Data science et IA : quels sont les concepts clés ?

Summary

Dans 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

00:00

🌟 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.

05:02

📈 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.

10:02

🚀 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.

15:03

🤖 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.

20:03

🎓 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.

25:05

💡 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.

Keywords

💡IA

L'intelligence artificielle (IA) est un domaine de l'informatique qui se concentre sur la création de systèmes capables de reproduire les capacités cognitives humaines. Dans le contexte du script, l'IA est utilisée pour illustrer comment les technologies avancées peuvent être appliquées dans divers domaines, tels que l'assurance, la banque et la santé, et comment elles peuvent améliorer les processus existants en termes d'efficacité et de précision.

💡Deep Learning

Le deep learning est une sous-catégorie de l'IA qui utilise des réseaux neuronaux artificiels pour imiter le fonctionnement du cerveau humain. Dans le script, il est mentionné comme une technologie de pointe qui permet de traiter des données complexes et volumineuses, telles que les images et les vidéos, et qui est utilisée dans des applications telles que les voitures autonomes et la médecine.

💡Données

Les données font référence à l'ensemble d'informations brutes qui sont collectées, stockées et analysées pour extraire des connaissances utiles. Dans le script, l'importance des données est soulignée dans divers contextes, notamment l'utilisation de données ouvertes pour améliorer les parcours clients dans l'assurance et la santé, et la nécessité de maîtriser les données pour rester compétitif dans le secteur de la tech.

💡Data Science

La data science est une discipline qui consiste à extraire des connaissances et du savoir à partir des données à l'aide de méthodes statistiques, algorithmiques et informatiques. Dans le script, la data science est présentée comme un domaine clé pour comprendre et exploiter les données, avec une évolution vers des approches plus avancées telles que le machine learning et le deep learning.

💡Machine Learning

Le machine learning est un sous-ensemble de l'IA qui se base sur les données pour apprendre et prendre des décisions sans être explicitement programmé. Dans le script, le machine learning est discuté comme une technique qui utilise des statistiques pour extraire des informations pertinentes des données, avec des applications dans des domaines variés comme les prévisions météorologiques et la tarification des assurances.

💡Éthique

L'étique est un aspect crucial dans l'utilisation des technologies de l'IA et des données, qui concerne la manière responsable et moralement admissible d'utiliser ces outils. Dans le script, l'importance de l'ethique est soulignée, notamment en ce qui concerne la confidentialité des données, la transparence et la compréhension des impacts potentiels sur la société.

💡Open Data

Les données ouvertes sont des informations publiques disponibles gratuitement et facilement accessibles, permettant leur utilisation et leur redistribution par des tiers. Dans le script, l'Open Data est mentionné comme une source précieuse pour l'amélioration des services, notamment dans l'assurance et la santé, en permettant une meilleure prise de décision fondée sur des données plus larges.

💡Transformation digitale

La transformation digitale fait référence au processus par lequel les entreprises et les organisations adoptent et intégrent les technologies numériques pour améliorer leurs opérations, leurs services et leur modèle de business. Dans le script, la transformation digitale est discutée comme un phénomène inévitable qui affecte tous les domaines, nécessitant l'adaptation et l'innovation pour rester compétitif.

💡Confidentialité des données

La confidentialité des données est la protection des informations personnelles et sensibles contre l'accès non autorisé, la divulgation ou la modification. Dans le script, la confidentialité est un enjeu majeur, en particulier dans les domaines de la santé et de l'assurance, où les données peuvent être très sensibles et doivent être traitées avec le plus grand soin et conformément aux lois sur la protection des données.

💡Rôle de l'homme

Le rôle de l'homme dans le contexte de l'IA et de la data science est un thème central du script. Il est question de la manière dont les technologies peuvent augmenter les capacités humaines, tout en abordant les inquiétudes liées à la potentialité de ces technologies pour remplacer les tâches humaines et les implications éthiques et sociales de cela.

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