Les neurones topologiques : la nouvelle architecture d’IA qui veut comprendre le monde humain (🎤 Hugo Micheron et Antoine Jardin, Arlequin AI)

Arlequin AI veut développer une nouvelle architecture d’intelligence artificielle fondée sur les réseaux de neurones topologiques. Son ambition : exploiter les connexions entre les données pour rendre l’analyse massive plus précise, traçable et auditable. 🎤 INTERVIEW : Hugo Micheron - CEO et Antoine Jardin - CTO de Arlequin AIL’essentiel- Nous travaillons sur des sujets où la probabilité ne suffit pas.- Il faut pouvoir démontrer, prouver.- Les phénomènes sociaux ont des formes topologiques.- L’Europe doit innover et créer de nouvelles architectures de modèles.================================= Pourquoi développer une nouvelle architecture d’IA ?Antoine Jardin : Les modèles d’IA majoritaires reposent aujourd’hui beaucoup sur les modèles de langage et nécessitent énormément de données et de calculs. Notre approche consiste à utiliser des réseaux de neurones topologiques dédiés à la connexion entre les points d’information. Cela permet d’être plus flexible, plus efficient, mais aussi complètement auditable et traçable. Hugo Micheron : Nous partons de cas d’usage auxquels les modèles actuels ne permettent pas toujours de répondre. Notre objectif est de comprendre la structure et les dynamiques des données, notamment lorsqu’elles sont massives et hétérogènes. C’est une autre architecture d’IA, complémentaire des modèles de langage et des World Models. Concrètement, que permettent les neurones topologiques ?Hugo Micheron : Prenons la fraude bancaire. Une série de transactions peut être parfaitement légale prise individuellement : A donne 100 000 euros à B, B à C, C à D et D à A. Ce qui est illégal, c’est le schéma global. Nos modèles cherchent automatiquement cette circularité dans la connectivité. On peut ainsi préqualifier le problème et accéder beaucoup plus rapidement à l’information pertinente. Antoine Jardin : C’est la même logique pour l’investigation. Un enquêteur relie des personnes, des lieux, des documents et des faits pour faire émerger une démonstration. Nous voulons automatiser ces connexions sur des volumes de données qu’un humain ne pourrait pas traiter seul, tout en conservant la possibilité de retracer les éléments de preuve. Ces modèles peuvent-ils aussi contribuer à rendre l’IA plus sûre ?Hugo Micheron : Il y a aujourd’hui une partie du développement de l’IA que nous ne maîtrisons pas complètement. S’il existe un nouveau pouvoir lié aux algorithmes, il faudra probablement des contre-pouvoirs, notamment d’autres algorithmes capables d’encadrer leurs effets néfastes. Nous réfléchissons donc aussi à l’application de nos modèles à l’AI safety. Antoine Jardin : Nos modèles sont conçus pour être transparents et vérifiables. La nature des procédures mathématiques utilisées permet de contrôler et de certifier leur comportement. C’est particulièrement important dans les domaines où la sécurité, l’auditabilité et les enjeux critiques sont essentiels. Où en est aujourd’hui Arlequin AI ?Hugo Micheron : Nous sommes une cinquantaine de chercheurs et collaborateurs, avec une trentaine de clients dans quatre pays européens. Nous avons levé 28 millions d’euros et développons des bureaux en Allemagne et en Angleterre, avec un laboratoire de recherche en IA lancé à San Francisco. Notre plateforme est déjà déployée sur différents cas d’usage. Antoine Jardin : Nous avons déjà réalisé des modèles à petite échelle. L’enjeu maintenant est de leur permettre de passer à l’échelle et de tirer toute la valeur de cette nouvelle architecture. Notre objectif est de créer à grande échelle des réseaux de neurones topologiques. Hébergé par Audiomeans. Visitez audiomeans.fr/politique-de-confidentialite pour plus d'informations.