pour ceux qui nous écoutent, quels sont les prérequis si on veut initier un projet IA dans l’entreprise ? 

Pierre 00:06:39 – 00:07:14 : Alors, peut-être qu’il nous faudrait presque un cahier des charges, une démarche d’acculturation, d’idéation, etc. Comment aborder cette question ? Il y a plusieurs degrés de maturité d’entreprise par rapport à leur capacité à démarrer des projets IA, effectivement. Et ça va d’un niveau presque zéro où il y a un gros besoin d’acculturation. Et ça, je crois que de toute façon, pour beaucoup d’entreprises, il y a quand même ce besoin fondamental de mettre des mots et derrière des mots, de mettre des définitions, de mettre à quoi ça sert, qu’est-ce qu’on peut arriver à faire avec ça, etc. Donc un gros degré effectivement d’idéation. 

Marc 00:07:15 – 00:07:29 : L’acculturation, ça passe par quoi ? Ça passe par des formations ? Ça passe par le fait de bidouiller un peu, de demander aux gens de tester, de tester sur des tâches ? Comment est-ce qu’on acculture, on va dire, une entreprise qui part de loin ? 

Pierre 00:07:29 – 00:09:36 : Déjà, qui on acculture ? Quel public on acculture ? Moi, ce que j’ai identifié, c’est que beaucoup de demandes de changements et de démarrage de projets IA et GENEA, donc IA générative aussi, émanent de codiers, de comex et de dirigeants. Donc déjà, il y a une première passe qui est d’acculturer aussi la classe dirigeante qui n’est pas forcément tout le temps tech comme toi et moi. Ce ne sont pas des directeurs techniques, ce ne sont pas des CTO, etc. Quand tu as une direction technique qui peut être forte où il y a vraiment une culture tech ou un produit ou un service tech assez fort dans l’entreprise, le besoin d’acculturation est quand même moins fort. Mais tu peux te retrouver avec des entreprises qui ont peu de tech et qui ont malgré tout des envies, légitimes ou non d’ailleurs, de démarrer des projets IA. Donc oui, ça passe par les formations, ça passe par les présentations. Et tu l’as dit aussi justement, ça peut passer aussi par des expérimentations en interne, des usages de ces nouveaux services, de ces nouveaux produits. Et là, moi, j’ai vu tout. Dans les grands groupes, comme tu peux avoir des petites entreprises qui sont très, très en avance, parce que très agiles, des grands groupes peut-être un peu plus en retrait, peut-être un peu plus…. plus sur la défensive. J’ai remarqué des gens pour lesquels il pouvait y avoir dans des très gros groupes des craintes. Il y a aussi beaucoup de peur et beaucoup de craintes et je crois qu’il faut aussi les adresser et on les adresse par de la pédagogie et par de l’éducation. On a moins peur de ce qu’on connaît un peu plus. Donc les gens ont tout de suite peur que oui, ça prenne mon job, etc. Il y a un manque de communication par manque aussi de connaissances des dirigeants et finalement des directions par rapport à ces nouvelles technologies. Comme ils savent moins, ils connaissent moins, ils ne sont pas non plus capables d’expliquer rapidement la position de l’entreprise vis-à-vis de ces nouveaux outils. Tu entends une news, oui, une entreprise a supprimé X dizaines, centaines de jobs. Ça pourrait être la faute de l’IA. De toute façon, quand on veut tuer son chien, on l’accuse d’avoir la rage. Il faut toujours trouver un bouc émissaire. Et dans la tech, ça a toujours été un peu ça. C’est la faute au hacker, c’est la faute à machin, etc. Donc aujourd’hui, c’est un peu la faute à l’IA. Je trouve que c’est facile alors qu’en fait, ça peut être un formidable outil et ça ne reste qu’un outil d’ailleurs. 

Marc 00:09:36 – 00:09:54 : Tu disais qu’il y a peut-être des raisons plus ou moins légitimes de vouloir faire de l’IA. Est-ce que tu peux nous donner des exemples qui deviennent de raisons légitimes mais aussi illégitimes de se mettre à l’IA ? Quelles sont les mauvaises motivations ? Quelles sont les bonnes motivations de marier un projet d’IA ? 

Pierre 00:09:54 – 00:11:25 : Je ferais attention de juger trop à l’emporte-pièce. Les positions depuis la crise du Covid, donc maintenant ça fait presque, à part 2022 qui a été une bonne année, mais 2020, 2021, 2023 n’ont pas été des années économiquement super faciles pour les dirigeants et les entreprises en France. Je me garderais bien de jeter le propre sur tel ou tel type de levier ou d’incentive qui pousse à adopter l’IA dans les entreprises. Il est évident qu’avoir une, à mon sens en tout cas, avoir une vision de se dire que l’IA ne peut servir qu’à optimiser, les ressources, les coûts, etc. Ce serait regarder l’IA avec un angle et un judas beaucoup trop étroits. Et en fait, aujourd’hui, l’IA, ça peut être aussi un catalyseur, ça peut être un levier, ça peut être quelque chose qui, au contraire, va retirer des… des processus, des routines, des workflows qui sont un peu répétitifs pour les collaborateurs et qui va plutôt les amener sur des choses où ils ont une plus forte valeur ajoutée et où ils s’éclatent plus aussi. Donc moi, je suis, et c’est pour ça que je fais ce métier, pour une tech qui vise à un progrès humaniste et pas pour une tech qui vise à faire que combien je vais pouvoir remplacer 2TP avec mon IA. En fait, si c’est ça ta question derrière, ça c’est un des leviers qui me semblent Voilà, plus que discutable. En tout cas, ce n’est pas celui que j’entends. Je voudrais rassurer aussi les gens. Ce n’est pas celui que j’entends aujourd’hui. Voilà, principalement. Il ne faut pas non plus délirer. 

Marc 00:11:25 – 00:11:35 : Ok. Alors, quelles sont les erreurs les plus fréquentes ? Quelles recommandations tu peux apporter sur des erreurs dans le déroulement d’un projet IA ? 

Pierre 00:11:35 – 00:13:44 : Alors j’aimerais revenir sur déjà ce qu’on appelle IA, sur la définition. Aujourd’hui, moi je vois deux grosses différentes classes de programmes, d’algorithmes ou de projets IA. Grosso modo l’avant IA générative, donc grosso modo l’avant GPT, l’avant mid-journée, DALI et toutes les IA génératives et les classes d’IA et d’algorithmes génératifs avant. Donc j’entends effectivement tous les projets où on va avoir de la classification, de l’optimisation, de la suggestion, de la prévision. Toutes ces classes d’algorithmes, toutes ces classes de programmes et de projets IA sont… en production aujourd’hui dans les entreprises, fonctionnent, sont éprouvées, sont pérennes. On sait les mettre en place. On sait quel algorithme sert à quelle classe de use case ou de business case particulier. On sait les faire avancer, on sait les mettre en place. Il y a des frameworks autour de ça, il y a des pipelines. Donc, il y a vraiment un standard et une stack aujourd’hui sur tous ces projets-là qui existent et qui sont en place. Nous, on en a plusieurs chez nos clients. Ensuite, il y a effectivement tous ces nouveaux projets dont on imagine qu’ils vont être porteurs d’énormément de valeurs ajoutées, qui sont les projets autour de l’IA générative. Et aujourd’hui, si on parle un petit peu plus de ça aujourd’hui, donc ça va être les IA génératives qui vont servir tantôt à faire du texte, tantôt à faire de l’image, tantôt à faire du son, tantôt à structurer des données qui vont être mal structurées, etc. Ils peuvent avoir plein d’usages complémentaires des IA traditionnels. Donc je pense que c’est assez important. et pour la première classe générative, De toute façon, pour les deux classes, les IA s’appuient tout le temps sur des socles data qui soient de qualité. Il faut que la data, on sache où la trouver, qu’elle soit fiable, qu’elle soit effectivement intègre, qu’il y ait effectivement une capacité à avoir une entreprise qui ait déjà été tournée vers l’intérieur de manière introspective sur sa propre donnée métier et sur son propre métier. Que ce soit dans les projets d’IA plus traditionnels ou les projets d’IA génératives, ça va être des choses qui vont être des prérequis systématiques. Et on en a parlé, la data quality aussi. 

Marc 00:13:44 – 00:13:49 : Et du coup, plutôt sur les erreurs que tu vois beaucoup ? 

Pierre 00:13:49 – 00:17:35 : Que je vois beaucoup, non, je ne les vois pas beaucoup, mais je sens qu’elles vont arriver. Déjà, il y a un gros choix qui va se… Il y a un gros choix, en tout cas, moi, que j’entrevois, c’est dans ces nouveaux projets d’IA générative, c’est tout de suite la question de se dire, est-ce qu’on part sur une solution plutôt buy, donc acheter, sur étagère, ou est-ce qu’on partirait plutôt sur un projet build, donc construction, développement, implémentation, réalisation ? Ces deux choix possibles doivent se prendre avec quand même toute la… la tension particulière qui nécessite. C’est-à-dire que les deux ont des avantages et des inconvénients. Le côté buy, donc la plupart du temps acheter une solution sur étagère, que ce soit OpenAI ou une API X, Y ou Z, qui va effectivement rendre le travail et le projet beaucoup plus rapide, mais en contrepartie d’arbitrage par rapport à la sécurité, l’intégrité, où est-ce que sont les données, le coût. Donc, je pense qu’il va y avoir aussi une grosse démarche IA, FinOps, à un moment donné, qui va arriver. Parce que là où on est capable d’implémenter un petit use case pour 4 bêta-users, avec un rappeur, avec un appel à une API X ou Y ou Z, et que ça ne va coûter pas très cher, si ce même projet, on est obligé de l’ouvrir à toute la boîte et à 50 000 personnes derrière, ça ne va plus être la même. Donc ça, c’est des démarches à envisager aussi. Et de l’autre côté, le côté build, donc le côté choisir son modèle, ses modèles, peut-être se tourner vers l’open source, se tourner vers des plateformes, fine-tuner ou utiliser des algorithmes pour venir enrichir les modèles avec ses propres datasets, c’est plus long, c’est plus coûteux. La courbe de test and learn est beaucoup plus longue aussi, mais d’un autre côté, au profit d’une capitalisation sur le socle de ce qu’on construit. C’est-à-dire que si le jour où le provider de l’API a décidé soit d’augmenter ses prix fois 10, soit de couper l’API, soit de changer une énième fois de CEO, et où tu es un peu pied et main lié, avec une solution Build, tu as quand même plus la maîtrise de ton projet, la maîtrise de ton code base, ce que tu développes, et puis tu as aussi la montée en compétence des gens qui vont développer aussi, qui est important aussi, qui est un investissement pérenne sur l’avenir aussi. Donc, ces deux options sont vraiment super importantes dans sa démarche. Ce que je vois, c’est que pour les étapes de prototypage de projet ou même jusqu’au MVP, les clients et les prospects que je rencontre aujourd’hui sont plus sur une démarche d’utiliser plutôt la solution « buy », de faire des choses rapidement avec leurs équipes en interne, de tester des choses. Ce qui va être difficile pour eux, à mon avis, c’est que tester quelque chose avec un wrapper, un appel à une API, etc., c’est très bien, mais on ne teste que ça. Et si derrière, effectivement, ce même projet, si on veut le sécuriser, avoir ses propres datas, avoir une meilleure maîtrise du projet, de la data, des algos, les fine-tuner de manière à vendre, etc., et peut-être se retirer le risque du vendor lock-in, donc d’être vraiment enfermé dans un verrou propriétaire. là, On part sur un autre projet totalement différent et les hypothèses sur lesquelles on avait basé notre premier jugement de « oui, on a testé des trucs, ça marche bien », en fait, tu vas mettre en place ensuite quelque chose qui est complètement différent. Donc, faire attention à ces arbitrages-là, de faire attention à ce qu’on teste, quelles sont les hypothèses et qu’est-ce qu’on va mettre ensuite en place. Et il y a un deuxième effet, c’est que 

Marc 00:17:35 – 00:17:43 : Bien sûr. Oui, à la fois sur l’aspect financier, ce n’est pas évident de savoir qu’est-ce qui va coûter le plus cher entre build et buy. 

Pierre 00:17:43 – 00:19:33 : Pas du tout. Même en REN, je ne parle même pas de frais de développement. Ce n’est pas du tout facile. Tout à fait, tu as raison de pointer ça parce qu’aujourd’hui, les stacks changent toutes les heures, tous les jours, toutes les 24 heures. Tiens, un nouveau standard de stack, des nouveaux outils ou frameworks de pipeline, etc. Pour nous qui sommes une ESN, enfin pour Flint en tout cas qui est une ESN, il y a des nouveaux métiers qui pointent le bout de leur nez aussi. Des métiers pour lesquels il n’y a pas de formation. Se pose la question aussi pour Flint, mais comme pour nos clients et pour tous les gens qui ont des gens dans la tech et qui bossent dans la tech aujourd’hui, de savoir comment aborder l’upskilling ou le reskilling des collaborateurs. Parce que, je te prends un exemple, aujourd’hui, tu as une équipe, une Digital Factory avec 50 développeurs, développeuses, c’est bien, etc. Tu décides de leur mettre dans les mains des outils d’assistant au coding ou pas. Mais la question qui se pose là, ce n’est pas simplement une question de se dire est-ce qu’on va dépenser 20 dollars par mois par collaborateur ? Ce n’est pas la question. La vraie question derrière, c’est qu’est-ce que je risque ? Moi, en tant qu’entreprise, pour mes collaborateurs, de ne pas l’utiliser, de ne pas le mettre en place. J’ai fait un épisode récemment sur, moi, mon avis qui est de vraiment mettre dans les mains des développeurs et des techs ces outils-là le plus vite possible pour qu’ils testent, pour qu’ils essayent. Mais surtout, à un moment donné, c’est que je pense que ces outils sont faits pour… catalyser et augmenter les collaborateurs, peu importe que ce soit des collaborateurs au service support ou des développeurs. Ça va vraiment augmenter leurs capacités et il va se créer un fossé de plus en plus large entre les gens qui viennent avec et qui embrassent ces technologies, qui les testent, qui les essayent, qui les prennent en main et les gens qui disent « ça, j’en peux pas, je n’ai pas envie de le regarder » ou « ça, dans notre entreprise, on a interdiction d’utiliser whatever logiciel ». 

Marc 00:19:33 – 00:20:07 : Oui, tu parlais de lock-in tout à l’heure, l’exemple que tu donnes de code complétion, GitHub Copilot. C’est un monopole énorme et aujourd’hui, il n’y a pas d’alternative et on est un peu lock-in parce qu’effectivement, ça a des gains de performance sur le développement qui sont énormes. Mais si on devait le build sa propre version, sa propre solution, ce n’est pas si simple. Ils ont toujours un edge parce qu’ils ont les données de tous les utilisateurs du monde. La code complétion, c’est un vrai sujet et il est lié aussi au financier dans le sens où aujourd’hui, ils le font probablement à perte. Quel sera le vrai tarif une fois les choses stabilisées ? 

Pierre 00:20:07 – 00:20:40 : Alors de toute façon, je ferais attention, on me pose beaucoup de questions. Et oui, tu penses qu’on en sera dans 10 ans, dans 2 ans, dans 5 ans, etc. Je pense qu’il n’y a personne qui est capable de dire quoi que ce soit par rapport à ça. Donc oui, aujourd’hui, ils ont une avance et un monopole et une position. Parce qu’il y a Copilot, il y a Copilot effectivement pour le code. Et aujourd’hui, on vient de voir qu’ils l’ont développé aussi pour tout l’aspect 365 et toute leur suite bureautique, logiciel, etc. Donc tous les collaborateurs vont être augmentés. Mais effectivement, ils ont un gros avantage aujourd’hui. 

Marc 00:20:40 – 00:20:49 : On ne peut pas prédire les années à venir, mais GitHub Copilot aujourd’hui annonce 30 dollars de frais par utilisateur par mois, alors que ça coûte 10 dollars… 

Pierre 00:20:50 – 00:21:09 : Ça ne serait pas les premiers à vendre à perte pour acquérir de l’utilisateur. Je vais prendre un exemple. Quand toi et moi ou le Kidam poste des photos sur tel ou tel réseau social de photos dont je t’ai le nom, Tu fournis de la data, tu fournis des photos. En fait, le développeur et les développeuses, ils fournissent du code. 

Marc 00:21:10 – 00:21:11 : Oui, c’est ça. 

Pierre 00:21:11 – 00:22:41 : Donc, si c’est toi le produit, c’est la data que fournit, c’est un service qui s’entretient, c’est un effet réseau. C’est-à-dire que plus les développeurs rendent du code, plus ça rend l’outil meilleur. Et effectivement, plus tard, ils pourront mettre à peu près le code qu’ils veulent. Je pense qu’en fait, ce qui va se passer, c’est qu’à un moment donné, on va être dans une ère post-big data où…. Parce qu’on en parle déjà, tu vas avoir maintenant dans ton smartphone probablement des petits modèles de langage et des IA. Je pense qu’à un moment donné, on va arriver à avoir une concentration gigantesque de data dans des très petits volumes. On en est aux prémices à mon avis de l’assistant au coding, de l’assistant à etc. On l’aura à peu près partout, dans tous les services. On pourra passer outre Siri qui ne comprend rien ou le correcteur orthographique de son smartphone qui ne comprend rien. On va avoir des services qui vont être extrêmement puissants. Mais je pense qu’on va voir dans les années qui viennent, la force va être encore plus grande dans celles qui ont la data et fournissent de la data de qualité. Hier, je discutais avec un très grand fournisseur de data journalistique mondial, très gros, ce n’est pas le New York Times, et ces gens-là qui fournissent et qui construisent de la data de qualité depuis des dizaines d’années, ce sont des gens qui vont avoir un pouvoir énorme parce qu’en fait, les IA vont être consommatrices de toutes ces datas aujourd’hui. La deuxième vague de la big data finalement, la vraie monétisation de la data aujourd’hui, elle va être très très forte. 

Marc 00:22:42 – 00:23:01 : Oui, c’est-à-dire que si tout le monde utilise des IA pour copier ce qui s’est fait ailleurs et s’inspirer pour construire du nouveau contenu, ceux qui restent encore producteurs de contenu vont avoir finalement un contenu encore plus valorisé, contrairement à ce qu’on pourrait croire dans la mesure où c’est à la portée de tout le monde avec une IA de produire du 

Pierre 00:23:01 – 00:23:27 : contenu. Oui, parce que là, il y a un procès qui démarre entre le New York Times et OpenAI. Et en fait, on s’aperçoit que oui, effectivement, tous les fournisseurs de qualité de contenu vont tous plus ou moins attaquer ou essayer d’avoir des deals avec les gros producteurs de services d’IA générative, que ce soit des images, du son, de la musique, du texte. 

Marc 00:23:27 – 00:23:33 : Oui. Et puis le New York Times, c’est une industrie qui a tellement souffert les news, en particulier les news papiers. 

Pierre 00:23:33 – 00:23:43 : Ils voient l’Eldorado arriver, ils se disent « la roue tourne enfin ». 

Marc 00:23:43 – 00:24:13 : Donc, c’est une façon d’externaliser des projets data et IA, cette externalisation. C’est un sujet presque comme buy versus build. Est-ce qu’on internalise ou est-ce qu’on externalise ? Est-ce que tu pourrais nous dire ton avis sur les raisons qui devraient nous amener plutôt à internaliser et les raisons qui devraient nous amener à externaliser ? Et quelle partie ? Data engineering, data science, IA, ML Ops ? 

Pierre 00:24:13 – 00:26:22 : C’est une super bonne question. J’ai beau être informaticien comme toi, j’ai horreur du binaire. Non pas parce que j’ai horreur de faire du binaire, c’est marrant, des 0 et des 1, etc. Non, j’ai horreur des raisonnements binaires parce que très souvent, il manque des éléments dans la prise de décision. Ce que je veux dire par là, c’est que se dire « je ne vais avoir que des compétences et des connaissances et des ressources internes à mon entreprise », Ou au contraire, je ne veux, et donc je ne veux pas d’externe, je ne veux que des externes, etc. Ou je ne veux que externaliser un projet IA, etc., whatever, un projet technologique, je le mets en externe, et je ne fais que ça, et je perds complètement la maîtrise. Je crois que ces deux visions-là, manichéennes, que de l’interne, que de l’externe, etc., déjà, on peut les retirer. Je ne pense pas que ce soit un bon raisonnement. Il y a plusieurs avantages à prendre des équipes qui vont être hybrides. Déjà parce qu’en fait, le marché pénurique des talents dans la tech existe toujours aujourd’hui. Et il va exister encore plus, notamment pour ces nouveaux profils data, data science, ML, machine learning, deep learning. Maintenant, des spécialistes en NLP, en LLM, etc. Donc, il va y avoir de plus en plus de pénuries par rapport à ces profils-là. Donc, forcément, tu es obligé aussi, de temps en temps, d’aller chercher des externes. Mais je pense qu’une bonne démarche, c’est d’avoir une démarche hybride. Notamment, prendre des externes, ça peut être intéressant. Nous, je sais qu’on a plutôt des gens qui sont seniors, dans le sens vraiment expert, plutôt type niveau tech lead, des choses comme ça. C’est bien de faire venir des externes parce que ça t’apporte dans tes équipes d’interne un peu de nouvel ADN Un nouveau point de vue, des fois qui peut être aussi un petit peu non conventionnel et moins… C’est-à-dire qu’en fait, un externe va pouvoir se permettre, en tout cas nous, c’est pour ça que j’aime bien nos consultants, ils peuvent se permettre d’autres choses et de dire d’autres choses à leurs clients. plutôt qu’un salarié qui va rester dans les clous, politiquement correct, etc. Tu vois, les externes, mettre plusieurs externes dans ta boîte, ça te permet aussi un peu de… Enfin, c’est l’idée, de mettre un petit coup de pied dans la fourmilière, etc. Bien sûr. Et de l’autre côté, il y a externalisation. Nous, on fait de la régie. Donc, en fait, nos consultants, ils sont chez les clients. 

Marc 00:26:22 – 00:26:22 : OK. 

Pierre 00:26:23 – 00:27:41 : Tout ce qui est projet, approche-projet, forfait, etc., je dis attention, surtout sur ces nouveaux projets avec des nouvelles technos, où on a tendance, comme c’est tout nouveau, à déjà avoir un découplage qui se fait entre la techno très nouvelle, le besoin de se faire sienne la techno pour le projet. Si on commence à externaliser Une grosse partie de ces projets-là, on peut se retrouver dans le même type de vendor lock-in dont on parle. Donc attention aussi. Je pense que ce qui est important, c’est comme toujours se focaliser. Qu’est-ce qu’on sait faire ? C’est quoi notre métier ? Si notre métier, c’est ça, il faut quand même garder une maîtrise sur son propre métier dans ses projets. Et je pense que les approches hybrides, que ce soit de la régie ou du forfait, Ou de l’équipe projet, voilà. Projet, régie, projet, aide, appui externe, ressources externes dans l’entreprise. Je pense que la vision hybride me semble être un bon compromis. Quant aux sociétés qui disent « Moi, je ne veux absolument pas d’externe, c’est ma politique, etc. ». C’est quand même les gens qui te disent, moi je ne veux, j’ai une politique 110% remote, ou j’ai une politique tout le monde au bureau. Je crois qu’en fait aujourd’hui, il y a des solutions qui sont hybrides, le monde il est complexe. Donc tu peux avoir des solutions hybrides pour le remote, tu peux avoir des solutions hybrides pour l’interne et l’externé. C’est un peu mon avis. 

Marc 00:27:41 – 00:27:51 : Et sur les différents scopes, est-ce que le discours est le même pour tous les scopes ? Pour toi, Data Engineering, ML Ops, IA, est-ce qu’il y a des choses qui se prêtent plus à l’externalisation que d’autres ? 

Pierre 00:27:51 – 00:28:58 : Je ne crois pas. De toute façon, ce qui est important dans la tech, ce n’est pas la tech. Ce qui est important dans la tech, la plupart du temps, c’est les humains, c’est la communication. Les 80% de projets qui plantent, c’est des problèmes d’incompréhension, des problèmes de manque de communication. Ce ne sont pas les problèmes de scope ou de techno ou autre chose comme ça. Ce sont les problèmes organisationnels. Donc non, je pense que l’interne, l’externe… En fait, j’ai vu des externes presque plus corporate-minded que des internes. J’ai vu des gens en remote pur, jamais voir les équipes, peut-être encore plus intégrés dans les équipes que des gens qui étaient on-site. Je pense qu’aujourd’hui, cette vision d’un monde où tout n’est qu’un, où tout n’est que deux, et c’était soit l’arbre gauche, soit l’arbre droite, et tout ça, moi, j’ai plutôt tendance à le rejeter. De la même manière que j’ai plutôt tendance à trouver que mes petits copains de SN, ça pourrait être bien si on soit… si on était plutôt partenaires, si on réfléchissait à des logiques de travail ensemble, etc. Plutôt que ces logiques justement partisanes, concurrentielles. L’autre, il n’est pas bien, etc. Donc, un peu de modernité. 

Marc 00:28:58 – 00:29:04 : C’est pas vraiment une bonne idée de dire aux clients que les concurrents ne sont pas bien pour vendre. Ça n’est jamais une bonne technique. 

Pierre 00:29:05 – 00:30:42 : Ouais, ouais, ouais. Et puis, toi et moi, on a une entreprise, on sait que c’est pas facile, alors que nos entreprises, elles sont pas, tu vois, on a pas des gros cabinets ou des énormes boîtes et tout. Donc, un peu d’humilité, c’est déjà difficile d’avoir des boîtes. D’avoir des grosses boîtes, ça va être encore plus difficile et tout. Donc, il y a du bon à prendre dans les gros cabinets. Il y a du bon à prendre dans les petites entreprises comme les nôtres. Moi, ça fait un an que je multiplie les rencontres avec les CTO de grosses boîtes, de startups, de PME à Paris, à Montpellier, à droite, à gauche, etc. Et je m’aperçois que, sous couvert de fer et de la tech, en fait, les vraies histoires qui se passent avec nos clients ou avec nos consultants, etc., c’est vraiment des histoires de rencontres. C’est vraiment des histoires de bonhommes, de bonnes femmes, de rencontres. Il y a des choses qui se passent à un moment donné, tu vas rencontrer une personne, un CTO, ça va cliquer, ça va marcher. Tu vas comprendre ce qu’il va te raconter. En plus, notre métier de man in the middle, un peu ESN, on est entre les deux, entre le client final, le consultant, on a un besoin authentique d’empathie vis-à-vis de tous les personnels qui sont autour de nous, nos internes, nos consultants, qui ont leur vision, qui sont souvent freelance, donc ils ont aussi leur propre prisme, et nos clientes de l’autre côté. Il faut qu’on se mette dans ce triangle-là Et qu’on trouve la bonne température, le bon degré d’huile, de moutarde, et qu’on fasse une mayonnaise qui marche, qui s’appelle la tech. Mais le vrai miracle, c’est qu’en fait, ça marche et qu’on arrive à faire tout ça. Parce que la normale, c’est que la plupart des choses, si on ne fait pas une action, par défaut, ne marchent pas. 

Marc 00:30:43 – 00:31:12 : Ok. Alors concernant l’évangélisation dans le domaine data et IA, qu’est-ce qu’aujourd’hui tu répètes beaucoup et que tu pourrais faire le pari aujourd’hui que ce ne serait plus un problème dans 10 ans, dans 20 ans ? Qu’est-ce qui aujourd’hui, à ton avis, est un point en cours d’évangélisation ? Tu participes, tu es un évangéliste et dans 10 ans, 20 ans, ce sera intégré ? 

Pierre 00:31:12 – 00:31:16 : C’est la grosse question. Sur quoi ? Sur le plan technique ? Sur le plan de la tech ? 

Marc 00:31:16 – 00:31:22 : En général, data, il y a les préjugés, les idées reçues à faire tomber. 

Pierre 00:31:23 – 00:34:39 : Je pense que la tech ne résout pas ce pourquoi elle n’est pas faite. De toute façon, on est passé par différentes étapes. Internet, le web 2, le web 3. En fait, la tech n’est qu’un chapelet de mots-clés sexy qu’on dégraine au fur et à mesure des années et que nos cheveux deviennent blancs ou qu’on les perd comme moi, tu vois. Donc, aujourd’hui, on est sur l’IA, les GPT, les chats, les IA génératifs, les mid-journées, les open AI, etc. Et tu en entends parler de partout. Il y a une espèce de vague de tout ça. La vraie vérité qui ne changera pas, c’est que la tech est un outil et qu’on ne fait pas de la tech pour faire de la tech et s’amuser à faire de la tech. Je ne te donne pas un ciseau à bois parce que tu trouves que le ciseau à bois, c’est cool et que tu aimes faire du ciseau à bois. En fait, non, tu aimes faire une sculpture derrière. qui va servir quelque chose. La tech est un outil qui sert à atteindre Quelque chose, un but, métier, fonctionnel, etc. Donc arrêtons, et je prêche contre ma parole, c’est parce que j’adore la tech. Et moi-même, je m’en formerais dans mes propres biais de faire de la tech pour faire de la tech. Non, la tech doit servir un but, métier, business. Donc plus on entend seriner la tech, les mots-clés, les machins, les nouvelles techno, les nouveaux, etc. Déjà, plus on pense qu’on est en retard, alors qu’en fait, personne n’est en retard aujourd’hui. La vérité, c’est que c’est tout le monde qui braille autour. En fait, il n’y a pas la moitié des gens… qui font la moitié de ce qu’ils disent, ce sur quoi ils sont en train de brailler. Donc aujourd’hui, on n’est pas du tout en retard, ça démarre, on se calme. On dépassionne, on désénerve et on déhype un peu ce débat-là et on en revient à c’est quoi mon métier, c’est quoi mon problème métier, c’est quoi mes use case, dans quoi je suis bon, où est-ce que sont les pain points, donc les points de blocage de mes users, à quels problèmes je dois répondre ? Et oui, peut-être, la tech est une réponse ou une partie de la réponse. Et oui, peut-être pas. Et oui, peut-être l’IA, il y aura une partie, toute ou partie d’IA, etc. Mais ça ne va pas être un pansement qui va gérer demain absolument tout. Il faut faire attention à cet espèce de biais simplificateur. que parce qu’on a entendu… une déferlante de mots-clés et d’idées. Notre cerveau ne pense plus qu’à ça et qu’à un moment donné, on se dise, cet outil, c’est un laser man de tous mes problèmes et je vais sortir la bonne lame, le bon outil, il y a tout qui va se résoudre. Et ça, ça n’a pas été vrai avec ni le web, ni Internet, ni les réseaux, ni le SQL, ni le NoSQL, ni les data platforms, ni tout ce que tu veux de trendy et d’à la mode, ni le cloud. À une époque, le cloud, ça allait tout régler, tu vois ce que je veux dire ? Donc, en fait, c’est toujours les mêmes trucs qui se répètent, les mêmes trends, les mêmes modes. Faisons attention d’apprendre un peu, depuis 25 ans que je suis dans la tech, d’apprendre de ces effets de mode qui passent. Oui, ça ne va pas tout régler. Certes, il y a des choses très intéressantes, il faut s’y intéresser, mais ça ne va pas tout régler. Et très probablement que certains de nos clients vont nous appeler demain, vont nous dire « j’ai un super projet IA ». et en fait, derrière, on va leur mettre une base de données. Et ça sera très bien. Ou derrière, il faut qu’ils forment leurs utilisateurs à l’usage de leurs outils existants. Et ça ira très bien aussi, en fait. Donc voilà. 

Marc 00:34:39 – 00:34:41 : Est-ce que tu as une anecdote à nous partager ? 

Pierre 00:34:41 – 00:37:46 : J’en ai plein. Moi, j’ai démarré l’informatique et j’ai fait un stage dans un labo d’informatique à Montpellier qui était sur du traitement automatique du langage naturel, donc du NLP. Donc, tous les outils de type GPT, etc., des ideas génératives, sont à la base des classes de problèmes de NLP et on faisait de la catégorisation de textes. Donc, on faisait entrer dans notre programme et dans ce programme de recherche des textes et on devait essayer de les catégoriser dans des… dans des catégories suivant leur sémantique et tout ça. Et en fait, à l’époque, c’était en 2003, déjà on le faisait en Perl, donc ne saute pas sur ta… Donc c’est un vieux langage de programmation avec des arrobas partout absolument imbuvables. En Perl, on sait plus plus et en fait, ça ne marchait absolument pas. C’est-à-dire qu’en fait, je pense que tu jetais une pièce en l’air, tu avais plus de chances que ce soit bien classé. que l’algorithme qui était un gros truc à espace multivectoriel, etc. Un peu comme les gros trucs qu’on a aujourd’hui, sauf que ce n’était pas des réseaux de neurones profonds ni rien. C’était en 2003 et ça ne marchait absolument pas. Donc, la petite anecdote, c’est qu’à un moment donné, t’es où on se trouve en tant que spectateur d’une disruption, d’une transformation technologique ? On a aussi tendance à ne jamais prendre l’ensemble, en fait, de l’espace-temps qui nous entoure, qui a démarré il y a longtemps, en fait. C’est-à-dire qu’en fait, aujourd’hui, ce qu’on vit est une évolution de tout ce qui n’a pas marché au début. Et au fur et à mesure, on a rajouté, oui, de la puissance de calcul. Il y a eu ce grand combat entre les symboliques, les subsymboliques, les choses qui marchaient, les choses qui ne marchaient pas, etc., Et en fait, aujourd’hui, on arrive à des choses qui sont certes un des effets waouh et des vraies impressions de magie de la technologie, La vérité, ça fait 50 ans que l’IA existe. Ça fait 50 ans qu’on essaye des choses. Ça fait 50 ans. Il y a 40 ans, on disait qu’on n’arriverait jamais à faire un programme qui arrive à gagner contre un joueur d’échec. Et puis, il y a 20 ans, on disait qu’on n’arriverait jamais à faire un programme qui gagne contre un jeu de go. Et puis, et puis, et puis. Donc, en fait, tout ça va se résoudre. Et c’est pour ça que c’est assez passionnant. Moi, je suis un techno-optimiste. Donc, je crois que la technologie peut beaucoup nous aider, notamment l’IA. Par exemple, on a fait des découvertes aujourd’hui sur des nouvelles classes de médicaments. Par exemple, si on trouvait, grâce à des recherches sur l’IA, le pliage des protéines, ce à quoi elle codait, on a trouvé des nouvelles classes d’antibiotiques. Ça faisait 38 ans qu’on n’avait rien trouvé. Donc, la tech va, je pense, être un levier pour une évolution civilisationnelle importante, si tentée qu’elle soit quand même encadrée. Mais encadrer pas forcément de la régulation de 50 bonhommes avec 50 bonhommes blancs dans la cinquantaine qui n’ont jamais touché la tech et qui sont au Parlement européen, mais plutôt par un encadrement, en tout cas des réflexions autour de philosophie, de problématiques éthiques, de biais, parce qu’il y a des gros problèmes par rapport à ça. Il faut qu’on les lève, il faut qu’on les regarde. en face, ces problèmes de biais, d’éthique, que peuvent avoir la data, qui sont très compliqués. Donc aujourd’hui, il y a des travaux sur l’explicabilité de l’IA, des algorithmes, sur le côté open source, ces gros combats qui se mènent. Je crois que c’est important de vraiment être dessus. 

Marc 00:37:47 – 00:37:55 : Sur le pliage des molécules, on a reçu Hamza Tajmouati de chez Iktos, l’épisode 23, je crois, sur les yeux. 

Pierre 00:37:55 – 00:38:40 : C’est top. De toute façon, la science, la médecine et la science avec l’IA et la puissance aujourd’hui des outils d’IA, je pense qu’il y a certains des problèmes, peut-être des problèmes de dérèglement climatique, des problèmes d’énergie. Je voyais encore hier une news où ils ont trouvé une nouvelle façon de faire des batteries. tu utiliserais dans 50 à 70% de moins de lithium. Donc je pense vraiment qu’on a là un outil qui peut être un gros levier de découverte. Et aujourd’hui, on en a bien besoin en 2023, où effectivement, cet été, il fera 50 degrés. Enfin voilà. Donc si on peut avoir une quelconque… Moi, j’ai espoir en fait dans la technologie et son usage, sinon je ne pourrais pas se mettre hier. 

Marc 00:38:42 – 00:38:45 : Est-ce que tu as une opinion à nous partager maintenant, après l’anecdote? 

Pierre 00:38:45 – 00:41:52 : ? Une opinion ? Une opinion sur quoi ? J’en ai des opinions. Par rapport à l’IA ? Déjà, je rejoins un peu ce que disaient pas mal de gens. L’IA, l’intelligence artificielle, n’a aujourd’hui effectivement pas grand-chose d’intelligent. Ça reste des moteurs probabilistes, ça reste des stats, ça reste beaucoup de maths, etc. Donc le côté… intelligence au sens humain, où on entend de conscience, de capacité de libre arbitre, de prise de décision, etc. Cet anthropomorphisme qu’on fait autour de l’intelligence artificielle aujourd’hui est simplificateur et trop facile. Et puis en même temps, ce n’est pas forcément ce dont on a besoin vraiment aujourd’hui de recréer. Mais l’IA s’est créée comme ça, avec une course-poursuite au test de Turing, avec les travaux Asimov, avec Kurzweil, etc. Donc tous ces grands penseurs futuristes, je pense qu’il faut remettre un petit peu leurs visions pseudo-scientifico-futuristo, tout ce que tu veux un petit peu, le remettre sur la table et essayer de voir… En quoi ? Parce que j’ai l’impression qu’on est un peu tous partis dans un truc ultra passionné où on est pris entre notre vision passéiste de « il va y avoir des robots qui vont nous aider à faire la cuisine dans toutes les cuisines dans les années 2000, en 1950 ». Et aujourd’hui, on a des robots dans toutes les usines qui classent tout ce que tu veux. On commence à en avoir avec Tesla, avec des boîtes comme Boston Dynamics, etc. On commence à avoir des drones. On a peur de l’IA qui viennent des armes automatiques à grande échelle, etc. Donc, on a vraiment toujours ce côté ultra… Dans l’excès, en fait. On est dans un excès de… J’aimerais qu’on essaye d’en revenir encore une fois à plus essayer de comprendre, essayer d’apprendre, essayer de démystifier certaines choses. Parce que oui, aujourd’hui, il n’y a pas de raison d’avoir peur des IA. Oui, en revanche, il faut qu’on se pose des questions par rapport à nos datasets, aux biais qu’on peut avoir dans nos datas, à l’explicabilité et la capacité de transparence des algorithmes d’IA D’hier comme d’aujourd’hui, parce que si ça nous permet, toute cette mode, de nous reposer les questions de savoir, il va y avoir les Jeux Olympiques en 2024, comment vont être utilisés les systèmes et les algorithmes de reconnaissance d’images, etc. Comment tout ça, ça fonctionne ? Il n’y a pas de transparence. Et le vrai débat, il est là. Le vrai débat, il n’est pas dans « j’ai vu une vidéo d’un robot qui fait un salto arrière avec une mitrailleuse ». Le vrai débat, il est dans la vie de tous les jours où on a de la reconnaissance d’image, on a les systèmes de surveillance, etc. Et je pense qu’il y a une volonté, à un moment donné, de faire passer les mauvaises questions. Mon opinion, c’est de se poser les vraies questions par rapport à l’IA. Et je crois qu’Aurélie Jean aussi a dit des choses passionnantes. Il y a Cathy O’Neill, il y a Aurélie Jean, il y a Mélanie Mitchell, et effectivement, il y a Lequin et tous ces grands penseurs de l’IA à écouter. Voilà. Ou lire. 

Marc 00:41:52 – 00:41:54 : C’est quoi la suite pour Flint ? 

Pierre 00:41:54 – 00:42:45 : Pas faire que de l’IA, ça c’est sûr, je le dis tout de suite. Non, on a deux, trois projets en cours, dont un avec Tesla, et non, c’est pas vrai du tout. Non, non, il faut continuer à faire de la tech qui sert des gens, des entreprises, à atteindre leurs objectifs, à être plus compétitifs, à découvrir des nouveaux business models, etc., et à essayer de faire une petite goutte dans l’océan, parce qu’on est une toute petite goutte, Flint, mais essayer de… Puis de continuer à le faire avec transparence, puisqu’en fait, nous, on fait vraiment une des rares ESN à afficher nos marges à tout le monde qui veut le savoir et qui veut le voir. Donc nos consultants, nos clients, depuis jour zéro où on travaille avec eux. Et puis à être très technophile. On anime des meet-ups, des podcasts, tu le sais aussi. On est très présent pour qui veut s’amuser ensemble autour de la tech. 

Marc 00:42:45 – 00:42:47 : Comment s’appelle ton podcast ? 

Pierre 00:42:47 – 00:42:55 : Il n’y a pas que la data. On a mis une demi-journée à essayer de trouver le nom. On va tenir un blog sur les noms débiles qu’on avait choisis, mais celui-là est pas mal. 

Marc 00:42:55 – 00:43:00 : Et alors, sur Data Driven 101, quel invité est-ce que tu nous recommanderais pour une prochaine fois ? 

Pierre 00:43:00 – 00:43:54 : Waouh ! Bah tiens, si tu peux, Aurélie Jean, elle est top, j’aimerais bien l’écouter aussi. Sinon, j’ai certains de nos consultants que j’aimerais entendre à ton micro, tu vois. Il y a un de nos consultants, ML Engineer, Data Engineer, qui s’appelle Giuseppe, que j’aimerais bien entendre, qui est un Italien et qui a pas mal de choses à dire autour de ça. Peut-être Michel Lutz ? Si tu veux, Total Energy. Il va penser que je le cours après, mais on devait enregistrer un podcast ensemble. Mais si tu peux l’inviter, je pense qu’il aurait aussi beaucoup de choses à dire par rapport à les transformations IA. Je crois que chez d’ensemble d’entreprises Total Energy, ils ont des démarches IA génératives, donc ça peut être intéressant. Mathieu Beauval de Radio France. Transformation, innovation de Radio France avec la transformation à l’échelle du groupe et rajouter de l’IA à l’échelle d’un gros bateau comme Radio France. Lui aussi, on voulait l’avoir en podcast, mais c’est des gens, je pense, qui ont des choses vraiment intéressantes à dire de leur point de vue. 

Marc 00:43:54 – 00:43:55 : Super. Merci beaucoup, Pierre. 

Pierre 00:43:55 – 00:44:02 : Avec plaisir. Merci, Marc. Merci de m’avoir écouté. Merci de m’avoir permis de te répondre avec plaisir. Avec plaisir. 

Marc 00:44:02 – 00:44:14 : Vous venez d’entendre Pierre Vannier, CEO de Flint sur Data Driven 101. Dans le prochain épisode, je recevrai Renaud Alliou, cofondateur de Prélégence, pour nous parler d’analyse d’images satellites grâce à l’IA. A très vite !