« L’IA, apprendre à s’en servir et garder le contrôle »

Comment l’intelligence artificielle est devenue maniable, et enfin utilisable
Ce que la communauté polytechnicienne a vu bouger en un an

Avec ce numéro, La Jaune et la Rouge ouvre une rubrique consacrée à l’intelligence artificielle. Plutôt qu’un panorama, qui risquerait d’être dépassé au moment de paraître, nous choisissons de donner la parole à ceux qui suivent le sujet de près. Pour ce premier rendez-vous, nous avons interrogé le groupe X IA, qui rassemble les polytechniciens actifs sur l’IA, afin qu’il nous dise où en sont les X dans ce monde qui va très vite. David Cortes (X97), vice-président du groupe, a répondu à nos questions.

Commençons par le commencement : beaucoup de nos lecteurs ne savent pas ce qu’est X IA. Peux-tu nous présenter le groupe ?

X IA a été créé en 2018 ; nous sommes aujourd’hui deux mille membres, et toujours en croissance. Notre activité, ce sont des éditions, environ une par mois, sur des thèmes d’actualité ou plus prospectifs, avec une mission simple : faire se rencontrer les polytechniciens passionnés et actifs sur l’IA. Car l’IA exige une vraie polyvalence allant des questions juridiques, techniques (mathématiques, statistiques, informatique, etc.), et le côté « poly­scientifique » adaptable à beaucoup d’environnements experts et en constante mutation y est très valorisé. Il y a dix ans, alors que cet essor reprenait après celui des années 90, manquait l’effet de réseau. L’idée était donc et est toujours de discuter et de nous rencontrer, et pas seulement en France : le groupe a aidé à l’organisation d’événements à Londres, nous cherchons à faire de même dans la Silicon Valley, où nos anciens sont nombreux.

Pourquoi trouve-t-on autant de polytechniciens dans l’IA, y compris outre-Atlantique ?

Ce n’est pas un hasard. L’IA, c’est le carrefour des mathématiques et de l’informatique, et le mode de sélection de l’École y rend nos anciens particulièrement à l’aise. La preuve : les laboratoires des Gafam (nouvellement renommés Mangos : Meta, Anthropic, Nvidia, Google, OpenAI et SpaceX) installés en France depuis longtemps, et Anthropic qui vient d’ouvrir des bureaux à Paris. Longtemps, les profils « X plus master MVA », Mathématiques-Vision-Apprentissage, étaient les pépites qu’on s’arrachait. Cette formation reste parmi les meilleures pour ça, mais tout change vite, rien n’est acquis durablement, les modèles d’IA frontière eux-mêmes changeant les attentes que l’on place chez les data scientists, ou ingénieurs logiciels. On retrouve des camarades chez Mistral, AMI Labs, du côté de Kyutai, dans tous les grands groupes : une vraie diaspora.

Vous organisez des éditions depuis longtemps. Qu’est-ce qui, selon toi, a le plus changé cette dernière année ?

Le fait que ce soit devenu audible pour le non-spécialiste. Il y a trois ou quatre ans, on parlait du cœur des modèles, de systèmes d’inférence compliqués. Aujourd’hui, les cas d’usage atteignables se généralisent, car le basculement principal porte sur un terrain précis : la génération du code lui-même, qui jusque-là représentait une barrière à l’entrée importante. Là, il y a un avant et un après, parce qu’on a levé récemment deux verrous. D’abord les données : les modèles avaient tout lu, « la chair est triste, hélas, et j’ai lu tous les livres », et tout internet reste une quantité finie. En code, on s’en affranchit : le résultat est directement vérifiable, on fabrique donc des données synthétiques et l’on mesure si le programme généré s’améliore. Ensuite la généralisation de l’apprentissage par renforcement : la machine apprend par essais-erreurs, récompensée quand elle réussit.

Question de béotien : des données fabriquées par la machine, n’est-ce pas un cercle vicieux qui appauvrit le système ?

C’était et c’est toujours une limite, un risque mais pour le code, c’est paradoxalement l’inverse. Prenez AlphaGo : il n’a appris qu’en jouant contre lui-même, et il est devenu imbattable. La seule condition, c’est de pouvoir vérifier le résultat, et c’est exactement ce qui se passe sur le code : tout y est logique et vérifiable, on fabrique autant d’exemples qu’on veut et on ne récompense que ce qui marche. Autre point : les grands laboratoires utilisent aujourd’hui à plus de 70 % leur propre assistant de code pour coder leurs modèles. Ce n’est pas la singularité, l’IA qui s’améliore seule : ce sont des humains outillés qui vont beaucoup plus vite. Mais l’accélération est brutale, notamment depuis que l’on a ajouté aux modèles frontières des « harnais ».

Tu emploies le mot « harnais ». Pour un lecteur qui découvre : qu’est-ce que c’est ?

L’image est parlante, et le terme très courant à présent. Un modèle de langage, c’est un peu comme un cheval : pour qu’il soit utile, il faut le guider et l’équiper. Vous posez une question à un LLM, il répond, mais il peut dire n’importe quoi, n’a pas de mémoire durable, ne sait pas où il va. Or, en entreprise, on ne met pas en production ce qu’on ne contrôle pas. On l’entoure donc d’instructions et de garde-fous : « ça, tu peux ; ça, non ; souviens-toi de ce qu’on a dit ; si tu vois ceci, fais cela ». Et il faut aussi qu’il puisse interagir avec les autres outils internes de l’entreprise.

Cet ensemble (gestion de la mémoire, garde-fous et outillage) est appelé « harnais ». Configuré pour une tâche précise et un environnement donné, c’est globalement ce que l’on appelle un agent. Le fabriquer et le surveiller est devenu un métier, et la tâche principale desForward Deployed Engineers, ces ingénieurs qui installent l’IA en entreprise pour répondre à un besoin précis et contrôler le résultat de l’ensemble : un peu le thumos (principe de vie), complétant noos (intelligence) et epithumia (désir, passion) pour la philosophie grecque antique…

C’est amusant : on ne pouvait pas faire fabriquer le harnais du cheval par le cheval ; on fait construire celui de l’IA par l’IA.

Exactement, et c’est là qu’on mesure le chemin parcouru. Il y a six mois, si le code produit n’était pas toujours propre, au rythme constaté des évolutions, on pouvait se dire : « Peu importe, dans six mois je demanderai à un autre modèle de le nettoyer » ! Le code produit actuellement est déjà beaucoup plus propre, et les développeurs des Mangos utilisent ces outils pour le code qu’ils déploient en production.

“La question n’est plus « est-ce que ça marche ? », mais « quel usage en faire ? »”

Parmi les applications possibles : le Cobol, ce vieux langage de programmation qui fait encore tourner les banques, on pourra le maintenir tel quel, en l’apprenant au modèle et en lui faisant écrire les tests ; ou faciliter une migration vers des langages plus actuels avec des phases de tests de non-régression largement automatisés. La question n’est plus « est-ce que ça marche ? », mais « quel usage en faire ? ».

Ce basculement a un corollaire de souveraineté : ces outils, faut-il forcément les louer à des géants américains ?

De moins en moins. Depuis environ quatre ans, le modèle de pointe de l’an passé tourne l’année d’après en local sur une machine grand public puissante, chez soi. Pour coder, un modèle chinois libre comme GLM-5.2, ou encore plus récemment Kimi K3 qu’on pourrait télécharger et faire tourner chez soi, me suffirait pour plus de 90 % de mes tâches quotidiennes, et vaut en performance les derniers modèles propriétaires d’il y a trois mois. La souveraineté, ici, tient moins à l’origine du modèle qu’au fait de le maîtriser soi-même, en France, sans dépendre des serveurs ni des factures d’un géant américain ; et côté européen, Mistral avance sur le même terrain.

Et concrètement, côté matériel, ça représente quoi pour une entreprise ?

Un peu à rebours de ce que l’on entend : pas tant de choses, justement, même si le marché des cartes graphiques est actuellement sous tension d’approvisionnement. Servir individuellement un modèle type frontière Open Source, cela représente de l’ordre de huit cartes graphiques dans un serveur, environ huit kilowatts, soit (seulement) la puissance de trois à quatre machines à laver. Une version simplifiée (« quantisée ») réduit ces besoins par 4 sans baisse trop notable de performance. Un acteur français comme Scaleway propose déjà ce genre de configuration mutualisée ou dédiée sur des centres de serveurs en France, pour permettre de répondre à une volumétrie d’entreprise. Autrement dit, pour beaucoup d’usages, plus besoin de signer des chèques énormes : une bonne nouvelle pour nos entreprises, et un sujet stratégique sur lequel nous reviendrons dans de prochains articles.

Un dernier mot pour nos camarades qui se demandent s’ils ne sont pas en train d’être dépassés.

Question ouverte et changeante, mais qu’ils se rassurent sur un point : l’IA n’est plus réservée aux experts qui construisent les modèles. Le gros du travail, désormais, c’est l’usage. Les solutions ont atteint une maturité qui permet enfin un usage en entreprise (9 projets sur 10 n’allaient pas en production) ; il faut apprendre à s’en servir et garder le contrôle, car de temps en temps, comme un humain, elles font encore sporadiquement de grosses bêtises… mais à présent, des garde-fous existent.

“On apprend plus en une semaine d’usage qu’en dix articles.”

Le plus simple : prendre une tâche pénible de son quotidien ou de celui de son équipe et la confier à un assistant pendant une semaine, quitte à le reprendre quand il dérape. On apprend plus en une semaine d’usage qu’en dix articles. C’est à présent un changement de posture, plus qu’une affaire de génie mathématique… et de tester concrètement, à l’usage, ce que ces outils apportent et où les appliquer en confiance. 

Entretien retranscrit et corédigé avec l’IA.
Les propos et les idées sont ceux de David Cortes (X97) VP X IA.

Pour aller plus loin

Deux groupes X prolongent cette discussion.

• Le groupe X IA (deux mille membres, une édition par mois) entre dans le détail technique, au cœur des modèles ; les éditions du groupe X IA sont rediffusées sur la chaîne YouTube de l’École polytechnique ; un outil d’IA existe pour requêter les contenus des vidéos en langage libre, réservé aux membres d’X IA.
• Le groupe X IT Digital traite la mise en œuvre concrète en entreprise. Complémentaires, ils comptent parmi les plus actifs et les plus pointus sur le sujet, qu’on veuille comprendre les moteurs ou les faire tourner chez soi.

---

Articles similaires :

“ Notre ambition est devenir le N°1 mondial de l’intelligence artificielle dans la relation client ” Vision artificielle, entretien avec un chercheur L’intelligence artificielle au cœur des enjeux de la cybersécurité BCG Gamma : bien plus que du conseil, des projets très opérationnels ! Intelligence artificielle : ce qui attend les jeunes ingénieurs