Yann Ravel-Sibillot - Pionnier de la Gen AI au coeur de la révolution Tech

Yann Ravel-Sibillot est un visage marquant de la Gen AI. Petit garçon, cet entrepreneur en série rêvait déjà de s’affranchir des tâches qui lui semblaient les plus chronophages, mettant la machine au service de sa créativité. Doté de plus de 10 ans d’expériences, ancien CTO de Big Mamma et de Clone, il a fondé une entreprise qui est devenue Sunday, avant de lancer Flowie, une initiative qui redéfinit la finance d'entreprise B2B grâce à la puissance de l’intelligence artificielle générative. Sa passion pour le kitesurf et le kayak illustrent son caractère super-actif, son goût pour l’action et le changement. Pour Pollen, Yann revient sur le début de son idylle avec la Gen IA, les succès et les défis qu’il a rencontrés tout au long de sa carrière.

Yann, qui es tu, comment te définirais-tu?

Je suis ingénieur en intelligence artificielle et robotique, co-fondateur de Flowie. Depuis ma jeunesse, j’ai toujours été frustré par une certaine forme de travail manuel. Je me rappelle ne pas comprendre pourquoi il me fallait réaliser certains devoirs, des rédactions qu’on me donnait à l’école. Pour moi, la machine est capable de faire des choses bien meilleures que nous si tant est qu’on lui fournisse le contexte adapté. Rédiger du contenu, faire de la traduction et ainsi de suite, ce n’était pas mon truc. J’ai sûrement été nourri par cette frustration, et j’ai su très tôt que la technologie était un univers que j’avais envie d’explorer. J'ai toujours cherché à créer des solutions qui améliorent l'expérience quotidienne des gens.

On a tendance à me définir comme un doer, quelqu’un qui veut créer quelque chose qui va être utile aux autres dans la vie. C’est ce qui m’a motivé avec Sunday. J’ai souhaité faire en sorte que le paiement soit un non-événement dans l’écosystème du restaurateur, qu’il soit complètement intégré et qu’on ne se pose même pas la question.

Quel est ton unpopular opinion (ta vision qui n’est pas partagée par tout le monde) ?

Je pense que dans toutes les interactions sociales et échanges que nous avons avec la machine, l’élément qui est négligé et qui nous cause régulièrement du tort, ce sont les biais que nous avons. En tant qu’humains, nous avons une idée bien précise de la façon dont les choses devraient fonctionner. Lorsque l’on imagine certaines machines, certaines solutions, nous les considérons parfois de façon trompeuse.

Par exemple, la génération de voix par IA est quelque chose qui existe depuis très longtemps. Au début, nous pensions réaliser des sons par syllabes, puis par mots et par phrases, de la même façon qu’on apprendrait à lire à un enfant, mais je ne sais pas si vous vous rappelez à quel point c’était robotique. Depuis qu’on a retiré l'hypothèse qu'il fallait décomposer ses sons et depuis qu'on a demandé à la machine de générer des phrases, on a obtenu une synthèse beaucoup plus fluide.

Pourquoi la Gen AI ? Pourquoi maintenant ?

Reprenons l’exemple de la nouvelle manière de gérérer des voix. C’est quelque chose qui a été créé à partir des premiers GAN, dont le papier de recherche a été publié en 2014. La grosse différence entre 2014 et 2016, puis entre 2016 et maintenant, c’est que la puissance de calcul, la disposition et la taille des dataset ont explosé. Par exemple, dans ma start-up en 2016, nous étions capable de générer des modèles qui faisaient à peu près 4 à 5 millions de paramètres. Aujourd’hui les modèles utilisés font 7, 10, 100 milliards de paramètres.

On a souvent utilisé le dataset de Wikipedia comme référence. On parle de quelques milliards de mots. Aujourd’hui, il nous est possible d’aller jusqu’à quelques trillions de mots. Tout à été multiplié, grosso modo, par 10 000. Ce qui a permis à notre modèle de langage de conceptualiser, de comprendre certaines requêtes et de proposer une réponse pertinente. C’est en partie pour cette raison qu’aujourd’hui, la Gen AI est devenu pertinente pour le business.

Tu as développé Flowie récemment et l’équipe grandit à vue d’oeil. Aujourd’hui, vous visez plus de 10 milliards de volume d’achat et de facturation en moins d'un an : comment as tu fait  ?

J’ai crée Flowie pour résoudre la problématique de gestion des factures et des bons de commandes depuis la relation commerciale avec les fournisseurs et les clients, en passant par l’interne. Pour atteindre ces objectifs nous nous sommes basés sur l’intelligence artificielle. Celle-ci nous a permis de définir les besoins de nos clients jusqu’au déploiement du code. L’IA nous permet d’accélérer tout le processus d’intégration, si bien que la création d’un nouveau service ne se fait plus en quelques mois mais en quelques jours voire en quelques heures seulement. Nous avons pensé à une offre qui nous permettrait de déstructurer, de redessiner entièrement le processus de collaboration avec les fournisseurs et les clients.

Aujourd’hui, nous sommes devenus capable de digitaliser très rapidement la facturation mais aussi le bon de commande, le sourcing, le bon de réception et ceci dans le cadre de la réglementation européenne. Pour arriver à cela, nous nous sommes connectés aux outils primaires de l'entreprise, l'ERP, le CRM et la Banque pour collecter ces données et les traduire de manière optimisée à nos clients.

Qu’enseignes-tu à ton équipe pour leur apprendre à gérer leurs projets ?

Le plus important lorsque l’on gère un projet complexe est de résister à la tentation de se jeter à la recherche de la solution. D’une certaine manière, je dirais presque, d’oublier toutes les convictions que nous avons sur un sujet. Plutôt que de proposer une solution directement, j’essaye de la construire avec un modèle de langage. À chaque fois, des problématiques que j’ai pu oublier ou mettre de côté m’apparaissent.

C’est de que j’essaye d’enseigner à mes équipes. Pour parvenir à fournir la meilleure expérience possible à nos utilisateurs, il est essentiel de développer une approche très itérative et de challenger notre vision. Nous essayons toujours de construire un produit en procédant de cette façon. Le développeur - et c’est ce qui peut aussi le frustrer dans son travail - a pour objectif de déployer chacun de ces fonctionnalités par petits morceaux. Par la suite, nous collectons les retours de l’utilisateur sur chaque strate du produit. Ces retours nous permettent d’évaluer nos erreurs potentielles et de construire une solution qui répond parfaitement à la problématique de notre client.

Ne manquez pas la session de Yann Ravel-Sibillot, "Gen AI au service de la productivité et qualité d'une équipe Tech". Cette session s’adresse aux développeurs qui souhaitent apprendre plus vite, réduire le temps passé sur des bugs, auto-compléter le code, mais également aux Lead, Staff et Principal Engineers cherchant à intégrer certaines bonnes pratiques pour leurs équipes. Les Managers et Directeurs Techniques y trouveront des clés pour shipper plus vite.