Data science et IA : quels sont les concepts clés ?
Summary
TLDRDans cet épisode du café sapiens, les invitées Vincent Freyto et Jérôme Lafond abordent la révolution numérique et son impact sur l'entreprise, la société et la philosophie. Vincent Freyto, professeur à HEC Paris et consultant en data science, et Jérôme Lafond, directeur technique chez Direct Assurance, discutent des défis et des opportunités offerts par l'intelligence artificielle et des données dans différents domaines, incluant la tarification des assurances et l'automatisation des processus. Les deux experts soulignent également l'importance de l'éthique dans l'utilisation des données et la nécessité de sensibiliser les jeunes à ces enjeux.
Takeaways
- 🌟 L'IA et la data science sont au cœur de la révolution numérique actuelle, impactant tous les domaines tels que la politique, la géopolitique, la société et les entreprises.
- 📈 La data science est comparée au pétrole du 21e siècle, avec des entreprises basées sur la data connaissant une croissance exponentielle.
- 🤖 L'intelligence artificielle vise à reproduire les capacités cognitives humaines, et son développement est multidimensionnel, allant de la logique mathématique à la créativité.
- 🧠 Le deep learning est une sous-catégorie de l'apprentissage automatique qui utilise des réseaux neuronaux artificiels pour traiter des données complexes et volumineuses.
- 🚗 Les voitures autonomes sont un exemple concret de l'utilisation de l'IA et du machine learning, ayant évolué vers des systèmes de plus en plus sophistiqués pour gérer de nouvelles données.
- 📚 L'enseignement de la data science et de l'IA est en constante évolution, avec des programmes comme le Master Science Data Science for Business qui combine l'ingénierie et la gestion.
- 🏢 L'assurance est un secteur qui a toujours utilisé la data, passant de modèles linéaires traditionnels à des approches de machine learning plus récentes pour améliorer la prédiction des sinistres.
- 💡 L'utilisation de l'IA dans les entreprises suscite des questions sur l'organisation optimale, avec des stratégies allant de la centralisation à la décentralisation en fonction de la maturité des technologies.
- 🌐 La question de la confidentialité des données est un enjeu majeur pour l'IA, en particulier dans les domaines sensibles tels que la santé ou les finances.
- 🔄 L'impact de l'IA sur l'emploi est une préoccupation, avec des craintes que les tâches répétitives et les emplois de bureau blanc puissent être remplacés par des algorithmes.
- 📈 L'investissement dans la recherche et le développement de l'IA est essentiel pour permettre aux entreprises et aux pays de rester compétitifs sur la scène mondiale.
Q & A
Quel est le thème principal du café sapiens mentionné dans le script ?
-Le thème principal du café sapiens est la data et l'intelligence artificielle, et comment elles impactent les entreprises et la société.
Quelles sont les deux principales compétences abordées par Vincent Freyto dans son livre sur l'adaptation pour les managers ?
-Les deux compétences principales abordées sont la compréhension des données et de l'intelligence artificielle, et comment les managers peuvent les utiliser dans le cadre de leurs projets et de leur travail en entreprise.
Quel est le rôle de Jérôme Lafond au sein de Direct Assurance ?
-Jérôme Lafond est le directeur technique de Direct Assurance, où il gère les équipes responsables de la tarification et de l'estimation du risque d'accident pour les clients.
Comment la data science est-elle décrite dans le script ?
-La data science est décrite comme l'extraction de connaissances et de savoir à partir des données pour impacter l'environnement, les entreprises ou la société.
Quelle est la comparaison faite entre les entreprises mondiales en 2008 et celles en 2016 ?
-En 2008, les principales capitalisations boursières étaient détenues par des sociétés pétrolières ou gazières, tandis qu'en 2016, ce sont les GAFAM (Google, Amazon, Facebook, Apple, Microsoft) qui ont pris les premières places, montrant l'importance croissante de la data dans l'économie.
Quels sont les trois domaines complexes auxquels est associée la data science ?
-Les trois domaines complexes associés à la data science sont les mathématiques, la statistique, la probabilité, l'algèbre, l'informatique et l'expertise métier de chaque domaine.
Quelle est la différence entre l'intelligence artificielle, le machine learning et le deep learning ?
-L'intelligence artificielle vise à reproduire les capacités cognitives humaines. Le machine learning est un sous-ensemble de l'IA qui utilise des données statistiques pour extraire des informations des données. Le deep learning est une sous-catégorie du machine learning qui utilise des réseaux neurones artificiels pour imiter le fonctionnement du cerveau humain.
Comment l'assurance utilise-t-elle la data depuis des dizaines d'années ?
-L'assurance utilise la data pour estimer le risque d'accident, la tarification et la segmentation des risques en fonction de divers critères. Elle a évolué de l'utilisation de modèles linéaires traditionnels vers l'utilisation de machine learning pour bénéficier de plus de variables et d'interactions non linéaires.
Quelle est l'importance de la cloud computing dans l'exploitation des données ?
-La cloud computing a donné une capacité incroyable de stockage et de traitement des données, ce qui a booster la capacité des métiers à exploiter la data. Elle a permis d'alimenter les algorithmes qui, avant, manquaient de données numériques suffisantes et de puissance de calcul.
Quels sont les enjeux pour les entreprises en termes d'utilisation de l'IA et de la data ?
-Les enjeux pour les entreprises incluent la réorganisation, la production de contenu, la manière d'enseigner les choses, la simplification des parcours clients, la fiabilisation des données et la capacité à tirer parti des outils technologiques pour améliorer leur service à la clientèle.
Quelle est la position de l'Institut sapiens concernant l'utilisation de l'IA dans l'enseignement ?
-L'Institut sapiens encourage l'utilisation de l'IA dans l'enseignement, considérant qu'il est impossible de l'interdire et que cela peut aider les étudiants à aller plus loin, plus vite et à être plus impactants dans leurs travaux.
Outlines
🌟 Introduction au café sapiens et présentation des invités
Le paragraphe introduit le café sapiens, un événement animé par Raphaël Kevin, où l'accent est mis sur l'humanisation numérique et l'impact de l'intelligence artificielle dans divers domaines. Les invités, Vincent Freyto, professeur à HEC Paris, et Jérôme Lafond, directeur technique chez Direct Assurance, sont présentés. Vincent a publié un guide sur l'adaptation des managers aux nouvelles technologies et Jérôme a une expérience variée dans plusieurs secteurs avant de rejoindre l'assurance.
📈 La data science et l'intelligence artificielle dans l'entreprise
Le paragraphe aborde la définition de la data science et son évolution au fil des décennies, soulignant son importance comparée au pétrole du 21e siècle. Les différences entre intelligence artificielle, machine learning et deep learning sont expliquées. L'importance de la data science dans l'industrie de l'assurance est également discutée, avec une transition vers des modèles de machine learning pour améliorer la précision des prévisions et la tarification.
🚀 L'impact de l'IA sur l'industrie et les défis technologiques
Ce paragraphe met en avant les impacts de l'intelligence artificielle sur l'industrie, en particulier dans l'automatisation et l'optimisation des processus. Les défis technologiques liés à l'industrialisation et à la transformation des entreprises sont également discutés. L'importance de la collaboration entre les data scientistes et les métiers est soulignée pour maximiser l'utilisation de la data dans les entreprises.
🤖 L'intelligence artificielle multidimensionnelle et ses applications
Le paragraphe explore la nature multidimensionnelle de l'intelligence artificielle et son application dans divers domaines, notamment les jeux de stratégie, la créativité et la robotique. La progression de l'IA est illustrée par des exemples concrets comme la victoire de DeepMind sur le jeu de Go et les progrès dans la génération de contenu et la programmation.
🎓 L'enseignement de la data science et la formation des étudiants
Ce paragraphe discute de la manière dont l'enseignement de la data science évolue et des stratégies adoptées par les écoles pour intégrer les outils de l'IA dans le curriculum. Les défis liés à la formation des étudiants et la nécessité d'encourager l'utilisation responsable de l'IA sont également abordés.
💡 La vision de l'avenir de l'IA et des technologies dans l'entreprise
Le paragraphe se concentre sur la vision future de l'IA et des technologies dans l'entreprise, en discutant de la transformation digitale et des stratégies d'investissement. Les impacts potentiels sur l'emploi et la nécessité d'adapter les compétences et les formations sont également explorés.
Mindmap
Keywords
💡IA
💡Deep Learning
💡Données
💡Data Science
💡Machine Learning
💡Éthique
💡Open Data
💡Transformation digitale
💡Confidentialité des données
💡Rôle de l'homme
Highlights
L'Institut sapiens vise à remettre l'humain au cœur du numérique.
La révolution numérique, les données et l'intelligence artificielle impactent tous les domaines.
Vincent Freyto, professeur à HEC Paris, a publié un guide sur l'adaptation des managers aux enjeux de la data et de l'IA.
Jérôme Lafond, directeur technique de Direct Assurance, partage son parcours dans l'assurance et la data science.
La data science est au carrefour de mathématiques, statistiques, informatique et expertise métier.
L'intelligence artificielle vise à reproduire les capacités cognitives de l'être humain.
Le machine learning est un sous-ensemble de l'intelligence artificielle basé sur les données.
Le deep learning utilise des réseaux neurones artificiels pour extraire des informations complexes des données.
Les entreprises de tech comme Google, Amazon, Facebook et Microsoft sont basées sur la data.
L'assurance est un secteur qui a toujours utilisé la data pour estimer le risque et fixer les tarifs.
L'assurance et la banque sont les secteurs économiques les plus avancés en matière de deep learning.
Les étudiants en data science ont des perspectives d'emploi très larges, allant de la grande entreprise à la création d'entreprise.
Les impacts de l'IA et de la data science sur l'emploi sont actuellement limités, mais peuvent devenir significatifs à l'avenir.
Les administrations publiques sont en train de progresser dans l'utilisation du digital et de la data.
Les étapes de la transformation digitale des entreprises, de la compréhension des données à l'intégration d'IA.
Transcripts
[Musique]
bonjour à toutes et à tous ravi de vous
retrouver pour ce nouveau café sapiens
alors l'Institut sapiens ça a une
punchlide une punchline qui est remettre
l'humain au cœur du menu mérite remettre
l'humain au cœur du numérique et bien ça
nous amène tout naturellement au thème
de la data de l'intelligence
artificielle alors je vais vous dire ce
n'est ni le premier ni le dernier qui a
fait sapiens consacrée à cette
thématique la révolution numérique les
datas et bien ça impacte tous les
domaines la politique la géopolitique le
sociétal la philosophie et bien entendu
l'entreprise alors aujourd'hui nous
allons nous intéresser à la data dans le
monde de l'entreprise nous serons
pragmatique et je le ferai avec le
regard croisé d'un enseignant et d'un
praticien j'ai le plaisir en effet
d'accueillir aujourd'hui dans son freto
professeur à HEC Paris et Jérôme Lafond
directeur technique du
pionnier et leader de l'assurance
directe Direct Assurance alors tout
d'abord quelques mots de présentation de
nos invités alors Vincent freyto tu
viens de publier un bouquin un guide je
dirais très synthétique et illustré sur
l'adaptation il y a pour les managers et
peux-tu te présenter rapidement oui donc
je suis professeur associé à HEC
également consultant conférencier auteur
depuis peu HEC je suis directeur
scientifique du Master science data
science for business qui est un
programme en deux ans conjoint avec
l'École polytechnique et HEC je m'occupe
de certificat d'académie et puis les
cours dans toutes les grandes majeures
de les cours d'introduction à la data
dans toutes les grandes majeures
finances stratégie de de HEC et pour
faire ses cours bien évidemment j'ai lu
beaucoup de livres et autres et à chaque
fois j'ai fait le constat que passer le
premier chapitre on avait soit des
formules mathématiques un petit peu
compliquées soit des lignes de code
absolument incompréhensibles soi-même
les deux et donc je me suis dit qu'il y
avait une nécessité d'écrire un livre
pour les personnes qui n'ont pas
vocation à devenir des Data scientistes
mais qui vont devoir utiliser la data et
l'intelligence artificielle dans le
cadre de projets dans le cadre de leur
travail en entreprise merci Vincent et
Jérôme quel est ton parcours alors
Jérôme Laffont je travaille aujourd'hui
chez irritations comme tu l'as dit
Raphaël déjà je te remercier de nous
inviter aujourd'hui c'est vraiment un
plaisir moi c'est la première fois que
je suis convié à l'Institut sapiens donc
un grand merci je travaille aujourd'hui
chez Direct Assurance où je suis le
directeur technique je gère les équipes
qui font les prix que vous voyez quand
vous faites un devis en ligne sur Direct
Assurance pour une offre auto habitation
ou santé
donc c'est à la fois dans mon équipe
qu'on va essayer de d'estimer le risque
d'accident l'accidentologie de nos
clients et c'est également là où on va
avoir toute une sophistication tarifaire
plus d'une segmentation de ce risque sur
tout un tas de critères qui sont en
général des critères que vous avez dans
le questionnaire mais pas que et avant
ça de formation je suis ingénieur et
j'ai travaillé avant dans d'autres
industries j'ai travaillé dans la
finance de marché j'ai travaillé dans la
publicité en ligne chez crithéo et j'ai
travaillé aussi au Groupe AXA sur le
véhicule connecté donc j'ai eu la chance
d'avoir des expériences très variées et
en tout cas pour moi c'est un moteur
aussi de pouvoir changer de secteur
régulièrement et c'est aussi une chance
je trouve dans les métiers de la data et
de l'analyse de données de pouvoir comme
ça naviguer d'une industrie une autre
enfin on a vraiment cette chance et je
suis Raphaël Kevin j'anime régulièrement
des cafés ça piences alors le déroulé de
cette session va être classique en
premier et bien nous aurons en quelque
sorte un mini cours magistral un pitch
un pitch magistral de Vincent Frey pour
partager les concepts clés on partagera
en quelque sorte le même scène sauf
d'informations ensuite j'enchaînerai sur
une série de questions pour nous inviter
et puis évidemment vous pouvez vous
public de sapiens en direct vous pouvez
poser vos questions et dans le fil de
discussion et nous essayons avec nos
invités d'y répondre à la fin de cette
émission alors Vincent
à toi de très bien on va commencer par
la science des données la data science
qui consiste en fait à extraire de la
connaissance à extraire du savoir à
partir des données pour impacter
l'environnement les entreprises ou la
société au sens large du terme alors la
data Sayen sont en fait depuis très
longtemps plusieurs décennies l'exemple
typique c'est les prévisions
météorologiques on a un ensemble de
Carter sur le territoire on analyse des
images satellites il y a un gros
algorithme qui traite tout ça et qui est
capable de faire des prévisions dans le
sur la durée alors j'aimerais dire que
la data c'est un peu le pétrole du 21e
siècle et pour illustrer ça si on
regarde par exemple les principales
capitalisations boursières des
entreprises au niveau mondial en 2008 on
avait dans le top 10 principalement des
sociétés pétrolières ou des sociétés
gazelles à partir de 2016 ce sont les
gafams qui trust les premières places et
si on regarde l'évolution entre 2016
2021 l'ensemble de ses capitalisations
boursières de ces acteurs
dans le business est vraiment fondé sur
la data était en croissance annuelle
moyenne de 33%. donc on a des grosses
entreprises qui génèrent énormément de
chiffre d'affaires qui sont extrêmement
fortement valorisées qui du coup ont un
impact sur le monde sur le monde
aujourd'hui alors la data cylindre c'est
compliqué c'est complexe parce que c'est
la tirer à la croisée de trois domaines
qui sont eux aussi complexes que sont
les mathématiques déjà statistiques
probabilité algérinaire les
l'informatique l'informatique en soi
c'est un c'est quelque chose de très
complexe et l'expertise métier de chaque
domaine et donc la data science est au
carrefour de ces trois domaines
complexes donc la data science est
elle-même aussi compliqué alors
clarifier les principaux termes quand on
parle d'intelligence artificielle de
machine learning et de Deep learning
pour essayer de clarifier les choses
l'intelligence artificielle c'est
consiste à en fait à créer des systèmes
qui vont reproduire les capacités
cognitives de l'être humain et on a des
systèmes qui ont commencé des systèmes
qu'on appelait système expert donc
commencé dans les années 60-70 qui
consistait pour les construire à
interroger des experts extraire leur
expertise comme par exemple des médecins
sur
la façon dont il
prédisait des maladies sur des analyses
sanguines par exemple
et bien on connaît ses règles qui
étaient données par les experts
directement dans des programmes on
faisait des systèmes experts et puis
arriver plus tard donc après les années
2000 on a la data science qui est
arrivée et là on a donc un sous-ensemble
de l'intelligence artificielle qui
s'appelle le machine learning qui lui en
fait est basé non pas sur les règles des
experts mais sur la donnée et en machine
learning c'est un algorithme qui va
utiliser du riz statistique et qui va
extraire des informations intéressantes
dans les données par exemple le calcul
du moyenne et une information extrait
des données l'exemple typique c'est
l'algorithme de régression linéaire vous
savez il y a un nuage de points et on
essaie de trouver la droite qui
approxime le mieux c'est c'est quoi et
au sein de ces algorithmes de machine
learning il y a une sous-catégorie qui
s'appelle le deploring donc on a Ia
machine learning deep learning et le
Deep learning fonctionne un petit peu
différemment parce que ce ne sont pas
des algorithmes statistiques ce sont des
réseaux neurones artificiels donc on
essaie vraiment de reproduire le
fonctionnement du cerveau humain pour
pouvoir extraire les informations
directement dans les alors pourquoi on
utilise le Deep learning avec ces
réseaux neurones parce que quand les
données sont soit très complexes des
images très très évolution par exemple
des vidéos avec des flux très importants
soit très volumique c'est-à-dire on a
des millions et des millions de photos
et bien les algorithmes classiques
statistiques de machines learning vont
saturer ils vont plus être performant
ils vont pas y arriver et donc le Deep
learning prend un peu le relais à partir
du moment où soit la complexité soit le
volume soit les deux dans les données
nécessite une autre technologie et juste
pour conclure sur ce deep learning on
par exemple dans les voitures autonomes
on utilise initialement du machine
learning donc des algorithmes
statistiques et puis avec l'apparition
de nouveaux capteurs avec des capteurs
plus puissants qui envoient beaucoup
plus d'informations on a été obligé de
passer au deepler aujourd'hui dans les
voitures autonomes il y a quasiment plus
de machines learning mais quasiment que
des diplines voilà donc intelligence
artificielle et au sein de
l'intelligence artificielle un sous
domaine qui utilise la donnée avec le
machine learning et un sous-dohème du
machine learning qui a le diplôme
merci Vincent alors je me retourne vers
vers toi Jérôme l'assurance
consomme de la data depuis des dizaines
d'années je crois que le groupe Drew en
France a installé ses premiers
ordinateurs dans les en 1956 donc ça
remonte des dizaines d'années les
acteurs sont
les personnes en charge de traiter la
data pour effectivement
comme tu disais faire les prix où on est
aujourd'hui Direct Assurance où se
situez-vous Direct Assurance d'ailleurs
d'autres compagnies d'assurance mais où
se situe aujourd'hui le secteur pourquoi
pas par rapport aux trois dimensions
qu'on vient de voir tout à fait raison
la donnée l'exploitation de la donnée
c'est le corps business et le c'est au
cœur de l'assurance depuis toujours et
du coup les techniques qui ont été
employées ont évolué à travers le temps
alors moi je travaille dans l'assurance
depuis assez peu de temps donc je
saurais pas dire dans les années 50-60
qu'est-ce qu'ils utilisaient j'imagine
qu'ils avaient des sortes de table pour
pour trouver des corrélations etc dans
les données maintenant aujourd'hui
les les données utilisées enfin les
actuaires et datations autistes
utilisent traditionnellement des modèles
linéaires c'est ce que tu mentionné au
début et sont en train de passer leur
modélisation plutôt sur du machine
learning
pour bénéficier de plus de variables des
effets justement non linéaires dans les
interactions entre les variables et
aller être beaucoup plus précis dans
dans la prédiction de la sinistralité et
j'ai bien aimé le plan de ta mentionné
sur à la fois la partie mathématique
mais aussi la partie informatique et
c'est là-dessus je pense par rapport à
des grands acteurs gafam je pense que le
secteur de l'assurance de ce que j'en
vois et finalement très mature sur la
modélisation mathématique
parce que il y a toute cette tradition
cette cette histoire et cette expertise
en revanche sur la partie technologique
qui va être autour de
l'industrialisation l'automatisation des
tâches et des processus là je pense que
notre industrie a encore à progressé
pour aller au niveau de
dégâts femme notamment et je donne juste
un exemple mais si il faut
dis-moi ou un an à une équipe de 10
personnes pour mettre à jour un modèle
juste parce que les données ont changé
parce qu'on n'a pas toute la tuyauterie
qui va bien pour que ce soit automatisé
et que ça demande des tâches des
traitements humains fait par des non
paradis data scientistes ça c'est un
problème c'est un frein pour le
développement de de l'entreprise et donc
c'est là où nous en tout cas on
travaille et je pense que tous les
assureurs investissent beaucoup
là-dedans aussi
c'est bien et alors c'est peut-être
anecdotique en même temps symbolique
mais finalement une dizaine d'années en
France on disait donner moi je suis
merisier le modèle conceptuel de données
et puis je sais pas con c'est mis à dire
data alors je voyais est-ce que ça cause
du Big Data je voyais que première fois
c'était 1997 et peut-être aussi le Cloud
qui finalement a donné une capacité
incroyable de de pour
qui a booster finalement la capacité des
des métiers à exploiter la data
situerait à peu près effectivement on a
parlé de Big Data enfin des années 90
c'est un peu démocratisé début des
années 2000 pour que le terme data tout
seul ou data science sera utilisé il
faut plutôt attendre les années 2010
avec une démocratisation alors on fait
on fait de la data science et avec les
statistiques depuis des décennies des
signes voire même des siècles simplement
on faisait à la main donc c'était juste
beaucoup beaucoup plus lent et puis
après avec l'arrivée des ordinateurs ça
a été une des principales utilisations
en fait des ordinateurs pour pour faire
ses calculs statistiques le tournant
pour moi c'est produit à la fin des
années 2000 début des années 2010
lorsque l'on a eu l'explosion la
production au niveau mondial des données
avec tout les les ordinateurs les
smartphones qui sont mis à générer
beaucoup de données et du coup on a un
volume de données digitalisé qui a été
suffisamment conséquent pour permettre
d'alimenter les algorithmes qui avant on
avait que des données papier ou
classiques je dirais pas du tout pas du
tout numérisé et ça combiné avec
l'augmentation de la puissance de calcul
des ordinateurs on a du coup été en
capacité de faire tourner des
algorithmes qui avaient été défini au
niveau théorique dans les années 60-70
mais qui par manque de données et par
manque de puissance de calcul ne
tournait pas et donc à partir du moment
on a eu ces données on a eu cette
puissance de calcul à partir des années
2010 là on a été en capacité de mettre
en place des algorithmes
complexe performant et qui nécessitait
beaucoup beaucoup d'énergie
et d'ailleurs Enrico Macias va bientôt
sortir nouvelle version sa chanson le
mendiant de l'amour data data data
God will pellobact bref pour plus
sérieux
et un sujet que nous n'avons pas encore
abordé alors c'est peut-être tarte à la
crème il y a un très bon café sapiens
avec Olivier Babou et Laurent Alexandre
qui est consacrée c'est évidemment ça
dit et je ne peux pas ne pas vous
interroger sur le sujet donc
premièrement Vincent tchatvity par
rapport à cette catégorisation
exactement et bien disait le
l'intelligence artificielle a pour but
de reproduire les capacités cognitives
de du cerveau humain on a l'intelligence
naturelle qui est multidimensionnelle on
parle pas d'une intelligence il y a
plusieurs intelligents du coup
l'intelligence artificielle est aussi
multidimensionnelle il y a certains
domaines sur lequel l'intelligence
artificielle est très bonne si on prend
le domaine de logique mathématique le
premier ordinateur a battu le grand
maître Kasparov en 97
à l'époque d'ailleurs on avait dit bon
ok pour les échecs mais s'il y a bien un
jeu sur lequel l'ordinateur ne battra
jamais un être humain c'est le GO et
exactement moins de 20 ans plus tard en
2016 l'Isle s'est fait battre par Google
dickmind surtout ce qui est créativité
c'est un peu plus compliqué mais c'est
en train de monter en puissance vous
avez classique mid journée qui permet de
créer des images aujourd'hui de très
bonnes très bonne qualité en robotique
aussi on a l'intelligence artificielle
arrive bien à reproduire aller voir les
vidéos très amusantes de
Boston Robotics qui sont avec des qui
est une boîte américaine qui a été
rachetée par des suites coréens avec des
choses très très intéressantes et puis
voilà donc différents domaines chaque
gipiti c'est quoi par rapport à ce qu'on
a dit mais en fait c'est un super réseau
neurones très puissant donc on est bien
dans le Deep learning c'est la couche
lol plus basse on parle de 175 milliards
de paramètres vous voyez c'est assez
conséquent pour la version
3.5 était sortie l'année dernière on
parle avec la version 4 de mars de 5 à
10 fois plus d'ailleurs on connae qui
édite pitty n'a pas communiqué sur le
nombre de paramètres mais bon ça ça
grossit et ce réseau neurone a été sur
entraîné super entraîné sur un volume
très très conséquent de données et ce
qui est intéressant c'est que il a été
aussi entraîné mais avec des
interventions humaines pour le corriger
pour l'améliorer pour faire en sorte
qu'il soit encore plus pertinent donc on
a un modèle qui a été je dirais
renforcé pour pour du coup être encore
plus encore plus pertinent alors pour
moi je vais pas vous dire voilà
l'utilisation tout ça tout le monde a
testé ou peut tester c'est assez
intéressant simplement je voudrais
insister pourquoi pour moi c'est une
vraie rupture trois raisons la première
c'est que on a avec gypity une
intelligence artificielle et c'est la
première qui est acc à tout le monde
c'est l'application qui a été le plus
utilisé le plus rapidement dans le monde
de toutes les applications de depuis la
nuit des temps et aujourd'hui vous avez
des jeunes voilà 7-8 ans qui peuvent
l'utiliser comme des professionnels donc
première chose l'accessibilité le
deuxième point qui est important c'est
qu'on a une IA qui est bonne sur ce
qu'on appelle les données non
structurées c'est-à-dire le texte et
puis maintenant avec la version 4 avec
les images ça c'est vraiment la deuxième
grosse rupture et enfin le fait qu'on a
une IA qui fait plus qui sait faire
plusieurs choses c'est généré du contenu
elle s'est traduire très bien d'ailleurs
elle s'est gênée du code informatique et
donc du coup on s'approche vers ce qu'on
appelle l'intelligence générale c'est à
dire non pas une intelligence
aujourd'hui on a plutôt des
intelligences spécifiques une
intelligence un programme très bon en
gros ne serait pas bon ou je l'échecs et
nous serons incapable de conduire une
voiture autonome et donc avec chaque
djibiti on s'approche de cette
intelligence générale
au sens
général dans le sens de ce que sait
faire l'intelligence humaine on s'en
approche un peu et c'est d'ailleurs pour
ça que ça fait peur et que d'ailleurs
les créateurs de ces systèmes
aujourd'hui demande éventuellement enfin
on freine un peu les choses qu'on
réfléchisse plus et autre alors les
usages explosent dans la vie courante
dans la vie courante dans la vie de
l'entreprise et pour moi ce n'est qu'un
début il va y avoir des impacts
organisationnels importants un peu comme
quand les robots sont entrés dans les
usines ça peut bouleversé les choses ça
va remettre en cause le savoir la
production de contenu et accessoirement
la manière d'enseigner les choses alors
techniquement question subsidiaire pour
toi les étudiants je pense qu'ils sont
déjà dessus et ça les premiers voilà
donc c'est des étudiants augmentés et ça
leur fait finalement des des assistants
d'agilité devient un peu un assistant
pour eux pour les aider à faire des
synthèses etc quelle est la position de
l'Institut la Constitution HTC par
rapport à ça c'est bien interdit on va
on va chasser l'utilisation de sa
dupliquer ou c'est allez-y on est vous
êtes vous êtes inscrit à un Master of
Science utilisez-le alors en fait je
vais parler un peu des écoles et non pas
uniquement de HEC et il y a différentes
stratégies dans ces différentes écoles
université et qui vont du bannissement
jusqu'à la recommandation à
l'utilisation alors moi type personnel
genre encourage bien sûr d'abord parce
que je pense que c'est impossible de
l'interdire très clairement et du coup
un peu c'est pour moi c'est un peu comme
si on a plusieurs disait l'usage de la
calculatrice d'Excel ou de Google c'est
c'est 20 d'essayer de le faire et donc
il faut s'adapter et du coup moi je
l'encourage parce que je pense que les
étudiants vont pouvoir aller plus loin
plus vite être plus impactant
dans le
dans tout ce qu'ils vont tout ce qu'ils
vont faire notamment dans l'acquisition
de compétences et également je pense que
ça va relever le niveau de qualité de
leur réflexion ok alors Jérôme est-ce
que tu es toi-même utilisateur dit
professionnel est-ce que tes
collaborateurs
l'utilisent est-ce qu'au sein de ton
entreprise il y a déjà des usages est-ce
que tu peux en parler de manière non
déjà je pense que il y a pas eu enfin il
y a peu d'entreprises qui se posent pas
la question aujourd'hui de qu'est-ce que
ça va changer pour eux et comment il
pourrait tirer parti de d'outils comme
chat GBT donc nous on se la pose
également on voit deux
de domaines ou en tout cas deux types de
de d'applications ou ça pourrait nous
être utile en interne pour me
collaborateurs tu l'as mentionné
notamment la production de code mais on
peut aujourd'hui dire achat GPT code moi
qui t'ont
je sais pas moi quelque chose qui va me
permettre de gagner de la donner de
telle manière qui va me permettre
d'aller récupérer telle donnée sur un
site Internet automatiquement et donc ça
j'ai débuté le fait alors le code et pas
forcément
sera pas le même que on va dire un
développeur qui a beaucoup beaucoup
d'expérience qui codera je pense un peu
mieux et qui est l'adaptera son code son
entreprise mais pour quelqu'un qui
vraiment démarre soit des étudiants soit
des gens assez juniors sur un langage ça
c'est très bien pour pour les aider ça
remplace ça peut aider à remplacer des
sites comme Stack Overflow on va aller
chercher des informations il va falloir
faire des copier coller dans tous les
sens donc ça nous dans
le milieu il y a un outil qui s'appelle
GitHub qui permet de centraliser du code
pour une équipe et donc GitHub a un ADN
qui s'appelle copilote qui embarque chez
LGBT et ça nous on aimerait bien le
tester pour voir si ça pourrait pour
nous aider après l'autre type
d'application
on voit c'est pour nos clients les
contrats d'assurance notamment c'est
assez compliqué les gens se posent des
questions la souscription au sinistre et
il nous appelle on a des très gros
plateau téléphoniques dont une bonne
partie du travail et de faire de la
pédagogie d'expliquer aux clients
différents cas de faire de la
recommandation en fonction de leurs
besoins et là on se dit il y a peut-être
quelque chose à faire avec des outils
comme ça d'avoir un chat GPT entraîné
sur nos contrats par exemple pour
pouvoir fournir à nos clients plus
facilement des réponses aux questions
qui se posent
et bien je vous propose maintenant qu'on
aille sur un axe plus organisationnel
finalement les entreprises ce sont les
femmes et des hommes et on est toujours
à la recherche de l'organisation
optimale est-ce que tu as observé
dans les différentes organisations avec
lesquelles tu travailles comme
consultant via tes étudiants est-ce que
tu as une idée tu peux partager avec
nous la vision d'organisation idéale ou
en tout cas des organisations qui
fonctionnent pour transformer ces boîtes
grâce à l'intelligence artificielle et
data alors en gros il y a deux écoles
deux écoles avec la première la
centralisation on va faire une équipe
centrale avec une informatique centrale
pourquoi parce que ce sont des
ressources à la fois humaine et
matériels qui coûtent cher et donc on va
essayer de mutualiser au maximum dans
une approche très centralisée et puis en
même temps il y a une autre école qui
consiste à au contraire décentraliser
c'est-à-dire mettre les Data scientist
ou les Data analystes au plus proche du
business dans les Business Unit dans les
différents entreprises dans les
différents départements et en fait pour
moi c'est pas vraiment deux écoles c'est
plutôt deux séquences de la montée en
puissance de la data dans les
entreprises c'est-à-dire que pour
commencer effectivement comme les
ressources sont enrichir on va les
mutualiser et puis à un moment donné
quand elles vont être suffisamment
opérationnelles on va essayer d'être
rapprocher du business et de les
déployer pour avoir des personnes des
ressources informatiques qui soient au
plus près des métiers parce que c'est
dans les métiers que les projets data
vont naître que les idées d'utilisation
de la data vont prendre leur source et
que du coup c'est au niveau du business
qui va falloir avoir et les hommes et le
matériel et la technologie pour utiliser
au mieux la data dans le business
Jérôme qu'est-ce que cela t'inspire oui
mais je te rejoins et ce mode
décentralisé où on a les datacentis qui
sont enfin côte à côte avec les équipes
métiers de ce que j'ai vu c'est les
modèles qui marchent bien parce que
c'est là où on se parle le mieux et donc
tout ça je te rejoins là dessus et
j'avais pas vu ça comme une maturité
plus avancée mais ça peut ça peut
s'entendre après je pense pas qu'il y a
un mode d'organisation qui ne marche qui
marche toujours ou un mode qui jamais je
pense aussi qu'il y a des principes clés
ou en tout cas il y a des grands
principes qui font que ça fonctionne et
dans ce que j'ai vu en tout cas dans mon
expérience à avoir de l'autonomie de la
responsabilité pour les équipes et de la
valorisation de l'expertise technique
c'est des choses qui sont pas forcément
innées au sein d'une entreprise qui a
pas une culture d'ingénierie ou de Data
et pourtant c'est des facteurs clés pour
réussir et je vous donne un exemple dans
enfin chez Crito par exemple l'équipe
qui faisait les systèmes d'information
d'analyse de données les bases de
données qui faisaient les
métriques pour les clients tout ça
c'était une seule équipe de cinq
ingénieurs à 6 côte à côte et qu'il
faisait tout de A à Z et ça marchait pas
très bien mais c'était aussi des gens
très seigneurs qui étaient valorisés qui
avaient des bonnes conditions de travail
qui était mis aussi en valeur dans
l'entreprise et
j'ai aussi vu de d'autres entreprises ou
pour faire la même chose c'était
cloisonné et réparti sur différents
départements des fois dans
différents pays et ça c'est beaucoup
plus dur en fait de faire fonctionner
des projets de faire avancer des projets
dans
pénalise avec ces mots-là la réussite du
projet
et au sein de ton entreprise actuelle tu
es actuellement côté métier mais il y a
aussi un chiffre d'affaires il me disait
le qui est à l'informatique et en
quelque sorte qui produit tout
l'environnement
structure les données etc tu peux
exactement
vous bossez ensemble exactement donc
j'ai Direct Assurance la DSI qui va
maintenir tous les systèmes
informatiques le site internet les bases
de données derrière pour la ce qu'on
appelle la production c'est à dire quand
vous allez demander un devis appeler un
conseiller au téléphone etc dans tous
les systèmes informatiques derrière
c'est ma Dsi cette DSI est produit des
données dans les systèmes et cette
donnée pour qu'elle soit exploitée il
faut la transférer ailleurs et ça c'est
justement l'équipe dont tu parles de
notre chiffre data officer qui va
s'occuper de transférer cette donnée
dans un endroit contre nous on appelle
un Data le ke donc c'est de la donnée
qui vit dans à l'intérieur des systèmes
de production qu'on sort on dépose et
qu'on structure dans des endroits qui
est uniquement dédié à l'analyse de la
donnée et nous en tant que en tant que
équipe tarification on va être
utilisateur de cette donnée donc on va
être un peu client de cette direction
alors j'avais envie aussi de vous
interroger sur finalement la maturité
des boîtes en termes d'utilisation des
modèles ça veut dire on parle rien etc
mais aujourd'hui quand tu interroges les
boîtes que tu rencontres des experts etc
où en sont les boîtes finalement
en termes de maturité alors
effectivement j'étais je trouve pas très
loin justement et tu évoqué tout à
l'heure les modèles linéaires et c'est
vrai que par exemple là j'étais en début
avril en learning special donc on se
promène avec les étudiants on était à
Londres pour dans différentes
entreprises et nous étions dans un fond
d'investissement très célèbre et
lorsqu'on leur a demandé enfin les
étudiants leur ont demandé finalement
qu'elle justement quelle technologie
est-ce que c'est une machine learning
deep learning on a été très surpris
d'entendre que en fait ils font
quasiment que du modèle linéaire et il
s'interdisent de faire de du Deep
learning ils n'en font pas du tout donc
en fait ils font de la data science mais
je dirais un peu un peu les basiques
mais entre autres parce que ça répond à
leurs besoins tout simplement donc ça
sert à rien d'aller en lancer des des
gros algorithmes des gros calculs sur
des grosses machines si les choses
simples fonctionnent et en fait pour moi
ça dépend en fait dans les dans les
entreprises de du niveau de compétence
des datacées c'est-à-dire que là il
semblerait dans ce fond en fait les Data
scientistes soient des anciens
financiers qui se sont mis à la data
science alors que si vous créez des
structures des organisations data
science avec des datations discours je
dirais là ils vont avoir tendance à
vouloir pousser l'utilisation de modèles
un peu performant un peu innovant donc
en fait pour moi les le niveau
d'algorithme utilisé et fonction de des
compétences des Data scientistes qui
sont présents dans dans l'entreprise
ce que tu dis je te rejoins je pense que
si il y a
une culture et une stratégie
d'entreprise qui a en fait un fort
impact sur la réussite de ce genre de
projet au-delà de d'avoir bien sûr c'est
important d'avoir des datations autistes
expérimentées qui sont capables de de
d'avoir différentes options à proposer
mais je pense aussi très important
d'avoir vraiment derrière une direction
qui investit qui a une véritable
stratégie business qui a déjà en tête ce
qu'elle veut faire avec tel ou tel
service numérique et c'est ça qui permet
je trouve vraiment d'aller au bout
plutôt que de vraiment s'appuyer
uniquement sur une petite équipe de
datantisme mais sans vraiment lui
apporter les moyens et de faire un peu
des fois du saupoudrage de projets mais
sur une entreprise non transformée et
moi il y a un exemple qui m'avait
particulièrement marqué c'est quand
j'étais encore étudiant j'étais aux
Etats-Unis j'avais fait une partie de
mon cursus aux États-Unis attent et à
l'époque avec mon colocataire on était
abonné à Netflix à l'époque c'était dans
les années
2000 en 2006 Netflix ils envoyaient des
DVD on regardait ensuite on mettait dans
notre boîte à lettres et le facteur
venait le chercher et le reprenait et
ben le avec les sorts de l'Internet à
grande vitesse des du streaming vidéo
Netflix c'est lancé dans un nouveau
business ils ont transformé enfin
pouvoir des plus grosses exemples de
transformation industrielle d'une
entreprise ils ont pivoter complètement
leur modèle alors que c'était une
entreprise établie c'était le Vidéo
Futur en ligne américain qui marche bien
et aujourd'hui c'est un des leaders de
la vie du streaming en ligne et c'est
aussi parce que les fondateurs et les
toute la direction étaient avait un seul
objectif c'était de faire ça en fait
d'assurance est capable de rembourser de
manière quasiment instantanée à sinistre
en analysant des des images des rayures
etc on est quand même déjà au-delà la
réalisation linéaire et en fait j'en ai
pas parlé mais enfin j'ai parlé un petit
peu au début de la tarification parce
que c'est ce qu'on fait dans mon équipe
mais l'assurance c'est c'est pas
seulement évalué les risques c'est aussi
un processus français aussi des parcours
clients et des process qui vont avec et
là-dessus nous aussi on a tout un tas
d'enjeux qui sont
à la fin presque plus complexes de à la
fois simplifier nos parcours pour nos
clients c'est à dire leur demander leur
poser moins de questions
aller plus vite etc et en même temps
fiabiliser les données qu'on récupère et
donc pour ça
on a tout un tas de choses soit qu'on a
déjà en place soit sur lesquels on
travaille que ce soit de demander aux
clients des photos des photos à la
souscription pour avoir l'état initial
du véhicule avec des algorithmes alors
du coup pas des régressions linéaires
parce que ça va pas marcher sur des
images mais des algorithmes que tu as
mentionnés qui vont aller essayer de
mesurer les dommages initiaux sur la
voiture les chiffres etc on a aussi des
briques qui font la même chose au moment
du sinistre pour automatiquement
calculer le prix des sinistres et
potentiellement indemnisés
automatiquement notre client et ça en
fait on le fait vraiment si vous êtes
client Direct Assurance que vous avez un
accident vous pourrez prendre des photos
on a un système qui s'appelle il déclare
et vous pourrez avoir ce qu'on appelle
un greag donc c'est un paiement
automatique si vous voulez pas aller
faire des réparations ça c'est
entièrement automatiser déjà et on a un
autre système qu'on est en train
d'implémenter à la souscription c'est
quand vous envoyez vos pièces
carte d'identité permis de conduire
relever d'information ou d'aller les
parcourir automatiquement avec un
algorithme qui va en extraire des
informations pour vérifier que les deux
qu'on peut les donner sont cohérentes et
accélérer votre votre souscription alors
pour ces parties là
chez nous et même les assurances en
général on va plus s'appuyer sur des
acteurs du marché parce que c'est très
très compliqué et on n'a pas mis la
taille ni les moyens pour maîtriser le
bout en bout toutes ces techno qui sont
finalement un peu éloignés de ce qu'on
sait faire traditionnellement donc on va
plutôt travailler des partenaires qu'on
va intégrer dont on va intégrer les
briques technologiques
ok merci Jérôme alors je voulais
profiter de ta présence parmi nous pour
finalement avoir
ta vision du presque envie de dire du
marché français de de l'enseignement de
la data en France on se plaint souvent
on n'est pas toujours très bon avec
classement dans le classement Shanghai
mais en même temps en maths on reste
très fort il y a beaucoup de maths
évidemment à data donc voilà quel est
aujourd'hui la santé de l'enseignement
de la data en France
et genre une question subsidiaire parce
que je trouve que c'est très très
intéressant puisque tu t'occupes de ce
pasteur de science et qui est commun à
HEC et peut être technique alors
longtemps on avait l'image en France les
îles d'un côté les HEC de l'autre mais
là on est sorti du silo et qu'est-ce que
ça donne comment ça se passe alors
effectivement sur la data il y a en
France on est on est plutôt bon on est
plutôt bon
parce que on a des bons développeurs
donc on informatique on est plutôt bon
il y a un bon niveau au match
effectivement et je me souviens toujours
quand j'ai visité jepim Morgan la banque
à New York en 2019 ils nous ont présenté
le département data sylvens et les deux
patrons de département étaient français
c'était de normaniens donc il construit
l'équipe data science de JP Morgan donc
il y a un je dirais un historique et une
très bonne renommée de l'école française
je veux dire alors effectivement avec ce
programme data science for business
commun le col politique est HEC l'idéal
c'est pas moi qui l'ai créé je l'ai
repris la direction un peu plus tard
mais c'était justement de mettre de
mettre le meilleur des deux mondes avec
une
un domaine qui est à la croisée de
l'ingénieur et du manager ce programme
et après six ans numéro 1 en Europe il
est numéro 3 niveau mondial derrière de
formation de formation américaine
donc on est très bon mais le problème
c'est la force de frappe c'est à dire
que moi je j'ai 70 75 étudiants par an
et on forme trop peu de personnes au
global elles sont très compétentes du
coup elles sont râpées par toutes les
grandes entreprises au niveau mondial et
ne reste pas forcément pas forcément en
France alors peut-être un domaine
intéressant c'est la recherche dire deux
mots sur la recherche puisque ça bouge
beaucoup notamment avec la création de
de différents instituts en France dont
le central Paris c'est Achille
qui a été justement par l'Institut
polytechnique avec l'École polytechnique
derrière et HEC soutenu par 7 donateurs
au niveau de renommée mondiale et mais
maintenant si on se compare aux US ou à
la Chine le niveau d'investissement les
fonctions de la puissance économique de
des pays et du coup on a beau faire de
gros investissements relativement à ceux
des USC de la Chine c'est c'est
nettement nettement là c'est pour ça que
moi je milite plutôt à titre personnel
sur la mise en place d'investissement au
niveau européen qui viendrait soutenir
en fait des initiatives locales dans
chacun des pays afin d'avoir pouvoir
peser mondialement et avoir une force de
frappe et vraiment jouer dans la cour
des grands
alors quand on est directeur technique
dans une grande boîte d'assurance et
qu'on cherche à critter des
datasyntistes des Data analystes et bien
est-ce que c'est facile ou est-ce que
c'est difficile
comment quel est votre approche déjà
c'est des métiers très en tension en ce
moment enfin même depuis quelques années
que ce soit des postes des rôles de
datacent
développeurs actuel et par rapport à
quand j'ai commencé à travailler il y a
une quinzaine d'années les métiers enfin
les c'est vraiment plus en tension
aujourd'hui
avec beaucoup de demandes sur le marché
et finalement pas tant que ça plus
étudiant et n'a probablement quand même
un peu plus mais c'est surtout la
demande qui a énormément augmenté à la
fois dans les entreprises
traditionnelles comme des assureurs par
exemple ou des banques ou des BTP mais
également dans des startups il y en a
pléthore qui se sont créés récemment
enfin souvent dans le numérique et qui
veulent aussi attirer des talents
n'hésite pas à mettre les moyens ils
sont pas du tout les mêmes contraintes
que les grandes entreprises ils ont pas
de grilles
voilà ils peuvent ils peuvent mettre
beaucoup sur la table et donc nous c'est
un enjeu
ce que je vois c'est sur les le
recrutement de personnes qui sortent
d'école on a pratiquement aucun problème
on a vraiment pas de problème dès qu'on
passe une annonce on a des bons réseaux
dans les écoles ça on a toujours plein
de candidats et on recrute sans problème
par contre il y a vraiment en effet
qui est je le voyais déjà dans mes dans
mes expériences précédentes au bout de
trois quatre ans quelqu'un qui est sorti
d'école qui a été dans une entreprise
très formatrice où il a appris à
travailler en équipe il a appris les
bonnes pratiques de développement il a
appris à faire des projets concrets sur
le terrain en fait il a acquis une
valeur
assez importante et c'est assez dur
d'être enfin de garder des gens comme ça
parce qu'en fait sur le marché ça
valorisation elle va prendre 40%
on n'a pas forcément
traditionnellement une progression à ce
rythme là chez nous et donc tout l'enjeu
c'est d'arriver à offrir aussi des beaux
projets du challenge pour garder les
gens voilà donc c'est un peu nos enjeux
en ce moment et Vincent est-ce que tu as
une idée là
répartition des premiers Jobs de tes
étudiants comme quand ils sont diplômés
entre les grandes boîtes françaises CAC
40 les gars pas aussi les startups et
peut-être les départs vers l'étranger
oui alors des statistiques à partager
éventuellement oui alors sur l'étranger
déjà le faites c'est que notamment par
exemple dans la formation j'ai plus de
d'étrangers que de français donc déjà à
la base voilà ils ont tendance à
repartir chez eux c'est l'étranger même
si des fois ça reste en France bien
évidemment quant aux Français
effectivement ils vont un peu de par le
monde dans alors effectivement beaucoup
les grandes la tech qui sont très
demandeur de de compétences
pointu on a également les grandes
entreprises internationales
beaucoup dans la banque dans l'assurance
c'est vrai c'est là où il y a des belles
équipes internationales des beaux
projets mais aussi chez les industriels
avec des projets techniques hyper
motivants hyper intéressants un autre
gros en domaine aussi c'est le conseil
notamment chez les grands du Conseil les
BCG les mackenza mais aussi des
spécialisés qui ont des branches
spécialisés exactement mais aussi des
cabinets de plus petite taille
spécialisés sur tel et tel secteur par
exemple et puis il y a également
l'opportunité pour ces étudiants de
créer des startups avec des idées qui
fondant sur la data ils sont capables de
faire des des concepts des business
models qui soient vraiment rupture et
donc je dirais c'est un peu à l'Arche et
à toutes tailles de boîte tout secteurs
et tout pays confondus c'est vraiment
très très pour eux le problème c'est
choisir
merci alors l'heure et venue de prendre
des questions du public donc je vais me
faire le porte-parole de nos auditeurs
première question alors on en a bon
perspective vous pouvez me dire je passe
ou je prends mais les perspectives sur
l'emploi
comme on les voyez bon c'est tout la
peur qu'on peut avoir piti est-ce que ça
va tuer des des emplois de colle blanche
etc un avis sur le sur le sujet alors
oui oui absolument ça va ça va changer
les choses on a dit tout à l'heure ça va
impacter des réorganisations ça va
impacter des la fonction par exemple
fonction juridique on se disait bon
juristes voilà ils ont toujours du
travail en fait c'est malheureusement
ceux qui ont le plus de soucis à se
faire aujourd'hui assez paradoxalement
puisque ces Ia sont capables de générer
des contrats ou des précarats de façon
très rapide et surtout très efficace
alors toujours besoin de juriste bien
évidemment pour relire finaliser mais
certaines catégories de justice ne vont
plus avoir de jobs après effectivement
d'autres secteurs vont être impactés
alors moi je pense que dans un premier
temps va pas y avoir de gros impacts
négatifs sur l'emploi mais on va avoir
une montée en puissance un serveuse que
tu disais c'est on va voir des managers
augmentés ils vont pouvoir les plus
forts plus vite
va être bientôt intégré à la suite
Office si c'est pas déjà fait d'ailleurs
et on va pouvoir directement dans
l'afficher Excel demander de créer une
formule qui fasse ici ça donc permet
d'aller beaucoup plus vite beaucoup plus
loin encore une fois donc je pense qu'à
terme il va pas y avoir d'impact
si négatif ça par contre quelle va être
la paille de chat GPT 5 6 et puis des
nouveaux systèmes qui sont en gestation
dans les grands de la tech ça
malheureusement je ne peux pas le dire
mais il va y avoir des impacts c'est
obligatoire effectivement on a parlé on
va parler d'assurance de banque parler
aussi de boire d'investissement d'après
vous les secteurs économiques qui sont
aujourd'hui les plus avancés en matière
de Deep learning etc ce que je reviens
c'est peut-être les tout simplement des
grands de la tech oui
c'est ça c'est aussi eux qui
investissent dans dans ce secteur je
crois que Microsoft a investi dans Open
lance sa société concurrente voilà donc
c'est avant tout une question de
stratégie d'investissement de moyens et
voilà après
je pense que les toutes les entreprises
vont suivre mais ouais en effet ceux qui
sont vraiment les meneurs de cette
révolution c'est plutôt les gars c'est
la tech et puis c'est des grandes
entreprises qui ont des moyens et pour
lesquels la data vitale c'est pour ça
que dans la banque et l'assurance comme
le le pétrole enfin le carburant c'est
la data on a des équipes et on a on a
des choses à la pointe qui se font donc
pour moi il faut avoir des moyens et
puis il faut avoir une raison d'utiliser
la data
dans le domaine de l'enseignement ou de
ton métier si on se projette sur les
cinq premières prochaines années pardon
en 2035 quelles évolutions vous voyez
est-ce que d'ores et déjà par exemple il
y a des des chercheurs ou des est-ce que
déjà d'intégrer des nouveaux cours dans
les deux ans qui viennent c'est un petit
peu ça que quels sont les tendances
qu'on voit venir
oui les cours dans ton master dans 5 ans
est-ce que à 80% sont toujours
aujourd'hui alors ça sera 20% c'est sûr
que non puisque déjà les cours que je
fais aujourd'hui par rapport à 5 ans ça
a quasiment rien à voir c'est à dire que
ça change tous les jours moi je me
nourris justement de ces expériences
quotidiennes pour pour faire grossir le
coup avoir différents sujets et autres
voilà alors bon ce qui est sûr si vous
voulez c'est que ce qu'on enseigne
aujourd'hui ne sera pas renseigné dans 3
ou 4 ans ça c'est certain en tous les
cas la façon dont on va le faire va être
différent et même les thématiques vont
être différentes c'est pas le cas dans
des
matières un peu plus classiques comme la
comptabilité la gestion ou la finance
même s'il y a des évolutions elles n'en
sont pas aussi majeures et aussi
en rupture que ce qui se passe en data
et Enia de vous à moi j'ai pas vu venir
tchadjipiti la version de mars est sorti
elle est plus performante que la 3.5
était sortie quelques mots auparavant je
ne sais pas ce qui va se passer dans les
mois qui viennent dans les années qui
viennent ce qui est certain c'est
qu'effectivement les cours les
formations vont être complètement
différentes et doivent être vus même pas
tous les ans en fait tous les trois ou
quatre mois et pour ajouter là-dessus je
pense alors je partage tout à fait ce
que tu dis d'ailleurs quand j'étais
étudiant les cours qu'on m'a donné en
data science sont aujourd'hui
complètement obsolètes de loin et
quelque chose je pense qui est important
c'est qu'on arrive à parler de ces
sujets et à apprendre aux élèves ces
sujets le plus tôt possible alors sans
aller faire du chat dipty en maternelle
mais d'arriver à sensibiliser les élèves
très tôt moi à l'époque de mon lycée par
exemple on avait des cours de
technologie où on soudait je sais plus
un triangle pour mettre sur le vélo
d'intégrer la technologie moderne très
tôt et je pense est très important aussi
parce que un problème que je vois dans
ces filières c'est que c'est très c'est
des filières très masculine et je pense
que c'est lié au fait que qui est très
mathématisée et donc c'est vraiment le
cursus scientifique et après on va aller
faire une école d'ingénieur des études
scientifiques et après ça va aller ça va
amener vers ces métiers de la donnée et
donc il y a déjà eu cette augmentation
et on se retrouve avec en fait des
filiales sont très masculines et je me
dis si on parlait et on évangélisait un
peu plus les élèves plutôt ça
permettrait peut-être de développer la
pétanque aussi des plus de femmes pour
ces technologies et puis après aller se
spécialiser là-dedans
une question intéressante sur le secteur
public c'est pas d'ailleurs si tu as des
cours sur le sujet ou peut-être des
étudiants qui vont faire des stages dans
l'administration
par rapport à tous les sujets dont on
parle il y avait tous ces projets de
Data open source de gouvernement etc
est-ce que tu alors sur la data
effectivement il y a beaucoup de choses
qui sont mises à disposition donc là je
dirais bon c'est en devenir c'est en
train de progresser mais on va dans le
bon sens très clairement le
l'utilisation du digital en général dans
les administrations et aussi en bonne
voie il suffit de voir la déclaration
des impôts enfin je veux dire maintenant
ça fonctionne bien c'est opérationnel
maintenant le
souci entre guillemets de l'usage de
l'IA ou la data science dans dans les
administrations c'est le côté
confidentiel des données ou typiquement
on peut pas se permettre d'envoyer des
informations à chaque gypity
pour attendre une réponse donc en fait
ce qui va se passer c'est que ces
administrations comme les entreprises
d'ailleurs vont intégrer des outils
génératif comme chaque GP mais d'autres
aussi vont les intégrer dans leur
système pour que ces systèmes
travaillent sur les données propres à
chacune des administrations sans que ces
données ressentent donc il va y avoir
ces travaux d'intégration et d'ailleurs
openia fournit tout ce qu'il faut d'un
point de vue technologique pour que cela
se passe au mieux donc installer à
l'intérieur des entreprises des
administrations des
IA et qui vont pouvoir travailler sur
les données de l'entreprise ou de
l'administration
d'ailleurs j'avoue que tu as pu
constater
une évolution dans l'exploitation des
données à savoir je pense qu'au départ
l'Alsace quoi qu'il travaille déjà
notamment en assurance vie finalement
c'est tout ce qui était table de
mortalité donc des données externes mais
en tout cas en assurance dommage autour
etc est-ce que vous utilisez
essentiellement vos propres données donc
les données de vos clients ou est-ce que
vous allez maintenant aussi chercher des
données extérieures que vous arrivez à
mixer alors on utilise
alors il y a plein de données qui sont
très précieuses et notamment de la
donnée Open Data du gouvernement sur la
mortalité sur la route et nous on s'en
sert aussi pour
confronter nos statistiques d'accidents
graves et c'est une donnée qui est très
importante pour pouvoir suivre les
tendances de de ces événements qui sont
très très rares heureusement et ça c'est
un premier exemple après on
croit beaucoup dans la donnée externe
pour aider à simplifier nos parcours
aujourd'hui on voulait un prix pour une
assurance automobile il faut répondre à
peu près à 40 questions et donc pareil
pour une assurance habitation et on
pense qu'on peut vraiment réduire ça
avec de la donnée externe à ce que en
fait on vous pose plein de questions sur
votre voiture mais en fait à partir de
l'immatriculation on devrait pouvoir en
sortir tout un tas on le fait déjà en
partie parce que votre logement si on
connaît l'année de construction la
superficie on n'a pas besoin de vous le
demander voilà donc tout un tas de
choses comme ça où on pense qu'on peut
vraiment améliorer améliorer nos
parcours je donne un autre exemple il y
a des bases sur sur les immatriculations
on peut récupérer la puissance fiscale
la valeur du véhicule et c'est tout un
tas de choses qu'on demandera pas plus
une question sur le secteur de la santé
est-ce que ça vous inspire vous avez
peut-être des exemples gros gros secteur
enfin très très consommateur de Dia
là aussi avec la problématique de la
confidentialité mais des choses
importantes qui sont alors je vais je
vais rentrer un peu dans
un point je mets pas forcément abordé
mais on a un problème avec le Deep
learning avec ces réseaux neurones
artificielles c'est que on n'a pas ce
qu'on appelle l'interprétabilité c'est à
dire que le modèle est très bon très
efficace très performant et il est
incapable d'expliquer si on veut
expliquer pourquoi il suggère par
exemple qu'il y a une suspicion de
maladie dans des images de scanner et
qu'on lui demande pourquoi il va être
incapable de dire parce que il a des
dizaines ou des centaines de millions de
milliards de paramètres et que pour vous
expliquer pourquoi faudrait qu'il vous
explique la valeur de tous ces
paramètres donc personne ne pourra le
comprendre et donc le problème que l'on
a dans le domaine de la santé c'est que
avoir des systèmes qui sont très
performants mais
ne sont pas explicables qui n'expliquent
pas pourquoi les choses et bien pour les
médecins les professeurs les docteurs
c'est c'est un vrai problème c'est un
vrai souci donc il y a des cas on va
pouvoir utiliser dans le domaine de la
santé le Deep learning et il y a
d'autres cas on ne pourra pas le faire
par contre tout ce qui est opération
assistée
l'allésias sont très très performantes
et être vraiment les médecins les
chirurgiens et donc la santé est un des
gros domaines d'application avec juste
ce petit bémol sur le Deep learning qui
n'est pas interprétable et le l'endroit
où sont stockés les données qui est
aussi un gros sujet puisque c'est quand
même des données très très sensibles et
beaucoup d'entreprises travaillent avec
Amazon
Microsoft etc donc qui ont pour certains
des Data Center en Europe pas forcément
en France ça pose tout un tas de
questions aussi
qu'on parle de protection des données
une
concerne la maîtrise de nos data
est-elle la garantie de liberté de
demain que je compléterai on me
demandant Vincent si dans ton master et
bien la dimension éthique est prise en
compte est-ce qu'il y a des cours des
intervenants justement sur ce sujet de
l'éthique absolument d'ailleurs je veux
dire que bon ça fait ça fait 6 ans
maintenant que je gère ce programme et
au début j'avais du mal à trouver des
gens qui soient capables de parler de
Data éthique c'était c'était compliqué à
l'époque et depuis deux ans maintenant
on a des professeurs des professeurs de
professeurs notamment de HEC des
intervenants externes qui viennent
spécifiquement intervenir sur ces
aspects là pour sensibiliser les
étudiants à cette dimension éthique qui
est très importante dans la
dans tout ce qui est data et
intelligence artificielle donc oui ça ça
se développe après le début le début
il y a pas que ça qui fait garant mais
oui bien sûr alors vous savez que le
Jérôme là le la question de savoir où
sont stockés nos données et aujourd'hui
les principaux opérateurs stockent les
données enfin de Parlement et donc du
coup sont accessibles par les agences
américaines très clairement donc ça on a
un vrai souci maintenant encore une fois
on a quelques opérateurs français on
parle de Claude de Cloud souverain moi
je pense aussi c'est au niveau européen
qui font rire les choses parce que payer
par pays ça va être ça va être très
compliqué à gérer non en tout cas c'est
une très bonne question et
par exemple il y a des autres régions
comme en Chine ou il y a tout un
contrôle qui peut être fait autour des
données et
je trouve qu'en France en tout cas on a
de la chance d'avoir des institutions
très fortes et très protectrice envers
envers les consommateurs on a la CNIL en
France qui garantit que les lois de la
rgpd sont impliqués et en tout cas de
les gens voient dans les entreprises
dans lesquelles j'ai travaillé c'est que
ces prix plus que plus qu'au sérieux et
que la donnée n'est jamais utilisée pour
un usage qui n'est pas qui n'est pas ce
que ce pourquoi le client a consenti
vers les amendes ça va jusqu'à 4 % du
chiffre d'affaires d'une entreprise donc
à l'échelle d'un grand groupe c'est
colossal et donc c'est c'est vraiment
quelque chose sur lequel les entreprises
sont très très attention sachant que la
raison sont pas les mêmes suivant les
pays notamment aux États-Unis c'est
beaucoup plus
libertaire je dirais
et en Asie également il y a des choses
qui sont faites notamment au gros sujet
de la reconnaissance faciale dans la rue
qui est tout simplement interdit dans
nos pays et qui est tout à fait autorisé
là-bas qui crée du coup il y a des
expertises qui font se développer dans
les pays sur des sujets qui sont
interdits dans nos tout simplement alors
une dernière question avant de avant de
conclure question auquel on pouvait
échapper couille de la prise de contrôle
les humains par lia
bon je crois que c'est effectivement il
y a beaucoup de films sur le sujet
depuis très longtemps alors en fait pour
tout vous dire on a je disais il y a
trois niveaux il y a ce que j'appelle
spécifique au Naro Naro intelligence en
anglais donc ils sont très bonnes sur un
domaine les échecs conduite de voiture
sur autre chose donc là effectivement il
y a pas de risque de contrôle même si il
joue mieux que nous aux échecs au goût
voilà il y a pas de prise de contrôle on
va passer donc à l'IA générale qui va du
coup être aussi bonne que l'être humain
surtout les domaines et le problème ça
va être ce qu'on appelle la Superia qui
elle va être tellement meilleur que nous
que quelque part on va être complètement
dépassé et c'est ce c'est ça dans les
principaux acteurs aujourd'hui ont peur
c'est qu'on passe à la dimension où on
va être complètement dépassé faisable
pas faisable quand très franchement très
franchement j'en sais rien du tout merci
alors nous arrivons au terme de ce qui a
fait sapiens c'est ce que je vous
propose c'est de m'interroger une
question classique de fin de démission
est-ce que vous avez une idée un coup de
coeur à partager avec le public les
choses qui pourraient les inspirer un
bouquin à lire un film un podcast qui
veut commencer une idée
moi je peux vous parler alors il y a un
bouquin que j'avais lui il y a quelques
années qui m'avait beaucoup plus
j'en ai parlé avec soi Raphaël la
semaine dernière et tu me disais ah mais
c'est un classique de la littérature sur
l'entrepreneuriat et la transformation
lors du coup je vous donne la référence
et the line startup de Eric Chris qui a
dû être écrit à une bonne dizaine
d'années et qui est vraiment enfin moi
j'ai trouvé très très bien à la fois
pour monter un nouveau projet type
startup ou même en entreprise pour mener
un projet de transformation avec tout un
tas de conseils de bon sens sur comment
rester efficace avec des choses
inspirées de des méthodes utilisées dans
l'automobile et vraiment j'ai trouvé que
enfin c'était très très intéressant
alors moi mon conseil c'est d'investir
de passer du temps pour comprendre
pour ça il suffit de suivre l'actualité
on a la chance maintenant d'avoir
plusieurs articles sur les IA par
semaine rien que suivre l'actualité
allez voir certains sites l'idée c'est
pas de rester sur le bord du chemin
comme certaines personnes
malheureusement sont restés sur le bord
du chemin avec l'arrivée du digital donc
vraiment être capable de comprendre même
si c'est pas dans le détail mais de
comprendre surtout les enjeux et
notamment les enjeux en lien avec
l'éthique et puis l'avenir du rôle de
l'IA dans la société au sens large et
bien pour ma part si très deux bouquins
parusion scientifique de boak supérieure
au cœur de l'intelligence artificielle
écrit par un banquier Axel sipel
il se posent des questions sur les
prouesses révé les dangers réels de l'IA
paru en 2020 et un autre bouquin il y a
peut-être pensé alors c'est une
cousinade j'y peux rien chercher un
physicien qui s'appelle Hubert kriving
et
qui cite pour le citer lié à cherche à
prévoir l'intelligence humaine cherche
de plus à comprendre c'est ce qui essaie
de faire l'Institut sapiens c'est ce
qu'on a essayé de faire très très
modestement en passant une heure avec
vous alors je vous souhaite un bel été
et à bientôt pour un prochain café Saint
Pierre il y en a probablement un début
juillet à très vite
Browse More Related Video
![](https://i.ytimg.com/vi/HKL99gJEaW4/hq720.jpg?v=5d4ae27e)
CEJM - Th4 Chap3 : Le numérique dans l'entreprise et la protection des personnes
![](https://i.ytimg.com/vi/fZkQzLDTDuM/hq720.jpg)
Robotisation du travail : demain tous chômeurs ? | Les questions qui fâchent | ARTE
![](https://i.ytimg.com/vi/bpQyJndfdyk/hqdefault.jpg?sqp=-oaymwEXCJADEOABSFryq4qpAwkIARUAAIhCGAE=&rs=AOn4CLBJ4ZkgV4yLeR6efIsseVhgNrZk9g)
Board Game Business Podcast - How to Get Into Distribution
![](https://i.ytimg.com/vi/YgPwWfCEDvs/hq720.jpg?sqp=-oaymwEmCIAKENAF8quKqQMa8AEB-AH-CYAC0AWKAgwIABABGGUgXShMMA8=&rs=AOn4CLCs4qHRgFdpyDTW3Pve65A_nDKE9Q)
Tout comprendre sur les modèles ARVALIS, au cœur des Outils d’Aide à la Décision - ARVALIS.fr
![](https://i.ytimg.com/vi/T-2aBAnpE9c/hq720.jpg)
Partage privé ou public sur Internet : une frontière floue
![](https://i.ytimg.com/vi/6xviex_YIok/hq720.jpg?sqp=-oaymwEmCIAKENAF8quKqQMa8AEB-AH-CYAC0AWKAgwIABABGDkgTShyMA8=&rs=AOn4CLDO_urVjYIZxmKkMUrUai4uU-dYKw)
IA : Ce qu'on ne vous dit pas ...
5.0 / 5 (0 votes)