Comment l’Idiap fait passer l’IA du laboratoire à l’entreprise
L’Idiap célèbre 35 ans de recherche en intelligence artificielle. Responsable du bureau du transfert de technologie à l’Idiap, Joël Dumoulin revient sur l’évolution des relations avec les entreprises, les obstacles au transfert technologique et évoque plusieurs innovations significatives issues des laboratoires de l’institut valaisan.
L’Idiap fête ses 35 ans. Comment le rapport entre la recherche et l’industrie a-t-il évolué durant cette période?
Il faut d’abord rappeler que ces 35 ans correspondent aussi à 35 ans d’expérience en intelligence artificielle. Lorsque l’Idiap a été créé à Martigny en 1991, l’IA était déjà au cœur de son ADN. C’était assez visionnaire, car cette thématique traversait alors une période où elle suscitait beaucoup moins d’intérêt qu’aujourd’hui. L’Idiap est une fondation de recherche à but non lucratif et un institut de recherche d’importance nationale, soutenu notamment par la Confédération. Nous avons trois missions principales: la recherche, l’éducation et le transfert de technologies. Faire en sorte que les découvertes et technologies développées ici puissent bénéficier au tissu économique fait donc partie de notre mission historique. En 2006, nous avons notamment constitué une équipe d’ingénieurs en recherche et développement destinée à faire le pont entre chercheurs et entreprises. Cette capacité de transfert fait aujourd’hui partie de nos particularités. Les besoins du tissu économique ont évidemment beaucoup évolué en 35 ans, mais l’accélération a surtout été très forte ces cinq ou six dernières années. Les entreprises n’ont pas attendu ChatGPT pour s’intéresser à l’IA, mais l’arrivée de l’IA générative a fortement accéléré les choses et modifié leurs attentes.
Justement, qu’est-ce qui a changé avec l’essor de l’IA générative? Les entreprises arrivent-elles désormais avec des problèmes précis ou simplement avec l’idée qu’il leur faut «faire de l’IA»?
On rencontre les deux situations. Lorsque je suis arrivé à l’Idiap en 2018 comme responsable du transfert de technologie, une partie importante de mon travail consistait encore à convaincre les entreprises que l’IA pouvait être un outil pertinent pour résoudre certains de leurs problèmes. Nous cherchions à identifier leurs difficultés, puis à voir quelles expertises disponibles à l’Idiap pouvaient apporter une solution. Depuis quelques années, beaucoup d’entreprises viennent directement nous voir. Certaines nous disent simplement qu’elles veulent faire de l’IA et nous demandent ce qu’elles pourraient en faire. D’autres arrivent avec des idées déjà très concrètes, notamment autour de l’IA générative et des grands modèles de langage. Les entrepreneurs ayant désormais accès à ces technologies, ils peuvent échanger avec des chatbots, tester des idées et arriver chez nous avec une première vision de ce qu’ils souhaitent réaliser. Mais cela ne signifie pas que l’idée soit forcément pertinente ou réalisable. Notre rôle consiste justement à apporter du recul, de l’expertise et de l’expérience pour déterminer si l’approche envisagée est la bonne.
Quels sont les principaux obstacles lorsqu’il s’agit de faire passer une technologie du laboratoire à une utilisation réelle en entreprise?
Le premier enjeu concerne le financement. Même dans le cadre de la recherche appliquée, une part d’exploration et d’incertitude demeure. Il faut pouvoir tester plusieurs approches, accepter qu’elles ne fonctionnent pas toutes et parfois avancer moins vite que ne l’espérait le partenaire industriel. Nous avons une grande chance en Suisse avec les instruments publics de financement de la R&D. Des dispositifs comme ceux d’Innosuisse, ou en Valais le soutien de la Fondation The Ark, réduisent les risques et les coûts pour les entreprises. Elles peuvent accéder à des technologies de pointe sans supporter seules tous les investissements nécessaires. De notre côté, cela nous permet de poursuivre nos recherches tout en maximisant leur impact sur le terrain. Une autre difficulté apparaît ensuite: intégrer les résultats du projet de R&D dans les processus et l’infrastructure de l’entreprise. Cette étape est parfois sous-estimée. Nous accompagnons l’entreprise pendant une partie de l’aventure, mais nous ne sommes généralement pas le partenaire qui exploitera ensuite la solution au quotidien dans son infrastructure. Démontrer qu’une technologie fonctionne ne signifie donc pas qu’elle puisse immédiatement être mise en production. Il reste du travail d’intégration, de maintenance et de fiabilisation.
Comment naissent généralement vos collaborations avec les entreprises?
Le cas de figure le plus courant est qu’une entreprise arrive avec un problème à résoudre. Nous allons alors chercher dans nos expertises, nos technologies et les résultats de nos recherches des éléments pouvant constituer un point de départ. Les écosystèmes d’innovation jouent un rôle important. Ils sont en contact avec les industriels, identifient des pistes et peuvent ensuite les mettre en relation avec nos chercheurs. Notre taille constitue aussi un avantage. Avec environ 200 collaborateurs, nous gardons beaucoup de flexibilité. Nos chercheurs sont curieux des problèmes rencontrés par les industriels et ouverts à l’idée d’appliquer leurs technologies à des domaines parfois très éloignés de leur terrain de recherche initial.
Vous avez un exemple?
Un exemple que j’aime beaucoup c’est une collaboration que nous avons eue avec la société 3D2cut. Nos travaux consacrés à l’analyse de la posture, des gestes et des interactions humain-machine nous ont permis de développer une technologie capable d’analyser des ceps de vigne afin de déterminer où effectuer une coupe. Au départ, les deux domaines semblent très éloignés. Pourtant, une technologie développée pour comprendre des postures ou des interactions peut finalement contribuer à résoudre un problème concret dans la viticulture. C’est exactement le genre de rencontre que permet le transfert technologique.
L’Idiap peut aussi être à l’origine de la démarche?
Oui. Nous pouvons identifier en interne une technologie ayant un potentiel de valorisation, puis activer nos réseaux afin de trouver des entreprises intéressées. Il existe également la voie des spin-off. Des responsables de groupes de recherche, des doctorants ou des postdoctorants peuvent vouloir poursuivre une technologie au-delà de leur travail académique. Nous les accompagnons alors pour passer du laboratoire au marché. Nous organisons aussi chaque année l’Idiap Create Challenge, un hackathon international qui permet aussi à nos chercheurs de transformer une idée en prototype fonctionnel et, parfois, de déclencher une démarche entrepreneuriale.
Parmi les spin-off créées à partir de technologies développées à l’Idiap, lesquelles retenez-vous en particulier?
KeyLemon est un exemple important dans l’histoire des spin-off de l’Idiap. Cette société spécialisée dans la biométrie faciale a été acquise par AMS en 2018. Eyeware constitue un autre exemple, avec sa technologie de suivi du regard et son produit Beam Eye Tracker. Plus récemment, l’Idiap a aussi vu émerger Lunar AI Reasoning Systems, une spin-off spécialisée dans le raisonnement automatique, qui accompagne les entreprises dans la mise en place de systèmes agentiques. Mais notre exemple le plus emblématique de transfert technologique reste probablement Torch. Le logiciel est né à l’Idiap au début des années 2000 et est ensuite devenu le cœur de PyTorch. Aujourd’hui, PyTorch fait partie des outils les plus utilisés pour le deep learning. Cela montre qu’une technologie née dans un petit institut peut avoir un impact mondial considérable.
Quels domaines vous paraissent offrir le plus de potentiel pour les prochaines années? LLM, agents, world models?
C’est très difficile à prévoir. Vu la vitesse à laquelle le domaine a explosé, il n’est pas possible d’avoir une vision exhaustive de l’état de l’art de toute l’IA. Même les experts sont surpris par la cadence et la qualité des nouveautés qui apparaissent. Personne ne sait réellement où nous en serons dans deux ou trois ans. Les LLM ne vont certainement pas résoudre tous les problèmes. Les world models joueront peut-être un rôle important, ou une autre approche apparaîtra. Pour les entreprises, il faut toutefois ramener cette discussion à quelque chose de très concret: quel est le problème et quelle technologie permet de le résoudre? Il n’est pas nécessaire d’utiliser le modèle de dernière génération pour analyser une image sur une chaîne de production et effectuer un contrôle qualité. Notre devise à l’Idiap est depuis longtemps «AI for Society». Nous voulons avant tout que nos contributions soient pertinentes pour la société. Nous ne sommes pas dans une course au modèle ultime, et nous n’en aurions de toute manière pas les moyens.
Quels autres projets illustrent cette approche très appliquée?
Nous collaborons par exemple avec Skysoft et Eurocontrol sur des technologies vocales destinées aux simulateurs de contrôle aérien. Notre expertise historique en traitement de la parole permet de travailler sur la reconnaissance vocale dans un environnement complexe, avec du bruit et de nombreux accents. C’est un domaine où une expertise très spécialisée reste nécessaire. Un autre projet, soutenu par Innosuisse, a été mené avec PXL Vision autour de la détection avancée de deepfakes pour la vérification d’identité. Les deepfakes touchent désormais également les documents d’identité. Nous avons développé avec cette entreprise des technologies visant à mieux détecter ces manipulations, et les résultats du projet ont directement été intégrés à son produit commercial. Ce sont de bons exemples de ce que permettent ces collaborations: faire avancer conjointement la recherche et l’industrie, puis transformer des travaux scientifiques en solutions utilisées directement par les entreprises.
L’actualité IT en Suisse et à l’international, avec un focus sur la Suisse romande, directement dans votre boîte mail > Inscrivez-vous à la newsletter d’ICTjournal, envoyée du lundi au vendredi!
