L’IA est-elle en train de dévorer les logiciels?

Voix hors champ 1 :
Bienvenue à Insights de TD Cowen. Un balado qui réunit des spécialistes qui offrent leur éclairage et leurs réflexions sur ce qui façonne notre monde. Soyez des nôtres pour cette conversation avec les esprits les plus influents de nos secteurs mondiaux.
Oliver Chen :
Investir dans l’IA; bienvenue à Visionnaires du commerce de détail, un balado qui parle d’idées et de gens visionnaires. Je m’appelle Oliver Chen et je suis analyste, Produits de détail, Produits de luxe et Nouvelles plateformes chez TD Cowen. C’est avec plaisir qu’on accueille François Chaubard. Il est actuellement associé chez Y Combinator. Entrepreneur et technologue accompli, il possède une solide expertise en ingénierie et en IA qu’il a acquise à Stanford. Il est aussi le fondateur et chef de la direction de Focal Systems et l’auteur d’AI for Retail. C’est un plaisir de vous recevoir, François.
François Chaubard :
Merci de m’avoir invité.
Oliver Chen :
Alors, en tant qu’associé de Y Combinator, quels sont les principaux thèmes de placement que vous suivez du point de vue de l’IA?
François Chaubard :
Oui, on s’intéresse à l’IA. L’IA s’infiltre dans tous les segments de l’économie. Et je pense que, avant, on disait que le logiciel dévorait le monde; maintenant, selon moi, c’est l’IA qui dévore le logiciel. C’est certainement le cas depuis trois ans, et probablement le cas depuis dix ans, mais de façon un peu plus lente. Tout le monde a accès à ces immenses et incroyables modèles frontière, mais la couche application n’a pas encore du tout été développée.
Donc, si on y réfléchit, quand la base de données Oracle a été mise sur pied, ça a été une étape très importante en termes de fonction, mais les gens ne s’en sont probablement pas rendu compte avant qu’il y ait une application Siebel CRM ou PeopleSoft, ou quelque chose du genre, que d’autres applications soient développées. Donc il y a beaucoup de choses à développer dans la couche application en plus de ces modèles frontière. Je pense que c’est là-dessus qu’on s’est vraiment penché, et c’est ce qui m’enthousiasme le plus. Je pense qu’il y a beaucoup de choses à faire de ce côté-là.
Oliver Chen :
Bon, pour les personnes pour qui c’est moins familier, qu’est-ce que vous entendez par modèle frontière et modèle d’application?
François Chaubard :
Oui, les modèles frontière, ce sont OpenAI, ChatGPT-5, Qwen 3, Kimi 2, Llama 3, ce sont tous des modèles frontière. Ce sont d’excellents modèles. Pour certains, le code source est ouvert; pour d’autres, il est fermé. Certains d’entre eux sont en fait des interfaces de programmation d’applications, des API; ce ne sont pas vraiment des modèles. Il peut s’agir de toute une banque de modèles, et on peut ensuite y accéder au moyen d’une API.
Maintenant, ce qu’il faut, c’est construire quelque chose de chouette avec ça, comme une façon de remplir automatiquement mon formulaire chez le médecin ou quelque chose qui me fait des recommandations sur ce qu’il faut cuisiner ce soir. Ce serait un peu comme se dire : « Oui, je pourrais aller directement voir OpenAI pour ça, mais il y a quelque chose de sensé qui est sorti sous la forme d’une application qui est automatiquement plus personnalisée. » Et Cursor est probablement le meilleur exemple de cet état d’esprit selon lequel il était tellement plus sensé que Cursor existe à l’intérieur de l’environnement de développement intégré et qu’il ne soit pas seulement une application de clavardage pour produire du code. Et ils sont à [inaudible 00:02:59]. Oui.
Oliver Chen :
Est-ce qu’on devrait davantage s’intéresser aux modèles frontière ou aux modèles d’application? Et qu’est-ce qu’il va se passer du côté de l’évolution des modèles frontière?
François Chaubard :
Eh bien, je pense que c’est une symbiose, n’est-ce pas? Là où il y a des modèles frontière, il y a des applications qui se tiennent au sommet de ces modèles. Les modèles frontière sont un élément clé, c’est la base de données. Donc c’est une excellente idée d’être emballé par la base de données, mais il faut tout de même la couche application pour faire le dernier kilomètre.
Oliver Chen :
Oui. Bon, et si on se penche sur les couches application, quelles applications sont les plus intéressantes, selon vous, François? Et du côté des modèles frontière, quels sont les thèmes clés que vous priorisez?
François Chaubard :
Je dirais que le thème qui va probablement avoir le plus de répercussions sur le monde et que personne ne reconnaît vraiment, que tout le monde… Ça a vraiment été une erreur de ne pas voir pendant tout ce temps que ça allait…, ça va arriver cette fois-ci; c’est la robotique. Pour avoir travaillé sur la robotique, je pense que les gens s’appuient sur ces modèles frontière, que tout le monde utilise ce qu’on appelle des VLA, des modèles vision-langage-action. Les VLA sont très importants. On va pouvoir acheter Rosie le robot, et l’avoir chez nous pour faire notre lessive, laver notre vaisselle et faire ce genre de choses. Et ça va massivement transformer l’économie, l’économie mondiale.
Oliver Chen :
Pourquoi maintenant? Je pense que le MIT et Stanford tentent de créer Rosie le robot depuis des décennies. Et aussi, est-ce que ça a un rapport avec la Politique de diffusion et les dernières recherches?
François Chaubard :
Exactement. Alors, oui, il faut sans aucun doute lire les articles sur la Politique de diffusion. Je suis stupéfait de voir combien de gens à l’extérieur de la robotique ne sont pas au courant de ça, même dans le domaine de l’IA. Les spécialistes de l’IA ne connaissent pas la Politique de diffusion. Alors que, « Ohé, c’est presque encore plus énorme que AlexNet ».
Oliver Chen :
D’accord. Dites-nous quelles sont les bases de la Politique de diffusion. Je sais que ça pourrait prendre une heure, mais vous êtes vraiment [inaudible 00:04:50].
François Chaubard :
On sait tous ce que font ces modèles de génération d’images, du type de Midjourney : on effectue une requête et ça nous crée une image. La façon dont ça fonctionne, c’est avec ce qu’on appelle la diffusion, qui a été largement fondée par Jascha Sohl-Dickstein, Yang Song et Stefano Ermon. Ce sont les auteurs de certains de ces travaux les plus importants.
Il s’est avéré que l’an dernier, ils ont compris qu’on pouvait faire ça sur autre chose que juste des images. Si on faisait ça sur une trajectoire, par exemple mon bras suit une trajectoire en ce moment même, ce serait juste X, Y, Z sur une période de temps. Et si on appliquait ça à une trajectoire humaine, étiquetée humaine, dont je pourrais collecter l’information grâce à la téléopération, on obtiendrait un robot qu’on contrôle par l’intermédiaire d’une souris, des mains ou quelque chose du genre, et ensuite on pourrait enregistrer cette information. Et on a besoin d’environ 80 exemples, quelque chose comme ça, pour que ce robot comprenne comment effectuer une nouvelle tâche. Ensuite, on peut prendre ces données et les diffuser, y ajouter du bruit, puis entraîner notre modèle pour qu’il apprenne à supprimer le bruit et à revenir à cette trajectoire. Et ça fonctionne démentiellement bien.
Avant la Politique de diffusion, l’état de l’art se situait à environ 22 % ou 25 %, et il est maintenant à environ 85 %. C’est un bond gigantesque, et c’est la technologie de base qui est utilisée pour la plupart de ces applications de robotique humanoïde [inaudible 00:06:14].
Oliver Chen :
Pourquoi est-ce que ça a été si difficile ou pourquoi est-ce qu’on n’a pas réussi à le faire avant? Qu’est-ce qui a été décisif?
François Chaubard :
Oui, c’est le…
Oliver Chen :
[inaudible 00:06:20] des calculs ou plus de formules? Ce n’est pas nécessairement une question de calculs, n’est-ce pas?
François Chaubard :
Eh bien, Yang Song a publié la méthode d’appariement des scores en 2020. Mais tout ça aurait pu être fait il y a 100 ans, vous voyez? On avait juste besoin de trouver les bonnes inventions et cette technologie, les algorithmes d’appariement des scores, que Yang Song et Jascha ont inventés. Et Stefano a commencé en 2020. Et ensuite, il nous a fallu trois ou quatre ans pour nous rendre compte qu’on pouvait faire ça avec n’importe quel format. Il n’est pas nécessaire que ce soit des images, on peut aussi le faire avec des trajectoires humaines.
Oliver Chen :
D’accord. Et ensuite, si vous réfléchissez à ce changement profond suscité par la Politique de diffusion, qu’est-ce que ça signifie concrètement ou quels sont les exemples que vous voyez évoluer? Peut-être aussi de votre point de vue en matière de placement.
François Chaubard :
En gros, si on peut noter 100 tâches qu’on veut qu’un robot fasse à la maison, on peut aller chercher 80 ou 100 exemples, peut-être 1 000, de chacune de ces tâches, entraîner ce robot et ensuite obtenir un grand modèle de langage, un GML, qui fait appel à un outil externe pour effectuer cette tâche et qui dit : « Rosie, peux-tu me préparer une salade, s’il te plaît? » Et ensuite, il va solliciter des tâches comme : « bon, tout d’abord, il faut aller chercher un bol, ensuite il faut aller chercher la salade », et il fait appel à ces microtâches. Celles-ci sont toutes de petites politiques de diffusion préprogrammées qu’on a déjà entraînées. Donc, le modèle va être capable de faire ces choses dont on n’était pas capable auparavant et dont on n’aurait osé rêver, y compris que les robots fonctionnent réellement bien.
Oliver Chen :
D’accord. Je suppose que ça nous amène à l’intelligence artificielle générative, l’IAG. Pourquoi est-ce que les gens adorent en parler? Est-ce que ça vous horrifie ou est-ce que ça vous enthousiasme? Est-ce que c’est important ou non? Et qu’est-ce que l’IAG?
François Chaubard :
Il y a une série de billets de blogue très intéressants qui parlent de la bonne façon de penser à l’IA. Est-ce que c’est un outil? Est-ce que c’est une espèce? Est-ce que c’est une émulation de nous-mêmes, etc.? Est-ce que c’est un ensemble de personnes? Quel est le bon cadre dont on doit se doter?
Selon moi, c’est très clairement un outil. Les gens ont été tellement impressionnés par ces choses-là qu’ils ne peuvent pas penser à ça correctement : « ça a l’air d’être comme moi, donc, est-ce que ça a des sentiments? Est-ce que ça a une raison d’être? » La réponse est non, ce n’est pas le cas. Cette façon de voir ne se rapproche même pas un peu de ce que l’IAG fait.
Je pense que la communauté de l’IAG, de l’altruisme efficace, a vraiment eu une tactique alarmiste et a fait peur à beaucoup de gens à ce sujet, parce qu’on a tous vu Terminator, etc. C’est l’inverse de ce qui va se produire. Cette analyse est si éloignée de ce que c’est, quand on comprend vraiment très bien ces choses; les gens qui travaillent là-dessus n’ont pas du tout peur de ça. Mais les gens qui voient ça de plus loin et qui n’ont pas vraiment entraîné ces modèles par eux-mêmes ne comprennent pas vraiment ce qui se passe sous le capot.
Oliver Chen :
Mais, François, et concernant la sécurité, l’éthique et la protection des renseignements personnels? Parce que si on pense aux…
François Chaubard :
Oh, ce sont des choses importantes, c’est certain.
Oliver Chen :
… cadres comme les cadres ontologiques et utilitaires, une grande partie de l’apprentissage par renforcement doit être programmée en injectant des valeurs dans l’algorithme.
François Chaubard :
Oui.
Oliver Chen :
Alors, comment est-ce que vous faites des comparaisons et repérez ce facteur de risque?
François Chaubard :
Oui, et ça a toujours existé. Même dans le domaine de la vision par ordinateur, si on fait des vérifications du visage, etc., on travaille là-dessus.
Pour moi, la sécurité en matière d’IA ne veut pas dire qu’il faut s’assurer de ne pas rendre ces choses si intelligentes qu’elles vont nous tuer et nous transformer en trombones. Cet argument n’est pas valide et on n’a pas à s’en inquiéter. On doit s’inquiéter du fait que la voiture autonome voit un bébé sur la gauche et un sac en plastique sur la droite, fasse un rapide calcul, se dise que ce n’est pas un problème de rentrer dans un sac en plastique, mais que ça en est un de percuter un bébé, et fasse ce qu’il faut. Mais ça, ce n’est qu’une question d’entraînement et on sait comment s’y prendre. C’est pour ça que Waymo n’a connu aucun incident majeur depuis au moins une décennie. Donc on peut y arriver.
Certaines personnes ne vont pas le faire, et voilà, mais elles vont mettre la clé sous la porte comme Cruise, vraiment. Certaines personnes ne prendront pas la sécurité suffisamment au sérieux, ça va sans aucun doute être le cas, mais je ne m’inquiéterais pas du fait que quelqu’un trouve LE modèle magique, que les pertes atteignent zéro, que cette personne connecte son modèle à l’Internet et qu’on perde littéralement tout notre pouvoir et que le monde s’arrête. Cet argument est tout simplement entièrement faux et ne se rapproche même pas un peu de ce qui va se passer.
Oliver Chen :
Eh bien, je pense qu’à l’échelle mondiale, en ce qui concerne l’éthique et la réglementation en matière d’éthique par rapport à l’innovation, une décision doit être prise.
François Chaubard :
Je dirais que le bon cadre à appliquer, c’est ce qui se passe aujourd’hui. De quoi est-ce que l’être humain décide? Comment est-ce qu’on fait pour que l’IA soit alignée avec l’être humain? Et ça, c’est une question qu’on étudie très bien et on sait plutôt bien comment s’y prendre. Le problème, c’est que la plupart des êtres humains ne s’entendent pas sur ce qu’est la bonne solution.
Oliver Chen :
Ça s’appelle la société.
François Chaubard :
Oui. Oui. Donc, qu’est-ce qu’on veut que l’IA fasse?
Oliver Chen :
Un autre excellent balado en perspective. J’ai suivi le cours sur l’éthique au MIT et c’est très troublant et toujours intéressant. Si on parlait de Y Combinator? C’est une société de premier ordre. Qu’est-ce que vous y faites? À quoi ressemble votre quotidien? Quelle est votre philosophie là-bas? Vous avez une influence tellement prestigieuse en matière d’IA.
François Chaubard :
Oui. YC est tout simplement une organisation phénoménale. C’est la seule… Je n’avais aucunement l’intention d’être un investisseur en capital de risque, je suis un fondateur de longue date. Mais YC a pour première valeur fondamentale de faire ce qui est bien avec le fondateur, même au détriment de YC. Et je ne connais aucune autre société de capital de risque qui se fonde sur cette valeur et qui la porte vraiment haut.
Donc lorsque Gary m’a demandé de venir, j’ai été très heureux de le faire. Mon quotidien est surtout fait de rencontres avec d’excellents fondateurs que j’essaie d’aider et d’empêcher de faire les erreurs que j’ai déjà commises. J’ai commis tellement d’erreurs en dirigeant Focal depuis 10 ans. Et si je peux les aider en quoi que ce soit, je me sens mieux dans ma peau à la fin de la journée.
Oliver Chen :
Selon vous, quelle est la philosophie de Y Combinator par rapport à ce qu’il se passe avec l’IA et par rapport à l’expérience qu’a la société? Quels sont les principaux apprentissages et quelle est, selon vous, la stratégie que la société doit suivre?
François Chaubard :
Oui, on a bien réussi. YC est l’une des sociétés de capital de risque qui réussit le mieux au monde; Sequoia et nous, peut-être. Nos valeurs sont que, si on fait ce qu’il faut pour un fondateur et qu’on l’aide vraiment, si on trouve ces personnes qui ont 19 ou 20 ans et en sont peut-être à leur première création d’entreprise, comme Alex Wang de Scale, par exemple; sa première idée concernait quelque chose comme ZocDoc, il me semble, ou quelque chose du genre; et si on guide ces personnes… Mon associé, Jared Friedman, avec qui je travaille étroitement, était son associé et l’a guidé vers l’étiquetage des données pour l’IA. Et maintenant, ça donne une acquisition de 13 milliards de dollars par Meta.
Voilà, des choses comme ça. Et, sans YC, est-ce que ça se serait produit? Je ne sais pas. Pour être honnête, j’en ai parlé avec Jared et Alex, mais je pense que non. On fait en sorte que ces choses se produisent alors que, dans une situation différente, elles ne se produiraient pas.
Oliver Chen :
C’est impressionnant. Quels ont été vos principaux apprentissages, que vous leur offrez?
François Chaubard :
Oui. Je vais attendre pour répondre parce que je fais une série intitulée How to Start an AI Startup dans laquelle je vais parler de beaucoup de ces choses-là. Mais oui, je vais m’occuper de ça pour le moment.
Oliver Chen :
Pour en revenir à la Politique de diffusion, comment est-ce que vous pourriez comparer ça aux modèles d’apprentissage par renforcement et en tirer des observations? Je suis certain qu’il y a aussi des choses à travailler de façon conjointe.
François Chaubard :
L’option de l’apprentissage par renforcement est probablement la partie la plus intéressante. Jusque-là ça n’a pas fonctionné, et maintenant ça fonctionne. Ce qui est très très important en matière d’apprentissage par renforcement, c’est de se demander : « pourquoi maintenant? » Je passe beaucoup de temps là-dessus, à réfléchir aux répercussions dans l’économie de cette méthode qui ne fonctionnait pas avant et qui, maintenant, fonctionne.
Oliver Chen :
Eh bien, ça ne fonctionnait par contre toujours pas, parce que l’apprentissage par renforcement…
François Chaubard :
Ça ne fonctionnait pas. Oui, 20 %…
Oliver Chen :
[inaudible 00:14:26] les voitures sans conducteur; quelles composantes, vous voulez dire, ne fonctionnaient pas?
François Chaubard :
Oui, les voitures sans conducteur étaient extrêmement… Pendant 10 ans, 5 000 ingénieurs ont travaillé pour produire des fonctionnalités très artisanales. C’est une pile de couches très différente, car il faut que ce soit massivement en temps réel. Donc c’est un problème bien différent de celui de Rosie le robot. Mais, dans l’ensemble, les voitures autonomes n’ont pas fonctionné jusqu’à il y a trois ans. Il y a eu quelques véhicules de Waymo, mais pas beaucoup, et maintenant, il y en a beaucoup et ça commence vraiment à fonctionner. En fait, je ne sais pas ce qu’il y a là-dessous, mais je parie que les innovations qui sont arrivées avec les transformateurs et la diffusion ont certainement joué un rôle important en la matière.
Oliver Chen :
Eh bien, c’était vraiment génial de discuter, François. Merci de nous avoir aidés à comprendre l’avenir des placements et ce que vous faites à Y Combinator.
François Chaubard :
Oui. Merci beaucoup de l’invitation.
Voix hors champ 1 :
Merci de nous avoir écoutés. Ne manquez pas le prochain épisode du balado Insights de TD Cowen.