Dans ce nouvel épisode de Logique Floue, rencontre avec Édouard Emberger, ingénieur chez SpirOps depuis plus de dix ans, où il travaille notamment sur les mécanismes de mémoire du « cerveau » de SpirOps.
Comment permettre à une IA de se souvenir, de relier des informations, de tirer des enseignements de ses expériences et de les utiliser pour prendre des décisions ? Édouard raconte comment un projet initialement destiné à créer un compagnon virtuel pour personnes âgées est devenu une recherche beaucoup plus large sur la représentation des connaissances.
Une approche qui repose sur des connaissances construites et maîtrisées, loin des modèles fondés sur l’apprentissage massif de données.
Plusieurs questions émergent :
• Comment donner une mémoire à une intelligence artificielle ?
• Comment une IA peut-elle apprendre de ses expériences ?
• Que gagne-t-on à construire explicitement ses connaissances ?
Entre recherche et réflexion sur le travail, l’environnement et les usages de l’IA, Edouard développe sa réflexion sur l’IA.
Pour lui, les effets de l’intelligence artificielle dépendront surtout des choix que nous ferons collectivement : utiliser l’automatisation uniquement pour réduire les coûts et les emplois, ou en faire un moyen de libérer du temps et de repenser notre rapport au travail.
[00:00] INTRODUCTION :
Logique Floue est un podcast consacré à l'intelligence artificielle et au monde qui se construit autour d'elle. Au fil des épisodes, des chercheurs, entrepreneurs, philosophes ou acteurs publics viennent partager leur vision de l'IA. D'autres épisodes sont consacrés aux femmes et aux hommes qui la développent au quotidien. Dans ce nouvel épisode, rencontre avec Édouard Emberger, qui travaille notamment sur les mécanismes de mémoire au sein de SpirOps.
[00:30] Édouard Emberger :
Moi, je suis un peu bricoleur, donc du coup, quand il y a un peu des travaux à faire, je participe à fabriquer des étagères, ce genre de choses qui n'ont rien à voir avec le cœur du métier, mais qui, en fait, font quand même un peu la vie de l'entreprise. C'est-à-dire qu'on est là tous pour travailler ensemble dans des bonnes conditions. Et en fait, il n'y a pas que le fait de taper sur un ordinateur, il y a tout le reste à côté.
[00:56] Carole :
Est-ce que tu peux commencer par te présenter, s'il te plaît ?
[00:59] Édouard Emberger :
Alors oui, je suis Edouard Emberger. Je travaille chez SpirOps depuis bientôt 11 ans et je travaille sur différents sujets et notamment sur la représentation sémantique des connaissances. Donc, c'est-à-dire représenter des connaissances générales sans savoir spécifiquement à quoi elles servent et s'en servir pour faire de l'IA, donc prendre des décisions, faire de l'analyse de situation, tout ce genre de choses.
[01:30] Carole :
Est-ce que tu peux me dire quel est ton parcours jusqu'à ton arrivée chez SpirOps ?
[01:34] Édouard Emberger :
Moi, ça va être assez rapide. En gros, j'ai fait mes études, j'ai fait une école d'ingénieur et j'ai fait en parallèle un double cursus, donc un diplôme d'intelligence artificielle et système communiquant. Et pour ça, il fallait que je fasse un stage de recherche. Et du coup, en cherchant, je suis tombé sur SpirOps. J'ai fait un stage de six mois et me voilà. Encore dix ans après.
[02:01] Carole :
Ok, donc en fait, études, stages chez SpirOps et SpirOps.
[02:04] Édouard Emberger :
C'est ça, exactement.
[02:05] Carole :
Chez SpirOps, vous avez une organisation qui est un peu particulière, mais chacun a un rôle quand même. Comment tu définirais toi ton rôle ? Comment ça se passe ?
[02:15] Édouard Emberger :
Alors mon rôle qui me diffère des autres, je fais de la comptabilité.
[02:19] Carole :
Ah d'accord, très bien, je ne pensais pas à ça. Mais effectivement, c'est vrai qu'il y a cette dimension-là dont on n'a jamais parlé. C'est-à-dire qu'en fait, vous êtes seize. Donc vous faites tous du code, du développement, etc., mais à côté de ça, vous avez chacun une...
[02:35] Édouard Emberger :
Exactement, ce qu'on appelle une tâche administrative. Mais donc voilà, sur le papier, on est tous équivalents. Après, on se diffère tous par plein de petites tâches. Ça me fait rire de dire la comptabilité.
[02:46] Carole :
Donc sur la partie projet, par contre, ta partie à toi, c'est ce que tu disais tout à l'heure. Est-ce que tu peux nous en dire plus ?
[02:53] Édouard Emberger :
Oui. Alors du coup, moi, depuis le début que je travaille à SpirOps, je travaille donc sur ce qu'on appelle la mémoire, en fait, qui ne porte pas très bien son nom en réalité. À la base, c'était pour faire un projet dans lequel on faisait du small talk, donc parler de tout et n'importe quoi sans grand intérêt. Donc, on différencie pas mal avec le dialogue, c'est-à-dire le fait d'avoir un échange par le langage visant à réaliser une tâche. Là, c'est justement ne pas faire de tâches. Et l'objectif, c'était de tenir compagnie à des personnes âgées. Donc voilà, l'idée, c'était que le système, il soit capable de discuter avec la personne. La personne, elle lui dit, oui, mon petit-fils, il passe ses examens de maths. J'espère que ça va bien marcher, que ça va bien se passer, tout ça. Et puis, trois semaines plus tard, on est capable de lui redemander, mais au fait, tu as eu des nouvelles de ton petit-fils ? Il a eu des bons résultats, etc. Donc, avoir un small talk, mais enrichi par l'expérience entre, donc la personne âgée, là en l'occurrence, et le système. Donc ça c'est la base. Et donc en fait l'idée c'était de stocker, là pour le coup, des souvenirs dans une espèce de mémoire qui servirait à alimenter le dialogue.
Et en fait ça a très vite dévié, c'est-à-dire que pour avoir des bons souvenirs, pour pouvoir bien comprendre, on avait besoin d'un truc dont on parle pas mal en ce moment, des représentations du monde. C'est-à-dire que quand on donne des informations, des souvenirs, il faut les rattacher à des choses qui existent. Donc des choses qui sont de l'ordre de la mémoire sémantique. On fait souvent cette séparation mémoire sémantique, mémoire épisodique. Donc mémoire sémantique, c'est ce que sont les choses. Un chat, ça a deux oreilles, quatre pattes. Et la mémoire épisodique, c'est ce que sont les événements plutôt. Donc lundi matin, je t'ai vu marcher dans la rue. Voilà, c'est un peu ça la différence. Et puis en fait, au bout d'un moment, on s'est rendu compte que ça, ce clivage, il est compliqué. Parce que lundi matin, je t'ai vu marcher, mais en fait, la semaine d'avant aussi, le lundi matin à la même heure, puis le lundi encore d'avant. Donc en fait, je vais voir une habitude arriver. Et finalement, une habitude, c'est un genre de modèle, mais un modèle qui n'est pas, on va dire, sémantique dans la mesure où c'est pas au même niveau que ma connaissance sur un chat, mais par contre, qui est quand même plus trop de l'ordre de l'épisodique, puisqu'en fait, c'est quand même un modèle qui peut être contredit parce que lundi prochain, je ne te verrai pas parce que tu fais autre chose, je ne sais pas.
Et du coup, en fait, on a eu besoin d'une porosité entre le domaine sémantique et épisodique et notamment de tous les mécanismes qui permettent de faire l'apprentissage, de faire, on va dire, le passage de l'un à l'autre. Même si du coup, dans nos travaux, il n'y a pas vraiment de passage de l'un à l'autre, c'est, comment dire, les deux sont vraiment mixés. Donc, là, le premier mécanisme dont on a eu besoin, c'est un système de fusion pour faire les systèmes de généralité. Donc, la généralisation, on appelle ça un peu les préjugés aussi, parce que du coup, on voit bien arriver leur usage, c'est-à-dire pouvoir utiliser l'image qu'on a, donc un modèle, et qu'on va pouvoir appliquer directement à une instance. Donc, j'ai un modèle de ce que sont les personnes. Je vais voir une personne, j'imagine qu'elle va se comporter comme dans mon modèle et je vais me comporter, quand je dis je, je parle du système, elle va se comporter en faisant un préjugé sur la personne puisqu'en fait il se dit « elle doit correspondre à mon modèle, donc avant même qu'elle ait agi, j'imagine qu'elle va se comporter comme ça, donc je me comporte de telle manière ».
Donc voilà, on arrive donc sur de la décision. Et en plus de ça, il y a souvent une couche qui intervient. Je parlais d'analyse de situation, mais c'est qu'en fait, nous, on va faire tout un tas de réflexions sur le monde qui nous entoure. Sauf qu'en réalité, nous, on perçoit certaines entrées, mais ces entrées-là, elles sont souvent un peu, incomplète pour prendre des décisions. On va avoir besoin de les mettre en relation avec d'autres informations de manière à pouvoir faire des synthèses, des trucs directement utilisables. Et donc, en fait, l'idée, c'est de réussir à identifier des situations pour pouvoir prendre des décisions qui sont pertinentes. Donc, voilà.
[06:59] Carole :
Donc ça, toi, en fait, concrètement, ce que ça veut dire, c'est que tu apprends à la machine, ces différents éléments ?
[07:08] Édouard Emberger :
Alors oui, tout à fait. Parce qu'en fait, on fait un système qui est apprenant depuis des années. Le modèle, il évolue, le code en lui-même, il évolue. Mais il y a un truc qui est très constant, c'est la base de connaissances. Et cette base de connaissances, on l'a construite comme si c'était l'agrégation de souvenirs, comme si c'était un humain qui apprenait au fur et à mesure. Donc, c'est bien un système apprenant qu'on fait. Et c'est bien moi qui lui apprend, puisque finalement, je lui écris les résumés d'observation. Donc, par opposition, notamment des systèmes style réseau de neurones, où on va faire des apprentissages, où on va avoir des images labellisées, donc ils vont quand même faire un apprentissage en partie différentiel, pas supervisé, mais je veux dire, qui va faire quand même des catégorisations. Nous, dans le cadre de la mémoire, on écrit directement le résultat. Ce qui facilite grandement, notamment, on n'apprend pas des mauvaises choses, puisque tout ce qu'on a appris, on l'a contrôlé avant. On lui a un peu soufflé la synthèse de ce qu'on voudrait qu'elle sache.
[08:14] Carole :
Oui, je comprends. Mais c'est colossal !
[08:17] Édouard Emberger :
Un petit peu, mais des fois même, ça peut être un peu pesant typiquement parce qu'en fait, par rapport à d'autres projets, ça avance très lentement. Il y a des fois où ça n'avance pas pendant six mois. Il va y avoir des petites évolutions, mais rien qui soit hyper palpitant. C'est pour ça que typiquement, je suis ravi de travailler sur des projets à côté de celui-là. Donc ça, c'est le projet de fond et je travaille sur d'autres projets.
[08:43] Carole :
Mais juste pour comprendre, en fait, la mémoire, elle sert à d'autres projets ? J'imagine que c'est un peu un des blocs.
[08:50] Édouard Emberger :
C'est l'idée, oui.
[08:52] Édouard Emberger :
C'est-à-dire concrètement, elle sert à qui ?
[08:56] Édouard Emberger :
Alors, ça dépend, elle sert... On fait des projets, c'est toujours un peu pareil chez SpirOps, on a différents projets et on essaye de les réunir pour... On a différents champs de recherche, on essaye de les réunir au sein d'un même projet. Donc typiquement, on les avait mis notamment dans de la simulation de foule. On avait fait, par exemple, un projet avec Renault qui alliait une partie. Il y avait une petite partie animation procédurale. Il y avait de la simulation de foule, conduite autonome. Il y avait pas mal de choses. En fait, avec un véhicule qui se comportait comme un taxi autonome. Et donc moi, je faisais, je travaillais sur toute la partie réflexion du taxi et la partie compréhension du langage naturel. Donc, on conduisait en gros le véhicule avec un casque micro et on lui disait « je veux aller à tel endroit, je voudrais acheter du pain, je voudrais faire ça ». Et le système disait « j'ai repéré qu'il y a une boulangerie sur la route, est-ce que tu veux qu'on s'arrête là-bas ? Ça fait deux minutes de détour ». Et puis, on disait « oui, non, je ne veux pas ». Il fait « bon, ok, ça marche, pas de problème ». Et puis, on voyait un nouvel événement se produire et on était capable de guider avec plus ou moins de finesse le véhicule, de dire « attends, arrête-toi ici, finalement, je veux que tu te gares derrière la voiture bleue, je veux aller à la poste », ce genre de choses.
[10:08] Carole :
Du coup, ça m'apparaît très concrètement le côté laboratoire de recherche, parce que ça semble évident que si pour chaque projet, il fallait refaire toute une mémoire, là, on voit très bien de quelle manière, du coup, quand vous arrivez sur un projet, il y a déjà ce bloc mémoire qui permet…
[10:23] Édouard Emberger :
Exactement.
[10:25] Carole :
D'avancer vite sur d'autres développements.
[10:28] Édouard Emberger :
Voilà et donc par exemple on s'en est servi pour faire de la fusion pour l'analyse de situation pour le train autonome.
[10:31] Carole :
Là aujourd'hui tu fais ce que tu t'attendais à faire quand tu t'es lancé, quand tu as fait tes études, quand etc. T'es à un endroit qui te correspond ?
[10:44] Édouard Emberger :
Alors je suis à un endroit qui me correspond mais je sais pas si c'est l'endroit que je visais au début.
[10:50] Carole :
Ok.
[10:51] Édouard Emberger :
Je pense que je suis un peu comme tout le monde. Au final, les envies, elles évoluent avec le temps. Je crois que je voulais un truc un peu plus, pas à l'américaine, mais tu sais, dans une grande boîte. Je pense que je n'étais pas carriériste en arrivant à SpirOps, mais je pensais évoluer dans la carrière, avoir des promotions, des trucs, voilà, je ne sais pas trop comment dire. Il y avait le côté un peu plus... une échelle plus grande, quoi.
[11:22] Carole :
Mais aujourd'hui, ces rêves de grandes sociétés, etc., elles existent dans l'IA. Aujourd'hui, avec la folie, là, depuis quelques années, autour de l'IA, évidemment générative, mais voilà, c'est une réalité. Tu te sens tenté ? Tu te verrais, toi, aller bosser ?
[11:40] Édouard Emberger :
Pas du tout.
[11:41] Carole :
Pourquoi ?
[11:43] Édouard Emberger :
Déjà, tout le monde de l'IA, l'actuel, la mode de l'IA qui se passe, me plaît pas tellement. Il y a plein d'aspects qui me plaisent pas dans ce domaine-là, mais déjà, il y en a un hyper simple, ça m'intéresserait pas de développer ça. En fait, j'ai l'impression que... Moi, je trouve ça un peu magique, l'IA, comme les gens qui ne connaissent rien au sujet. Mais en fait, c'est magique parce qu'on ne comprend pas ce qui se passe à l'intérieur. On n'a pas de finesse au niveau de la compréhension. On comprend à grande échelle, mais le détail, on ne l'a pas du tout. Et il y a beaucoup d'essais-erreurs avec les systèmes d'apprentissage où on va essayer de faire un apprentissage en changeant tel paramètre. On arrive à affiner en voyant que c'est celui-là, voilà. Je pense qu'il faut faire varier ça. J'essaye en changeant deux, trois petits paramètres. Je réessaye, etc. En fait, ça ne me plaît pas trop. J'aime bien le côté puzzle que j'ai dans mon métier actuellement, dans lequel j'ai une problématique et je dois me creuser le cerveau pour essayer de la résoudre. Et je sais que c'est une vision un peu caricaturale des IA boîte noire. Mais quand même, malgré tout, il y a beaucoup de gens qui travaillent dans le domaine de l'IA mais qui changent rien au modèle, qui changent juste les données à utiliser, qui vont fine-tuner le système et ça j'avoue que ça ne m'amuserait pas. Donc en fait tous ces trucs-là ne m'intéressent pas, ça m'a peut-être fait rêver à un moment le concept de levée de fonds etc. mais en fait je crois que j'ai un peu mieux compris comment ça marchait et ces boîtes-là m'intéressent moins. Vraiment moins.
[13:15] Carole :
C'est vrai que moi, même, parfois, je me demande pourquoi vous avez le même nom. Tu vois, je suis un peu troublée par ça. Parce que tu vois, quand tu me racontes là ce qui se passe avec la mémoire, ton travail, etc. Ça ne me semble pas du tout être le même...
[13:29] Édouard Emberger :
Le même champ de recherche ou quoi ? En fait, c'est parce que c'est une partie, mais qu'à percer, en fait. C'est juste que finalement, là, actuellement, ça a été un peu, toutes les disciplines de l'intelligence artificielle ont été un petit peu occultées par le deep learning et encore plus par les LLM maintenant. Puisque pour les gens, le deep learning... Non, pardon, l'IA, c'est les LLM.
[13:49] Carole :
Toi, tu ne les pratiques pas du tout ?
[13:52] Édouard Emberger :
Non, pas tellement. Des fois, j'utilise un peu des générateurs d'images pour des projets persos. Mais non, je suis très mauvais avec. Je me rends bien compte qu'il y a des gens qui savent faire des choses. Mais comme je ne suis pas hyper intéressé par le sujet, moi vraiment, ça ne marche jamais comme je veux.
[14:07] Carole :
Est-ce qu'il y a des choses dans cette discipline d'IA générative ou de boîte noire qui peuvent t'effrayer même dans les dérives qui peuvent l'accompagner ?
[14:16] Édouard Emberger :
Oui, bien sûr. Je vois un côté très politique à ça. Je me dis que quand les gens ont peur de perdre leur travail, je les comprends tout à fait. Et puis bon, moi je trouve que je suis globalement fier de ce que je fais, mais bon, je ne vais pas me voiler la face. Si ça se trouve, dans peu de temps, il va y avoir un truc qui fera mieux que moi ce que je fais. Donc c'est clairement quelque chose qui me paraît envisageable de perdre ma situation actuelle de développeur chez SpirOps.
[14:50] Carole :
À cause de l'IA ?
[14:52] Édouard Emberger :
Oui, à cause de l'IA. Et donc oui, je trouve que ça fait un petit peu peur. Mais il y a tellement de paramètres dedans et qui sont vraiment de l'ordre de la politique, de la politique en entreprise. De savoir si on veut de la qualité, si on veut sauvegarder des emplois humains. Enfin, je veux dire, si les humains sont là pour faire du profit pour les gens qui les emploient. Ou si en fait, on travaille ensemble pour vivre ensemble, ça donne pas le même résultat. C'est-à-dire que si moi je veux faire de l'argent, je licencie tout le monde et je garde l'IA, j'abaisse potentiellement le niveau des contenus, des séries proposées, des codes mis à disposition, des images, de tout, de la communication, du contenu de mes médias, je peux abaisser le niveau de tout si ça me satisfait parce qu'en fait l'important c'est de faire de l'argent. Mais si mon objectif c'était pas ça, si mon objectif c'était de générer du contenu pour des humains, enfin pas forcément par des humains mais qui gardent un certain niveau de qualité, ce genre de choses-là, ça donne pas les mêmes résultats. Tout ça pour dire que peu importe que ce soit d'un point de vue politique d'un pays ou politique d'entreprise, c'est avant tout des choix humains et il y a tellement de paramètres qu'en réalité, je me dis que ça peut arriver, mais je ne dis pas que ça me fait peur parce que je ne sais vraiment pas de quoi est fait le futur. On pourrait tout à fait imaginer, je trouverais ça bien moins effrayant, si on imaginait d'avoir Mistral, ChatGPT et Deepseek qui étaient possédés par des états. Bon après, ça dépend quels états, évidemment. Je ne mets pas tout le monde sur le même...
[16:28] Carole :
Ça, on imagine bien sur tout en ce moment. Mais du coup, si c'était possédé par un état ? Du coup quoi ?
[16:34] Édouard Emberger :
Eh bien, si c'était possédé par un État, ça pourrait complètement faire une refonte dans les métiers publics, par exemple. Donc supprimer des tâches pour, je ne sais pas moi, différentes personnes de la fonction publique, puisqu'elles auraient été automatisées et elles pourraient garder leur niveau de vie en ayant plus de temps. Par exemple, on passerait à la semaine de 28 heures.
[16:56] Carole :
Mais avec le même salaire ?
[16:58] Édouard Emberger :
Avec le même salaire.
[16:59] Carole :
Voilà, c'est ça.
[17:00] Édouard Emberger :
Tout à fait.
[17:01] Carole :
Parce qu'il y a évidemment cet enjeu-là.
[17:02] Édouard Emberger :
Évidemment, évidemment ça.
[17:03] Carole :
Ça c'est sûr.
[17:04] Édouard Emberger :
Ou alors, on pourrait voir même l'étendre encore plus, pas qu'aux gens de la fonction publique, puisque l'État générerait de l'argent, générerait de la ressource, un salaire universel, typiquement. Qui ferait que, cette fois-ci, des salariés du privé qui ne sont pas forcément épanouis dans leur travail peuvent passer à 28 heures et s'épanouir un peu plus ailleurs en faisant, tout un tas d'autres activités.
[17:28] Carole :
J'ai un peu peur de ce qui va se passer dans l'entre-deux.
[17:31] Édouard Emberger :
Pour moi, c'est le pire même, l'entre-deux, parce que j'ai quand même globalement l'impression que tant qu'il n'y a que certaines personnes qui prennent de plein fouet le problème de l'IA, ça ne changera rien d'un point de vue politique global. Donc ces gens-là, elles vont le prendre vraiment, en pleine face mais s'il y en a trop et bien ça va commencer à tout changer et du coup ça pourrait entraîner un peu plus une révolution je sais pas à quelle échelle mais je veux dire que des manifestations etc., il y en aura beaucoup plus s'il y a une plus grande part de la population qui est touchée donc ça entraînera plus de changements donc je suis bien d'accord avec toi pour moi le pire c'est l'entre-deux c'est pour les gens qui sont touchés alors que pour l'instant on change rien du tout à nos habitudes et à notre politique.
[18:19] Carole :
Est-ce que toi, là pour conclure, il y a des choses quand même où tu te dis génial, l'IA est là et elle va faire partie de nos vies et c'est super, c'est hyper enthousiasmant, ça me fait très envie.
[18:35] Édouard Emberger :
Donc là tu parles d'IA générative ou en général ?
[18:37] Carole :
Celle que tu veux.
[18:39] Édouard Emberger :
Moi il y a plein de trucs que je trouve très cool dans... En fait, plutôt dans des objectifs, dans des choses qui pourraient être réalisées plus que dans des choses qui sont réalisées actuellement. Donc je vois bien la possibilité, par exemple, pour n'importe qui d'avoir accès à des petites réalisations qu'elle ne serait pas capable de faire autrement. Donc pour moi, je les compare un peu. Tu vois, par exemple, une imprimante 3D. Avant, il fallait que j'achète l'objet. Maintenant, je n'ai plus besoin que quelqu'un pense à vouloir l'acheter. Je peux faire avec mes petits doigts un plan et ensuite, j'imprime en 3D. Je trouve ça superbe. Avec l'IA, tu peux faire la même chose avec la génération d'images, la génération de textes. Et maintenant, avec le code, je trouve ça superbe. Le principe de n'importe qui puisse se créer, on n'en est pas tout à fait là, mais ne puisse se créer une application pour son téléphone sans demander à personne. Il fait un truc qui lui correspond, etc. Par contre, il y a la dérive immédiate de se dire suppression d'emploi, etc. Moi, je trouve ça top tant que ça se limite à l'usage personnel, en fait, globalement. Je trouve ça hyper bien, mais je trouve ça flippant, là, à court terme, d'un point de vue environnemental. Parce que je suis toujours un petit peu surpris de voir qu'en fait, c'est normal, mais on ne se renseigne pas forcément avant de se servir des différents systèmes. Donc on ne sait pas ce que ça consomme, on ne voit pas les travaux derrière, pourtant les travails derrière, qui sont connus depuis très longtemps. Donc tous les gens qui sont payés à la labellisation, gagner un centime pour cent labellisation d'image, en fait, tout le contenu qu'on a, il a dû être labellisé, que ce soit des langages, des images, etc.
[20:18] Carole :
C'est-à-dire ?
[20:20] Édouard Emberger :
C'est-à-dire que les gens ont dû mettre, ok, alors ça, c'est l'image d'une tortue. Ça, c'est un chat.
[20:24] Carole :
Pour te faire reconnaître les images.
[20:26] Édouard Emberger :
Voilà, c'est ça. Et donc, on leur demande parce qu'en fait, pour tous les apprentissages, on a besoin de ce qu'on appelle un corpus. Et donc, le corpus, il est basé sur des milliers et des milliers de données annotées. En fait, c'est pour éviter que l'apprentissage fasse n'importe quoi. Donc là, nous, dans le cadre des LLM de tous les systèmes de génération actuelle, toutes les données sont annotées pour pouvoir être capables de faire un rapprochement entre le langage naturel utilisé pour le prompt et la sortie. Nous, c'est super, fais-moi une tortue avec un chapeau sur la tête, ça apparaît, sauf qu'en fait, il y a des gens qui ont le pire métier du monde. Bref, tout ça pour dire qu'on oublie souvent qu'il y a des gens, il y a des toutes petites mains très mal payés derrière tous les systèmes qu'on utilise.
[21:13] Carole :
D'accord. Donc tu trouves qu'il y a des choses enthousiasmantes mais qu'il faut évidemment avoir en tête les impacts.
[21:18] Édouard Emberger :
Tout à fait. Du coup je trouve ça enthousiasmant mais je m'en sers pas. Je trouve ça génial mais c'est horrible la manière dont ça s'est passé du coup non j'avoue je m'en sers pas.
[21:26] Carole :
D'accord.
[21:27] Édouard Emberger :
Très très peu.
[21:28] Carole :
Très bien. C'est parfait. Je te remercie.
[21:30] Édouard Emberger :
Pas de soucis.