L'Usine Nouvelle - Quel est l’objectif du partenariat signé avec Mistral AI annoncé début juillet ?
Dassault Systèmes Sébastien Massart - Il s’agit d’abord d’offrir un accès souverain à l’IA générative. [La marque de Dassault Systèmes] Outscale va combiner son cloud souverain, des processeurs graphiques dits GPU et les grands modèles de langage (LLM) commerciaux de la start-up Mistral AI. Le but est de garantir un stockage et un traitement sécurisé des données. Cette proposition vise le secteur public, les administrations et les entreprises régulées. En parallèle, un écosystème de partenaires apportera des couches supplémentaires pour que les LLM soient utilisables directement sans trop de compétences. Pour proposer quelque chose d’équivalent à ce que font les Gafam, il faut s’associer à d’autres.
Quel est le second objectif ?
Les LLM de Mistral AI vont également venir renforcer nos plateformes comme 3DExperience. L’idée est d’accélérer l’accès aux grands volumes de données et de savoir-faire industriels. Nous allons spécialiser les modèles selon l’usage des clients. Cela permettra par exemple d’aller plus vite sur la mise en place du jumeau virtuel d’une usine, pour piloter l’ensemble des machines et des processus.
Quel est l’intérêt pour vos secteurs clients ?
Dans la santé, l’enjeu n’est pas uniquement la découverte de nouvelles molécules, mais aussi d’identifier en amont celles avec un risque potentiel pour la santé. Avec les LLM, l’accès instantané à la documentation technique provenant des laboratoires permet de tenir compte de tous les résultats de recherche passés. Dans l’aéronautique et l’automobile, l’enjeu est d’accélérer les étapes du design industriel en utilisant les milliers de dessins de pièces déjà en stock. À chaque fois, c'est l'accès facilité aux données, grâce aux LLM, qui permet d'aller plus vite. Le métier d’ingénieur industriel est en train de changer.
C'est-à-dire ?
La simulation et la modélisation embarquent les lois de la physique, mais les calculs sont longs puisque des milliers, voire des millions d’équations doivent être résolues en parallèle. L’IA générative et le deep learning, quant à eux, génèrent des solutions par rapport à leur base d’entraînement sans prendre en compte les lois de la physique. Le couplage de ces deux mondes accélère l’ingénierie de systèmes industriels. Les équipes d’ingénieurs pourront donner un cadre précis à l’ordinateur : les missions de l’objet, le résultat attendu, les environnements dans lesquels il opérera, etc. La machine pourra ensuite proposer différentes pièces rentrant dans ces critères.
Envisagez-vous d’autres partenariats avec des acteurs de l’IA générative ?
Le partenariat avec Mistral AI n’est pas exclusif. Nous commençons avec eux, car ils apportent le niveau de souveraineté nécessaire. L’objectif est de mettre à disposition de notre écosystème interne différents moteurs d’inférence pour avoir des modèles avec des capacités de raisonnement générique. Ainsi qu'une forte connaissance du monde global et d’autres plus spécialisés sur certaines tâches dans l’industrie.
Dassault Systèmes utilise-t-il aussi l’IA générative en interne ?
Des composants sont mis à disposition de nos développeurs qu’ils peuvent mixer comme ils veulent, même si cela n’est pas directement visible. Des outils pour la gestion de bases de données sont utilisés et nous en testons aussi pour l’aide au code. Le LLM peut servir in fine à bâtir de nouveaux services ou optimiser ceux existants. Par exemple, pour réduire le nombre de simulations avant d’obtenir le bon modèle numérique.
Vous venez également d'annoncer une collaboration avec le Groupe Bel. Quel est l'objectif ?
Nous aidons le groupe Bel à réinventer leurs produits pour limiter l’impact sur l’environnement avec, par exemple, plus de produits à base de protéines végétales. Pour les fromages végétaux, l’IA peut aider à imaginer de nouvelles recettes en couplant modélisation et simulation – pour étudier les propriétés physiques et chimiques des produits – avec l’analyse de la perception et du goût, pour lesquels le langage, et donc les LLM, jouent un rôle clé. Avec nos outils, nous aidons aussi le groupe Bel à optimiser leur organisation de production.
Vous évoquez la réduction de l’impact environnemental, mais les LLM sont loin d’être frugaux. Comment concilier l’utilisation de cette techno avec de telles ambitions ?
Nous avons discuté avec Mistral AI de la consommation des LLM à la fois sur l’entraînement et sur l’inférence. Nous avons été convaincus, mais nous ne pouvons pas partager les données. De notre côté, nous cherchons à hybrider les modèles selon les phases de questionnement. L’idée est de commencer la discussion avec un LLM plus général et gourmand, et d’affiner au fur et à mesure vers des LLM plus légers et précis. Cette notion d’hybridation va probablement perdurer dans le temps.
Ce sujet de la consommation énergétique amène à celui du juste prix. Si l’utilisation des LLM demande des capacités de calcul coûteuses, les prix pratiqués aujourd’hui semblent assez bas. Quelle est la politique de Dassault Systèmes ?
À ce stade, le secteur des LLM n’est pas encore mature en termes de business model. Aujourd’hui, beaucoup d’acteurs des «agents conversationnels» vendent en dessous de leur coût d’opération : ce n’est pas durable. Mais ce n’est pas notre état d’esprit quant aux prix que nous pratiquons.
