Sabine Süsstrunk, Conseil suisse de la science et EPFL: «L’infrastructure IA suisse est trop fragmentée»
Sabine Süsstrunk, présidente du Conseil suisse de la science et doyenne de la Faculté informatique et communications de l’EPFL, détaille les besoins de la recherche suisse en matière d’infrastructures IA, tout en évoquant souveraineté, talents et évolution de l’enseignement.
Quel est précisément le rôle du Conseil suisse de la science?
Le Conseil suisse de la science est une commission extraparlementaire qui conseille le Conseil fédéral dans les domaines de l’éducation, de la formation, de la recherche et de l’innovation. Nous réfléchissons notamment aux conditions-cadres susceptibles de soutenir ces domaines. Certaines études répondent à des mandats de la Confédération, tandis que nous choisissons nous-mêmes d’autres thèmes, comme l’informatique quantique ou aujourd’hui l’IA.
Pourquoi vous êtes-vous intéressés aux infrastructures nécessaires à l’IA?
Avec l’intelligence artificielle, une distinction est essentielle: il y a la recherche sur l’IA et la recherche avec l’IA. Les besoins ne sont pas les mêmes. Les chercheuses et chercheurs qui développent de nouveaux modèles d’IA peuvent avoir besoin de capacités de calcul extrêmement importantes. D’autres scientifiques utilisent l’IA comme un outil dans leur propre domaine. Eux aussi ont besoin de ressources, mais pas nécessairement des infrastructures les plus puissantes dès le départ. Nous avons donc réfléchi à une organisation en plusieurs niveaux. Au sommet se trouvent de très grandes infrastructures de calcul, certaines situées en Suisse, comme le superordinateur Alps au Centre suisse de calcul scientifique (CSCS) à Lugano, utilisé notamment pour entraîner Apertus, le modèle de langage ouvert développé dans notre pays, et d’autres accessibles via des collaborations internationales. Mais la majorité des chercheuses et chercheurs n’ont pas nécessairement besoin de commencer à ce niveau. Il faut leur donner accès à des capacités intermédiaires, y compris lorsqu’ils travaillent dans une institution qui ne possède pas elle-même une grande infrastructure.
La Suisse dispose pourtant déjà de ressources importantes. Où se situe le problème?
Elles sont trop fragmentées et pas suffisamment coordonnées. C’est particulièrement problématique dans un contexte où les ressources financières sont sous pression alors que le calcul coûte de plus en plus cher. Si chaque institution développe son infrastructure indépendamment, on crée des doublons. La coordination ne suffit cependant pas. Il faut aussi assurer la compatibilité des systèmes. Imaginons qu’une chercheuse ou un chercheur commence un projet sur une infrastructure locale à l’Université deGenève, puis constate avoir besoin davantage de puissance et souhaite passer sur Alps. Le passage d’une infrastructure à l’autre ne devrait pas nécessiter de réécrire tout l’environnement ou tous les protocoles. L’objectif est donc de permettre aux charges de travail de passer aussi facilement que possible d’une infrastructure à une autre. Il faudrait également un point d’accès plus simple et des systèmes inter-opérables. Et cette compatibilité ne devrait pas s’arrêter au monde académique. Lorsqu’une recherche est transférée vers l’industrie, les entreprises utilisent souvent les infrastructures d’hyperscalers privés. Il est donc utile que l’écosystème public reste suffisamment ouvert pour interagir aussi avec ces environnements.
Vous insistez également sur le fait qu’une infrastructure ne se limite pas aux GPU et aux centres de calcul.
Absolument. Une infrastructure, ce sont des machines et des réseaux, mais aussi des personnes. C’est particulièrement important pour la recherche avec l’IA. On ne va pas transformer chaque historienne ou historien, ni chaque spécialiste d’un autre domaine, en expert de l’intelligence artificielle. Ces chercheuses et chercheurs disposent pourtant parfois d’énormes quantités de données et pourraient utiliser l’IA pour répondre à de nouvelles questions scientifiques. Il faut donc être capable de traduire une question de recherche en besoins techniques: quels outils utiliser, comment programmer le traitement, de quelle puissance de calcul a-t-on besoin? Cette expertise d’accompagnement devrait être disponible à proximité des chercheurs. Elle ne doit pas nécessairement exister dans chaque institution, mais pourrait être organisée régionalement. Une équipe pourrait par exemple soutenir plusieurs établissements dans plusieurs cantons et les aider à utiliser une infrastructure nationale. Nous parlons donc autant d’une infrastructure de connaissances et d’accompagnement que d’une infrastructure informatique.
Pourquoi ne pas centraliser cette expertise et le calcul au niveau suisse?
Parce que nous devons tenir compte du fédéralisme. On ne peut pas tout centraliser. Les cantons financent une partie importante du système des hautes écoles et veulent naturellement conserver un rôle dans les décisions. Je vois plutôt une répartition des responsabilités. Les plus grandes infrastructures relèvent davantage du niveau fédéral, alors que des capacités intermédiaires ou régionales peuvent aussi être financées par les cantons. L’essentiel est que tout cela soit coordonné. Aujourd’hui, nous avons déjà beaucoup d’infrastructures liées à l’IA, mais elles sont très fragmentées. Si cette fragmentation conduit plusieurs acteurs à acheter séparément les mêmes ressources, cela finit par coûter davantage. Le rapport évoque aussi un paiement à l’usage.
Pourquoi ce modèle vous paraît-il pertinent?
Parce que le calcul est un coût de la recherche, au même titre que d’autres équipements. Il faut évidemment un investissement initial pour construire l’infrastructure. Ensuite, un système de paiement à l’usage peut contribuer au renouvellement des équipements, dont le cycle de vie est relativement court. Il peut également favoriser une utilisation plus rationnelle des ressources. Si l’accès à la plus grande infrastructure est entièrement gratuit pour l’utilisateur, chacun a intérêt à demander la ressource la plus puissante, même si elle n’est pas nécessaire. Avec plusieurs niveaux de calcul, on peut orienter les chercheurs vers l’infrastructure adaptée à leurs besoins, plutôt que d’utiliser systématiquement la ressource la plus puissante.
Ce débat rejoint celui sur la souveraineté numérique. Jusqu’où la Suisse devrait-elle chercher à être autonome?
Nous ne pourrons jamais tout faire nous-mêmes en Suisse. Il n’est pas réaliste d’imaginer des infrastructures nationales capables de couvrir tous les besoins de l’industrie, de la Confédération, des cantons, de la recherche, des hôpitaux et de tous les autres acteurs. Les hyperscalers privés conserveront donc un rôle. Pour moi, la question centrale n’est d’ailleurs pas uniquement de savoir si une infrastructure est publique ou privée. Il faut surtout regarder les données. Plus elles sont sensibles, plus la souveraineté devient importante. C’est particulièrement vrai pour les données médicales, les données gouvernementales, fiscales ou, plus largement, celles qui permettent d’identifier une personne. Là, il faut des garanties très fortes. Reste à définir si la bonne échelle est strictement suisse ou européenne.
La souveraineté est donc surtout une question géopolitique?
Oui. Nous parlons toujours de partenaires de confiance, mais l’expérience montre qu’un partenaire considéré comme fiable peut rapidement ne plus l’être. La souveraineté ne concerne donc pas uniquement la confidentialité ou la localisation des données. Elle touche aussi à la géopolitique et à la question de savoir à qui nous pouvons faire confiance. Pour la Suisse, une autonomie complète reste néanmoins irréaliste. Le coût de l’énergie constitue notamment une limite. Il faudra donc continuer à s’appuyer sur des partenaires, en particulier à l’échelle européenne.
Compte tenu des limites financières et énergétiques, la Suisse devrait-elle réserver ses capacités de calcul à certains domaines de recherche?
Je ne pense pas que la puissance de calcul devrait déterminer les domaines dans lesquels la Suisse mène sa recherche. Cette idée part un peu de l’hypothèse que tout calcul devrait nécessairement être effectué en Suisse. Lorsque les données ne sont pas particulièrement sensibles, le calcul peut aussi être réalisé ailleurs, à condition d’avoir les moyens de payer les ressources nécessaires. Les choix de recherche seront davantage déterminés par les talents présents en Suisse et par notre tissu industriel. Nous allons par exemple continuer à travailler sur l’IA dans le domaine pharmaceutique parce que nous disposons d’une industrie forte dans ce secteur. D’autres facteurs me semblent donc plus déterminants que la seule capacité de calcul disponible sur le territoire.
Vous évoquez les talents. La concurrence de l’industrie pour recruter les spécialistes de l’IA vous préoccupe-t-elle?
Oui, beaucoup. Pour les profils les plus recherchés, les salaires proposés par certains acteurs de l’IA sont aujourd’hui complètement hors norme. Le monde académique ne peut simplement pas rivaliser avec ces rémunérations. Je pense toutefois qu’il y a actuellement un effet de vague. Nous avons déjà connu des périodes similaires dans d’autres domaines technologiques. Je ne crois pas que les niveaux actuels puissent se maintenir indéfiniment. A un moment, les entreprises devront démontrer des modèles économiques durables. Parallèlement, des modèles fondamentaux très performants deviennent disponibles à des coûts beaucoup plus faibles, notamment en provenance de Chine. Cela peut modifier l’économie du secteur. Le problème de la fuite des talents est donc très réel aujourd’hui, mais je ne suis pas certaine que la situation actuelle soit permanente.
Les recommandations du Conseil suisse de la science sur les infrastructures IA commencent-elles à être entendues?
Nous avons pu présenter le rapport au conseiller fédéral Guy Parmelin, chef du Département fédéral de l’économie, de la formation et de la recherche. Nous allons également le présenter à la Conférence suisse des hautes écoles, qui réunit notamment les acteurs cantonaux au plus haut niveau de décision. Il reste néanmoins un important travail de persuasion et surtout de coordination. Les différents acteurs ont leurs propres intérêts et leurs propres structures. Le domaine des EPF a ses priorités, swissuniversities également. Lors de la préparation du rapport, nous avons mené de nombreux entretiens et un point faisait largement consensus: le système actuel nécessite davantage de coordination. La question n’est donc plus tellement de savoir s’il faut agir, mais comment mettre concrètement en place cette nouvelle approche. C’est maintenant cette discussion qu’il faut mener.
Vous êtes également doyenne de la Faculté informatique et communications de l’EPFL. Quelles sont actuellement vos principales priorités?
L’une des grandes questions concerne l’enseignement. L’IA a déjà profondément bouleversé la manière de faire de l’informatique. Nous devons donc nous demander quelles connaissances fondamentales chaque étudiant·e doit encore acquérir et comment les enseigner. Il y a trois ans, personne ne se demandait comment coder avec Claude. Aujourd’hui, l’utilisation de tels outils fait partie de la réalité. Avec l’IA agentique, les possibilités vont encore beaucoup plus loin. Cela pose une question fondamentale: qu’est-ce qu’une ingénieure ou un ingénieur en informatique dans le futur? L’EPFL prévoit notamment de proposer un bachelor en IA. Mais la question ne porte pas seulement sur le contenu du cursus. Elle concerne aussi la manière d’enseigner afin que les futures générations d’ingénieures et d’ingénieurs puissent résoudre les problèmes auxquels elles seront confrontées.
Faut-il encore apprendre à programmer lorsque l’IA peut produire du code?
C’est précisément le type de question que nous devons résoudre. Nous réfléchissons à l’éducation sur l’IA, mais également à l’éducation avec l’IA. Les compétences générales restent importantes: savoir travailler de manière autonome, collaborer, réfléchir de façon critique. Mais quelles compétences techniques faut-il encore enseigner pour préparer les étudiant·es aux défis futurs? C’est une question beaucoup plus mouvante qu’auparavant. Ce qui nous a particulièrement surpris, c’est la vitesse du changement. Adapter un cursus universitaire prend du temps, alors que les outils évoluent extrêmement rapidement. Il s’agit clairement d’un défi majeur, mais nous trouverons des bonnes solutions.
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!
