Athénaïs Oslati veut donner de la mémoire et du sens aux agents IA

Athénaïs Oslati ne parle pas de l’intelligence artificielle comme d’un simple outil de génération de texte. Fondatrice d’ONTBO, une entreprise française spécialisée dans l’IA cognitive, elle défend une approche différente de celle qui domine actuellement le marché : dépasser la fluidité des grands modèles de langage pour leur ajouter du contexte, de la mémoire, de la traçabilité et une forme d’explication. Dans l’entrevue accordée au podcast HumaAInity, elle résume le problème en une formule simple : les machines comprennent aujourd’hui les données, mais pas toujours leur sens.

Son parcours explique en partie cette approche. Avant de fonder ONTBO en 2021, à 24 ans, Athénaïs Oslati est passée par la médecine, une prépa en électronique et informatique, puis l’ingénierie mécanique. Elle dit avoir toujours été attirée par les zones de rencontre entre plusieurs disciplines : le vivant, la machine, les mathématiques, l’informatique, la biologie, mais aussi la philosophie. Cette trajectoire l’a menée vers une question qui reste au cœur de son travail : comment doter les systèmes d’IA d’une meilleure compréhension du contexte humain ?

Pour elle, l’IA générative n’est qu’une partie du paysage. Elle la décrit comme une IA probabilistique, capable de prédire le mot suivant et de produire des réponses très fluides. L’IA cognitive, telle qu’elle la conçoit, vise plutôt à combiner plusieurs approches, dont l’IA neurosymbolique, les mathématiques, le traitement du signal et l’étude du vivant. L’objectif n’est pas de remplacer les grands modèles de langage, mais de leur ajouter des capacités qu’ils n’ont pas été conçus pour offrir : mémoriser durablement, contextualiser correctement et expliquer le cheminement qui mène à une réponse.

Cette distinction est centrale dans son discours. Selon elle, une partie du public et des décideurs confond encore fluidité et fiabilité. Un grand modèle de langage peut répondre avec assurance tout en se trompant, ce qui devient problématique lorsque l’IA est utilisée dans des secteurs sensibles. Elle insiste notamment sur la question de la responsabilité : lorsqu’une machine se trompe, qui décide, qui vérifie, qui assume ? Dans son analyse, la gouvernance de l’IA n’est pas un sujet secondaire, mais une condition essentielle à son adoption à grande échelle.

ONTBO est né d’un premier travail autour de ce qu’elle appelle l’IA émotionnelle. L’entreprise s’est ensuite réorientée vers une IA de contexte et de logique. Athénaïs Oslati explique que détecter une émotion ou un état ne suffit pas : l’enjeu est de comprendre pourquoi cette émotion apparaît, dans quel contexte, avec quelles données et quelles conséquences. Cette évolution l’a conduite vers des systèmes qu’elle présente comme plus déterministes, plus explicables et mieux adaptés aux besoins des entreprises.

La fondatrice affirme que ses recherches ont notamment porté sur la mémoire des modèles et leur capacité à retrouver une information dans la durée. Selon elle, les grands modèles de langage s’effondrent lorsque le volume de conversations devient trop important, parce qu’ils ne savent pas toujours indexer, retrouver ou expliquer correctement l’information pertinente. Elle indique qu’ONTBO a comparé son approche à plusieurs modèles existants sur plus de 500 conversations, avec l’objectif de mesurer la cohérence contextuelle, le rappel d’information et les hallucinations.

L’un des arguments d’ONTBO concerne aussi le coût. Athénaïs Oslati avance que son système permettrait de réduire fortement les coûts liés aux tokens, parce qu’il ne serait pas nécessaire de repasser en revue l’ensemble des conversations ou des bases de données pour retrouver une information déjà connue. Dans son explication, la valeur ne tient pas seulement à l’économie réalisée, mais aussi à la capacité de dire où l’information se trouve, pourquoi elle est utilisée et comment elle soutient une réponse. Dans certains secteurs, comme la banque, cette explicabilité pourrait même peser plus lourd que le coût brut de l’IA.

Son regard sur le marché actuel est critique. Elle estime que l’industrie est entrée dans une phase où l’éloquence des machines est trop souvent confondue avec leur intelligence. Les outils génératifs impressionnent parce qu’ils parlent bien, mais ils restent, selon elle, des systèmes d’imitation et de reformulation. Le risque à court terme ne serait donc pas une intelligence artificielle qui prendrait le contrôle du monde, mais plutôt des systèmes mal alignés, mal déployés, utilisés trop vite et sans gouvernance suffisante.

Athénaïs Oslati rejette également l’idée que l’intelligence artificielle générale soit à portée de main grâce aux modèles génératifs. Elle considère que l’IA repose d’abord sur des systèmes conçus pour résoudre des problèmes spécifiques. À ses yeux, promettre une intelligence généraliste capable de dépasser l’humain relève davantage du récit de financement que d’une trajectoire technique crédible. Son approche privilégie plutôt des modèles spécialisés, ou des couches spécialisées, capables de répondre à des problèmes précis avec un meilleur niveau de contrôle.

Elle porte aussi un regard géopolitique sur le développement de l’IA. Les États-Unis, selon elle, avancent dans une logique de vitesse, de puissance et de mise en marché rapide. La Chine, à ses yeux, serait beaucoup plus avancée qu’on ne le perçoit en Europe, notamment parce que ses développements sont moins visibles dans les canaux d’information occidentaux. L’Europe, de son côté, aurait des talents et une culture plus prudente, mais manquerait de financement pour conserver sa propriété intellectuelle et faire grandir ses entreprises sur son propre territoire.

L’enjeu environnemental s’ajoute à ce constat. Athénaïs Oslati rappelle que l’IA générative entraîne une consommation importante de calcul, donc d’énergie, notamment dans les centres de données. Pour elle, l’IA frugale doit devenir une priorité : utiliser moins de ressources, réduire les coûts de calcul, éviter les traitements inutiles et concevoir des systèmes mieux adaptés à la tâche réelle. Autrement dit, ne pas utiliser l’IA comme une baguette magique, mais comme une réponse ciblée à un problème bien identifié.

Son conseil aux jeunes entrepreneurs résume assez bien sa vision : ne pas commencer par vouloir faire de l’argent avec l’IA, mais par trouver un vrai problème à résoudre. Dans un marché saturé d’applications construites rapidement, la valeur se déplacera vers ceux qui sauront comprendre un besoin, poser les bonnes questions et concevoir une solution utile. Chez ONTBO, cette ambition se traduit par une volonté affichée de rendre un jour certaines recherches accessibles plus largement, peut-être même en open source. Une manière de rappeler que l’avenir de l’IA ne se jouera pas seulement dans la puissance des modèles, mais aussi dans leur capacité à expliquer, contextualiser et servir un usage réel.

Source :

*****

Du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur l’essentiel de l’actualité numérique avec 120 secondes de Tech.

Ou encore…

Écoutez la plus récente édition de Mon Carnet,
le magazine hebdomadaire de l’actualité numérique.


En savoir plus sur Mon Carnet

Subscribe to get the latest posts sent to your email.

Laisser un commentaire