Marc 00:00:00 – 00:00:07 : Aujourd’hui, je reçois Bruno Donnet, IALID chez Léonard. Léonard est l’incubateur du groupe Vinci, créé en 2019. Bonjour Bruno. 

Bruno 00:00:07 – 00:00:08 : Bonjour. 

Marc 00:00:08 – 00:00:11 : Alors, est-ce que tu peux nous parler un peu plus en détail de Léonard ? 

Bruno 00:00:11 – 00:01:12 : Alors, Léonard, c’est une plateforme d’innovation et de prospective qui a été montée au niveau du groupe Vinci. Son objectif, il est assez vaste. Premièrement, c’est faire de la prospective, c’est-à-dire imaginer le monde de demain et voir si Vinci est un des acteurs du monde de demain. Faire des rétro-planning et se positionner sur des marchés émergents, par exemple. Deuxième axe, faire en sorte que n’importe quel employé du groupe Vinci peut devenir un entrepreneur, c’est-à-dire un chef d’entreprise, pourvu qu’il ait une idée. Et nous, on est là pour l’accompagner et le porter sur des business émergents. Troisième axe, c’est la collaboration avec des startups, donc de l’open innovation assez classique. On se connecte à des fonds d’investissement ou on se connecte à des universités. Donc on a soit un public jeune, soit un public très mature et on essaye de les faire collaborer selon certaines thématiques avec le groupe Vinci. Et enfin, il y a un dernier programme qui est un programme d’intelligence artificielle que je pilote et l’objectif ici, c’est d’aider l’ensemble des entreprises du groupe à se positionner sur des secteurs émergents ou d’optimiser leur business tout simplement en utilisant cette technologie. Ok. 

Marc 00:01:12 – 00:01:15 : Alors, quel était le constat sur le besoin à la base ? 

Bruno 00:01:15 – 00:01:59 : Alors, il n’y avait pas de besoin particulier concernant l’IA à la base. Par contre, en 2018, dans ces eaux-là, on voyait apparaître un buzz. Beaucoup de financements qui allaient vers des startups qui implémentaient de l’intelligence artificielle, beaucoup de tapage médiatique autour de cette technologie. Et donc, comme on est connecté justement à un écosystème pour regarder un peu comment évolue la société et savoir comment nous positionner, Et bien on s’est posé la question de savoir si cette technologie était une technologie d’avenir ou si c’était juste un buzz. Si c’est une technologie d’avenir, peut-être qu’il faut s’y intéresser ou peut-être pas. Mais au moins il faut prendre une décision, regarder ce que c’est que ces technos, regarder ce que ça peut apporter au groupe et ensuite décider si effectivement il faut transformer le groupe ou l’accompagner sur le développement de cette technologie. 

Marc 00:02:00 – 00:02:03 : D’accord. Alors comment ça a démarré cette aventure ? 

Bruno 00:02:03 – 00:04:16 : Eh bien, on a donc identifié cette technologie-là et on s’est dit, le COMEX de Vinci s’est posé la question, est-ce que c’est utile? ? On saisit Léonard et dans son groupe de prospective, donc on est vraiment au niveau prospective là, on ne cherche pas forcément à implémenter le sujet, mais on est en train de regarder si ça va impacter les business du groupe. Pour bien comprendre comment on aborde les sujets, il faut comprendre que le groupe Vinci est un groupe très décentralisé. On est 4 000 entreprises à peu près, grosso modo. En 2024, on est à peu près 4 000. Et surtout, les opérations se font au niveau du terrain. C’est très peu centralisé, donc il n’y a pas d’organisme centralisé qui peut prendre des décisions pour dire « on va dans cet axe-là et tout le monde se met au garde-à-vous pour suivre et développer ces technos ». Le but du jeu, c’était de savoir si l’ensemble des composantes du groupe étaient intéressées par ces technos ou pas, sachant que Vinci, c’est Vinci Construction, Vinci Concession, Vinci Énergie, Vinci Immobilier, donc c’est plein de business complètement différents. L’objectif, c’était de réunir dans une même pièce un échantillon représentatif du groupe et de travailler un peu pendant une année, c’est le cycle en général d’une question qu’on se pose dans la prospective, travailler sur le fait de savoir si cette technologie-là avait un impact sur certains métiers. Qu’est-ce que ça nécessitait ? Comment est-ce qu’on devait le développer ? Et est-ce qu’effectivement, on avait un retour sur investissement ? on fait du business, on ne fait pas d’IA. C’est vraiment ça qu’il faut avoir en tête à ce moment-là. Et donc, on a vu, tout au cours de ce cycle de travail, qu’en calibrant bien un petit peu de techno, on était capable d’avoir des grands retours sur investissement sur certains secteurs très porteurs. Et donc, c’est là qu’on a pris la décision, finalement, de présenter cette feuille de route au niveau du COMEX de Vinci pour une prise de décision au niveau du COMEX et un financement possible si jamais il décide d’y aller. À nouveau, on présente plusieurs scénarios. On présente le scénario Vinci avec de l’IA, en 2050, par exemple. Vinci sans IA en 2050, ça fonctionnera certainement très bien, ce sera très rentable. Le but du jeu, c’est de montrer qu’il y a peut-être des scénarios qui sont plus porteurs que d’autres. Et en l’occurrence là, le scénario Vinci avec de l’IA en 2050 était à porteur d’affaires, nous portait sur des créneaux porteurs. Et donc finalement, la prise de décision du COMEX était d’y aller. Et ils ont mandaté Léonard pour essayer pendant un an de voir ce qu’on était capable de faire avec de l’IA. au sein du groupe. 

Marc 00:04:16 – 00:04:31 : D’accord. Donc c’est sujet prospectif, donc tu as une sorte de mandat de un an. L’idée, c’est qu’on va vraiment balayer toutes les activités du groupe et voir si ces technologies apportent quelque chose, faire une sorte de diagnostic géant des opportunités. 

Bruno 00:04:32 – 00:07:35 : Oui, c’est exactement ça. En gros, on est clairement incapable de connaître tous les métiers du groupe. C’est très vaste, vu qu’on est 4000 entreprises et qu’on est multisectoriel, on adresse vraiment énormément de secteurs d’activité. Mais par contre, effectivement, l’objectif à ce moment-là, c’était de sélectionner quelques sujets, type l’industrie, type la construction, et dans des métiers de ces branches-là, voir si la technologie apportait quelque chose. On a vu que ça apportait quelque chose, mais on a décidé à nouveau de fonctionner en mode décentralisé, c’est-à-dire de fonctionner en mode Vinci. L’objectif de Léonard, ce n’est pas de centraliser tout le savoir et de centraliser les développements, parce que moi, à Léonard, je ne connais pas les métiers du groupe. Tout notre objectif, c’est de nous connecter avec le terrain, l’ensemble des opérations du groupe pour essayer de trouver finalement à chaque fois dans les process des endroits où on est sous-optimisé, des endroits où on sent qu’on peut mieux performer ou alors carrément des endroits où on n’est pas et on se dit la techno peut nous positionner et effectivement créer des nouvelles entreprises au sein du groupe. Pourquoi pas ? Il faut garder en tête qu’on aime bien, nous, le mode entreprise. C’est-à-dire qu’on sait créer des entreprises et c’est même accepté de créer des entreprises au sein du groupe. Donc, le but du jeu, si on crée des entreprises, c’est qu’on a vu qu’il y avait du business. Et là, on joue un peu sur des parcours intrapreneurs et parcours IA où notre objectif, finalement, c’est de faire du business. Moi, mon objectif, c’est de faire du business avec de l’intelligence artificielle. Et donc, je vais questionner l’ensemble des employés du groupe, quel que soit leur secteur, pour essayer de trouver des pistes d’optimisation. Et on agit effectivement un peu comme un auditeur. C’est-à-dire qu’à chaque fois qu’on a des réunions avec des entreprises, je leur demande de me décomposer leur process. Tu arrives le matin à 9h dans ton entreprise. Qu’est-ce que tu fais à 9h05 ? Qu’est-ce que tu fais à 9h10 ? À 10h, tu fais quoi ? À 11h, etc. Et c’est quoi la fin de ta journée ? Et en gros, en regardant l’ensemble du process, d’un commun accord, on se dit, là, effectivement, là-dessus, on a peut-être des pistes d’optimisation. Mais à ce moment-là, on se dit, on a une piste d’optimisation, on ne se dit pas que c’est de l’IA. Tout le but du jeu, c’est de se dire, cette piste d’optimisation-là, est-ce que c’est du management ? Est-ce que c’est de la digitalisation ? Est-ce que c’est une autre opportunité ? Ou est-ce que c’est de l’IA ? Et si c’est de l’IA, effectivement, c’est là que moi, je peux potentiellement intervenir. Il nous reste encore un petit delta à faire en général quand on trouve un sujet, un sujet qui est porteur au sein d’une entreprise. Il nous reste à qualifier finalement la faisabilité de cette idée-là. Parce qu’une idée, typiquement la maintenance médicative, c’est hyper vaste et on peut y passer deux ans sans jamais trouver de solution. Ce qu’on veut, c’est trouver une idée, voir si on est capable d’adresser un marché avec cette idée. Dans la notion de business, est-ce qu’on est capable de faire de l’argent en développant cette idée-là ? Et surtout, on se donne six mois de temps. Est-ce qu’en six mois de temps, on est capable de sortir un MVP ? Ça veut dire que les modèles doivent exister, ça veut dire que même s’il faut se connecter à un écosystème de recherche, les modèles sont quasiment prêts et sont potentiellement intégrables dans nos systèmes. Donc ça limite volontairement finalement les axes de développement, mais ça nous assure qu’avec ça, on est capable de faire du business. 

Marc 00:07:37 – 00:07:40 : Quel genre de données on peut traiter chez Vinci ? 

Bruno 00:07:40 – 00:08:42 : Alors, on traite absolument tout type de données. Typiquement, on adresse l’industrie. L’industrie, c’est beaucoup de capteurs, beaucoup de textes parce qu’on fait de la maintenance et de la maintenance, c’est des rapports. Donc, les rapports, c’est du texte. On traite beaucoup d’images parce qu’on a typiquement sur les autoroutes des caméras, des caméras qui regardent la circulation. Puisqu’on a des caméras, on a des vidéos et donc des images. Donc ça, c’est à nouveau de la donnée. On a du son. On est capable très précisément de localiser des sons sur des chantiers pour savoir si effectivement c’est dans le chantier qu’a été émis le son ou à l’extérieur. Ou alors on détecte des dégradations d’ouvrage avec du son. Et puis, évidemment, tout ce qui est software. On conçoit beaucoup d’infrastructures et on les conçoit sur des logiciels de conception. Et pour nous, ça, c’est du pain béni. C’est de la donnée directe, en gros. Donc, on a vraiment affaire à tous les types de données. Texte, son, images, vidéos, des données tabulaires, des données financières, par exemple. Voilà un peu un panache. C’est très vaste, en fait. Puisqu’on a tous les types de données possibles, on a tous les types de modèles qu’on peut implémenter au sein de nos applications. 

Marc 00:08:42 – 00:08:55 : Ok. Alors, est-ce qu’on peut donner des exemples de projets ? Donc, commencez peut-être par les projets transverses étudiés au sein du groupe 20 sites. Quels projets transverses vous avez traités chez Léonard ? 

Bruno 00:08:55 – 00:09:58 : Alors, ce qu’il faut voir, c’est que nous, quand on se lance sur un développement, au départ, c’est l’idée d’une business unit. On veut faire du business avec cette idée-là, donc notre objectif, moi, Léonard, c’est de voir si je suis capable de scaler cette idée-là au sein du groupe. Donc, on a plusieurs notions de transversalité. On a la notion inter-business unit, parce que déjà, ça fait de la transversalité, et on a la notion inter-pôle, un pôle étant Vinci Énergie, par exemple, et Vinci Construction. Donc en fait, de l’idée jusqu’au scale, il y a tout un parcours qui fait que parfois ça peut être très long. On a réussi à scaler des applications, notamment de design génératif, chez Vinci Énergie, où on conçoit automatiquement des systèmes à l’intérieur des bâtiments. Ça peut être de l’extinction incendie, ça peut être des gaines de CVC, ça peut être des chemins de câbles. Ça, plusieurs entreprises utilisent. Donc au départ, c’était une entreprise qui s’est saisie du sujet. Mais maintenant, on l’a scalé au niveau de Vinci Énergie France pour que l’ensemble des entreprises de ce périmètre-là puissent utiliser cette technologie-là. Donc ça, c’est un premier exemple finalement de projet qui a été scalé au niveau transverse. 

Marc 00:09:58 – 00:10:03 : Qui finance le projet du coup ? Quand une BU est porteuse d’un projet ? 

Bruno 00:10:03 – 00:11:51 : C’est la BU qui est porteuse. Et en fait, pour la convaincre, cette BU, de développer le sujet, il faut lui montrer qu’elle a un retour sur investissement. Il faut lui montrer que dans trois ans, elle va gagner de l’argent. parce que ce n’est pas clair au départ. Pour développer un projet d’IA, on va dire grosso modo, c’est 250 000 euros. Quand je dis ça à une business unit, tout de suite, elle me dit non, je ne vais pas dépenser 250 000 euros, surtout s’il y a des copains derrière qui vont l’utiliser. Là, il faut se mettre en mode. création de start-up. Je lui dis tu as une idée, tu as identifié un problème dans ton métier, tu as une idée, il y a plein de tes collègues qui ont les mêmes problèmes. Donc imagine tu crées une start-up à partir de cette idée-là, comment tu vas faire pour gagner de l’argent ? Tu vas vendre des licences. Ou alors tu vas faire des partenariats et ça va être des contrats de maintenance par exemple qui vont être plus réannulés. Donc il faut imaginer tout de suite un business model derrière qui va faire que le développement de cette idée-là soit rentable. Et ce n’est pas parce que c’est scalé au niveau d’un pays que la business unit de départ perd la main. Au contraire, c’est elle qui a dans son rôle de scaler et donc de vendre des licences finalement à l’intérieur du groupe. Donc ça, c’est la trajectoire d’un projet qui est au départ une idée d’une business unit et qui est ensuite scalé au niveau d’un pays. On a eu d’autres applications qui, pour le coup, étaient déjà sur des fonctions transverses juridiques où, finalement, un juriste adresse un ensemble d’entreprises. Et donc là, ça devient un projet transverse directement. Il est utilisé par une dizaine d’entreprises sur la fonction support qui a été identifiée. Mais on n’a pas encore d’exemple de projets qui ont été, par exemple, développés chez Vinci Énergie et qui sont scalés chez du Vinci Construction, par exemple. On commence à avoir des collaborations, des entreprises de Vinci Construction qui développent des sujets pour Vinci Énergie. Mais on n’a pas encore de vraies applications ou de vrais sujets qui ont été développés dans une entité pour ensuite être scalés sur notre entité. Mais je pense que c’est l’avenir. Je pense que ça va venir. 

Marc 00:11:51 – 00:12:27 : Ok. J’essaie de rentrer un peu dans le détail du process parce que je pense que là, on est sur quelque chose d’hyper intéressant. Les process d’innovation, comment on fait pénétrer l’innovation dans un grand groupe. Une petite PME du groupe qui fait du bâtiment décide d’éditer un logiciel de génération de devis. Je dis n’importe quoi. Elle est porteuse du projet. Elle finance le développement du projet. Ça lui sert à réduire ses coûts parce que ça lui fait gagner du temps, etc. Mais elle se met aussi à vendre, potentiellement à vendre aux autres PME du groupe Vinci, le logiciel qui est construit. 

Bruno 00:12:27 – 00:12:31 : Exactement. C’est vraiment ça le modèle d’affaires, entre guillemets. 

Marc 00:12:31 – 00:12:43 : OK. Et en cas de gros succès, gros succès qui ferait que ce business devient compétitif par rapport au business initial de la PME, on sépare, on scinde ? 

Bruno 00:12:43 – 00:13:50 : C’est la grande question typiquement sur quand un sujet devient vraiment porteur, on décide de créer une entreprise vraiment dédiée au développement de ce sujet-là parce que finalement ça devient un software à part entière et donc il faut avoir des équipes spécialisées pour faire du dev, faire du front, faire du back avec des équipes de data science qui elles vont s’occuper de la data science. Donc effectivement on vient à ce moment-là structurer une nouvelle entreprise. On en a créé deux, majoritairement sur du generative design. Donc une positionnée chez Vinci Énergie et l’autre positionnée chez Vinci Construction. Ce n’est pas grave si on a deux entreprises qui font du generative design, même si elles sont sur les mêmes secteurs, parce que le monde est vaste, c’est international. Donc on ne va pas privilégier une entreprise par rapport à une autre. Les deux ont de la valeur, les deux ont des particularités. Et donc on fait exister les deux pourvu que les deux soient rentables. On a une troisième entreprise qu’on a créée, mais on a créé la structure juridique avant de créer la techno, parce qu’on y croyait vraiment, typiquement dans l’efficacité énergétique des bâtiments. L’objectif étant d’utiliser l’IA pour prédire des évolutions de température et ajuster le chauffage ou la ventilation au plus juste, avant une descente ou une montée de température en dehors des zones de confort. 

Marc 00:13:51 – 00:13:52 : D’accord. 

Bruno 00:13:52 – 00:14:06 : Et donc là, c’est un peu l’exemple où, comme on savait que le groupe Vinci était assez fort sur l’IA, un directeur a créé la structure juridique en se disant, moi, je veux préempter ce secteur-là. Et il est venu me voir après en me disant, bon, maintenant, il faut développer la techno. Et on a développé la techno. 

Marc 00:14:06 – 00:14:19 : C’est une boîte qui appartient à 100% à Vinci. 100% à Vinci. Ce n’est pas une collaboration, ce n’est pas un startup studio. Et alors, du coup, le design génératif, parce qu’on est passé là-dessus, en quoi ça consiste ? 

Bruno 00:14:19 – 00:15:31 : Le design génératif, en gros, c’est avoir un agent qui se balade dans un environnement et qui va aller créer un système, optimiser un système pour avoir la solution optimale, c’est-à-dire la meilleure solution parmi un million de solutions possibles. Là où un humain sait faire le même travail, mais on mettrait trois semaines à trouver une solution et on s’arrêterait au bout de trois semaines parce qu’on est pris par le temps, on a d’autres appels d’offres qui sortent, etc., l’avantage de l’algorithme, typiquement d’apprentissage par renforcement, C’est de ne pas être fatigué et donc de calculer des centaines et des centaines de milliers de solutions et de nous trouver la meilleure solution parmi un ensemble de critères qu’on aurait sélectionné en avance. Typiquement, si on est dans la construction et qu’on veut optimiser des fondations, par exemple, on va sélectionner des critères d’impact environnementaux. C’est-à-dire qu’on veut trouver le meilleur béton, ultra bas carbone par exemple, en minimisant le taux de ferraillage et minimiser certainement le volume de béton qu’on va couler dans ces fondations. Donc ça, c’est des critères sur lesquels on va jouer. En plus, on peut rajouter le coût et la rapidité d’exécution quand on est sur le terrain. Un humain, quand on lui rajoute toutes ses contraintes, il va y arriver, mais il a besoin de temps. Or, on sait qu’on est très contraint dans les bureaux d’études, et donc c’est là que l’algorithme vient vraiment nous aider. C’est là que l’IA est vraiment très puissant. 

Marc 00:15:32 – 00:15:42 : Ok, d’accord. Et c’est un problème qui nécessite de la donnée pour être résolu, ou on est plutôt sur des approches de type mathématiques, résolution d’optimisation sous contraintes ? 

Bruno 00:15:42 – 00:16:23 : Alors, on est sur de l’optimisation sous contrainte ou parfois de l’apprentissage par renforcement. Mais effectivement, on n’a pas vraiment besoin de données, on a besoin de l’expérience du terrain. On a besoin des opérationnels, on a besoin des gens finalement qui maîtrisent le métier. Parce que ce qu’on va faire, c’est exactement le métier d’un opérationnel, mais on doit apprendre sa façon de faire. Et donc, ça veut dire fournir des notes de calcul qui justifient finalement l’installation qu’on est en train de créer. Et ces notes de calcul, c’est typiquement le travail d’un de nos ingénieurs. Ce sont des collaborations très fortes entre des data scientists et des ingénieurs qui, eux, maîtrisent leurs opérations. Et nous, on essaye de reproduire ce qu’ils savent faire. 

Marc 00:16:23 – 00:16:36 : Est-ce qu’on peut prendre des exemples de projets qui ont été résolus par Léonard en tant que cabinet de conseil interne ? Puisque si j’ai bien compris, c’est aussi une sorte de prestataire interne à Vinci pour les questions d’IA, entre autres. 

Bruno 00:16:36 – 00:20:48 : On peut dire qu’on est consultant interne. En gros, ce qu’on fait effectivement, c’est qu’on vient auditer l’ensemble des process. Et on leur dit, on montre aux opérationnels, là vous n’êtes pas très optimisé, là vous êtes très optimisé. Mais on fonctionne d’une façon un peu particulière, c’est-à-dire que Vinci finalement a fait en sorte que l’on puisse s’équiper d’une vingtaine de data scientists. Donc moi j’ai une cellule d’une vingtaine de data scientists. Et je mets à disposition ces data scientists au niveau des business units. Et en fait, c’est le détachement d’une personne de la business unit avec le data scientist qu’ensemble, ils vont pouvoir créer une solution. Et tout ça, ça se passe par du transfert de compétences, ça se passe par de la formation interne pour que finalement, l’opérationnel qui a eu l’idée garde son idée et soit capable de le développer dans le temps. Moi, j’ai un cycle, finalement, de développement de six mois. C’est-à-dire que la promesse, c’est en six mois, toi, Business Unit, tu vas être capable de monter en compétence sur l’IA, tu sauras maintenir ton système et tu sauras le faire évoluer dans le temps. Et donc, tout se passe sur de la formation et sur du co-développement, finalement, de solutions. Et en faisant ça, on s’assure que ça fonctionne très bien et que ça se diffuse dans le groupe. Et typiquement, au début, on a commencé avec 8 projets la première année et maintenant, on est à plus de 60 qui sont développés et industrialisés dans le groupe. Alors, quel type de projet on développe ? On est multisecteur, donc typiquement… Lorsqu’on a de la route, on veut développer des modèles de maintenance prédictive sur des routes, par exemple. Donc détecter des fissures, savoir à partir de quand il va falloir les remplacer pour améliorer les campagnes de maintenance, tout simplement. On opère aussi des grandes infrastructures type des lignes de train. Et bien là, pareil, on vient faire de la maintenance prédictive, on vient prédire les déformations de la voie. et à partir de quand, finalement, on doit faire des opérations de maintenance de ces voies-là ? Parce que la maintenance finalement d’une infrastructure ferroviaire est un peu particulière, parce que lorsqu’on fait du bourrage, ça s’appelle du bourrage, en fait on vient remettre du ballast sous les voies, on détruit l’infrastructure. Donc moins on fait de maintenance, mieux on se porte, mais il faut quand même faire de la maintenance. Et donc là les algorithmes viennent décider, ou du moins proposer une solution à des opérationnels qui ensuite prennent la décision d’y aller ou pas. Ça, c’est un peu sur le côté maintenance. On fait aussi de la maintenance d’éoliennes offshore parce que c’est des systèmes qui sont assez éloignés en mer, qui sont très grands. En gros, une éolienne, c’est 300 mètres de haut. Et si un générateur tombe en panne, c’est 5 tonnes qu’il faut soulever et remplacer. Donc imaginez que lorsqu’une éolienne tombe en panne, nous, on doit louer un bateau, un bateau qui est mutualisé par l’ensemble des concurrents sur des fermes d’éoliennes offshore. Et évidemment, il doit y avoir un bateau pour X éoliennes. Et donc, on est à peu près sûr que lorsqu’on loue le bateau, il va arriver sur site trois mois après. Et en gros, on a trois mois de perte de productivité d’énergie verte. Donc là, l’objectif, c’est d’essayer de prédire les pannes pour que lorsqu’on sait qu’il va y avoir une panne dans trois mois, tout de suite, on anticipe la location du bateau. Ça, c’est un peu le côté maintenance, prédictive. Je vous ai cité le design génératif. On aide à concevoir tout ce qui est des fondations, des semelles. On vient optimiser la rotation des banches dans tout ce qui est construction des bâtiments, par exemple. On vient optimiser tous les designs des systèmes à l’intérieur des bâtiments. Ça, c’est un peu tout ce qui est design génératif, mais dans la conception. C’est très performant. Si on prend un secteur qui est très actuel, notamment l’IA générative mais sous forme de texte, là on s’intéresse beaucoup aux fonctions juridiques où on vient dérisquer des contrats. On s’intéresse beaucoup à l’analyse des appels d’offres où on vient synthétiser rapidement un grand nombre d’appels d’offres. On vient préchiffrer, préestimer pour proposer finalement aux opérationnels une première solution de chiffrage. Et là, on est en train de développer des cas d’usage où on va directement proposer finalement des réponses à ces appels d’offres-là. Voilà pour tout ce qui est IA générative. Et après, computer vision, partout où on a des caméras, donc ça peut être dans du retail, avec des cas classiques de retail où on comprend les comportements des consommateurs et on vient réagencer des magasins, par exemple. Ou alors on vient classifier sur les péages automatiquement la classe de véhicule pour adapter le tarif en fonction du type de véhicule qui rentre, etc. On a énormément de projets et ils sont tous différents les uns des autres. 

Marc 00:20:49 – 00:21:06 : Ok. Et alors sur la partie incubateur, donc là où des startups qui ne seraient pas des possessions à 100% de Vinci, qu’est-ce qu’on a vu émerger ? Qu’est-ce qui est en train de se préparer aujourd’hui ? Quels sont les projets suivis par ces startups ? 

Bruno 00:21:06 – 00:22:15 : Donc les startups externes, externes au groupe ? D’accord. Finalement, les… Nous, on a des problèmes et on essaye de les résoudre avec de l’IA. Évidemment, il y a tout un écosystème de startups qui connaissent aussi nos problèmes et qui proposent des solutions avec de l’IA. Et donc, en gros, ce qu’on voit émerger, nous, ce sont des startups qui viennent adresser le milieu de la construction, par exemple, et qui viennent prendre des problèmes de process les uns après les autres et qui proposent des solutions. Donc on se retrouve un peu, non pas en confrontation, mais on est sur les mêmes secteurs que finalement les startups qu’on voit émerger. Et on en voit émerger beaucoup dans la logistique, dans la préparation de chantier, dans l’amélioration finalement des opérations de chantier. On en voit beaucoup émerger dans tout ce qui est analyse contractuelle, mais nous on est aussi sur ces secteurs-là. On en voit beaucoup émerger, pas trop sur la conception, parce que ça veut dire qu’il faut connaître vraiment beaucoup les modes constructifs et savoir comment adresser un chantier, entre guillemets. Mais on en voit aussi beaucoup sur tout ce qui est computer vision, des modèles de maintenance positive et tout ce qui est effectivement maintenance positive de machines, des machines tournantes, des machines outils ou ce genre de choses. 

Marc 00:22:16 – 00:22:21 : D’accord. Et quelle est la collaboration avec Vinci pour ces startups externes ? Mais que vous incubez ? 

Bruno 00:22:21 – 00:23:18 : Alors, c’est une très, très bonne question. On n’a pas vocation à systématiquement développer les sujets d’IA. On se pose toujours la question au départ, est-ce qu’on va se faire de l’argent avec ce système finalement ? Est-ce que si nous on développe cette technologie-là, est-ce qu’on va pouvoir faire de l’argent ? Ou alors, est-ce que c’est trop compliqué et il vaut mieux utiliser une startup qui maîtrise très bien la techno, elle a 10 ans d’avance sur nous et en gros, on sait qu’on ne fera pas mieux ? Et donc, en fait, c’est vraiment au départ, lorsqu’on se demande si on va se lancer sur les sujets, qu’on regarde d’abord l’écosystème et on voit ce qui se fait à l’extérieur. Et là, on se pose la question, est-ce qu’il vaut mieux utiliser une startup qui est peut-être plus compétente que nous sur un secteur, qui a peut-être déjà levé les fonds et on est prêt à les utiliser ? On est vraiment pas… Enfin, on est très ouvert à la collaboration avec les startups ? Et évidemment, les startups qu’on incube au sein de Léonard, ce ne sont pas des startups qui sont à l’heure actuelle sur les secteurs que nous, on investigue. Donc, il n’y a pas de problème à les utiliser. Et au contraire, on est très ouvert à les utiliser sur certains secteurs d’activité. 

Marc 00:23:19 – 00:23:24 : Quelle est la place de la recherche académique dans tous les projets que vous menez ? 

Bruno 00:23:24 – 00:24:41 : Moi, je vous l’ai dit, on aide les opérationnels finalement à lancer leur business, mais on a une durée de vie de six mois, entre guillemets. Moi, j’assure, le lancement du projet est le début de l’industrialisation du projet. Mais il est clair qu’en six mois, on n’a pas adressé tous les problèmes. Au contraire, on a contourné les problèmes. On est allé sur les modèles les plus simples. Tout ça pour mettre sur le marché, finalement, des premiers modèles et aller commencer à vendre cette solution. Mais on est très conscients qu’on a besoin de la recherche derrière pour améliorer ces modèles, pour aller chercher plus loin, pour essayer de ne pas contourner les problèmes, mais vraiment prendre de front les problèmes. Et donc, on a besoin de la recherche derrière. On a besoin de doctorants, on a besoin de chercheurs pour aller finalement déverrouiller les verrous technologiques que nous, on a évité. Donc ce qu’on essaye de faire à l’heure actuelle, c’est de coupler finalement ce parcours de formation de six mois, ce parcours d’intelligence artificielle qui dure six mois, avec une continuité de thèses. On essaye systématiquement d’aller chercher des thèses et de proposer des thèses chiffres à des universités pour continuer et potentiellement même staffer les entreprises qu’on est en train de créer. Et ce modèle-là, finalement, lancement en business qui assure une première rentabilité et collaboration avec des universités, des grandes universités ou des grandes écoles d’ingénieurs, nous assure qu’on devient performant au cours du temps en utilisant des modèles d’IA, même si au départ, c’était des modèles à l’état de l’art. 

Marc 00:24:42 – 00:24:54 : D’accord. Alors, avec ta vision de business, ton expérience, quels sont, selon toi, les cas d’usage les plus prometteurs de l’IA appliquée soit au BTP, soit à l’énergie ? 

Bruno 00:24:54 – 00:26:00 : Alors moi je crois beaucoup dans le generative design, dans la conception. Je pense que les bureaux d’études chez nous sont vraiment un secteur porteur pour le déploiement de l’intelligence artificielle. Tout simplement parce qu’il y a énormément de contraintes qui sortent de plus en plus. Il y a des contraintes environnementales et c’est normal, il y a des contraintes de chantier, il y a des environnements contraints aussi. Et on a de moins en moins de temps finalement pour sortir des projets. Et donc c’est là que la compétence métier additionnée à quelque chose qui nous propose des solutions, ça nous permet finalement d’être un, plus performant et deux, plus rapide. Donc moi je vois vraiment un champ très important sur l’aide à la conception des systèmes. Et il y a un deuxième axe que je vois vraiment important pour Vinci, qui est finalement l’utilisation de tout ce qui est NLP ou LLM pour améliorer finalement les métiers au quotidien et essayer d’accélérer tout ce qui est réponse aux appels d’offres, tout ce qui est dérisquage de projet en regardant automatiquement des contrats. Là, je pense qu’on va aider vraiment nos collaborateurs. On va vraiment leur apporter du temps libre, tout simplement. 

Marc 00:26:00 – 00:26:06 : En termes d’évangélisation, qu’est-ce que tu dois beaucoup répéter à tes interlocuteurs ? 

Bruno 00:26:06 – 00:28:07 : Ce que je dois répéter beaucoup, c’est que l’IA, ce n’est pas une révolution. Je leur explique bien que ce n’est pas une révolution, que c’est compliqué à mettre en place et que ce n’est pas pour tout le monde. Mais par contre, lorsqu’on a trouvé un secteur porteur et qu’on a trouvé les compétences métiers qui vont bien, alors lorsqu’on développe l’IA en mode Vinci, avec ces compétences métiers-là, on peut devenir très très fort sur des secteurs. Tout simplement parce qu’on est expert de nos métiers, ça fait beaucoup de temps qu’on travaille sur nos métiers, le groupe Vinci existe depuis 100 ans, Donc on a quand même une forte expérience, et cette expérience-là, on est capable de la traduire en algorithme. Et donc je répète en permanence ce que cette technologie d’IA est capable de faire, ce qu’elle n’est pas capable de faire, pour un peu démystifier cette histoire-là, et pour tout simplement que les opérationnels me parlent de leurs problèmes, et non pas de venir me voir en me disant « j’ai plein de données, qu’est-ce que je peux faire avec de l’IA ? ». Moi, quand ils viennent me voir en me disant ça, qu’est-ce que je peux faire avec de l’IA ? Je leur dis, mais est-ce que tu as des problèmes ? Est-ce que tu as des problèmes à résoudre ? Ou alors, finalement, tu veux faire de l’IA parce que c’est joli. Et dans ce cas-là, moi, je n’adresse pas ce sujet-là. Mais effectivement, lorsqu’on a beaucoup de données, effectivement, ça nous laisse croire qu’on peut faire de l’IA et que l’IA va nous apporter des solutions. Mais quelles solutions ? Si on n’a pas de problème, il n’y a pas de solution à apporter finalement. Donc, je leur demande, plutôt que de se focaliser sur l’IA ou ce que c’est ces technos-là, c’est focalisez-vous sur vos process et focalisez-vous là où vous perdez du temps. C’est ça qui est hyper important. Et vous devez savoir si, à ce moment-là, c’est de l’IA ou pas. Et c’est là que moi, j’interviens en leur expliquant ce que l’IA, les technos peuvent leur apporter. Mais ça se base toujours, finalement, cette acculturation à l’IA, c’est expliquer qu’est-ce que c’est qu’une prédiction ? Comment est-ce qu’on prédit quelque chose, finalement ? Comment est-ce qu’on reconnaît des choses dans une image ? Comment, finalement, on met en place un algorithme d’apprentissage par renforcement ? Qu’est-ce que ça apporte, ces algorithmes ? Voilà. Donc, je leur explique vraiment clairement ce que sont ces technologies-là. Et après, je charge à eux de me dire, bah oui, tiens, ça, ça peut m’être utile parce que j’ai ce problème-là. 

Marc 00:28:08 – 00:28:50 : Je pense à un cas d’usage parce que nous, Scopeo, on est un cabinet, un prestataire d’intelligence artificielle, donc on nous demande des projets. Il y a un cas d’usage qui est beaucoup ressorti, je veux savoir comment ça résonne. Pour ce qui est du BTP, c’est tout ce qui est, grâce au LLM, aller faire des correspondances entre des devis, des factures, des bons de commande, faire des vérifications. Être bien sûr que les nombres sont bien respectés, d’une part, que des règles métiers, par exemple, j’achète quatre fenêtres et trois poignées, il y a un problème, il manque une poignée. Des règles métiers comme ça soient tout de suite calculées. Est-ce que c’est des sujets qui reviennent beaucoup chez vous ? Est-ce que c’est minoritaire aujourd’hui ? Je trouve ça intéressant de confronter cabinet externe, cabinet interne. 

Bruno 00:28:50 – 00:29:56 : Alors, moi, c’est des sujets que j’avais identifiés il y a quelques années, mais je ne peux pas imposer au groupe de sensé sur ce sujet. Mais finalement, en en parlant, en disant ce que l’IA peut faire, effectivement, il y a quelques entités qui sont venues me voir en me disant « Mais on a des contrats cadres, on est facturé, et parfois, il y a des erreurs dans ces factures. Les prix ne correspondent pas aux contrats cadres. ». Donc souvent, on paye plus cher parce qu’on n’a pas la capacité d’aller tout le temps systématiquement aller voir les contrats cadres. Donc oui, effectivement, c’est des demandes qui arrivent de plus en plus finalement et sur lesquelles on se saisit. Une demande finalement qu’on est en train de développer, c’est l’émission automatique de devis à partir d’une demande typiquement. Un client interne ou un client nous demande de faire une prestation. Il nous demande ça 100 fois dans la journée. On n’a plus le temps de faire des devis finalement. Donc en gros, ce qu’on est en train de mettre en place, c’est effectivement, lorsqu’on reçoit un mail, est-ce que vous pouvez réaliser telle opération? ? automatiquement, nous, on vient créer le devis, chiffrer, et à partir de notre base de connaissances, finalement, proposer un prix à notre client. Ça, oui, effectivement, c’est des demandes qu’on voit de plus en plus apparaître. 

Marc 00:29:56 – 00:30:01 : Et ça, tout le BTP, voire même tout Vinci Énergie en bénéficierait. 

Bruno 00:30:01 – 00:30:30 : Tout Vinci Énergie, tout Vinci Construction en bénéficierait, mais à nouveau, il faut que toutes les entreprises comprennent que c’est un besoin pour elles. Même si c’est quelque chose qu’on peut scaler au niveau du groupe Vinci, Ce n’est pas sûr que l’ensemble des entreprises du groupe, à nouveau les 4000 PME, l’utilisent parce qu’elles n’ont pas identifié ça comme étant un de leurs problèmes. Donc, on a aussi ce devoir d’expliquer, effectivement, vous avez raison, qu’il y a des projets porteurs qui permettent de faire des économies. Donc, saisissez-vous de ces sujets-là. 

Marc 00:30:31 – 00:30:36 : Oui, c’est un peu le revers de la médaille d’être scindé en petite structure. Ça a plein d’avantages, mais ça en a quelques-uns. 

Bruno 00:30:36 – 00:31:07 : Exactement. Et ça, c’est typiquement un des problèmes que nous, on rencontre. C’est comment faire savoir au groupe qu’il y a des projets qui sont plug and play pour d’autres et qui sont porteurs de ROI, en fait. Et ça, moi, je le laisse finalement, je reste en mode Vinci, c’est-à-dire quand une entreprise a développé ce sujet-là, je lui dis maintenant c’est ton sujet, c’est ton business, à toi d’aller convaincre les uns et les autres que c’est utile d’utiliser cette solution. Évidemment, je l’aide, on se connecte à différents écosystèmes, mais ça reste un travail compliqué au sein de Vinci, c’est clair. 

Marc 00:31:07 – 00:31:22 : Est-ce que si, je ne sais pas, 10 sociétés vous font remonter un sujet, vous pouvez… on va dire, les mettre dans la même pièce et leur dire il y a peut-être un truc à faire ensemble, à co-financer ensemble. Peut-être qu’il y a des sujets qu’on ne peut pas financer seul, mais qu’on peut financer à 10. 

Bruno 00:31:22 – 00:32:33 : Oui, tout à fait. Ça se passe comme ça aussi. Au début, non, parce qu’on n’avait pas l’expertise. Mais maintenant qu’on a le recul et qu’on sait comment fonctionnent les projets, comment assurer une bonne industrialisation, on est capable de détecter très tôt si les idées qui arrivent sont porteurs. Donc, un de mes objectifs, C’est évidemment très rapidement d’aller trouver un ensemble d’entreprises au sein du groupe qui seraient intéressées clairement par cette solution-là. Et donc, dès le départ, on crée des groupes de travail transmétiers pour développer cette solution. Ou alors, typiquement, on a d’autres façons de procéder. On a typiquement une entreprise française qui nous demande de développer un sujet, mais elle ne veut pas, elle, maîtriser la solution. Donc moi, mon rôle, c’est d’aller chercher dans le groupe une autre entreprise qui voudrait bien développer cette solution pour aller vendre à cette première entreprise cette solution-là. Et donc, on peut arriver avec des montages un peu compliqués où on a une idée qui vient de France pour une entité particulière. Là, la solution est développée au Portugal par une autre entité et l’ensemble des cours, finalement, de transfert de compétences se font en anglais. Donc, c’est du multilingue et c’est là la force du réseau Vinci, c’est qu’une entreprise en France peut dialoguer avec une entreprise d’un autre pays. D’accord. 

Marc 00:32:33 – 00:32:41 : Voilà. Est-ce qu’il y a des erreurs que tu peux nous partager qui nous feront gagner du temps pour ne pas les faire nous-mêmes ? 

Bruno 00:32:41 – 00:33:27 : Alors oui, effectivement. J’en ai parlé juste avant. Se lancer sur un projet d’IA sans avoir d’objectif, c’est-à-dire sans avoir de problème à résoudre. En gros, on considère qu’on a des données et on se dit qu’est-ce que je peux faire avec de la techno sur mes données ? C’est le meilleur moyen. Alors peut-être qu’on trouvera quelque chose, mais c’est le meilleur moyen de dépenser beaucoup d’argent avant de trouver finalement un secteur porteur. Donc moi, je déconseille vraiment de partir avec des données et vouloir utiliser l’IA. Il ne faut pas vouloir utiliser l’IA, il faut vouloir résoudre des problèmes. Et lorsqu’on résout les problèmes, on a un objectif. Et là, finalement, on va trouver les bonnes données qui sont corrélées à ce problème-là. Et dans ce cas-là, l’IA, automatiquement, on le développe et on saura bien le développer. 

Marc 00:33:27 – 00:33:30 : Qu’est-ce que tu préfères dans ton métier actuel ? 

Bruno 00:33:30 – 00:34:14 : Moi, ce que j’aime bien, c’est qu’on est encore à l’âge où on optimise des métiers. On est au début de l’intelligence artificielle. Les opérationnels commencent à comprendre qu’effectivement, ça va leur simplifier la vie. Ça simplifie des process. Et quand on voit la réalisation des projets et que des opérationnels sont heureux d’utiliser des solutions parce que ça leur simplifie la vie, ça franchement, c’est très intéressant. Et c’est d’ailleurs ce que mes data scientists me disent. Ils viennent et ils continuent de travailler avec nous, Vinci, tout simplement parce qu’on voit un changement dans la vie des gens. On a soit des impacts très positifs sur l’environnement, des impacts très positifs sur les opérations, soit des gains de temps. Et finalement, ces gains de temps, les opérationnels sont contents. On fait le même métier, mais on le fait mieux, on le fait plus rapidement. Tout le monde est content, en fait. 

Marc 00:34:16 – 00:34:17 : Même métier, mais pas le même maillot. 

Bruno 00:34:17 – 00:34:19 : Exactement. 

Marc 00:34:19 – 00:34:21 : C’est quoi la suite de Léonard ? 

Bruno 00:34:21 – 00:35:17 : Eh bien, la suite de Léonard, c’est ça. la beauté de l’histoire, c’est qu’on ne peut pas la prédire. On s’adapte systématiquement. Moi, je ne sais pas si je serai encore là dans un an. Si je ne suis plus là, c’est que j’ai réussi ma mission. Le groupe s’est décentralisé. Tout le monde s’est saisi de la question. Et donc, on n’a plus besoin finalement d’une petite entité qui fait office un peu de défricheur de la technologie. Moi, ce que je sais, c’est que Léonard est là pour avancer. On existe tant qu’il y a une demande des opérations, finalement, de faire exister cette structure-là, et c’est ça la beauté de l’histoire. C’est que constamment, on doit s’adapter, constamment, on doit s’adapter aux demandes du groupe, aux besoins du groupe. Et donc, peut-être que dans un an, je ne serai plus là, ou alors je me serai transformé, ou alors je serai devenu une grosse entité avec 300 personnes pour décider d’une stratégie de développement de l’IA au sein de Vinci. Mais ça, c’est petit à petit qu’on apprend, petit à petit qu’on embarque des opérationnels. Et c’est ensemble, finalement, qu’on définit le futur de Léonard. 

Marc 00:35:17 – 00:35:19 : Super, bon courage alors. 

Bruno 00:35:19 – 00:35:19 : Merci. 

Marc 00:35:19 – 00:35:26 : Est-ce qu’il y a un invité que tu nous suggères, que tu aimerais entendre au micro de Data Driven 101 prochainement ? 

Bruno 00:35:26 – 00:35:59 : Alors moi ce que j’aimerais bien c’est entendre des chercheurs qui travaillent sur les interactions homme-machine, les machines étant des robots. Parce que je sais que j’ai une formation de roboticien de base et la robotique et notamment l’IA peut être une solution pour certaines personnes qui ont des problèmes. Et certaines personnes peuvent dialoguer plus facilement avec des machines. Et donc ça casserait le mythe de l’IA. finalement c’est destructeur. Au contraire l’IA aussi c’est constructeur. Et je sais qu’il y a beaucoup de chercheurs qui travaillent dans cette relation homme-machine. Et c’est extrêmement intéressant. Je pense qu’il faut qu’on les entende. 

Marc 00:36:00 – 00:36:02 : Oui, c’est une bonne idée. Merci Bruno. 

Bruno 00:36:02 – 00:36:03 : Merci beaucoup à vous. 

Marc 00:36:03 – 00:36:06 : Vous venez d’entendre Bruno Donnet, IA Lead chez Léonard sur Data Driven 101.