AI-powered
podcast player
Listen to all your favourite podcasts with AI-powered features
Génération Do It Yourself
#353 - Stanislas Polu - Dust - La vérité sur ce que l’IA nous réserve
Oct 25, 2023
Stanislas Polu, expert en technologie, parle de son parcours professionnel et de la création de Dust, un assistant IA B2B. La discussion aborde les LLM, la gestion d'oiseaux chez Stripe, les défis de l'IA en entreprise, et l'impact de l'IA sur la société. Une exploration geek et pédagogique de l'informatique algorithmique et de l'IA.
03:05:19
Episode guests
AI Summary
AI Chapters
Episode notes
Podcast summary created with Snipd AI
Quick takeaways
- La diversité des expériences de Stan entre Polytechnique et OpenAI montre le chemin vers l'innovation tech.
- Dust, l'assistant IA B2B, intègre des modèles linguistiques, des infos d'entreprise et des apps collaboratives.
- Stan offre une masterclass pédagogique sur les LLM, algorithmes, management d'oiseaux et stratégie R&D.
- La différence entre IA générale et capacités humaines ressort à travers les LLM et les surprises rencontrées.
- Les modèles comme GPT-4 révolutionnent divers secteurs, offrant une amélioration significative de la productivité.
- Les défis de l'investissement sont abordés, soulignant l'importance des investisseurs et l'impact des choix sur les levées de fonds.
Deep dives
Expérience à Stanford et transformation digitale
L'épisode aborde l'expérience de l'intervenant à Stanford au début de l'aventure digitale, mentionnant l'évolution du secteur avec Facebook et Twitter. Il évoque l'importance de l'intelligence artificielle généralisée et des transformations sociétales profondes. Des exemples concrets comme l'utilisation de GPT-4 à travers DOS sont mentionnés pour illustrer le potentiel d'évolution des modèles technologiques.
Parcours entrepreneurial et développement chez Stripe
L'intervenant partage son parcours entrepreneurial, notamment la création d'une société spécialisée dans les analytics sur Instagram. Il mentionne les défis rencontrés en matière de levée de fonds et de croissance, ainsi que son expérience chez Stripe où il a contribué à la forte expansion de l'entreprise et aux particularités du secteur des paiements.
Algorithmes, intelligence artificielle et modèles de langage
La discussion explore la distinction entre les algorithmes et l'intelligence artificielle, mettant en lumière l'utilisation des modèles de langage pour des tâches variées. L'explication des Large Language Models et de leur fonctionnement, tant dans la compréhension du langage que dans la traduction automatique, souligne leur capacité émergente à répondre à des requêtes diverses, malgré certaines imperfections et l'émergence de résultats inattendus.
Prise de conscience technologique et interprétation des modèles
Les débats sur l'intelligence artificielle générale et sa comparaison avec les capacités humaines sont abordés. Les exemples d'utilisation des LLM pour des tâches précises et les surprises rencontrées dans leur fonctionnement montrent la complexité de l'interprétation des résultats. Malgré des hallucinations occasionnelles, la conversation souligne l'importance de distinguer les performances des modèles par rapport à celles des humains dans des contextes spécifiques.
Découverte et évaluation des capacités des modèles
L'exploration des utilisations surprenantes des LLM dans des domaines comme la fusion-acquisition révèle des résultats inattendus. Les exemples de situations où les modèles peuvent diverger des attentes mettent en lumière la nécessité d'une réévaluation constante de leurs performances et de leurs limites. Malgré quelques erreurs, la discussion souligne l'émergence de capacités intelligentes et la complexité de l'évaluation de l'intelligence artificielle par rapport aux capacités humaines.
Modèles et utilisation en code informatique
Les modèles comme Copilot de Github se révèlent très utiles en code informatique. Leur proposition quasi instantanée permet aux développeurs expérimentés de gagner du temps en filtrant les suggestions. Les erreurs dans ce contexte coûtent presque zéro, offrant ainsi une productivité accrue.
Défis et efficacité des modèles dans différentes tâches
La vérification et la génération de contenu restent des défis pour les modèles comme Tchatch GPT. Dans des tâches complexes comme les problèmes mathématiques, la vérification s'avère plus longue que la génération. Cependant, les modèles évoluent pour offrir une productivité accrue dans des contextes adaptés.
Impact potentiel des modèles sur la productivité
Les modèles comme GPT-4 présentent un potentiel transformateur dans divers secteurs d'activité. Leur capacité à innover et à répondre à des tâches spécialisées pourrait révolutionner la manière de travailler. Malgré les défis, l'utilisation des modèles promet une amélioration significative de la productivité et de la qualité des tâches effectuées.
Les défis des investissements et des choix des termes lors de la création d'une boîte d'IA
Discutant des défis des investissements, l'épisode aborde la levée de fonds, avec un seed de 5 millions d'euros, soulignant l'importance de choisir les investisseurs pour une deuxième entreprise. Les entrepreneurs ont imposé des termes pour garantir des conditions favorables à la boîte, illustrant l'impact des choix sur la suite des levées de fonds.
L'importance de l'expérience pour guider le développement de l'IA
L'épisode met en avant l'importance de l'expérience dans le domaine de l'IA, soulignant comment l'expérience préalable avec les modèles d'IA peut orienter les décisions et les stratégies. Les discussions révèlent des points clés concernant l'entraînement des modèles, la qualité des réponses et l'autonomie des agents, mettant en lumière les défis et les perspectives dans ce domaine.
L'évolution des modèles d'IA et les projections pour l'avenir
Le podcast explore l'évolution et les limites actuelles des modèles d'IA, soulignant que les modèles de grande taille nécessitent des investissements coûteux. Les réflexions portent sur l'autonomie des agents, les traductions vidéo, les modèles open source, et la nécessité de travailler sur la qualité des réponses fournies par les modèles, ouvrant ainsi des perspectives stimulantes pour le futur de l'IA.
Émergence et Potentiel de l'IA dans les Applications Personnelles et Entreprise
L'utilisation de modèles de langage dans des applications personnelles et du côté des entreprises est discutée. Les différences d'utilisation des données entre les usages personnels, tels que le suivi de la santé, et les besoins des entreprises sont abordées. Les limitations des modèles de langage pour traiter des données structurées provenant de diverses sources sont mises en évidence, et il est mentionné qu'une adaptation des modèles est nécessaire pour répondre efficacement à des questions spécifiques.
Évolution des Modèles d'IA et Importance de la Modélité Textuelle
Une réflexion est menée sur les évolutions des modèles d'IA et leur utilisation. L'importance de la modélité textuelle est soulignée, mettant en avant le potentiel des modèles de langage pour traiter les données textuelles. Les défis liés à l'entraînement des modèles pour prédire des informations complexes, telles que les risques de santé, sont explorés, soulignant la nécessité d'une adaptation des modèles pour des tâches spécifiques.
Impact de la Gestion du Savoir et des Innovations Futures en IA
Une discussion est menée sur l'impact de la gestion du savoir et des futures innovations en IA. Les possibilités d'utiliser l'IA pour des applications de gestion des connaissances et d'innovation sont évoquées. L'importance de rester à l'affût des nouvelles approches et tendances en IA est soulignée, mettant en lumière le potentiel de développement de solutions novatrices et d'avancées significatives dans le domaine.
3.
Parcours professionnel et expérience chez une entreprise de paiements américaine-canadienne
2min
5.
Expérience de recherche en algorithmie aux États-Unis et lien avec l'intelligence artificielle
12min
8.
Optimisation des modèles IA et défis de l'adoption technologique en entreprise
24min
18.
Un regard sur l'organisation initiale de Stripe à travers l'analogie de l'algorithme de flocking
2min
20.
Discussion sur la vulgarisation de l'intelligence artificielle et recommandation de contenu
3min
Être au bon endroit au bon moment n’est pas donné à tout le monde. On peut penser que ceux qui y parviennent ont de la chance, du flair, sont brillants ou tout simplement hypercurieux.
Stanislas Polu est un mélange de tout ça. De Polytechnique à Stanford, de Stripe à OpenAI en passant par Oracle et Apple, il a eu à la fois l’intuition et l’intelligence de poursuivre les initiatives tech à la pointe de leur marché.
Des expériences professionnelles qu’il a envisagées comme des apprentissages lui permettant, à son tour, de créer sa propre innovation tech en 2022 suite à une levée de 5M€ en seed : Dust, l’outil B2B qui met l’IA au service des collaborateurs d’une entreprise.
Comment ? Dust fonctionne comme un assistant IA qui intègre (en toute sécurité) les meilleurs modèles linguistiques, les dernières informations sur l'entreprise, des applications de collaboration puissantes et une plateforme extensible à la portée des équipes.
Stan est un ingénieur en sciences informatiques passionné d’algorithmes qui, une fois n’est pas coutume, en parle avec la limpidité d’un excellent professeur.
Une conversation aussi geek et tech que pédagogique : n’ayez pas peur, Stan nous livre une masterclass en informatique algorithmique et en IA accessible à tous. On reprend les bases sur :
- Les Learning Language Model (LLM) comme Chat GPT
- Les algorithmes qui permettent aux LLM de bien nous répondre… ou pas
- Le management d’oiseaux (oui, oui, ça existe et c’est Stripe qui l’a fait)
- La stratégie R&D prudente de Dust
- Les 5 raisons pour lesquelles la General Artificial Intelligence n’est pas encore réellement arrivée
TIMELINE :
- 00:00:00 Introduction
- 00:03:50 De Stripe à Oracle, les débuts de Stanislas Polu dans la tech
- 00:27:40 LLM, LMU, IA et algo - décryptage tech pour les nuls
- 01:02:45 Les recherches menées chez OpenAI
- 01:29:40 La création de Dust et les 5M€ de seed
- 01:58:23 “AI 2089” : et si tout se passait bien ?
- 02:04:48 Les innovations “waouh” dans l’IA approuvées par Stanislas
- 02:33:14 Stan, sa vie de famille, ses études à Stanford
- 02:42:30 Les années Stripe & sa stratégie managériale
- 02:58:48 Où contacter Stan
- 02:57:00 Le livre que Stan recommande à tous
- 02:57:57 Quelques mots pour le jeune Stan Polu en classe préparatoire à Ginette
Avec Stanislas, nous avons cité d’anciens épisodes de GDIY :
- #327 - Laurent Alexandre - Auteur - ChatGPT & IA : “Dans 6 mois, il sera trop tard pour s’y intéresser”
- #305 - Paul Mouginot - Stabler - Repousser les limites de l’imagination grâce à l’IA : chronique d’un entrepreneur visionnaire
- #331 - Jean-François Pillou - Around.us - Rien ne détrônera un bon vieux lien bleu, paroles d'un génie du web
- #350 - Nick Hernandez - 360Learning - L’art de transmettre le savoir-faire à (très) grande échelle
- #348 - Bertrand Piccard - Solar Impulse - Explorer les cieux, soigner l’esprit, protéger la Terre
Avec Stanislas, nous avons parlé de :
- Logiciels d’intelligence artificielle
- Stripe
Stanislas vous recommande de lire:
- The beginning of Infinity: Explanations that Transform the World de David Deutsch
Si vous avez apprécié cet épisode, laissez un commentaire sur nos posts LinkedIn ou Instagram. Si vous voulez faire découvrir cet épisode, taguez un ami.
La musique du générique vous plaît ? C’est à Morgan Prudhomme que je la dois ! Contactez-le sur : https://studio-module.com.
Vous souhaitez sponsoriser Génération Do It Yourself ou nous proposer un partenariat ? Contactez mon label Orso Media via ce formulaire.
Vous pouvez contacter Stanislas Polu sur Linkedin, allez plus loin dans le nerd sur son site web et surtout lui poser plein de questions sur X.
Get the Snipd
podcast app
Unlock the knowledge in podcasts with the podcast player of the future.
AI-powered
Discover
highlights
Listen to the best highlights from the podcasts you love and dive into the full episode
Save any
moment
Hear something you like? Tap your headphones to save it with AI-generated key takeaways
Share
& Export
Send highlights to Twitter, WhatsApp or export them to Notion, Readwise & more
AI-powered
podcast player
Listen to all your favourite podcasts with AI-powered features
Discover
highlights
Listen to the best highlights from the podcasts you love and dive into the full episode