La révolution Deeptech : Quand l'IA réinvente la génétique, le climat et l'industrie

- Vous êtes dans la French et là, on est à Station F. Au Google Startup Day, et on va recevoir plusieurs startups qui sont en train de changer le game dans leur industrie. Et on va faire ça avec GBSive à la French. C'est parti! - Vous êtes dans la French, un épisode dédié à des startups qui sont en train de toucher grâce à l'IA dans leur domaine. Et aujourd'hui, on reçoit Miriam. - Bonjour, Miriam. - Bonjour. - Comment ça va? - Ça va, super. - Ça va, l'événement se passe bien? - Oui, l'événement a l'air de bien se passer. En tout cas, je m'en suis arrivé un peu au retard. - Entrepreneurs, on va toujours sur le fil. - Toujours sur le fil. - Et toi, tu fais géoskin? Est-ce que tu peux nous dire? Qu'est-ce que fais géoskin? - Géoskin a la prétention et la conviction que la peau a une météo et nous la mesurons. - Donc la peau? La peau, c'est quoi? C'est toi qui m'a appris que c'était l'organ? - Le plus large organe du corps. - J'ai mis voix de la santé. - En la vache, oui. - Ah oui, parce que t'as bien sûr, en face de peau. Et donc, en gros, ce qui va, c'est tous les gens qui ont des problèmes de peau ou même qui ont pas encore des problèmes de peau. Que Géoskin, vous faites quoi pour ces gens-là? - Alors, donc moi, je suis climatologue. - Ok. - Et donc, mon métier, ça a toujours été de regarder la terre de l'espace et d'essayer de comprendre comment différents écosystèmes vivants réagissaient des extrêmes climatiques. Et je me suis rendu compte qu'en fait ce genre d'analyse on pouvait les appliquer à la peau. Parce que finalement, la peau, c'est un système vivant et la peau a l'encaisse beaucoup de choses à la journée. On est en intérieur. Et donc, par exemple, vous vous êtes pris à une multitude de pollution. Au cours de la journée, il y a eu les uvés. Il y a eu le climat. Il y a eu la température au quotidien. Donc, cette peau a l'encaisse, sauf qu'il y a rien pour mesurer la peau aujourd'hui. On ne la mesure pas à 360 degrés. On ne prend pas ce qu'il y a l'encaisse de l'extérieur. Donc, c'est différentes variables environnementales. Mais également, sur le plan individuel, on n'arrive pas à mesurer notre physiologie interne. Et donc, Géoskin a la prétention de mêler ces demandes et de pouvoir vous dire, voilà, comment votre peau se situe, comment elle réagit, à ce qu'elle subit au quotidien, et être dans la prédiction pour justement optimiser la santé de votre peau. Et donc, ça veut dire que le matin, sur mon app ou sur je sais pas quoi, ça me dit ta peau, comme ça, les trossets, chez les peaux. On a déposé un brevet le mois dernier. Justement, on a appelé le score "The Skin Resilient Index", qui permet de mesurer la capacité de la peau à supporter ces deux charges et l'environnementale, et il y a votre physiologie. Et une fois que j'ai cette peau, j'en fais quoi moi? C'est un faux, déjà elle vous dit votre peau, ce qu'elle a mesurée. Ensuite, on explique qu'est-ce qui fait que votre score est 5 scores sur 100. Donc, par exemple, aujourd'hui, vous êtes à 62 sur 100. Alors, on va vous expliquer, qu'est-ce qui explique votre score de 62 sur 100? Peut-être que c'est la température. Peut-être que c'est la pollution. Peut-être que. Et moi, vous devez aussi des percentages. Une probabilité que ce soit, telle et telle, est-elle variable? Et une fois que j'ai ce score, j'en fais quoi? Je peux. Mais vous donne des recommandations. Vous donne des recommandations à la semaine pour vous dire comment optimiser justement ce score au mieux. Donc, ça peut toucher à la skincare. Ça peut toucher à votre hygiene de vie, notamment à votre nutrition. Ça fait que c'est une hygiene de vie de l'entrepreneur. Très, très saine. En plus, on le sait que nous, les études, nous démontrent que le mode de vie, l'environnement, pèse 8 fois plus que les prédispositions génétiques dans la santé de la peau, mais ça va en même plus loin dans les différences de mortalité. Donc, c'est apprendant compte. Moi, j'ai une question du coup, parce que quand tu mesures la peau, est-ce que tu le mesures, c'est-à-dire qu'il faut mesurer toute la surface. On se constate sur le visage. Sur le visage, d'accord. Et du coup, une question un petit peu aussi pour rebondir. Est-ce que tu arrives à travers la peau? Pour moi, j'ai vraiment deux aspects de l'extérieur. Donc, l'extérieur, il a parti ce qui ressort de l'intérieur. J'aime beaucoup ton analogie du climat, parce que c'est un peu ce qu'on fait. C'est appareil évident, en fait, avec l'oracle. Qu'est-ce que tu arrives à mesurer ce qui est de l'ordre, par exemple, de l'extérieur? Et donc, on le voit à travers la peau. Et du coup, c'est à peut-être des conséquences derrière qu'on maîtrise pas. Et vice versa, des signes ou intérieures qui n'ont prête pas attention. L'exemple que je vais prendre, c'est la dermine de séboroïque. Tu vois, qui, du coup, est une manifestation coutanée, mais d'un problème, qui, des fois, est intestinal et genre de stress, parfois. Le stress, exactement. Comment vous situez là dedans? Est-ce que vous faites les deux? Et si ce n'est pas les deux? Pourquoi l'un n'est pas l'autre? Donc, on s'y le différente dimension problématique coutanée. On va commencer petit dans un premier temps, mais effectivement, l'ambition, c'est de pouvoir analyser les dimensions coutanées plus réelles. Et d'expliquer quels sont les variables qui expliquent ces dimensions. Aujourd'hui, notre challenge pour Géoskin, c'est qu'on sait quels sont les facteurs mais de manière isolée qui vont impacter la peau. Par exemple, on sait très bien à un certain degré de température, de unité relative, de pollution, du vex, etc., qu'est-ce que ça va impacter? Ça va impacter la société de la peau. Ça va impacter le védissement coutané. Donc, on a ça, mais il n'y a rien aujourd'hui dans la science qui combine toutes les variables qu'on veut analyser. Donc, nous, c'est un gros défi pour nous, déjà. C'est pour ça qu'on est en train de construire l'algorithme avec un institut de recherche en intelligence artificielle, puisqu'on va avoir une architecture multimodale qui va nous permettre un d'analyser, mais aussi on est back-upé par une étude clinique. Aussi, Tinovente, en ce sens, de prendre toutes ces variables et de pouvoir vérifier et calibrer le modèle, le modèle qu'on est en train de construire. Ce que justement, vous êtes un AI Lab et ce que j'aime bien, c'est que c'est des scientifiques, c'est un climatologue. Et moi ce que j'aime bien, c'est que les climatologues, c'est des gens qui servent énormément de variables, des équations différenciées très complexes. Alors, l'analogie est incroyable. Il a jamais pensé à ça. Voilà, la météorologie de la peau, quoi. Tu vois, c'est un système vivant, comme tu disais, l'infiniment factorial. Qui n'est pas, c'est le plus large organe du corps, et il n'est pas analysé à 360°. On arrive à comprendre un moment, mais même quand vous allez chez le médecin ou la dermatose, ils ont allé une dizaine de minutes pour vous évaluer, mais ils ne comprennent pas l'historique de ce qui s'est passé les jours précédent notre visite. Donc par exemple, vous prenez le cas de Sarah. Sarah, l'habite à Jeunève. Pis Sarah, c'était elle et personne en visite chez ses parents, en trois semaines à Toulouse. La géronde était en feu, tout l'été, et sous-canicule pendant trois mois. Donc Sarah a déjà des prédispiositions naturelles qui font que, par exemple, durant sa phase menstruale, elle a de l'acné infamatoire. On a toujours traité sa manière ponctuelle instantanée, spontanée. Et puis, sauf que Sarah, nous, on va lui expliquer. On va lui dire, Sarah, et s'est pris de la canicule. Sa peau a absorbé une masse, un seuil de canicule. Elle a également absorbé particules fines liés au faux de forêt qui avaient dans toute la région pendant tout l'été. Elle a son cycle menstrual qui favorise cette canicule infamatoire. Et puis, en plus, elle était en vacances. Donc Sarah, elle dormait quelques heures parmi. Donc, cet effet cumulé a fait en sorte que Sarah, le seuil de sa peau, cette capacité de résilience, face à toutes ces charges à exploser. Et donc, nous, on a cette ambition-là. D'observer à 360°, qu'est-ce qui explique la peau? Donc, on regarde cette cause. Et donc, on est dans cette air de prévention, qu'on apporte de plus en plus dans la santé. Et, c'est l'ambition de Geoskin. Avec notamment l'idée que, des fois quand tu as une rougeur, c'est pas quoi faire. Alors, tu vas te demander à te répéter, tu vas te demander à qui tu peux. Tu avais tu une crème qui a peut-être doublé le truc. Non, c'est le truc. J'aurai que la conséquence, c'est pas la cause. Pas la cause, exactement. Mais alors, du coup, comment tu mesures? C'est ça, tu mesures quoi? Donc, Geoskin, c'est une application. Et donc, il y a trois couches de récupération de la data. La première couche, ça va être du déclaratif. Donc, tu vas te loader sur l'application chaque matin. Tu vas avoir un journal de bord à remplir, très court, qui va nous permettre de récupérer des informations sur la journée passée. Concernant ton higiene de vie. On aura déjà des informations concernant ton historique de santé. Concernant ton profil physiologique qui nous permettra aussi d'ajuster. Donc, on a dû déclaratif. On a de l'analyse photo qui nous permet de dériver plusieurs indications de la santé de tapots. Et on a les variables environnementales qui sont géolocalisés. Donc, première couche. -Bien oui, bien sûr. -Bien, bien sûr. -Bien, bien sûr. -Bien, bien sûr. Donc, on calcule le score sous cette base-là. Ça sera un abonnement mensuel. Ensuite, les personnes auront l'option de rajouter une analyse biologique. Donc, tous les mois, Sarah reçoit son kit, sa boxe, personnalisée, où elle réalisera son analyse biologique. Donc, nous, cette analyse nous permettra de dériver des biomarkers qui sont intéressants pour justement nous indiquer, qu'est-ce qui se passe en termes de physiologique? On rajoute à cette couche de déclaratif, de géolocaliser et d'analyse photo. Et à terme, et on est déjà R&D, et on a déjà un train de travailler avec nos partenaires, notamment ingénieurs sur le sujet, on a l'ambition de sortir notre propre device. Donc, aujourd'hui, il y a une multitude de device qui est ici sur le marché qui récupère des indicateurs. -Ton a un, là. -J'ai la oupe. -La oupe, là, mais voilà, mais c'est important, tu vois. -Je suis une femme inconditionnelle. Oui, là, mais si tu me vois. -Mais c'est quoi, device à l'an? -Bah, c'est des capteurs. Donc, on a différents types de capteurs qui permettent de dériver des indicateurs physiologiques. Donc, les plus connus, on a la oupe, on a la oura ring, qui nous permettent d'avoir des informations concernant le sommeil, des informations physiologiques, notamment sur l'aspect cardiaque, etc. Mais il y a rien qui existe sur l'aspect dermatologique. Donc, nous, on a en train de brefter, et on a en pleine phase R&D, pour justement. -Je n'ai pas nous dire à quoi ça ressemble. -Non. -C'est comme ça, "Malerman", qui dit qu'il va sortir un device, et tu ne te dis pas à quoi ça va ressembler. -On crée le momentum, le style, et quand ça se ressemble. -Je n'ai pas dans le coin, je ne sais pas. -On va aller voir, on va aller voir. -OK. Donc, tu disais l'équipe, c'est climatologue, chercheur. des médecins autour pour l'aspect des choses et les prochaines étapes, c'est ce qu'il y a pour Geoskin? - Pour Geoskin, j'envié de 1907 l'application d'algorithmes sortes aux grands publics. - Vous avez déjà une communauté de 250 personnes qui nous permettent de raffiner justement les différentes features que ce soit du produit, que ce soit l'algorithme, que ce soit du besoin aussi marché, donc aussi sur l'aspect business. Donc, Jean-Léé 2017, l'application sera prête avec l'algorithme et il pourra sortir aux grands publics. - Du RL, S, F, du Rian Fossmann Learning by Skin Feedback. - C'est ça. - On fait le truc. Et ben écoute, franchement, c'était super cool. Est-ce que t'as un petit coin, un attendant Geoskin, un attendant de l'appli grand public, le device? - Est-ce que t'as un petit conseil pour les gens que tu peux donner ou ce compliqué? - Demangez pas de produits, ils le sont transformés. - Ah, ok. - Bah, tu vois. - Mais c'est de utiliser l'intestion. - J'ai découvert un truc incroyable pour ne pas avoir des coups de soleil, je pourrais mettre de la crème. - Comment t'appelles ça? - La crème. - Tu mets de la crème quand ça évite d'avoir ce que j'ai fait de me brûler le nez comme la dernière fois. C'est un truc. - Vatre crème à protège des rayons UVA ou UVB. - Mais j'en mets pas du tout, mais c'est lui, il est la crème de la crème. - La crème de la crème. - Vraiment, en dernier point, moi, en discutant avec toi, j'ai découvert le nombre de variables environnementales, les variables personnelles. Évidemment qu'un d'armato il ne peut pas avoir toutes ces variables là pour. - Pour te donner la bonne recommandation en 10 minutes, et déjà, en plus. - Mais surtout, t'as un bouton. Tu prends rendez-vous chez ton d'armato. T'arrives. Tu l'as jusqu'à la veille et le jour du cléfe, tu l'as plus le bouton, tu vois. - Bah oui, parce que le rendez-vous, c'est d'armato. - C'est d'armato. - Et c'est fou, parce que cette métrie qui est partagée mondialement. Donc, prendre un rendez-vous d'armato, ça prend des semaines à des mois. - Ah oui, d'accord. Donc là, c'est le d'armato 24/24. C'est de chaussettes. - J'ai aussi la mission de Geoskin, c'est que les personnes puissent avoir une certaine souveraineté et se réapproprier leur santé de manière générale, mais ici, en l'occurrence, à santé de leur peau. Parce qu'on est. l'information pulille de partie d'autres, mais on sait pas quoi en faire. Et c'est justement ce qui. C'est une des problématiques d'ailleurs de notre communauté qui a été identifiée. C'est que personne ne savent pas quoi faire de leur peau. Ils achètent des produits ici et là. D'ailleurs, le panier moyen, des pensées en skin care et de 250 euros à peu près par an. Mais ça fait quoi en faire? - La formation pulule, mais avec Geoskin, t'as pas une pulule pas quoi. C'est un peu ça. - Oui, il y a, il y a, il y a. - Merci beaucoup, Miriam, merci beaucoup, Miriam. Merci beaucoup, on vous retrouve dans un an. - Merci pour la station. - Merci beaucoup. - Merci beaucoup. - Merci. - Et c'est parti pour une deuxième startup, pareil qu'à une énorme ambition de résoudre un problème à l'échelle mondiale. Ça, c'est Tico-Bio et pour ça, on reçoit Felix. - Salut, Felix. - Salut, Felix. - Tu as bien? - Ouais, t'as. - Et c'est tout va bien. Mais essayera encore mieux avec Tico-Bio. - On espère. - Alors, parce que est-ce que tu peux nous décrire ce que fait Tico-Bio? - Alors on est des moltes boîtes qui essaie d'appliquer l'IA pour faire des médicaments. - D'accord, l'IA pour faire des médicaments. - Exactement. - Ok. - Donc entrez surtout sur tout ce qui est thérapie genique ou parfois t'as pas de bol, t'énerric des gens qui sont pas si fou. Mais maintenant, grâce à la science, on arrive à corriger ça. - Mais parce qu'il y a relativement bien. - Parce que sans gênes, il n'y a pas de plaisir. - Non, tu vois. - Oh là là là là là. - Et t'es le même très gênance. - La gênance. - Une être avec des gens pas si fou. On connaît bien à la French. - Ouais, c'est un autre sujet. - Non, l'histoire. - Tu peux faire un point maladie génétique versus maladie du type cancer qui sont pas un certaine surgénétique. Mais c'est quoi une maladie génétique? - En général, ce qu'on appelle maladie génétique ou maladie monogénique. C'est quand pas de bol, t'as un gène qui a une petite mutation qui peut être. Qu'est-ce qu'on appelle recessive, t'as deux copies, qu'il marche bien, qu'il ne marche pas, celle qui marche bien arrive à prendre le tas sur l'autre. Parfois, pas de bol, papa et maman ont celles qui n'ont pas si folle. Quand ça t'arrive, t'as une petite maladie qui n'est pas incroyable. Il y a beaucoup de progression pour être capable de corriger ce genre de bêtises. Et du coup, fait qu'en suite, on peut relativement bien vivre. C'est aussi pas grave. - Donc c'est un gène où. Enfin, deux expressions géniques, enfin, de gène qui font qu'il y a une maladie qui a des impacts sur la santé des gens. Mais donc. Et qu'est-ce qui se passe, en fait, pourquoi les labes aujourd'hui? Enfin, les labes pourquoi, les sociétés pharmaceutiques, les développent pas ces médicaments-là? - Ah, ils le font. - Ils en font très très bien. Il y a même beaucoup d'efforts académiques. Donc on essaie juste de les aider à le faire mieux. - OK. - Parce qu'ils actuellement. - Comment, en fait, c'est. Pharma structurellement, c'est assez compliqué de développer une plateforme qui est utile à tout, parce que c'est une grosse boîte. Ça marche où genre chaque équipe fait des trucs dans son coin. Tu peux bosser sur quasiment la même chose. Il n'y a rien qui sera partagé entre les deux. Non, c'est l'itin, c'est marrant. On a vu que ça, c'est cluster apotique. Si vous avez vu les vaccins en base d'RN, tu dis "Tire, c'est vachement programmable". En fait, ça, c'est le truc programmable, original. Dans ce litin, c'est sympa. Peut-être si on générait plein de données là-dessus. On a bien comprendre les mécanismes et faire transformer ça en termes d'ingénieries pour le faire un peu plus cool. Honnêtement, Pharma aurait dû le faire. Alors moi, quand j'ai vu ça, je me suis bien sûr incroyable. C'est débile. J'ai fait un coup, mais ils gagnent trop d'argent et ils ont trop d'argent pour se retirer. C'est là où les startups apportent une autre vision avec quelque chose de vraiment plus sang. En fait, moi, ma question, comment ça marche en vrai? Quand ça marche en vrai, t'es dans l'étérapie génique ou ce qu'on nous en fait particulier? Ce que tu as tu fais? Ce que nous, on fait la particulier, c'est que les thérapies géniques qu'on utilise. C'est ça qui s'appelle de. Si il y a des spays et des domaines, il parle d'RN par l'interférence. C'est un bout de petite séquence de 20 litres. Enfin, 20 à 30 litres que tu mets en testé-lui, qui vont interagir avec ton RN. Donc, au niveau de l'RNM. Directement, au niveau de l'RN, ça s'accroche dessus et ça lui fait des trucs. Et donc, ça va transformer, ça va permettre de fabriquer les protéines que tu n'arrives pas à générer? Alors, ça, c'est ce qu'on fait avec. C'est un truc qui se fait, c'est un truc qui se fait, c'est ce que tu peux dire. Directement, ils vont en balgène et il est cassé de ses coups. Je le fais rentrer et il fera le truc. Parfois, t'es un jeune qui est cassé, mais en fait, ce que tu vas faire, il ne fait pas son travail, mais il fait un travail pour y. Donc, tu veux casser le jeune qui est présent? Ok, mais donc, ça veut dire que, en fait, t'as des thérapies qui vont au niveau de l'ADN, t'en as qui sont au niveau de la transcriptase avec l'RNM, et il y en a d'autres qui sont encore après, comment ça marche? Historiquement, la plupart des médicaments, c'est ce qu'on appelle les Smolmolécule, c'est un truc genre comme le Paracétamol, qui en général interagit au niveau des protéines. Ok, parce que c'est pratique, les protéines, ça fait pas tout. Si, on s'est les faire. Ça fait à peu près 25 ans que l'RN, en fait, c'est pas mal. Même si c'est intermédiaire, entre. C'est ça, et en fait, l'avantage. Il y a des protéines, c'est vraiment galère de rentrer dedans pour leur faire des trucs. L'RN, c'est de l'RN, c'est plus simple. Et puis, si avant l'oubliage. C'est ça. Donc, en gros, t'arrévues ça ce moment-là, parce que t'es des protéines qu'on appelle un drogue à bol. En fait, en gros, la manière en s'amarche une molécule, c'est un pain système de l'ocaineté. Tu rentes dedans et tu bloques un truc. Parfois, c'est bien caché, t'arrives pas à rentrer. Donc là, tu as directement attaqué l'RN pour lui faire des trucs. Soit le corriger, s'il a une bêtise. Soit le détruit, s'il ne fait pas bien. C'est d'ailleurs le truc qui marche le mieux. Il y en a, c'est à tout vite qui sont à prouver. C'est dans ce paye d'Orman. C'est dans le dernier paye d'Orman. En fait, tu vas aller te loquer sur l'RN mauvais. Et donc, tu vas pouvoir produire la prochaine mauvaise. Ou alors, tu peux te loquer dessus et lui dire, en fait, c'est comme ça qu'il faut faire. Fait bien s'il te plaît. D'accord. Et en fait, l'avantage de ça, c'est que vu que c'est directement au niveau de l'RN, ça se mesure très bien. Oui, c'est sûr. Conteste plein de séquences différentes pour nous, en mesure qu'on va se que c'est un pack tous les RN. Et ensuite, tu te donnes ça. Pour ensuite, c'est un problème de machine learning super visée, tout à bet, où tu es en mode. J'ai mesuré tout ce que ça fait. J'aimerais que ça fasse plus de. Et donc là, vous faites tout le machine super visée pour ces cas. C'est ça. OK, l'actuellement, ce qu'on va faire, c'est de monter un labo pour générer toutes ces données-là, parce que vous pouvez repousser les cellules, les traiter mesurer. Et ensuite, avec ces données-là, on va pouvoir entraîner nos modèles pour essayer de faire des médicaments. Donc, vous faites des médicaments, on est d'accord, c'est ça, voilà. Donc, ça, parce que tu vois, le truc, si vous pouvez des mains, on disant, on fait des outils pour que les boîtes de fermet. Non, des médocs à la foot. Non, d'ici, 12 mois, on veut des médocs dans des bras de passion. 12 mois à la vache. C'est combien, normalement, de sortir médicaments? Alors, en fait, ça dépend si tu fais un vrai médicament, un vrai médicament, un truc immédiant d'art. Ça coûte entre 200 et 200 millions et 1 milliards. Et 7 à 8 années de développement. 7 à 8 ans. Nous, on basse sur la thérapie personnalisée. Parfois, en fait, à des personnes qui ont juste eux avec une mutation qui est pas incroyable. Il n'y a pas de médicaments qui existent. Et dans ces conditions, tu peux développer un médicament rien pour cette personne. C'est fait pour la première fois en 2017. A Boston Children Hospital, où il y avait une fille à Milan qui avait la maladie de Bataine, pas très faune. 40 crises épilées par jour. Et sa mère s'est dit, tu sais quoi? Je connais rien, la bio, je connais rien, la bioteque. Mais j'ai un point qui est vivant. Donc elle a récupéré les scientifiques pour aider à développer un médicament pour corriger cette mutation. Donc, tu veux dire qu'avec Ticobio, dans le futur, la grande vision, c'est qu'on sera capable de développer des thérapies géniques au niveau de la personne, pas forcément de la maladie pour la personne. Alors, en fait, de la personne, quoi? Ça, je sais que t'as envie de me dédamme lancer des fleurs, mais ça, il y a beaucoup de scientifiques qui le font très bien. Avec beaucoup d'associations qui le font très bien. On a déjà une centaine qui ont été fait. Ça coûte un peu cher. Il n'y a pas de l'industrie, il n'a pas, parce que tu peux pas gagner d'argent avec ça. En fait, ça coûte trop cher à développer. Nous, on est prêt à aller faire aperte. Parce qu'en fait, c'est nous permettre de montrer qu'on sait faire des médicaments. Parce que des boîtes directs, ils disent, "ouais, t'es quitté, j'ai un super agent. Il y a de faire des médocs, t'inquiète. Et t'as jamais touché une blouse de danse de vie." Il y en a beaucoup. On se dit qu'il n'y a de capables de dire, "Bah, tu sais quoi? Moi, je prétends que j'ai fait des médicaments. Je veux te le montrer. Je veux aller voir des patients qui n'ont pas d'autre respos. Si ça marche, et si ça ne marche pas et que je raconte n'importe quoi, je sais pas si je veux en prison, mais en tout cas, j'aurai des problèmes. C'est des valideurs felines. Super, en faule. Super, en fauleur. Litteralement, c'est le nanoreur. Il y a son personne qui l'ont sur la planète. Dans le niveau régulation, je crois que t'es limité à 15. D'accord. Mais nanore, une sur un milliard. Vous n'avez 8 milliards, il faut 8 personnes. Il y a raison. Exactement. J'avais pas réalisé que c'était ça, mais oui. C'est probablement ça. - Non, non. - Non, c'est ça. On m'a appelé le Seigneur de Nano, donc. - Mais alors, attends, ça ressemble à quoi, en médicaments, c'est une injection, c'est un cachet, c'est. - Alors, sur cette cluster apétique, en particulier, c'est une injection. - Comme l'injection, on va y rendre messagé, qu'on est. - C'est ça. - On est reconnu. - Un peu plus complexe, si tu veux, c'est pas bien utilisé pour tout ce qu'elle me l'a dit. On aura des génératives, au-dessus du coup, tu le fais en injection intratéquiale, donc dans la molépinière. - D'accord. - D'accord, un peu taquin, mais encore une fois tu fais pas ça pour un rume. - Sinon, pour tout ce qu'elle m'a dit du coup, aujourd'hui. - C'est un peu lourd. - Pour info, je le loin, une fonction lombaire, il y a trois ans. - T'as aimé. - J'ai rien senti. - Mais. - Je lui ai réalisé trois semaines à taille. - Il y avait un temps. - Mais quand on s'est arrêté, j'ai senti des trucs dans mon corps, que je n'avais jamais senti. - C'est pas limite. - Quand je me suis arrêté, t'es tout courber. J'avais la transpie des bras de. Mais je le tiens à le dire, parce que si jamais, tu peux me aussiter, je n'ai pas eu mal. - Mais par contre, je le referais pas tous les jours. - Oui, c'est sûr. - En fait, pour ces jours de thérapie, tu dois le faire tous les trois mois, c'est un peu relaud. - Un peu. - C'est ça. Après, en général. - Donc, l'équipe, vous êtes combien aujourd'hui? - Aujourd'hui, on est 5, on va prendre passer à une type d'isane d'ici un an. - Et que des docteurs, que des chercheurs, que des. - Pour le moment, oui. On ne va pas en avoir de venir sans être docteur. Elle se trouve qu'actuellement, tout le monde est docteur. - Même si le docteur pire, tu dis pas MD. - Parce qu'il y a beaucoup de chercheurs pour devenir entrepreneur. - Non, on va faire l'épisode des sitios sur les nouveaux sitios, peut-être que les sitios, les types sanitifices officieurs, les nouveaux chez les champs, sont les prochains sitios, c'est le cas de Cercat de Ticobio, quoi. - En fait, surtout en biotech, c'est qu'à peu près tout le temps le cas, parce que c'est un des rares trucs qui vont avoir synthétiquement respecté. - Tu peux baratiner en tech avec un produit qui est un peu faux et qui marche pas très bien à étarier à pipoter. Moi, j'ai la FDX qui dit, si mon médicament, il marche ou pas? - La FD est la food and drug administration qui est l'autorité américaine. - Mais c'est qu'ils sont encore les soldats? - Oui, c'est qu'ils sont encore. - Travignons aux Etats-Unis, pendant mon visage, je ne ferai pas de commentaire, mais surtout pas. - Mais donc, vous l'idée, c'est de créer des médicaments. Et le modèle de revenu, c'est de la vente de médicaments directs, c'est la licence à des grands qui vont produire. - Le modèle de revenu, en fait, c'est vendre la licence de médicaments un peu plus grandes populations à de la ferme. Ce qui, en fait, est le business qui a peu près toutes les boîtes d'illets, c'est de faire parce qu'on sait pas faire du manufacturing. On n'a pas une force de frappe commercial pour aller voir tous les médecins et dire, "Eh, mon nouveau médeau qui est génial, du coup, en fait, en général, dans toute la biothèque, le seul modèle économique, c'est de vendre la ferme, ou ceux qui font la commercialisation et le manufacturing. Et du coup, on fait pareil." Un très bon exemple plus mature que nous, ça s'appelle "Chai Discovery", qui a une boîte super smart, d'ailleurs, on partit fait par un français dans cet d'acquemier Jacques Boîtro, génial. En fait, au gros, c'est marreau, ça, c'est ça le modèle. - Femme, dis-je, j'ai envie de taper ça, tu le tapes mieux et tu le chacques. - En gros, t'as les bendicaments blockbusters qui sont faits par les grosses format, qui sont vendus à l'échelle de la planète, qu'elles rachètent des prix d'or à des biothèques. T'as les maladies, nanorards, qui sont elles par un camp de marché, mais on est dans la prof scientifique ou la sauvetage d'une personne. Et en gros, c'est moi qui donne un chiffre de pareille tout, mais t'as 80% des maladies génétiques qui font 20% des maladies, des peut-être du marché, mais qui sont énormes à l'échelle d'une startup. Et vous, vous faites potentiellement un lap de recherche et des brevets de la propriété intellectuelle pour tous marcher là, quoi. Non, en gros, l'idée, c'est de taper après tout ce qui est faisable en maladie génétique ou t'as des gros blockbusters. Il se trouve aussi, par exemple, la nouvelle version du GLP1, lié, c'est de le faire avec cette technologie. Parce que parfois tu veux casser un truc parce que t'as une mutation qui n'est pas bien. Parfois tu veux casser un truc, genre, bah, dans le GLP1, ça marche, ça fait le taf. Pareil, t'as des travaux là-dessus sur la ciruse du foie, où c'est que c'est un petit qui marche très bien. Je comprends que je m'étris pas la Belgitue, mais t'as une protéine que t'as envie de désenguer, ça fait le taf. Et du coup, tu fais ce genre de technique. Et moi, tu m'as appris qu'il y avait une. Vous faites donc de l'IA, l'IA fait vraiment partie intégrante de vos techniques-nous. Mais vous faites de la biologie computationnelle, c'est ça. Vous, quoi, vous simulé la biologie avec de l'IA? La biologie computationnelle, c'est un moment un peu compliqué pour data scientists avec des données dans la format de merde. Ça s'appelle aussi bioinformatique. D'accord, correct. ISO morphique, quoi, ils ont sorti, ils ont voulu arrêter à digitale biologie, il y a toujours un nouveau nom. Grosso Mérdo, c'est faire de la data science un peu simpliste, mais en comprenant les données avec qui tu travailles. Donc, modéliser la biologie au maximum qu'on peut faire. C'est ça. C'est un peu ça. Ok, les prochaines étapes pour Ticobio. A prochaines étapes, c'est faire les premiers patients. Chippé des médaques. C'est ça? Chippé des médaques. Il y a que ça qui compte? Oui, y a que ça qui compte. C'est vrai. Vous allez t'arguerter, vous allez t'arguerter, vous allez t'arguerter. Ouais, ça fait un an qu'on travaille avec les deux plus grosses et la soeufs de maladie de nanorare. En fait, on a fait un personnel avec où on leur dit qu'on fallait médaque à coup, ou à perte. Ce qu'en fait, personne veut faire ces médaques, souvent, c'est un post-doc un peu à la rache. Donc ça, tu leur dis, bah, t'as son perso, tu ne s'occuperas de vos médaques, tu sais, c'était mon machin et vous allez voir, ça peut caler mieux. Alors, je leur montre en détail la science que je fais parce que le médecin comme ça, mais il n'a pas envie de mettre son nom sur n'importe quoi et on respecte les patients, mais ouais, gros, c'est ça. C'est quoi à perte? C'est 200 millions à perte? Non, parce que justement sur les maladies ultra, enfin, ce qu'ils font les essais cliniques, il faut faire sur les médicaments, c'est les essais cliniques. Alors, en gros, une farmale va mettre quoi? 5,6 millions pour designer le médecin et 300 millions pour savoir si ça marche. Les électriques, c'est juste savoir si ça marche. Le design, en général, je pense qu'il a passé d'argent qui a mis dedans. Nous, le design, il est à. je peux envie de dire le prix parce que je l'ai réglé, on me dirait que j'ai mis 30 euros. Mais bon, pas 200 millions. Non. En gros, enfin, en gros, sur ce genre de design, c'est une clio? Ouais, c'est plus qu'une clio, mais c'est moins de 500 000 ballons. Non, parce que ce n'est pas un sujet pour les gens qui sont de maladies nanora, où tu dis, personne va le payer, mais si il faut lever 200 millions pour sauver une personne, c'est pas pareil que de lever. Non, mais quand tu regardes combien coûte un cancer à la assurance maladie, tu vois? Ah, mais tu sais faire ton lendemain si tu veux, même pour 10 personnes, ça coûte un million. La assurance maladie, de fait, elle va payer, tu vois? Oui, mais si. En tout cas, très grosse ambition. Mndialement, si. Aux US, ouais. Aux US, la barre, c'est 300 000 ballons par repartement. En France, on est à quatre ans. D'accord, mais mondialement, c'est ce que ça veut dire. Ouais. Et donc, Ticobio, le nom, ça vient d'où? Ticobré. Pas de question. Ticobré, un scientifique d'Annoi, qui a fait plein de mesures astronomiques, qui a fondé les bases pour Rueleur et Newton. Et on pense que dans l'IA, si compte, c'est les données, et que j'aime bien mesurer des trucs, ça a été un peu plus frais. Ok, mais écoute, c'est ouf, enfin, ça veut dire que des gens travaillent sur la fabriquée médicament, un grand déchel, sur des maladies rares, auquel le marché et le capitalisme ne s'est pas intéressé. Mais là, maintenant, la technologie permet de le rendre solvable. Et c'est inspirant. Et Mélie, toi, tu penses que tu as une maladie non-noi ou pas? Bah, je n'ai pas encore, je serai plus tard. En fait, moi, j'ai un peligence, c'est ça qui m'a dit que l'on a tous un peu des défauts génétiques. Il y en a qui ne sont pas très gênants, mais finalement… Moi, je suis Biblioman. J'achète des livres et je les accumule en lisant que la quatrième de coberture. Et tu les lis ou pas? Quoi? Tu les lis ou tu les lis pas? Bah, je lis la quatrième de coberture. Tu les détruis et tu les scannes pour faire des "IA" ou pas? Et le pire, c'est que je corne un peu les pages pour faire croire que je les ai lu. Ça fait pas, je sais pas avec mes warramers, j'ai une pille, faut pas le dire, hein? Bah oui, tout ce que tu as mis, moi, c'est les seules, c'est les légaux. Et vous? Je n'ai pas le problème. Vous t'avez le fait un peu d'argent? Ouais. On a fait une petite levée de 4 millions, il y a quelques mois, et on en train de faire la deuxième osu-s un peu plus conséquent cent. Et on va recruter… on va recruter 4-5 personnes sur l'année à venir. Ok. Bah, si les assisteurs français européens et tout ça qui s'intéresse à la format, ils n'étaient pas, parce que sinon tout ça, mais le marché reste quand même américain pour ne pas. Ok. Ça va même, en fait, niveau régulation, les médicaments ultra-rare, le geneton a été assez énervé avec la régulation française là-dessus, ils arrivent pas à mettre des médicaments dans des bras de passion. Ok. Si tu arrives à convaincre les français, que ça serait bien qu'une boîte française qui fait des médicaments en France arrive à les mettre dans… arrive à aider des patients français avec, qui suis preneur, même à l'horrosement dans des patients ameriques. Et voilà, à mon moment donné, oui, c'est ça marche, enfin, ça va. On le fait à coup, on va perdre. Et Jb, il va passer 2-3 coups de fil, tu vas voir, tu vas voir ça à bouger. Merci Felix, franchement, c'était super cool, Tico bio, merci Felix. Merci Felix. Le troisième startup qu'on reçoit, c'est Antalpique et pour Antalpique, on reçoit Alexandre. Salut. Bonjour à tous, bonjour à tous les trois. Ecoute, comment ça va? Bien, super bien, très heureux d'être là, merci pour l'invitation. Et là, c'est une excuse qu'il y a à la French, tu vas les expliquer, est-ce que on va faire Antalpique? Mais moi, c'est le sujet qui me tient à cœur, parce que l'ingénieur matériau que je suis de formation, et je me rappelle de mon directeur qui m'isait, vous n'êtes pas l'ingénieur de formation, vous n'êtes pas l'ingénieur matériau, M.Joui, où vous êtes un entrepolleur, et je suis aussi un ingénieur, on va te faire voir. C'était de même qu'il dit "C'est la France", c'est la France, c'est ça, c'est ça. Ah oui. C'est une logique, t'étais ingénieur comme ça, mais tu ne l'as jamais prouvé, hein? Mais je n'ai jamais prouvé, je t'enverre le diplôme de l'inSalion, et j'ai monté, et j'ai monté, donc une nana technologie avec un de mes profs, tu vois, sur un projet de fin de PFA, mais dit, ça t'intéresse de venir un jour parler de ce que t'as fait dans ta vie, dans un plateau, dans la frête. Donc, on reçoit Alexandre, et donc Antalpique, alors, est-ce que tu peux nous dire ce que faire Antalpique? Eh bien, avec grand plaisir, Antalpique, c'est une boîte d'ia, premièrement, qui est basée à Paris, on a une trentaine, on a saçon, elle fait la juste à côté, et on essaie de découvrir des nouveaux matériaux. Donc, au matériau de toi, tu sais, les gens savent pas forcément, on essaie de découvrir des matériaux notamment solides, donc des batteries, des panneaux solaires, des semi-conductors, donc toute la nouvelle génération de matériaux, et enfin, avec de l'IA, sur aujourd'hui, le bottleneck, c'est que c'est des chimises qui sont dans des labos, qui doivent essayer de trouver des nouvelles formulations de matériaux qu'on pleine de propriétés différentes, pleine contraintes qui vont pouvoir servir pour la production à l'échelle et les clients ensuite, et donc c'est hyper compliqué d'aller trouver le matériau qui va servir la bonne application. Donc, nous, avec les clients, on va non seulement générer les matériaux, donc on a des algorithmes, génératifs propriétaires, on va les prédire tout à ta propriété à l'échelle atomique, de temps en temps, donc vraiment, modusant les interactions entre les atomes, mais aussi à l'échelle macro, et on va réduire le nombre de quantités à matériaux qui sont intéressants pour une application, jusqu'à aller en faire quelques synthèses dans un labo et améliorer, accélérer la vitesse à laquelle on peut découvrir ces matériaux. parce que nous, justement, dans un épisode il y a très long. J'avais parlé d'un projet peu de sourds qui s'appelle Gnome, qui est la Google à générer énormément de matériaux. Le problème c'est parfois, c'est pas si ils sont synthétisables. En tout cas, ils sont théoriquement faisables, mais on sait pas si on peut vraiment le créer. Et donc vous allez jusqu'à la preuve qu'on peut le créer. Carrément, nous, on est assez intégrés verticalement, donc moi, je connais très bien Gnome. Effectivement, on a, on a, on nous était sur les mêmes sujets, au même moment. Et effectivement, ils ont fait un gros coup de comme, où ils ont dit avoir découvert des millions de nouveaux matériaux. Mais ce n'est matériel dans le cloud qu'on n'a jamais été effectivement testé dans un labo. Et la fraction de matériaux que tu peux synthétiser par rapport à celle qui est testée. Allez, relativement en faible parce qu'on ne sait pas forcément comment faire une structure. Et en termes d'y-a de ce que j'ai compris, vous avez une couche en dessous, qui est vraiment la, c'est quoi ce terme la chimie computationnelle? Oui, vous avez les agénératifs au dessus, par contre. Parfaitement. Donc quand tu joues les deux y-a, c'est quoi ce dual mode de l'y-a? Et bien, on a, en fait, un frémoque, c'est appel le RL-viar. Reinforcement Learning with very terrible reward. Donc t'as des algogénératifs qui vont créer des structures de matériaux. Donc t'imagines tes petits atomes en 3D dans l'espace que tu positionnes, etc. Et ensuite, tu as des d'autres modèles des modèles prédictifs qui vont prédire ses propriétés. Donc l'énergie, la jureté, les meules stress, le strain. Donc il y a plein de propriétés intérêts qu'on va prédire, en fonction du cas d'usage. Et ça, ça va guider l'algogénératif pour qu'il a exploré l'espace chimique en fonction de à quel point c'est prometteur. Ok. Et c'est quoi comme matériaux? C'est du métal d'Opé, c'est des cristaux, c'est des trucs 300, c'est des trucs pour faire des panneaux voltaïques. C'est quoi, les capacités? C'est une super question, les matériaux, c'est assez large, vraiment cool. Non, on était assez large au départ. Donc on a fait des cataliseurs, donc tout ce qui accélère la réaction chimique. Donc plutôt des matériaux solides que tu dises dans sa réaction. On a fait des batteries. Donc des batteries plutôt solides, lithium-ion, un peu classique. Et là aujourd'hui, on est sur les semi-conductors. Donc tout ce qui est plus d'ordinateurs, donc on travaille beaucoup. Les matériaux d'Opé par exemple, comment on va d'oper les choses pour les semi-conductors, pour les bateaux? Exactement, on fait tout. On fait les semi-conductors, donc les plus de mémoire, les plus de logique, etc. Et on fait aussi comment on va les manufacturer. Et donc c'est plus, donc tu trouves qu'elle architecture de plus va être globalement ou qu'elle matériaut dans ces plus, va être les plus performants. Et ensuite, comment tu les confectionnes? C'est-à-dire qu'elles sont les molécules qui vont permettre de déposer de créer ce matériau et qu'elles processent de fabrication doit être utilisées pour créer cette couche fine de matériaux. Donc tout ça, à l'échelle atomique des matériaux très haute précision. Et voilà. Quand j'y vais, tu dis d'Opé en matériau, c'est. Voilà, c'est de mettre des impuertés pour changer ces propriétés ou lui donner de certaines propriétés. Comment ça c'est des impuertés? C'est-à-dire que tu le rajoutes de la perfection à un matériau. C'est pas de l'impuerté. Bon, d'autres sacs, donc beaucoup de matériaux, ce sont les impuertés qui leur donnent énormément de qualité. Par exemple, l'acier, c'est du faire avec du carbone pour justement leur donner un peu plus de qualité. Donc les impuertés, ça dépend. Ou les défauts, on dirait que c'est un peu l'idée. Non, moi, je trouve ça super cool. Mais la question, c'est qui? C'est qui, tes acheteurs? Aujourd'hui, dans le domaine des sumis coudors, on a trois types d'acheteurs. On a les gens que tout le monde connaît, les Nvidia, les Intel. Donc eux, ils vont nous demander des nouveaux sacs de matériaux. Ensuite, on a ce qu'on appelle les Equipment Providers. Donc, c'est les gens qui vendent les machines pour aller fabriquer ces plus. des machines très, très techniques et difficiles à manoeuvrer. Et ensuite, c'est les producteurs de chimie. Donc plutôt, les R-liquides, les mercs, qui eux donnent toute la chimie, les matériaux un peu premiers, que tu utilises pour aller faire tes matériaux fantes et plus tes batteries, tes panneaux solaires. Donc vous vendez des trucs à Nvidia, parce que l'argent d'une Nvidia compte doublant. Quand tu veux un truc à Nvidia, je sais que c'est. Voilà, je ne peux pas en parler. Mais ça veut dire que vous allez, en fait, du coup, brefter ces matériaux. Oui. Et puis voilà, en vrai, c'est cool. Enfin, je n'ai l'impression. Et en fait, c'est cool, parce que, du coup, vous êtes en plus hyper, comment dire. C'est assez facile de mesurer le succès, quoi. Moi, j'ai une question assez pragmatique et un peu idiotes, c'est que les startups, nous on voit assez bien ce que c'est quand tout le monde est derrière un PC. Là, vous faites de la fabrication. Comment on fait ça dans Paris, à l'exerre de Paris? Vous testez, vous êtes dans un lab, au recherche. Comment? Là, vraiment, la partie, OK. Bon, le design en 3D, c'est bon. On imagine que c'est facile. L'IA, etc. Et là, comment je le fais, quoi? Donc, c'est une super question. Nous, on ne le fait pas en interne aujourd'hui. On a ce qu'on appelle un réseau de laboratoires. Donc, des gens au Canada, au US, en France, en Allemagne, qui sont sur différentes verticales. Et donc, on a des chimistes en interche en TAL-PIC, qui font la coordination avec ce laboratoire de chimie. Donc, ils sont, effectivement, pas d'empareils, parce que le prix des mobiliers ne le permet pas. Et qui, avec qui, on en contactent en continu. Et eux, ils synthétisent, ils manufacturent, ils nous donnent les résultats. Et ça, ça vient en fuel notre plateforme d'IA pour qu'on aillent updatez nos modèles et être de plus en plus pertinents. Et alors, combien de matériaux vous avez découvert? Et si c'est zéro. Parce qu'on peut. Parce qu'on peut le dire. Et quand est-ce qu'on peut espérer le premier matériau? Ah, déjà, c'est des prêmes longs. Donc, forcément, c'est pas facile. Et puis, à plusieurs stades. Donc, t'as découvert des matériaux que t'as même synthétisé à l'échelle du laboratoire. Donc, ça, nous, typiquement, on l'a fait sur la catalise. On l'a même fait sur le domaine des batteries. Sur les semi-conducteurs, même si je l'ai fait, je pourrais pas en parler parce qu'on a avec des clients. Et ensuite, ce matériau, une fois que tu l'as découvert à l'échelle du laboratoire, il faut le passer à l'échelle. Il faut y'a plein de tests. Et par exemple, quelle propriété il avait le. Je vois, la catalise ou. La catalise. Qu'est-ce qu'il rendait intéressant? Nous, on voulait un bi-metallique. Donc, deux ou même tri-metallique. Donc, deux ou plus éléments au sein du même matériau. C'est des toutes petites particules. Donc, c'est trois nanomètres environ. Donc, c'est tout petit. Est-ce qu'il rend intéressant? C'était propriété de catalytique. Donc, à quel point il va accélérer une réaction chimique. Typiquement, l'électrolyse de l'eau. Ça demande beaucoup d'énergie. Et avec un bon cataliseur, les réactions chimiques qui vont se passer. Fait que tu te dises moins d'énergie pour obtenir exactement le même quantité des drogènes. D'où le nom sur l'antalpique, HG et tout ça. Exactement. D'où l'antalpique, l'antalpique. Voilà, l'antalpique matériau. C'est l'antalpique. Pour la chimie, c'est nulle. L'antalpique, c'est mieux pour ceux de l'antalpique, c'est vachement mieux. L'antalpie en chimie. Moi, je dis que le business model, c'est quoi? Le modèle de revenu, c'est l'antalpique. C'est un super bon point. Donc, on fait des brevets. Mais on vende à licence. Et vous pensez produire-vous même ou faire produire par d'autres? Oui. Et personnelle. Du coup, il y a sur les différents marchés qu'on adresse ou les différents acteurs. On n'a pas forcément le même business model. Donc, pour le côté, c'est effectivement précurseur et chimie. Là, on va avoir de l'IP. Donc, on a. On va co-développer les matériaux avec les gros producteurs. Et on aura une partie, qu'on se rappelle des royalties. Donc, c'est une partie des revenus qui vont engendrer sur les matériaux qui vont manufacturer et vendre à TSMC. Donc, ça, c'est vraiment IPBase, donc très brevets. Par contre, on a aussi des offres de co-développements plus en mode SAS, plateforme, où on va aider à optimiser le matériau, le process pour le faire, voir avoir des très gros contrages en moonshot avec Nvidia où il nous passe 10 millions, et on va trouver les nouveaux GPUs de demain. Et donc, ça, c'est plus paiement upfront en une fois et on fait le projet avec. Nvidia, si je trouve le prochain depuis demain, c'est 10 milliards. Après, est-ce qu'on pourrait capturer toute la valeur? Non, malheureusement, mais bon, on essaye. Et justement, moi, ça me parlait avec une tendance qu'on avait dit de la dernière fois. C'est qu'aujourd'hui, tout le monde dans l'IA vend du modèle et du token. Mais il y a le prochain modèle. Ce que c'est votre modèle, c'est au contraire de pas vendre du token qui ne capte pas assez de valeur et qui délule l'intelligence. C'est au contraire de garder l'intelligence du modèle pour faire des produits. Et c'est un peu ce que vous faites. Vous pourriez vendre le modèle au token à au boîte à sangobain, à de bois à St-Micro-Electronique à Nvidia. Non, là, vous gardez l'intelligence et vous l'aime pas cagé dans l'intelligence dans l'intelligence intellectuelle. Oui, exactement. Non, on n'est pas du tout sur un mode opératoire très horizontal et c'est de toucher le plus de gens possible, mais du coup, avec un mode de fonctionnement par token, où tu capes assez peu de valeur à chaque fois. Non, on va profondement dans des personnaliaires avec des acteurs très spécialisés pour faire en sorte de capturer plus de valeur socialement. Donc, on paquette de l'intelligence. Il y a des enjeux aussi de comment utiliser les données des clients qui ne veulent pas les partager, parce que, si vous parlez de ASMR, les compagnies, il ne veulent pas donner leur données. Et du coup, il y a un tout un enjeux de comment t'arrives à paquettier ton intelligence pour pas qu'ils la voient et en même temps, pour aller taper dans les données du client pour l'aider à être de plus en plus efficace dans sa RID. Voilà. C'est génial. J'attends de voir. Il va falloir y aller. Comment dirais-je? J'ai article de presse. C'est un antelpique, discover, tu vois, le menu, le truc, machin. Il y a trois particules de trois nanos. On s'en fout. Ça c'est la front page. C'est la main. Moi, je vous jure. C'est la main. Mais celui de l'enverreur d'avant première, c'est l'arrivée. Faire des batteries beaucoup moins cher. C'est un sujet hyper important. En fait, on ne se rend pas compte. Les matériaux, c'est des nouveaux et des nouvelles protestes, des nouvelles membranes, c'est des nouveaux, des subducteurs plus performants, c'est des batteries plus performantes. C'est des plus durables de tout. Parce qu'on ne se rend pas compte. La cumulation de valeur, elle s'est faite sur le software. Mais en fait, derrière, en dessous, en dessous, on est vraiment sur des grosses couches matériaux. Donc ça, c'est hyper cool. Vous êtes combien aujourd'hui? On est 35. 35, et vous avez levé déjà un petit montant? Oui. On a levé 9 millions. Enfin, 8 millions 7, c'est à deux ans et demi. Et donc voilà, on les utilise très bien. Et en relève-ra, je pense bientôt, ici, pour continuer à grandir. Voilà, allez. Titier les concurrents américains qui ont émergé aussi entre temps. Et surtout, allez grossir l'équipe, allez toucher de plus en plus de marchés, comme tu dis. Petite anecdote, vous êtes aussi très connue pour un projet open source? Oui. Il s'appelle? Le matériel. Le matériel. Parce que les matériaux, c'est la vie. Tu le disais, on le soucote souvent, mais il y en a partout autour de toi. Et on a un projet du co-open source. On vient beaucoup, il y a beaucoup de doctorants dans notre équipe de chercheurs. Et on a envie aussi de redonner à la communauté open source. Et du coup, on a fait par le projet de data set, de benchmark, de modèles, avec beaucoup d'acteurs du domaine, donc des preuves du MIT, de l'OPFL, auging face. Donc voilà beaucoup de gens en connus dans l'open source et on essaye de temps en temps voilà de redonner un peu à la communauté scientifique de s'appuyer sur leur support aussi parce que c'est un prème qu'il y a long les matériaux c'est dur à trouver et j'espère avoir un article bientôt qu'il le prouve mais et je vous l'espère on peut être très Nobel de physique ou prénombelle de chimie pour en talpique un peu comme un des mi-sa-sa-mi-sa-cronique et on leur laisse trois mois voilà on leur laisse trois mois la question sur tous les gars pour noël ce serait un beau cadeau et c'est cool parce qu'il y a plein de start-up français des labias qui commencent à le même dans l'open source donc il y a plusieurs projets open source en ce moment donc le matériel il y a le world model de yann lequin il y a le robot de rémi-cadène de le jepa donc ce que je veux dire c'est cool il leur a quoi là ils veulent faire le citation je vais faire le proverbe mais il y a voilà il y a un petit french maxi il y a un petit franco maximisation dans l'open source le projet que l'on essaye avec un le quoi et bien écoute merci beaucoup à l'exemple merci à un plaisir c'était en talpique et puis on va recevoir la prochaine start-up une nouvelle start-up d'un stépisode et là on va parler de série temporelle avec j'offrait bienvenue j'offrait j'offrait merci merci pour l'invitation mais écoute merci en plus c'est cool il y a le t-shirt de forecasting campagne derrière on voit encore mieux vas-y c'est brandé et damelle en fait c'est cool parce que quand t'es en conférence tu vois ça fait un affichage de plusieurs mille personnes c'est très malin donc série temporelle c'est le français pour time series en gros on fait des simulateurs qu'on peut poser dans n'importe quel boîte donc si t'as envie de enfin tu vois si c'était un entreprenant ou c'est un chef d'entreprise tu en général t'as envie de prendre des bonnes décisions pour ta boîte et pour ça c'est pas mal de simuler le futur pour voir ce qu'il va se passer selon différents scénarios etc non on fait des modèles qui s'adapte à ce que t'as comme donner qui regarde tes transactions qui regardent tes revenus qui regardent le prix de l'électricité ou la météo ou tout ce genre de choses et quitter d'assimuler pour que tu puisses prendre des bonnes décisions derrière donc vous prenez les données passer sur je sais pas si moi un an je sais pas que tu ne dirais que le durer pour potentiellement prédire s'il n'y a pas d'éveillances qui va se passer prédire ce qui va se passer afin d'anticiper quoi absolument peut-être point de sujets c'est que c'est multidimensionnel c'est à dire que tu as injecte ce que tu prédis c'est pas forcément ce que tu as injecte quoi alors si dans le sens va dans le sens où il faut que tu mettes la donnée historique pour ce que tu veux prédire donc si tu veux prédire par exemple combien de sticker à la freine je fais dois tu l'utilise tous les mois et combien tu as besoin d'en imprimer du coup il faut quand même un historique sur d'accord sur ce que enfin ce que t'as vu dans le passé mais quand il y a un event un gros spike de sticker et du coup ça c'est le genre de choses qu'on peut ingérer aussi en plus et vous vous attaquer à quel marché aujourd'hui on est on est horizontal donc les cas d'usage principaux qu'on regarde nous c'est tout ce qui auteur de l'énergie parce que la gestion d'énergie avec le compute etc c'est vraiment à la fois ça plus les renouvelables c'est un sujet hyper d'actualité en grosses croissance aujourd'hui prédire la demande d'énergie C'est à dire la demande est prise d'énergie pour faire du trading, en fait, pour acheter l'énergie en avance à un prix donné. Ça, c'est des choses qui sont clés pour gérer des datacenteurs ou des grosses usines ou ce genre de choses. Mais il y a aussi tout ce qui est gestion d'amontaire ou gestion de staffing, tu vois, la workforce, tu vois, imagine une boîte comme Starbucks. Selon les pics de demande, ils vont mettre plus ou moins de gens à certains endroits. Donc on peut aussi aider à faire ce genre de choses. Et c'est le même modèle, en fait, qui est utilisable pour tous ces cas d'usages-là. Et c'est un modèle, il fait qu'elle t'aille sur modèle. J'ai baie, il a le pauvre, il a la journée. J'ai en train de me dire Starbucks, tu vois, c'est en train de me dire, putain, je dois gérer la workforce de Starbucks, un fait mal au crâne, quoi. Non, on fait juste la prenait, la partie prédiction de demande. Alors du coup, moi, je suis curieux, c'est comment un jet, dire en gros, tu dis "mettons, j'ai un ensemble de données". Ouais, je mets toutes dans. Allez, tout le monde dans. Non, on peut prendre jusqu'à un million de signaux différents en contexte. Et c'est pas forcément contigué, en plus, hein. Voilà. Et je dis, dans tous ces signaux-là, j'aimerais trouver une correlation sur, du coup, je me dis que tu dois choisir un ensemble de signaux. Alors justement, on peut prendre un million d'affilée, c'est pas obligé d'en choisir, enfin ça dépend qu'on vient de prendre un million de. On peut prédire le million de collection entre eux et une correlation entre eux, absolument. Ouais, c'est un million, c'est le décembre, un million de signaux, même temps, quand même. Mais en fait, si, dans le sens où c'était un grand retailer, des centaines de milliers de références produis et ta des centaines aux des milliers de magasins, tu vois. Et donc, si tu veux prédire à l'intersection des références produis magasantes, en disant de millions, centaines de millions tout de suite. Mais attends, mais c'est presque un organisme vivant, l'histoire, en fait. Et en fait, nous, on fait le parallèle, tu vois, si je sais pas pour ceux qui connaissent le robot figure 2. Ouais, donc figure 2, ils ont un système où tu contrôles tout le robot parce que tu as l'input de tous les capteurs sensoriales, de positionnement, mais aussi de toucher ou de vision, etc. Et après, tu vas fider ça avec un input texte qui décrit quelle est la tâche, ceux. Et après, le robot va faire l'action qui est décrite dans ta cohérit, quoi, dans ce que tu lui demande de faire. Et nous, le rêve, tu vois, c'est de pouvoir faire ce genre de choses, mais à l'échelle de l'organisation, pas à l'échelle d'un robot. C'est de, en fait, de maper tous les inputs bottom up, tu vois, donc toutes les ventes, toutes les transactions, etc. Et ensuite, de dire, moi, mon objectif, c'est, je sais pas, d'agrandir mon business dans tel marché ou de gérer la grille sur telle ou telle datat center. Et du coup, tu as un système de contrôle qui va prendre en compte toutes les données, tu vois, et t'es aidé au optimiser le système. C'est fort, c'est leur interaction entre elles, en fait. C'est l'interaction, c'est un peu caoutique, quoi, comme truc, et donc arriver, ça c'est cool. Ça, c'est très cool, parce qu'en fait, pour avoir le Ulika dans mon cas à Zenli, t'essaye de ma chambre. Alors, pas de chambre, non, mais à un truc tout con, on avait des mouvements, des problèmes, en fait, on n'avait pas trouvé nos chiffres, par trouvé nos chiffres, par rapport à la date, au jour, etc. Et des variations comprennées, et on s'est aperçu dans ce cas précis que c'était les vacances scolaires, et en fait, que les gens rentraient, tu vois, dans leur réseau des étudiants, exactement. Et alors, ça, il m'a fallu des mois, et c'est quelqu'un jour du pays en question qui disait "mais oui, c'est les vacances". Ah, non, de Dieu. Et donc, c'est vrai que si tu modélises, si vraiment, on avait peut-être tout injecté. Je me souviens dans une boîte qui s'appelait Chalo, il y avait une équipe de machine learning qui devait d'acter le churne. Et ils ont fait un modèle avec plein, plein, plein, plein de données, à la fin, ils avaient 100% de résultats. Enfin, là, d'une heureuse. Tout le monde avait le churne, c'était pas possible. Et en fait, il s'avérent. Il s'avait injecté dans le modèle, la colloture s'appelait, il se ferme. Et donc, évidemment, à la fin, c'est les musèques, le bal. Donc, bon, non. Et donc, les données de temporal, c'est hyper dur, parce que. Ah oui, vraiment, t'as des choses qui viennent de le futur et tu ne le laissais pas, en fait. Oui, exactement. Et voilà, donc. Est-ce que les performances passées, présages des performances futures? Ça dépend. Il y a des systèmes, oui. Parce qu'ils sont stables, assez sésonniers, ils se passent pas grand-chose et puis pas, enfin, jour, ils se passent le Covid. Et là, la question, c'est pas vraiment. Est-ce qu'on aurait pu prédire le Covid dans nos avant? Ça, je pense pas. Mais la question, c'est. Comment est-ce que tu réagis, en fait, à ce genre de dévénements? Et en fait, une semaine ou deux, après, le début du lockdown, etc. On aurait pu commencer à souhaiter que les choses allaient pas être pareil, quoi. Mais tous les modèles ont pété à ce moment-là. Tous les modèles statistiques, vu qu'ils étaient entraînés sur une distribution très particulière de données historiques, etc. Ils ont tous pété. En fait, ce qu'on appelle les "Black Swan", les événements qui sont imprévisibles. Parce qu'on pensait que tu n'avais que des signes blancs et un jour, ils sont à l'heure nouvelle, ils ont vu qu'il y a des signes noir. Ils changaient leur représentation du monde sur les signes au moins. Et donc, ces événements "Black Swan", évidemment, ils ne sont pas anticipables. Mais ce que tu dis, c'est intéressant. C'est une fois qu'il a eu lieu. On peut refaire travailler la thème sérise par rapport aux nouvelles conditions pour se réadapter extrêmement vite. Est-ce qu'on a des masques, ce qu'on a pas de masques, ce qu'on a de médicaments ou pas de médicaments? Et du coup, nous, on est en train de le modèles, en fait, à répondre à des chocs. Donc, nous, le modèle est entraîné. C'est un truc assez particulier dans notre domaine. On l'entraîne sur beaucoup de données simulées et synthétiques. Donc, on a des simulators à nous. Et on peut dire, là, vu que c'est un simulateur, je contrôle complètement le système. Je contrôle complètement, en fait, le processus causal, tu vois, il y a un choc du coup, voilà, il se passe ça. Du coup, ça a tel conséquence sur tel variable. Le modèle, tu lui montre énormément de ces systèmes là, mais dont tu contrôle la causalité. Et du coup, il devient meilleur, en fait, même dans les vrais données à s'adapter à du choc et à comprendre. Moi, la question de le boss, c'est qui paraîtait un peu peut-être l'éléphant dans la pièce. C'est. ou quoi, vous prédisez pas? Vous prédisez pas? Voilà, la business model, l'argent. De plus d'écouter l'argent. J'ai un peu de deux réponses, ça se dit, voilà. On n'est pas des traders. Donc, on ne connaît pas bien les fonctions, on est marché. Il y a plein d'autres choses en plus sur la prédiction de marché. La deuxième partie, c'est qu'il y a pas mal de comptes qui utilisent nos modèles. Et donc. Il y a des gens qui, vos clients peuvent, du coup, hein. Et en fait, le modèle est au peine source, donc. Aïne au peine source, c'est quoi l'espect? Open Weight, Open Source. Open Weight. Non mais le modèle est supermissive, d'accord? Lissance permissive. Il y en a beaucoup d'autres des modèles Open Weight pour de la thème série. Oui, il y en a quelques ans. Il y en a quelques ans. Nous avons une chez Google, on n'a mis un aussi, mais qui n'est pas Open Weight, maintenant, en licence non commercial. Alors que nous, tu peux vraiment l'utiliser comme ça. Il y a quelques autres acteurs dans le modèle. Il fait 250 millions de paramètres. Mais c'est possible, c'est-à-dire qu'on va vite sur téléphone. Alors sur un téléphone, on a une démo sur téléphone qu'on fera peut-être hors caméra. Alors du coup, ma question, c'est il est quand le plugin Grafana, pour savoir comment on va prendre des commençants. Tu veux faire une terre? Non, c'est que moi, un truc comme ça. Moi, c'est un signe au faible. Attention, l'incident va arriver, parce qu'en fait, t'as plein de choses qu'on commence à monter. Mais tu sais pas avant, en fait. on a l'air tingue à la main en disant ça, il faut que tu me regardes ça, il faut qu'il remplace ton système d'horestique par. - Tu viens de trouver un nouveau marché sur l'observabilité. - Voilà, voilà. - Et vous vendez quoi, c'est quoi le produit? Donc là, il y a le modèle? - Oui. - Est-ce que le produit, c'est le modèle, et vous en verrez après, est-ce que vous êtes déjà un produit? - Là, on s'est pas mal focus sur le modèle, mais on a plein d'interfaces, disons, pour interagir avec le modèle. Donc on a une API, tu peux juste pinger l' API et t'as pas agéré l'enfra, etc. Et ça skate up, on peut faire jusqu'à 20000 fork-ass par seconde. C'est quand même assez agressive. On peut aussi déployer dans ton cloud, tu vois. On est sur les Marketplace, Marketplace Google, par exemple. Au-dessus, tu peux dans ton VPC, c'est-à-dire que tu es donné sorte pas, du coup. Et donc ça, évidemment, on va le facturer en plus. Mais en plus de ça, on a un produit, on a tout une interface de backtest. Donc typiquement, pour vérifier que dans le passé, pour comparer, tu vois, avec ta baseline, je suis sûre que dans Grafana, vous avez des modèles qui tombent, donc on pourrait en fait faire un backtest et voir combien d'incidants en plus, on pourrait prédire, en quelque chose. - Il y a le modèle, il est potentiellement l'infrail, il y a au modèle, il est dû faire tourner le modèle. Il y a les compétences techniques de test, de validation du modèle que. - Donc ça, c'est une interface utilisateur, ou même si tu n'es pas technique, tu peux regarder les séries temporelles, faire des backtest, avoir des métris, etc. - Oui, j'ai une question. Là, il fait 250 millions de paramètres. - Imaginons qu'il en fasse 500 milliards. Est-ce que, il serait mieux? En fait, c'est plus ma question un peu sous-jacente, bon déjà, il y a celle-là, mais surtout, la classe de taille dans laquelle vous évoluez, comment on est, on est efficient, on est plutôt dans les gros modèles, pourquoi? Pourquoi est-ce que pas plus gros, c'est mieux? - Sur l'observabilité, DataDog récemment, ils ont sorti un modèle qui veut, vous avez 2,5 milliards de paramètres, sur les benchmarks publics, notre modèle est un petit peu mieux, et en plus, notre modèle est capable de gérer les variables externes, alors que le modèle de DataDog ne l'est pas. Mais par contre, le modèle, sur l'observabilité, pour l'instant, il est meilleur parce qu'ils ont accès quand même un petit peu de désertabilité. - Ils ont un jeu de DataDog, un jeu de DataDog. - Ils ont un jeu de DataDog. C'est intéressant, vous avez fait white combinator, c'est ça? - On a fait, où a l'été 24? - A l'été 24, et en termes de financement aujourd'hui, vous allez tout? - Donc, on a fait une levée de fond à la sortie de White Sea, qui c'était plutôt bien passé, on avait élevé 4 millions à l'époque, au total. Et là, on discute ce fond. - Donc, est-ce qu'avec The Forkash Company, vous savez combien vous allez élevé grâce à ce que vous allez élevé avant? - Non, parce qu'on a pas assez de points de données là-dessus, je suis bépar contre. - Tu vois, tout nos logues, tout le saleté en interne qu'on a, tout nos producteurs analytics, etc., c'est des choses sur lesquelles on testera au modèle, et on a décès la big vision, c'est qu'avec tous les données passées d'une entreprise de l'organisation, on peut aider à la décision à tout moment sur ce qu'on entend. - Exactement. Il est dans plein de départements différents, du coup. - Tu vois, le département de finance, le département de supply chain, le département d'assurance, peut-être, parce que si tu testes sur toi-même, il y a plein de choses que tu veux que tu faises voir aussi. - Et puis, ça, l'agent qui prend les décisions. - Le pitch ultime, tu vois, t'es en pitch, tu vois, t'as prédit un truc, et le gars, il s'y pose son téléphone, et tu écrit, il a l'éprendre son téléphone. - Oh, putain! - Moi, ce qui me fait qu'il fait, c'est que ta femme va t'appeler. - Putain, la belle. Moi, c'est pas la femme. - Moi, ce qui me fait qu'il fait, c'est que, potentiellement, mais tu fais une boîte qui fonctionne, qui tourne, toi, qui est en train de skéler. Et puis, à un moment, selon ton mode de vie, tu peux dire que j'arrête, je mets une thème série, je mets des agents qui prennent des décisions fonction de la thème série, et puis je pars à la retraite, quoi, tu vois. - Et sur l'autre moment, il y a des boîtes. - Et sur l'autre moment, toi. - Vous avez une sans doute vu, Paul, ça, et Nalocorp, parce que ce genre de boîte, ce qui vous c'est des agents autonomes pour gérer des boîtes. Et donc, eux, c'est plutôt Small Scale, c'est plutôt SMB, mais tu peux t'imaginer que, dans un futur long-intim, tu vois, bah, t'es ça, à un temps près scale. - Et vous êtes basé où, des fois qu'on est basé à Paris? - Pasé à Paris. On est pas sur les 8 ans d'un équipe. - Il y a des connexions à l'extrase-bonne. - Voilà, c'est toujours une collection extrase-bonne toujours. Et bien, écoute, merci beaucoup, Geoffrey. De fois qu'à ça, c'était trop cool. - Salut. - Salut. - Et on reçoit une nouvelle startup sur un autre sujet, va parler d'observabilité du travail, il va parler de productivité, on va parler d'y-a, et ça, c'est avec Andréa. - Salut, Andréa. - Bonjour, bonjour à tous. - Salut. - Comment ça va? - Très bien. - Et vous? - Ecoute, ça va, tout à même instant, d'ici, là. - Oui, exactement. - Donc, tes startups, au niveau, là, parce que c'est pas que listege. Ecoute, est-ce que tu peux nous dire un peu, toi, ce que tu veux? - Oui, parce que ton histoire est intéressant, tant plus de semaines. - Oui, on a beaucoup évolué. Donc, je m'appelle Andréa. J'ai créé, il y a 9 ans, une startup qui s'appelle BIMI. On est une petite cinquantaine dans l'entreprise, et on est arrivé à faire de l'observabilité du travail en pivotant successivement sur notre évité du travail. - Qu'est-ce qu'il peut dire? - Alors, regarde, on est quand même à son travail. - Non, mais je veux que ça veut dire quoi? - Je mets les gens dans le graphon là, comment? - C'est quoi? - Donc, on va déployer des capteurs sur le poste de travail, des employés, sur leur navigateur internet, et ça nous permet de comprendre ce qu'ils font, sur quelle application ils vont, et qu'elles sont les processus qui réalisent. Et donc, comment le travail s'opère dans l'entreprise? On modélise la manière dont le travail s'effectue dans l'entreprise. - Donc, c'est voilà. - Alors là, j'ai 1 milliard de questions. - Et donc, en fait, comment on est arrivé là? C'est qu'historiquement, ce qu'on faisait, c'est qu'on déployait une extension de navigateur internet pour regarder le shadow IT, le pour des grands groupes, comme Veolia, Total Energy, Schneider Electric. Donc, on déployait ça sur des dizaines de milliers d'employés chez eux. Ça nous permettait de voir, voilà, tout le shadow IT, tout le shadow AI, puis ensuite, après, on a permis d'avoir les données d'usage, les temps passés sur les applications, notamment autorisés par l'ITP pour vérifier que, finalement, l'adoption était bonne de ces outils, et finalement, avec les données qu'on peut arriver à collecter, on peut arriver à modéliser le travail. Point juste important, c'est fait en privacy by design, d'une part, notre technologie néactive que sur des applications professionnelles, et ensuite, toutes les données sont anonymisées sur la plateforme pour pas permettre du tracking nominal des employés. - Ouais, c'était la question, c'est que celui qui va sur faire du jeu vidéo ou à regarder des sites adultes, tu traque pas ça? - Non, la technologie n'est pas active. On a juste 60 000 applications professionnelles sur laquelle la technologie est active, et toutes les applications internes au maître de l'entreprise. - Mais donc, à un moment, parce que tu me disais que, en fait, il y a énormément de boîtes, au début d'année, qui dépensait énormément dans les tokenias, et on se disait, mais est-ce que ça a de la valeur? Et en fait, vous vous étiez capable de dire, en fonction du temps passé, des promptes tapés dans les applis professionnels? - Ouais. - Est-ce que, au fond, on est capable de voir le erroi de l'IA? - Ouais. - Nous, on a construit une nontologie du travail qui dépend de quatre objets, donc les employés en eux-mêmes, leurs job roles, leurs activités, les applications sur lesquelles ils vont, les agents, et les process, on a une bibliothèque de 4000 process, et en regardant la manière dont ils travaillent, on arrive à le modéliser, et donc, à déterminer, où est-ce qu'il y a des inefficacités dans le travail, pas de performances individuelles, mais vraiment dans le processus qui est. - Je peux faire du humain de quoi? - C'est vrai que je regarde les gens, et je suis capable de définir les processus de l'entreprise, quoi. - Ouais, en fait, on va récolter énormément de données, contextuel, on va comprendre le chemin des utilisateurs, et tout ce qui est fait cross-utilisateur aussi, qui nous permet comme ça d'avoir des métrics d'efficacité dans la collaboration des employés. - Mais alors. - Donc, la question, déjà, c'est. Comme tu disais, c'est prémécumé déjà, mais où vont les donner, et surtout? Comment tu empêches? Dis-don, Bertie! - Alors? - Tu fais des additions sur ça, de JPT? - Ouais, mais ou non, même pas. - Ça, j'ai quand même gentil, j'ai quand même gentil. - J'ai quand même gentil. - Un, un, un, 42 minutes de Facebook Messenger, Bertie! - Tu vois, ça, c'est un élément fondamental, c'est que les données sont toujours anonymisées, donc au moins dix utilisateurs sur un même job role, ce qui fait qu'on peut jamais revenir sur un employé. - D'accord. - Et on a ses entreprises. - Parce qu'on a des clients qui demandent. - Ah ouais? Et on a toujours refusé. - Ok. - C'est-à-dire que d'une part, c'est dans le contrat. - Bon, partie, il y a d'autres gens qui le font pour toi. Il y a d'autres entreprises qui sont capables de faire ça. Donc, c'est-à-dire qu'il y a de fliquer. - Non, c'est vrai que ça fait partie d'une part de notre culture, mais aussi, c'est dans le contrat. C'est-à-dire qu'on ne peut pas donner ces données, parce qu'on passe devant le CSE, c'est-à-dire que c'est vraiment lisible par le CSE. Qu'est-ce qu'on fait, jusqu'on va? Et c'est quoi nos Yosuke? - Moi, je veux voir ton pitch. - Je veux voir ton pitch devant le syndicat. Voilà, c'est-à-dire, ouais, je veux voir. - En fait, le sujet, c'est de se dire, puisque on anonymise toutes les données, en réalité, c'est un vecteur de transformation d'entreprise. Parce qu'on veut transformer avec l'IA. Et on sait que l'état de l'art de travail dans trois ans sera très différent de ce qu'on fait maintenant. Pour transformer, il faut comprendre comment le travail est effectué dans ces grandes entreprises au plusieurs dizaines de milliers d'employés. Et le problème de ces entreprises, c'est la viscosité d'entreprise. C'est les longteurs dans les process. C'est le problème de coordination. Donc c'est ça qu'il faut qu'on comprenne, cross-individu, comment se travaille, saupère, et qu'est-ce qu'on peut améliorer, et où est-ce qu'on peut placer des agents, et surtout comment mesure à travers le temps que lorsqu'on a un placé un agent, le processus se fluidifie vraiment à travers le temps. - C'est un peu ce que Taylor faisait avec l'organisation productivise de travail. Il essaie d'analyser les processus pour améliorer les G.S. C'est l'organisation algorithmique du travail. C'est comme ça, c'est le flow du travail. Parce qu'en fait, on récupère pas vraiment. C'est pas les clics qui nous intéressent. C'est l'intente, le purpose. Je suis sur une application qui allait ma valeur ajouter sur cette application. Et qu'est-ce que j'ai fait en amont et en aval? Et par exemple, je suis sur un même document. Qu'est-ce que mon collègue a fait en amont en aval sur ce document? Et là, en fait, on retrace la manière dont le processus s'est effectué. Et moi, je suis absolument qu'on a cru que dans l'air de demain, toutes les entreprises ont de faire de cette observabilité du travail pour la transformer du moment. Et ça, j'insiste vraiment, on conserve ce privacy by design. Parce que si on arrive sur du tracking de la performance, de tuations, les emplois, refuserons, le cs se refusera et c'est pas l'enjeu. - J'avais fait du conseil pour un deois qui s'appelait Percolet. C'était un gros outil d'asset management pour le direction marketing. Et en fait, l'enlecier est tellement lent qu'ils ont mis plusieurs mois à se rendre compte qu'en fait, les directeurs marketing, il vit qu'il était lent. Il en sait un truc, pis il faisait autre chose. Et en attendant la réponse illogicale et après, ils oubliaient quoi. Et ils se disaient, mais pourquoi on a leciet qui est très utilisé? Mais les gens ne renouvellent pas les licences. Ils ont été voir, envoyés des gens sur place. Donc là, si je dis, regardez, quand je clique ici, ça prend 20 secondes. Donc en fait, je le lance, je fais autre chose, et puis j'oublie. Et tu vois, donc en gros, c'est pour repérer ces anomalies de process là, quoi, c'est. C'est un peu ça? Oui, bien sûr qu'il y a cette partie de l'offre applicative qui pose problème. Ça, c'est une réalité, et on sait qu'il y a un gros big bang dans cette offre applicative. Enfin, les budgets applicatifs, c'est très grand groupe, c'est plusieurs centaines de millions d'euros par an. Donc là, il faut les réinventer et il faut voir comment on fluidifie. Mais ça va au-delà de juste le parcours applicatif, ça va vraiment dedans. Mais en fait, c'est quoi en process? Qui sont les personnes qui doivent travailler ce process? Parce que le problème de coordination, c'est qu'il y a trop de personnes parfois qui travaillent le même process de manière inefficace. Et la transformation du travail, c'est pas juste l'offre applicative. C'est même la manière de penser le process. Est-ce que. Alors, je réfléchis comme ça. Mais au fond, est-ce que. On s'est adonimisé sur un dix, ou plus dix à l'arrière, sans salarié? Je vois qu'il y a un process qui coûte cher à l'entreprise. Des gens passent 40 minutes à faire ça en moyenne, ou quoi que soit. Est-ce que c'est pas ça que je devrais peut-être passer à l'agentique pour. Exactement, pour savoir où est-ce que je vais mettre mes efforts agentiques. On dit qu'il y a une matrice, c'est ce qu'on fournit sur la plateforme. C'est le total de temps passer de l'entreprise sur ce process et des scoring d'inéfficacité entre le switching sur les apps, la variance du processus ou les sujets de coordination entre les employés. Et c'est là-dessus qu'il faut se concentrer. Et d'ailleurs, on dit, OK, on a les modèles, on commence à avoir les anès, on commence à avoir beaucoup de choses, mais la question, c'est qu'est-ce qu'on transforme? Et surtout, est-ce que ce qu'on transforme permet d'avoir un impact et une performance sur l'entreprise réelle? Est-ce que je vois donc les ERP, les gros logiciels un peu lourds? C'est un permettre de surcelles forces, soit les commerçaux qui passent un temps fou, configurent la truc, si je sais qu'ils a passés les commerçaux moyenne, passe 25 minutes surcelles forces pour mettre à jour un client quoi que ce soit, c'est-à-dire, OK, c'est ici que je vais mettre un agent. Et puis, ce sujet, je reviens encore sur la coordination, c'est là où il faut que tu dise, en fait, la légende, il s'attend, ils n'arrivent pas à avancer sur ce process. C'est peut-être là où il faut que je mette un agent de coordination, parce que, à partir de moment, tu travailles avec des outils comme Glyn, qui permettent de contextualiser l'entreprise, c'est là aussi où il faut fournir aux employés les manières d'aller plus vite. Et si on revient sur le sujet du CSU et de l'acceptabilité sociale des employés, ben, si en fait, tu leur dis, je peux faire en sorte que ton job soit plus efficace dans des entreprises qui sont quand même très, très lourds, en fait, tu les as. Du moment que tu fais pas du tracking nominal de ces employés pour leur dire, bah, tiens, Maurice, il n'y a pas travailler ici. En gros, en gros, on repart. -Oui, le micro-management soit toxique, parce que c'est une personne qui va regarder, qui va fliquer, tu sais, tu t'es enceinte. -Toi, tu sais, tu t'es enceinte. -Toi, tu t'es enceinte. -Pour donner à grossir avant de faire enceinte. -C'est ce que j'avais vu chez Vendray, il y avait des process, notamment de création de vente qui était très long. Et un moment, quand tu fais le dessin du process, tu te rends compte que ce qui est l'ence, c'est pas vraiment toute l'étape du process, c'est qu'il y a un moment où tout le monde doit valider. Il y a une validation, il y a une synchronisation. Et en fait, t'as pas tracé le process, c'est dur de le voir, parce que tu as tellement de cas différents, et donc si tu veux accélérer la société, allez plus vite, t'es obligé de faire selon toi. -A mes prestataires de boîtes de conseils. Quand tu passes par une boîte de conseils, tu vas te dire "écoute mec, est-ce que j'ai vraiment payé cette productivité au taux-jour", et tout ça, tu vois? Et ce qu'on dit, on peut avoir l'ensemble des employés qui augmente leur productivité de 40%, et ça peut avoir un impact minimal sur l'entreprise. C'est-à-dire la productivité des employés individuellement n'égalent pas la productivité de l'entreprise, et si on veut régler ces problèmes de performance et d'avoir de l'agentique qui a de l'impact, il faut s'intéresser à ce qui touche à la coordination des gens dans la réalisation du travail. -J'ai appris un terme, tu as appelé ça le "Work Observability". -On a des outils d'observabilité, pour la partie cyber, pour la partie cloud, comme des data dogs. Nous on considère qu'on fait une observabilité qui est beaucoup plus business, qui est celle du travail, et qui permet de d'agir sur cette transformation la plus importante, qui est une transformation du travail du cognitif. -Et typologie de clients, c'est quoi? C'est des grands comptes, c'est des OTI, c'est? -Ouais, alors ça va être la plupart de nos clients qui sont des très grands comptes, comme Total Energy, Véolia, Schneider Electric. Là, on est dans une trajectoire, on a envie aussi d'aller sur le marché américain, parce que c'est principalement des entreprises européennes qu'on a. Donc, ça, c'est notre prochaine grosse étape, qui est auquel, comment maintenant, on arrive à convaincre des entreprises purement américaines de déplacer cet OTI, au-delà des entreprises européennes qui sont notre cœur de clients actuelles. -Et vous recruter aujourd'hui, vous êtes 50? -Oui, alors, nous, on utilise aussi beaucoup l'IA, donc on est assez. -C'est l'utiliser bimie en interne? -Oui, tout à fait. -Et est-ce que vous êtes, dans ce qu'on appelle le RSI, le Recursive Self-improvement? -On utilise effectivement bimie en interne, qui nous permet aussi d'être un peu plus dips sur combat de la technologie, et il va construire notre knowledge rough, parce que c'est vraiment ça qui permet aussi de relier les objets. Donc, ça, oui, c'est extrêmement intéressant, on essaie aussi de s'appliquer à nous-mêmes ces règles de transformation des processus. Donc, on recrute, on est très sélectifs sur recrutement, parce que c'est plus une question de quantité de personnes qui vont travailler des processus. C'est comment ils vont les travailler pour être efficace? Mais j'imagine les gars, ils sont neuf, je ne sais pas, neuf commerciaux, ils embauchent le dième, enfin, non. Sinon, on va voir le droit de. Non, non, je peux vous en bien sûr. -OK, merci, merci. -Merci. -Merci. -Et en fait, c'est de comprendre. Il y a énormément d'argent qui est perdu sur l'inefficacité des processus. Et vous, vous vous attaquez à être comprendre. -Vous l'avouez de mesurer, à faire. -Vous l'avouez de mesurer. -En fait, il faut mesurer, et il faut voir sur chaque élément de transformation. -Est-ce que ça a eu un impact? Et donc mesurer dans le temps, c'est ça qui est important. -Et bien écoute, ça tombe bien, parce qu'on est sur les times séries, donc mesurer dans le temps, c'est important. -Merci beaucoup, ma chérie. -Merci, merci. -Nous bliez pas le discours de la frêche, on a dépassé les mille participants dans le discours. Donc, vous pouvez rejoindre les discours, 1 million d'escriptions pour venir discuter avec nous, et surtout créer le groupe d'entraîtes qu'on veut faire de toute la communauté. Donc, on vous attend sur le discours. -Bien, écoutez, on a vu plusieurs startups. C'est cool, c'est de l'archère, c'est du dip, c'est du. C'est qu'il tâche, quoi. -Grav, enfin, c'est des hard-problems, quoi, donc ça, c'est bien. -C'est ce qu'on a dit, c'est ce qu'on dit depuis quelques semaines, quelques mois. Il faut arriver avec quelque chose de vraiment, vraiment fort. Donc, il faut une vraie défensabilité, il faut vraiment de la tech, quoi. Et personne qui faisait une fiche de paye, enfin, c'est important des fiches de paye. Tu vois, mais ce que je veux dire, tu as eu la chimie, tu as eu la physique, la médecine. -T'as eu la médecine. Parce que tu as la théorie et la théorie et la théorie. -Bah, non, parce que ce qu'il faut avec. En cas d'un par exemple, en talpique, c'est que tu vois. Tu vas. tu vas. tu vas directe au. Tu vois, au truc, par exemple, par exemple, en talpique, tu vois. Abannant, nous, la success, c'est, on prend les matériaux. Peut-être pas, on est fabriques, machin, mais tu vois, c'est la. C'est la truc, le plus en mission que tu puisses faire. -Ouais, tu les découvres. -Bah, c'est mon matériau. -Franchement, tu n'es pas les outils, tu penses pas un peu petit, tu penses directe, bah oui. Parce qu'à la base, donc les gens aient postulé pour pouvoir faire, on n'a pas pris des gens forcément fonction de. de ces critères. Mais ils sont tous monchotes, quoi. -Ah oui, ils sont tous. -Ouais, mais ils sont obligés, en fait, maintenant, c'est à dire que. Tout ce qu'il n'est pas, en fait, c'est trop facile répliquer. Donc là, il faut vraiment, c'est clair. -C'est clair, et surtout, on s'est familiarisé maintenant. Donc, t'es allongue à changer. -C'est pas un site de commerce, quoi, tu vois. -C'est clair, enfin, l'entrepreneur, il a changé, quoi. -Ah oui, n'en compète pas trop. -Le football il a changé. -Oui, donc, ça, c'est ça qui est vraiment fort et compliqué. Et puis, ce qui était rigolo, tu ne l'as fait, mat-physique bio, quoi. -Mat-physique bio-mettin, quoi. -Tain, là-bas, c'est. -Non, écoute, franchement, c'est pas trop. Non, mais on revient au heart-tech, c'est ce que tu disais. C'est du heart-tech réel, quoi. C'est. On va pas avoir de mat, quoi, ou très peu de mat. -Et moi, ce que j'aime bien dans l'état d'esprit, donc on la reposait la question quand même. Mais c'est ça me rappelle, moi, quand même, le sang Francisco des années 2015, même 2012, où. C'est. On se moquait des bisesses en gel français qui peut en être visée sur 50, fait combien de revenus tu vois. C'est quoi ton prix à 80, comme si c'était une industrie. Là, ils sont en mode, on va générer de la valeur. On va créer de l'intelligence, on va générer de la valeur. Vous inquiétez pas, ça se malitisera d'une manière du nôtre, on a déjà décidé. Mais si on y arrive, vous inquiétez pas, quoi. -Et ça, c'est important, c'est que, en vrai, et là, même en discutant avec pas mal d'investisseurs, tu sens que les benchmarks de startup, ils sont perdus, quoi. On manque de points postia, on manque de points de comparaison. Et donc, il y a plus. On attend plus de moonshots et on est plus à l'aise sur le fait qu'on ne sait pas exactement qu'est-ce que ça va engendrer en argent à quel moment. Mais il faut que ce soit assez disructif. -Ouais, j'ai même envie de dire, on attend plus de moonshots. Mais ça devient presque, genre, la maîtrique de succès. Plus, c'est ambitieux. Plus, on va dire, excitant. Là, on avait peu de gens qui avaient un petit marché. Je m'attaque au marché français ou au petit marché. -C'est fini. -C'est fini. -C'est qu'ils ont dit, finalement, sur la maturité, enfin sur le chemin qui a été parcouru. Puisque, en fait, là, on est plus dans le domaine de viser la sécurité. On est dans le domaine de viser le succès. -Mais alors, peut-être, ce que ça veut dire, c'est que, au lieu d'avoir un peu le truc où tu disais que sur 10 boîtes, t'en allais à une, qu'elle est marchée, 2, 3 qui vivote et 7, 6, 7 qui râte. Là, peut-être, t'en as une, tu veux pas qu'elle réussisse, mais tu veux qu'elle m'égare réussisse et les 9 autres, c'est-à-dire. Donc là, ça veut dire, par moi, j'ai l'impression quand même que ça va être encore plus d'arouignants, mais c'est bien. -Mais tous, c'est un géniais. -C'est une bonne chose. -Grande mou, grand déco. -Ou scientifique. Enfin, tu vois, tout ce qu'on disait sur la nouvelle génération des grosses Deep Tech, Art Tech, tu vois, des startups un peu à la fraine, je crois, tu vois. Moi, j'ai eu une question, comment t'as posé la question de CSO, Chief Science Officer. À quel moment, c'est quoi les différences entre un sitio et un CSO? Je pense que dans pas mal de leur cas, en fait, c'est dur à répondre. -Je pense qu'il y a celui qui lit le papier, il y a celui qui demande un son agent de lire le papier. Pour moi, c'est vraiment s'entre les deux. C'est juste ça. Franchement, à CSP, eh bien, c'est quoi? C'est des mel et Caibers? Putain, les gars, tu vois. Tu vois. Tu vois. -Je me sens tout petit. -T'es pas. -Ouais, nous, en fait, c'est un peu différent parce que nous, on est vraiment dans les outils. de l'infrastructure pour tous ces trucs-là, mais moi, j'ai bien qui fait quand même toutes ces startups-là. En fait, ce qui me glait le plus, je pense, c'est le niveau d'ambition, c'est ça en fait. Parce que le comment, le pourquoi, tout ça, c'est des choses qui sont celles consensuelles. Il y a des idées qui vont réussir, des idées qui vont mourir. La plupart vont mourir, certaines vont réussir. Mais celle qui vont réussir, tu vois, ça va pas être de l'entre-deux. Ce qui pendant, en tout cas, nous, quand on a commencé, quand on s'en ont très médié par HGB, c'était un peu la malédiction. C'était l'entre-deux. Et donc là, ce soit gros. Et moi, il y a 15 ans, parce que j'avais fait une boîte avec un de mes profs, dans la note technologie, donc avec un des chercheurs. Et à un moment, j'étais jeune, on me faisait parler à des chercheurs pour les pousser à les d'autres premières. Et les chercheurs, ils n'étaient pas du tout, ils voulaient faire des publics. Tu vois, vraiment, ils s'ils voulaient que faire des publics. Et d'ailleurs, la petite blague, c'est quoi un chercheur extraverti à l'époque? En 2007, un chercheur extravesti, un chercheur extraverti, c'est un chercheur qui regarde tes chaussures. Elle est dur, elle est dur seule. C'est pas agencière. À la basse, une blague sur les comptables. Mais voilà, on l'applique au chercheur. Et là, tu as des chercheurs qui sont épiches, qui sont des sons-cios du truc, ils sont une vision, tu vois, la vision à la travailler, quoi, tu vois. C'est fini. Moi, je me rappelle, mon associé à le chercheur, il me disait quand même, bon, c'est cool, mais est-ce que je peux quand même avoir des publics? Est-ce que je peux quand même faire des publics, parce que c'était mon truc? Je sais que vous avez des avions à prendre. Ouais, je pars. Tu pars. Et lui, je pense qu'il a son train avant. Des bateaux, des avions, des dirigeantes. C'était le train, ce matin, de l'étranger, enfin, de Londres. Ouais, c'est assez tendu tout ça. Et bien, écoute, j'entends à la musique. Voilà. J'ai dit, j'entends à la musique, on va nous faire. Oui, oui, on doit partir. Est-ce qu'il vous a plu ce format? Invitez Start-up, tu as toujours. Tu as toujours pour donner un peu de skis fait, quoi. Parce qu'on en parle, on en parle, on en parle. Les sitios, les chercheurs vont venir entrepreneurs. Là, on les voit, quoi. La continuité. Non, c'est cool, mais en fait, j'ai envie d'en faire plus. Et bien, dites-nous si vous aimez ce format, si vous voulez voir d'autres start-ups. Si vous pensez que vous êtes des start-ups qui devraient être là, parce que vous avez aussi une ambition, une techno, vous faites des trucs un peu qui vont en French Maxxel game, n'hésitez pas à nous le dire dans les commentaires. Et puis, si vous aimez l'émission, ce qu'on représente, n'hésitez pas à vous abonner pour être au courant d'approcher le vidéo, à la commenter et à la liker. Et bien, écoute, c'était un épisode sur les start-ups architectique à la French. À la French. À la French. Allez, celui à bientôt et dépêchez-vous pour les avions. Nete, c'est bon, monsieur. Steve, parle comment ça va? Oui, ça va. Vous m'entendez, là, vous aussi? Oui, en plus ou moins. Ça va passer vite. Ça va être de question chacun Max, 15 minutes, quoi. On ne s'occupe pas de quoi la parole, parce que c'est Miriam et les invités. C'est une question Maxxel. Une question Maxxel. C'est une meriam Maxxel. Elle doit parler le maximum possible comme les autres. Mais on va poser des questions. "The Weather Channel For Your Skin". Je ne sais pas comment on veut dire. T'as le droit de parler anglais parce que tu es là. On va faire du franglais.