🎤 VivaTech 2026 : Comment Microsoft booste les startups IA

[0:02] L'humain tout seul ne peut pas traiter des centaines d'heures de vidéos YouTube, ne peut pas traiter des millions de tweets, et donc l'IA vient augmenter la [0:09] capacité de l'être humain finalement. En deux mots, si je suis un individu, j'ai envie d'aller vers l'IA, je me suis formé à l'IA, on m'a donné des outils d'IA, je suis un pilote à bord d'une Formule 1. [0:25] Bonjour, bienvenue sur Monde Numérique et bienvenue à VivaTech 2026, émission spéciale pour s'intéresser aux startups. Il y a une entreprise, un groupe en particulier, qui aime bien chouchouter les startups depuis longtemps, c'est Microsoft. Nous sommes sur le stand de Microsoft pour une émission spéciale en partenariat avec Microsoft, pour parler donc de startups avec deux invités que je vous présente tout de suite. Eneric Lopez, bonjour. Bonjour Jérôme. Vous êtes directeur IA et Impact Social chez Microsoft France et notamment dans votre escarcelle, vous avez cette charge sans doute assez agréable de nouer des relations avec les startups. Les startups, justement, nous avons ici le représentant de l'une d'entre elles, Nelson Atipo. Bonjour. Bonjour, merci d'en recevoir. Vous êtes CEO et fondateur de Automassist. Exactement. Alors avec vous, on va découvrir l'intelligence artificielle au service du monde industriel. C'est ce que vous allez nous expliquer. C'est une IA qui répare les usines, c'est ça, en quelque sorte ? Sinon, on permet aux opérateurs de parler avec les usines grâce à des agents d'intelligence artificielle. Vous nous expliquerez ça dans un instant. Bon, Henrique Lopez, VivaTech, 10 ans déjà. Je ne sais pas si vous étiez là aux premières éditions. Oui. [1:38] Dès le début, on a même eu des ouvertures avec notre CEO Satya Nadella, qui a fait les premières éditions. On lançait même un premier agent IA avec Publizif, qui s'appelait Marcel. On n'appelait pas ça agent d'ailleurs à l'époque. Non, non, non, non. Je ne sais même pas s'il y avait un nom, mais voilà. Et effectivement, avec des premières startups. D'ailleurs, quand on était à ces premiers VivaTech, on avait déjà un certain nombre de startups qu'on présentait. Voilà, c'est vraiment ça qui est intéressant. C'est un peu la marque de fabrique de ce salon. C'est des grands groupes et sous leurs ailes, elles ont des petites startups. [2:14] On a l'impression qu'au début, c'était un peu pour la vitrine et maintenant, vous bossez avec elle, véritablement. C'est exactement la remarque que je me faisais en venant ce matin. C'est qu'on avait effectivement quelques pépites autour et on nous a donné peut-être l'impression qu'avoir des startups autour de soi, c'était être innovant. Et en fait, les grandes entreprises innovent par elles-mêmes, il n'y a qu'à voir sur les stands année après année. Mais on voit aussi des startups qui sont plus juste anecdotiques, qui ont des vraies solutions, qui répondent à des vrais besoins et qui passent en production et qui travaillent vraiment avec les grands comptes, pas juste un POC dans un coin. Ça aussi, c'est important, surtout pour elles. Alors vous, votre secteur, c'est [2:53] l'IA, donc vos startups, c'est surtout en intelligence artificielle ? L'IA dans les entreprises aujourd'hui, en particulier en France, où est-ce qu'on en est ? On entend un peu tout et son contraire. Oui, les entreprises sont très enthousiastes, elles y vont. Ou bien non, elles ne savent pas comment y aller. [3:11] Elles ont peut-être du mal à y voir clair aussi. C'est un peu des deux. En fait, déjà, il y a un premier chiffre que j'ai envie de partager. On a créé un rapport mondial de mesures de la diffusion de l'intelligence artificielle dans le monde. Et on peut regarder au niveau d'un pays, c'est quoi la diffusion de l'IA ? La diffusion de l'IA, c'est une personne en âge de travailler, 15-64 ans, qui utilise au moins un outil d'IA génératif 90 minutes par mois. D'accord. La France, c'est ça l'adoption de l'IA, on peut dire. La diffusion. La diffusion, la diffusion. Je ne veux pas jouer sur les mots, mais justement, je vais y venir. OK. [3:43] La France, cinquième mondiale. Pas mal. Ah ben, super même. 47,8% des personnes en âge de travailler utilisent l'IA générative. Les États-Unis, 24 ou 26e. Mais diffusion ne veut pas forcément dire adoption. Ce n'est pas parce que j'utilise l'IA au moins 90 minutes dans mon quotidien. Est-ce que c'est mon quotidien pro ou mon quotidien perso ? Est-ce que c'est vraiment intégré dans mon travail ? Et adoption ne veut pas dire transformation. Est-ce que c'est une solution que j'ai intégrée dans mon métier et qui a transformé ma manière de faire ? Et là, on voit qu'en fonction des grandes entreprises ou des plus petites, le niveau d'adoption n'est pas le même. Et on est encore en train d'avoir cette bascule. On n'est pas encore basculé entre l'adoption et la transformation. Et c'est le fait d'avoir effectivement des cas d'usage vraiment ancrés, vraiment sédimentés et derrière ces processus métiers qui sont changés, qui fait basculer de l'adoption à la transformation. Donc, qu'est-ce qui manque en fait ? C'est individuellement, entreprise par entreprise, de trouver le bon fit. [4:45] C'est déjà les cas d'usage. Je mets de côté d'avoir effectivement le socle technologique, le socle de la data, etc. C'est des cas d'usage, c'est une transformation qui passe par de la conduite du changement et pilotage de l'adoption. Et puis, on a sorti un rapport autour du futur du travail, le World Trade Index chez nous, l'index de comment le travail évolue à l'ère de la tech et notamment à l'ère de l'IA. Et il y a un des éléments qui est extrêmement intéressant. le poids de l'organisation et de la culture au sein d'une entreprise qu'on double par rapport à la motivation individuelle et la formation. C'est-à-dire, expliquez-nous ça. En deux mots, si je suis un individu. [5:29] J'ai envie d'aller vers l'IA, je me suis formé à l'IA, on m'a donné des outils d'IA, je suis un pilote à bord d'une Formule 1. Mais si l'organisation et la culture de la boîte me met sur une route de campagne avec des nids de poules, je ne vais pas avancer bien vite. Et l'organisation, c'est quoi ? C'est la manière dont on manage les équipes, dont on leur permet de transformer leur travail ou pas. C'est cette culture d'entreprise, c'est la manière dont on incentive à réinventer un processus, un métier, à intégrer des startups. Donc d'avoir de l'open innovation. C'est ça qui est soit un accélérateur sur un frein. Les cas d'usage, c'est quoi ? C'est d'abord de la bureautique, les résumés des comptes-rendus de réunion, ces choses-là. Ça, pour moi, c'est les choses un peu... Ça, c'est du basico-basique, maintenant. Ça, c'est de la qui ? Voilà. Ça, pas partout, hein ? Ben non, pas partout. D'ailleurs, si on prend les PME, si on prend les TPE-PME, sur les cas d'usage, on s'aperçoit que. [6:25] Dans les derniers rapports de BPI Lab, on voit qu'on est à 50% à peu près, un peu plus, des TPE, PME qui utilisent un peu l'IA. Mais elles ont toujours cette problématique de cas d'usage. Le cas d'usage, c'est, moi, je suis RH, moi, je suis marketing, moi, je suis responsable logistique, je suis restaurateur, etc. Qu'est-ce que l'IA peut faire pour moi ? Ou alors, plutôt, moi, souvent, j'ai envie d'inverser le paradigme. C'est quoi mon caillou dans la chaussure métier ? Et peut-être qu'il y a de la tech qui va me permettre de le faire. Et d'ailleurs, juste petite digression, pour répondre à cette problématique-là, on a lancé un agent conversationnel, il est gratuit, il a 1000 cas d'usage il est open source, il est. [7:01] En open access il s'appelle avoulia.fr et justement toutes les PME peuvent l'utiliser et se dire tiens, moi pour la gestion de mes factures, ma problématique réglementaire etc. Qu'est-ce qui existe ? Qu'est-ce que je peux faire ? Avec un outil gratuit quel qu'il soit. Comment ça s'appelle ? Rappelez-nous l'adresse. A-V-U-L-I-A. A-V-U-S-L-I-A. A-V-U-S-L-I-A.F-A. OK. Oui, parce que le plus sain, est-ce que ce n'est pas quand même de partir du besoin, de se dire, ben voilà, moi, je fais ça au quotidien, j'aimerais le faire mieux. Peut-être qu'il y a des outils qui peuvent me permettre d'être plus productif, d'aller plus vite, etc. En fait, c'est le véritable sujet. Il n'y a pas que dans l'IA, mais particulièrement dans l'IA. Particulièrement dans l'IA, pourquoi ? parce qu'il y a ce FOMO, ce Fear of Missing Out, il ne faut pas que je loupe la vague, donc il faut que j'aille dans l'IA. Mais le vrai c'est juste, c'est pourquoi faire ? Et le sujet, c'est de se dire, mais en fait, je vais déjà partir de mon problème métier. Moi, je veux transformer mes processus, je veux améliorer mon expérience client, je veux être plus productif ou avoir une qualité au travail avec plus de qualité dans ce que je produis ou plus de personnalisation. Donc, partir du besoin métier et d'un véritable besoin métier. Et au passage, c'est ce qu'on voit dans également les startups, c'est que si ces dernières années sur l'IA, on avait. [8:18] Un peu de hype autour de l'IA, on avait des wrappers de GPT ou des choses comme ça, aujourd'hui, on a des startups, et puis on aura des beaux exemples, qui sont partis des véritables problématiques métiers et qui les adressent. [8:32] Et l'IA est au service d'eux, pas l'inverse. Alors, les startups, justement. Donc, vous avez lancé à destination des startups ce programme qui s'appelle Gen AI Studio. Qu'est-ce que c'est exactement ? Alors, les startups, on les accompagne chez Microsoft depuis 2004 et c'est né en France. Le programme ID, on les a toujours accompagnés. On a lancé un programme à Station F en 2017 qui s'appelait l'AI Factory avec une startup à l'époque, Hugging Face, qui était une des premières startups. Et là, on a depuis trois ans un nouveau programme qui s'appelait le Gen AI Studio. C'est un programme d'accélération intensifs en 4 mois. [9:11] On n'est pas tout seul. On est Microsoft, mais on a Mistral, on a Databricks, on a Celenza, on a Nvidia, on a GitHub. Donc, on prend un écosystème d'acteurs tech. On va aussi aller chercher un écosystème de spécialistes dans la comptabilité, spécialistes dans l'éthique, spécialistes dans la finance. Et on a un grand parrain. En général, un grand compte cette année, Engie, responsable de l'innovation, responsable des achats. Toutes ces personnes-là sont réunies pour que pendant quatre mois, ces startups, on les accompagne sur leur business développement, leur stack technologique, leur go-to-market, leur conformité, leur sécurité, etc. [9:52] Vous les prenez en charge, il y a tout un dispositif. Appel à candidature, 200 candidats, 15 élus. Donc la sélection est rude, on a un gagnant à côté, il va tout nous raconter. Vous les prenez à quel stade ? En général, on essaye dans ce programme-là, l'accompagnement des startups, ça peut être très très tôt. Si aujourd'hui, il y a des startups qui nous regardent, ils ont juste des idées, ils vont sur le site web, ils peuvent déjà être accompagnés par Microsoft. Mais sur le Genial Studio, on va prendre des startups qui sont beaucoup plus matures. Elles ont déjà une solution et déjà des clients. Après, la levée de fond, ce n'est pas une fin en soi. Mais voilà, j'ai déjà une solution qui tient la route et j'ai déjà des clients. J'ai dépassé le stade du MVP. Ok. [10:35] Alors, justement, Nelson Atipo, vous êtes CEO et cofondateur de Automassist. [10:42] Vous avez fait ce programme. Vous nous direz un petit peu comment ça s'est passé dans un instant. Mais avant, parlez-nous un peu de votre activité. C'est quoi ? Qu'est-ce que vous proposez ? De quelle manière est-ce que vous utilisez les agents IA dans l'industrie ? Donc là, c'est du lourd, c'est du sérieux. Oui. Alors nous, bonjour. [11:03] Nous, ce qu'on fait, c'est qu'on aide les usines à être plus productives grâce à l'intelligence artificielle générative et agentique. Donc, on se focalise sur deux aspects et deux types d'équipes. Donc, les équipes de maintenance qui vont pouvoir dépanner les lignes de production de manière plus rapide et les équipes, on va dire, un peu plus opérationnelles qui vont pouvoir les piloter de manière plus efficace. Très concrètement, pour des gens qui n'ont jamais mis les piles dans une usine, de quoi on parle ? Alors, on parle de récupérer des informations pour dépanner des lignes. Par exemple, si on prend les équipes de maintenance, le souci qu'on va avoir souvent sur une ligne de production, même dans des lignes de production qui sont très automatisées, J'ai eu la chance de travailler sur la ligne de production de Tesla en tant que responsable à l'époque. On va ouvrir le panel électrique et on va avoir un diagramme manuel imprimé au pied de la machine qu'on va devoir aller feuilleter pour aller trouver des informations. Et ça, c'est le cas dans beaucoup d'usines encore aujourd'hui. Donc, on va avoir le diagramme au pied de la machine, des documents qui sont dans un SharePoint, d'autres informations qui sont dans un logiciel métier. L'idée, nous, c'est qu'on réconcilie un petit peu toutes ces sources de données-là et on va y connecter des agents spécifiques dédiés. En plus de ça, on donne une dimension spatiale à la chose avec des QR codes qu'on va pouvoir disposer sur les équipements et que les personnes vont pouvoir scanner et ensuite interagir avec nos agents industriels. Donc, ça permet d'accéder à cette information, cette documentation essentielle. [12:25] De manière beaucoup plus naturelle, en langage naturel, c'est ça ? De manière conversationnelle ? Exactement, parce qu'en soi, la première problématique quand on cherche une information qui est dans un document, c'est de trouver le document. Et ensuite, quand on a trouvé ce document, c'est trouver une information qui soit à l'intérieur. Et potentiellement, en fait, on a envie de corréler cette information avec une autre information qui serait dans l'usine. Donc là, on commence à avoir des cas d'usage un petit peu spécifiques qui sortent de la partie documentaire. On va, par exemple, connecter nos agents à des machines, aller lire un code erreur. Et ensuite, en fonction de ce code erreur-là, aller chercher sa réponse et de comment le résoudre dans la gestion documentaire et dans la base de données documentaires. D'accord. Aujourd'hui, je veux dire, est-ce que c'est interconnecté ? Si je comprends bien, il y a un humain qui fait la passerelle entre l'IA et la machine. Est-ce que demain, l'IA pourrait tout faire toute seule ? Honnêtement, alors moi, je ne crois pas à ça. Ce n'est pas que je vous appelle les humains, mais bon, la question peut se l'imposer. Je ne crois pas à ça. En soi, je pense que c'est un peu toujours le même débat dans le sens où chercher une information dans une documentation de 1000 pages, c'est du travail opérationnel et il n'y a pas de vraie valeur ajoutée à ça. Donc, effectivement, nous, on aide les ingénieurs de maintenance à faire des choses qui n'avaient pas forcément de valeur pour eux en termes d'apprentissage. Un contrôle F dans un fichier. [13:41] Maintenant, sur la partie opérative, prendre les décisions de comment on va organiser sa maintenance par rapport aux procédés métiers. Donc, nous, on a la chance sur l'industrie et sur la production industrielle d'être vraiment relié au réel parce qu'on le voit, c'est des machines qui existent et qu'on doit piloter physiquement de toute manière, même s'il y a des robots humanitaires qui arrivent. Et du coup, c'est vrai que cette partie-là, moi, je ne pense pas qu'on puisse la remplacer. D'accord. Et vous avez quel type de client ? C'est dans quel secteur ? Alors, ça qui est intéressant de notre côté, c'est que si on parle de gestion documentaire, ça peut aller sur toute usine à des soucis de gestion documentaire et de la documentation technique et va avoir des logiciels métiers. Donc, on est organisé sur tout le type de production industrielle, souvent de la production sur des lignes automatisées. D'accord. Donc là, vous êtes sorti du programme Microsoft tout récemment. Vous avez terminé ces quatre mois dont vous parliez tout à l'heure, Henrique. [14:37] Qu'est-ce que ça vous a apporté ? Vous êtes entré, vous étiez à quel stade ? On était en train de discuter avec notre premier client. Donc, on était entré dans une phase où on avait déjà un produit, un produit qui était stable. D'accord. Sauf qu'à ce moment-là, on va dire que notre roadmap technique a beaucoup évolué pendant le G&I Studio. La première chose que ça nous a apporté, c'est que sur l'aspect économique, on a eu des crédits Azure. Et ça, ça nous a beaucoup aidé pour nous en tant que startup à financer le développement quasiment de R&D, de l'évaluation de nos agents pour être sûr qu'on est des agents qui répondent de manière fonctionnelle à hauteur en production. Et donc après, sur la roadmap technique qui est souvent aussi liée à la roadmap business, à la volonté de nos clients, on a eu accès aux équipes support de Microsoft qu'on a pu interroger sur des problématiques spécifiques, des problématiques de connexion. Par exemple, on a développé un connecteur avec le SharePoint. On essaie de développer des connecteurs avec d'autres logiciels métiers. Et pour développer tout ça et avoir des agents qui sont performants, on a pu bénéficier du soutien et des workshops des équipes Microsoft. Dites-moi, ça veut dire que vous utilisez de l'IA, mais ça veut dire que vous n'utilisez que de l'IA Microsoft ? Alors, sur Foundry, déjà par définition, qui est. [15:53] La plateforme où on peut déployer des agents sur Azure de Microsoft, on peut utiliser des modèles qui viennent de n'importe quel provider. Donc, on n'utilise pas que des IA de Microsoft, parce que Microsoft eux-mêmes propose aussi des modèles qui sont. [16:08] De tout Farid Mistral tout à l'heure. Il y a 11 000 modèles, en fait. C'est-à-dire qu'en fait, oui, il y a une IA Microsoft, parce qu'on a nos propres modèles, on les a annoncés, mais on est plutôt en mode plateforme. C'est-à-dire que ce soit sur la typologie de cloud que la startup va avoir, du cloud public, voire même peut-être être dans un cloud souverain, que ce soit sur la manière dont elle va gérer ses datas, que ce soit les modèles qu'elle va vouloir choisir. Et d'ailleurs, il y en a 11 000 accessibles. En plus, on peut benchmarker, on peut regarder celui qui correspond le mieux à ce que l'on veut faire. Et on peut en plus leur permettre de le « fine-tuner » par rapport à leurs données et par rapport à leur scénario métier. Donc, en gros, le sujet, c'est qu'ils vont bâtir leur propre IA, leur propre scénario pour ce besoin vertical métier. Et aujourd'hui, vous en êtes où ? Alors, vous êtes combien de personnes et vous…, Alors, on est cinq personnes en train de travailler sur le projet. On a commencé à se développer fin d'année dernière avec le lancement de nos produits. Et aujourd'hui, on a avancé dans des discussions avec de certains nombres de groupes industriels. Ce qui est intéressant, et c'est aussi l'idée de notre démarche, et on en est très contents de l'évolution business avec Microsoft, c'est que pour nous, en tant que startup, à l'heure de discuter avec des grands groupes, ça nous donne une certaine légitimité. On est disponible maintenant sur la Marketplace Azure. Et ça nous donne une légitimité dans le sens où on sait qu'on. [17:29] Complète les niveaux de performance qui sont nécessaires en termes de scalabilité, de facilité de déploiement, de sécurité qui rassurent les grands groupes sur la partie commerciale pour pouvoir envisager du business ensemble. Merci beaucoup Nelson Atipo, CEO et cofondateur de Automassist et Henrik Lopez, directeur IA et Impact Social chez Microsoft France. Merci à tous les deux messieurs. Tout de suite, on va découvrir deux autres startups. [18:01] Suite de cette émission spéciale, toujours à VivaTech, sur le stand de Microsoft, en partenariat avec Microsoft. Gros plan sur deux startups. Alors là, attention, vous allez voir, c'est du lourd, des sujets passionnants. Mes deux invités, tout d'abord Bassem Asseh. Cela dit, avant, c'était bien aussi. Bonjour. Bassem Asseh, bonjour. Vous êtes vice-président de Arlequin AI. On peut dire que c'est un peu un palantir français ? C'est une startup française parisienne qui aide les entreprises, les organisations publiques à prendre des décisions sur la base de masse d'informations conséquentes. Que ce soit des informations sources ouvertes qui existent sur les réseaux sociaux ou Internet en général, ou que ce soit des informations internes dans les bases de connaissances des entreprises. Super. Et à vos côtés, Antoine de Torcy. Bonjour. Co-fondateur de BioLevate. Exactement. Vous, vous mettez l'intelligence artificielle au service de l'industrie pharmaceutique pour faire des tas de choses et in fine pour trouver de nouveaux médicaments. Exactement. Le but, c'est d'accélérer toute la chaîne de bout en bout depuis la partie recherche jusqu'à la mise sur le marché tout à la fin. Ça ne vous ennuie pas. Je commence avec Arlequin. Arlequin, société fondée par Hugo Micheron, qui est chercheur en géopolitique. Et Antoine Jardin, qui est ingénieur en... [19:12] Chercheur en OCNRS, chercheur sociologue aussi. Ingénieur en recherche en OCNRS. Et j'ai l'impression que votre entreprise, quand on a vu la série La Fièvre, qui racontait ce qui se passe sur les réseaux sociaux quand il y a un bad buzz, en l'occurrence le sujet c'était le foot. Mais voilà, ça montrait un peu toute cette fièvre, c'est le cas de le dire. Et il y a des gens qui arrivent à maîtriser tout ça, à comprendre toute cette information, à comprendre toute cette information. [19:43] Et c'est un peu ça que fait Arlequin ? C'est un peu ça. En fait, le monde dans lequel on vit aujourd'hui est saturé d'informations. Et la série La Fièvre, le créateur Eric Benzekry de cette série, avait identifié ce sujet il y a quelques années. Il n'y avait pas encore de l'IA comme elle existe aujourd'hui. Mais aujourd'hui, avec les outils de l'IA, on est capable d'accéder à cette information, de l'analyser et d'essayer d'en tirer des conclusions pour lutter contre la désinformation, par exemple. Ou pour mener des enquêtes ou des enquêtes quand on est la police judiciaire ou de l'audit interne quand on est l'inspection générale dans une banque. Et donc, en fait, ce que les clients de Harlequin font avec notre solution, c'est exactement ça. Collecter de l'information, des millions d'informations qui existent, source ouverte ou interne à l'entreprise, analyser tout ça, extraire du sens. Ce n'est pas évident, en fait, parce que l'information, c'est comme un plat de spaghetti dans lequel il y a tellement de spaghetti qu'on ne s'y en trouve plus. On ne sait pas ce qui est vrai, ce qui est faux. Exactement. Nous, on aide à extraire du sens à partir de là. Ce qui est faux et qui est amplifié artificiellement, on sait l'identifier. Ce qui semble être tout à fait légitime et tout à fait normal et logique, on sait l'identifier. En tout cas, on sait catégoriser tout ça et mettre toute cette information au travers de l'intelligence artificielle que l'on a créée, au travers d'algorithmes qui nous appartiennent. Eh bien, on les met à disposition des décideurs pour que l'être humain puisse prendre une décision au travers de cet éclairage supplémentaire qui est apporté par l'IA. [20:59] L'humain tout seul ne peut pas traiter des centaines d'heures de vidéos YouTube, ne peut pas traiter des millions de tweets. Et donc, l'IA vient augmenter la capacité de l'être humain, finalement. Les décideurs en question, ça peut être qui ? Ça peut être des enquêteurs de la police judiciaire. Ça peut être des personnes qui travaillent dans les services communication des grands groupes pour suivre la réputation de leur marque. Ça peut être des auditeurs internes dans une banque qui ont une mission d'audit à mener sur une filiale. Voilà, tout type d'organisation qui traite de l'information. Et c'est le cas de beaucoup d'informations aujourd'hui. Nous, on se focalise dans un premier temps sur le secteur public, secteur défense et sécurité en particulier, et dans le secteur privé, sur les médias et les services financiers. [21:36] Vous avez un cas de figure particulier dans le cadre duquel Arlequin a été utilisé récemment ? Tout à fait. Typiquement, je peux vous citer, j'utilise souvent cet exemple, puisque c'est arrivé la semaine dernière, il y avait des élections législatives en Arménie. Et donc, comme c'est de plus en plus le cas, que ce soit en Europe de l'Est, en Europe centrale et également en Europe occidentale, quand il y a des élections législatives, il y a toujours de la guerre informationnelle qui se trouve impliquée, donc des rumeurs, de la désinformation, etc. L'objectif pour une démocratie, c'est de réussir à identifier cette désinformation, cette campagne d'ingérence étrangère le plus en amont possible pour pouvoir lutter contre la désinformation très en amont et faire en sorte qu'une désinformation qui peut mal tourner et, modifier, complètement altérer la mécanique démocratique, de pouvoir la traiter le plus en amont possible et expliquer en quoi c'est une désinformation. On fait ce genre de choses on l'a fait sur le mois de mars par exemple en identifiant des attaques désinformationnelles contre. [22:31] La démocratie en Arménie sur des sujets complètement fous liés à du trafic d'organes, et donc identifier on sait d'où ça vient, on sait quels sont les sujets abordés, à quel moment ça arrivait, etc. Donc des fake news qui peuvent ensuite faire des ravages Exactement, et on arrive sur une période électorale l'année électorale en France, nécessairement on verra ce genre de choses, ce qui nous ramène à la série La Fievre que vous avez vécue tout à l'heure Je peux aussi vous parler de, évidemment, c'est un peu moins intéressant, ça brille moins, mais quand on fait un audit interne, on a un certain nombre de règles à respecter dans une entreprise. Les auditeurs cherchent à savoir si ces règles ont été respectées ou pas. Et pour le savoir... Ils analysent des documents, ils analysent des chaînes de mail, ils analysent un certain nombre d'informations et la connexion entre les informations peut permettre d'identifier le respect ou le non-respect des règles qui sont supposées être appliquées. C'est très intrusif quand même. Alors, c'est intrusif, mais dans les règles de la loi. Donc, évidemment, quand vous êtes dans le cadre d'un audit interne, vous ne faites rien qui ne soit pas légal naturellement. A fortiori, quand vous êtes un enquêteur police judiciaire, par exemple, et que vous menez une enquête dont les preuves issues de cette enquête seront à un moment ou à un autre données à un juge, présentées à un juge. Donc, évidemment, vous ne pouvez pas le faire si vous ne respectez pas vous-même le cadre de la loi. [23:40] Effectivement, si c'est dans le cas d'un cadre judiciaire, il y a des pouvoirs que n'ont pas les entreprises ou les particuliers. Mais est-ce que vous pouvez accéder à toutes les informations ? Je pense, par exemple, il y a ce qui est public, les réseaux sociaux, mais les boucles WhatsApp, par exemple. Alors, tout ce qui est légal est disponible. C'est-à-dire un WhatsApp entre vous et moi. C'est privé. Personne ne peut le voir. Donc, je ne peux pas y accéder. Ni moi, ni qui que ce soit. Or, il peut se passer beaucoup de choses quand même sur des boucles WhatsApp. Oui, mais heureusement, on vit dans des démocraties libérales, ce qui veut dire qu'elles respectent les libertés individuelles et collectives. Et donc, heureusement, c'est pour ça qu'on est content de vivre en France. Votre conversation avec moi, elle reste privée et elle n'est pas... Oui, mais c'est une faiblesse pour votre logiciel, non ? Non, parce qu'en fait, on considère que si quelque chose doit être extrait du secret de la conversation individuelle, c'est la justice qui en juge. Et donc, si le juge décide de vous mettre sur écoute avec votre téléphone, il pouvait le faire il y a 40 ans. Il peut le faire aujourd'hui. Il n'a pas besoin de cette technologie-là. La technologie, elle, elle est capable d'extraire du sens d'une masse d'informations qui, il y a 40 ans, n'existait pas vraiment. Parce que tout le monde n'avait pas le téléphone à l'époque, parce qu'on se parlait de manière plus directe et pas seulement au travers de WhatsApp, etc. Donc ça, c'est extrêmement important. Le respect de la loi, c'est ce qui caractérise les démocraties dans lesquelles on vit. [24:53] Juste parenthèse, vous dites qu'il peut nous mettre sur écoute. En théorie, ces messageries sont chiffrées. Elles le sont ou pas ? Alors là, pour le coup, c'est la police judiciaire qui saura dire si elle a le droit de le faire, la capacité de le faire, les deux. Parce que l'un sans l'autre n'est pas… Ou les renseignements ici, etc. Exactement. Bon, quand on parle d'intelligence artificielle, malgré tout, on pense immédiatement à hallucinations, biais. [25:16] Comment vous faites par bon à ça ? Excellente question. En fait, tout à l'heure, sous la forme de la boutade, je crois que j'ai dit que Harlequin n'est pas une solution d'IA générative ou de grand modèle de langage. L'IA générative, les grands modèles de langage, par définition, par leur propre design, introduisent un potentiel d'hallucination, introduisent des boîtes noires qu'on n'est pas capable vraiment d'expliquer. [25:39] Arlequin, c'est assez différent. Arlequin, elle n'est pas là pour générer du contenu. La plateforme est là pour extraire du sens. Et donc, on s'engage, c'est notre engagement vis-à-vis des clients et des prospects, c'est de traiter 100% de l'information qui est injectée dans la plateforme. Et une fois cette information traitée, de garantir une traçabilité de toutes les conclusions qu'elle propose. Par exemple, tout à l'heure, quand j'ai dit qu'on a cette question de la désinformation autour du trafic d'organes en Arménie, supposé trafic d'organes en Arménie, ça, c'est la conclusion qui est fournie par la plateforme. Mais on s'est remonté toute la chaîne des informations pour pouvoir trouver le tweet qui a généré tout ça. Ça, c'est la traçabilité. En général, les solutions de LLM ou de IA générative ne permettent pas. C'est pour ça que nos algorithmes ne sont pas des algorithmes d'IA générative. On est vraiment dans une logique de traitement de 100% de l'info avec traçabilité, pour que les clients puissent s'en servir dans une logique qui est spécifique à leur métier. Une banque va certainement accepter d'utiliser dans un mode cloud, par exemple, mais elle a toujours besoin de 100% de traitement de l'info et de traçabilité. La police judiciaire, elle, elle va vouloir plutôt l'avoir sur des serveurs dédiés, stockés dans leur QG, dans la cave, au dernier sous-sol, pour que ça soit hyper sécurisé, pas relié à Internet. Ça aussi, on le permet. Donc vraiment, nous, pour nous, la souveraineté européenne, Ce n'est pas une question de nationalité, c'est la capacité pour les acteurs européens de pouvoir faire leur choix en connaissance de cause. Donc, s'ils veulent du cloud, ils font du cloud. S'ils veulent du on-prem, ils font du on-prem. [27:06] Et s'ils veulent choisir Harlequin, évidemment, on est ravis de les aider. [27:10] Pourquoi Harlequin ? Pourquoi ce nom ? Parce qu'en fait, je ne sais pas si vous voyez le personnage Harlequin. Oui, très bien, noir et blanc. [27:16] Il est en général habillé de plusieurs morceaux de tissu qui constituent son habit. Et en fait, Harlequin est composé de plusieurs algorithmes qui composent, qui sont composés les uns à côté des autres, les uns au-dessus des autres, qui permettent d'aboutir à cette extraction de 100% de l'information. Ça, c'est la première cause. Et la deuxième cause, je vous invite à lire le premier chapitre du livre « Les ingénieurs du chaos » de Juliano d'Ampoli. Il évoque le carnaval. Il évoque plus particulièrement le rôle d'Arlequin ou quelque chose qui ressemble à l'Arlequin, qui finalement dit ce que les autres ne veulent pas dire. [27:46] Passionnant, passionnant. Bassem Asseh de Arlequin. Restez avec nous. On va parler maintenant de biotechnologie, de neurotechnologie. Antoine de Torcy, cofondateur de Biolevates. Donc, je le disais, vous, votre startup, enfin pas incubé, mais en tout cas accompagné également par le programme Genei Studio de Microsoft, eh bien, il s'intéresse à l'industrie pharmaceutique. Tout à fait. Vous aidez l'industrie pharmaceutique à aller plus vite, être plus performante, c'est ça ? Exactement. Donc, ce que je disais tout à l'heure, c'est que l'idée, c'est de pouvoir accélérer de bout en bout toute la chaîne pharmaceutique, de développement de médicaments. Et finalement, en écoutant Arlequin, je me dis, enfin, notre technologie, c'est assez similaire à bien des égards. C'est-à-dire que finalement, on fonctionne de la même manière. C'est pour ça qu'on vous invite ensemble. Exactement. Non, mais on se rend compte qu'on se rejoint parce que finalement, quand on veut faire les choses bien, on n'a pas beaucoup de choix. C'est-à-dire que notre technologie, l'idée, c'est d'ingérer la connaissance d'une entreprise. [28:40] La connaissance, ça peut être des PowerPoint, des PDF, des documents, des équations, des données génomiques, donc des données parfois un peu complexes. On vient tout ça, structurer ça dans ce qui s'appelle un knowledge graph, mais de manière un peu plus abrupte. On va en faire du lien entre toutes ces connaissances, bien les trier, un peu comme vous le faites. Et au-dessus de ça, on a une couche d'orchestration d'agents, d'intelligence artificielle, où justement, pour garder la traçabilité, et c'est essentiel pour le domaine très réglementé comme la pharma. [29:05] De ne pas laisser les agents réfléchir un peu comme ils veulent sur les données. Donc, on a tous un système qui vient garder la traçabilité exacte de comment l'agent a répondu à la question, comment il vient générer un document, comment il va auditer un document, comment il va faire de la recherche, pour pouvoir avoir l'explicabilité de bout en bout d'où vient cette information, quelles informations il a croisées. Et ça nous permet de pouvoir faire des choses d'une complexité énorme, comme analyser des centaines de milliers de gènes en parallèle et être complètement exhaustif sur l'ensemble des gènes analysés, sur croiser avec toute la littérature qui se trouve sur Internet, sur toutes les pathologies. Il faut avoir des choses qui ne seraient vraiment physiquement impossibles par l'humain, tout en gardant cette traçabilité qui permet à l'humain à l'arrivée de valider. Alors, quand on parle de recherche documentaire dans le médicament, parce que tout le monde ne connaît pas bien ce milieu, de quoi on parle ? Ça consiste en quoi exactement ? Alors, ça consiste en beaucoup de choses, parce qu'en fait, le cycle de « je commence la recherche jusqu'à ce qu'il arrive sur le marché », c'est un cycle qui peut prendre 20 ans. Et donc, en fait, il y a énormément d'étapes. Et donc, ça consiste en quoi concrètement avec nos clients ? Je peux vous donner quelques exemples. [30:05] Tout en amont des projets de recherche, on commence par faire des études de littérature. Nous, on travaille avec Sanofi, par exemple. Avec ça, on est déjà en production chez eux. Et les aider. Ils font plus de plusieurs milliers d'études de la littérature chaque année. Donc, à chaque fois qu'ils lancent un projet de recherche, ils doivent donner, globalement, l'état de l'art. Et donc, ils analysent des milliers de documents scientifiques. Il faut tout lire. Donc, à la base, ils faisaient ça à la main, tout lire, juger lesquels sont les plus pertinents par rapport à l'étude qu'ils sont en train de faire. Ils raffinent ça de 1000 dossiers à plus que 100. Et puis, après ça, il faut rédiger un dossier qui explique vraiment quel est l'état de l'art de la littérature. On est passé de 30 jours pour faire ça à à peu près deux jours avec l'assistance de l'IA. Donc ça, c'est un des cas d'usage vraiment très documentaire. On a des cas d'usage vraiment de la recherche. Donc là, on travaille par exemple avec l'Inserm sur des leucémies et on a identifié un quart de la population des leucémies qui pouvait être traité de manière bien plus pertinente grâce à une nouvelle cible thérapeutique. Tout ça en croisant énormément de gènes et d'informations. Et on a trouvé des axes qui n'avaient jamais été étudiés dans la littérature jusqu'à présent pour guérir ces leucémies. Donc essayer de comprendre le mécanisme de la pathologie, pourquoi ce dérèglement arrivent à cet endroit-là. D'accord. Et in fine, ça peut permettre de créer de nouveaux médicaments ? Bien sûr. Donc in fine, ça, c'est la manière la plus concrète. On trouve des nouvelles cibles thérapeutiques, on trouve des molécules qui existaient ou qui n'existent pas pour cibler ça. [31:24] Mais quelque part, la découverte de nouvelles cibles thérapeutiques, c'est presque la partie, le début de l'histoire. Après ça, il y a tout un cycle réglementaire énorme pour pouvoir faire des autorisations de mise sur le marché, pour pouvoir les maintenir, pour pouvoir suivre tous les effets secondaires. Donc, l'idée, c'est vraiment de connecter toute cette connaissance de bout en bout pour avoir la traçabilité dès le début jusqu'à la fin et accélérer tout ce processus. Bon, très bien. Donc, les deux, vous êtes des startups basées à Paris, c'est ça ? Vous, vous avez déjà bien bourlingué, c'est ça ? La startup a déjà quelques temps ? On a trois ans, donc c'est relativement récent. En revanche, on est déjà à peu près une quarantaine et on vient de finir notre série A, donc on va annoncer ça rapidement. D'accord. Donc là, on a prouvé notre valeur pour pouvoir vendre à des clients. L'idée, c'est de s'étendre à l'international après cette série A. Et Arlequin, vous en êtes où ? Eh bien, en fait, Arlequin a fait la levée de fonds d'amorçage, comme on dit, en mai 2025, il y a un an et en moins. [32:19] 4 millions en l'occurrence. Et on est en train de travailler sur la série A qu'on espère conclure avant le 14 juillet et qui sera intéressante pour une entreprise de notre taille. Une caractéristique cependant, nous sommes déjà 31, 4 ou 5 personnes qui s'occupent de marketing et sales et tous les autres sont des ingénieurs ou des chercheurs, post-docs y compris. Tout ça vient aussi du background et des caractéristiques de nos deux cofondateurs, Hugo Micheron et Antoine Jardin, qui sont tous les deux sociologues de formation. L'un plutôt statistique, l'autre plutôt entretien quali, comme on dit, [32:51] dans le monde de la sociologie. Et donc, autour d'eux, il y a un certain nombre de chercheurs, soit chercheurs en sciences sociales, soit pour la majorité, des chercheurs, des ingénieurs dans le monde de l'IA. Et donc, entreprise parisienne qui s'appuie sur des fonds exclusivement européens. Et déjà des clients. Et déjà des clients. J'imagine que ça se bouscule au portillon pour l'un comme pour l'autre. C'est ça qui est intéressant dans une entreprise aussi, je ne sais pas comment c'est chez toi, mais arriver aussi early stage, c'est vraiment intéressant parce qu'on a vraiment l'impression de pouvoir, contribuer à la formation, à donner la forme à la fois à un marché, mais à la fois aussi à l'entreprise, évidemment. J'ai encore une question, une dernière question. Je disais, Palantir français. [33:30] Alors, justement, Palantir qui est un peu moins en odeur de santé depuis 48 heures. Mais vous, vous n'êtes pas sur le militaire et tout ça ? Ou vous pourriez être ? Alors, ça dépend ce qu'on appelle militaire. Par exemple, on n'est pas sur, identifier une cible ou piloter un drone avec un tigre. Ce n'est pas notre domaine. Notre domaine, c'est le traitement de l'information. Donc, tout dépend de l'information que vous mettez dedans. Tout à l'heure, je vous ai cité l'Arménie. Vous pourriez faire la même chose s'agissant de votre chaîne d'approvisionnement. Si vous êtes un fabricant industriel dans l'aéronautique, par exemple, vous vous intéressez à votre chaîne de prestataires, de fournisseurs, de services, etc. Donc, vous voulez savoir ce qui se dit les concernant. Voilà, c'est ce qu'on fait. Donc, tout dépend des infos que l'on met dans le système. Et là, avec la présidentielle qui arrive, vous allez beaucoup travailler, j'imagine. Merci beaucoup. Merci à tous les deux. Bassem Asseh, vice-président de Arlequin AI et Antoine de Torcy, cofondateur de BioLevate. Voilà, c'est la fin de cette émission spéciale VivaTech ici sur le stand de Microsoft. Vous retrouvez d'autres contenus, bien sûr, consacrés à VivaTech 2026 sur Monde Numérique. Alors, le podcast, la chaîne YouTube et le site mondenumérique.info. Abonnez-vous, abonnez-vous aussi à la newsletter. Salut !