CONFÉRENCE · SEPTEMBRE 2026
Intelligence
artificielle
Pascal Yim
Pascal Yim
Professeur des universités à Centrale Lille
Ancien directeur innovation 3SI
Associé fondateur Brain Analytics Technologies
L’IA à Centrale Lille
Toutes les formations intègrent de l’IA
Centrale Digital Lab ↗
Diplôme d’établissement en 1 an
- 3 projets d’entreprise de 8 semaines
- Stage de 6 mois
- Accessible à partir de bac +3
Science des données et intelligence artificielle ↗
Parcours de 3e année ingénieur
- Modèles mathématiques et algorithmes
- Transformer les données en connaissances utiles à l’entreprise
Également : master Data Science et parcours « IA et santé numérique »
01
Changements
IA et
gains d’efficacité
Rédaction d’un rapport de synthèse×10 ?
Proposition commerciale×15 ?
Code informatique×100 ??
Comment accompagner ces changements ?
02
Tendances
actuelles
Souveraineté,
confidentialité ?
IA générale ?
Durabilité ?
Tendances actuelles
01Modèles en local
02RAG (Retrieval-Augmented Generation)
03Agents IA
04Contexte long
05World models
L’attention
relie les informations
Au début de la conversation« Je ne supporte pas le piment. »
Dix minutes plus tard« Et si on faisait un chili con carne ? »
La préférence redevient pertinente« Alors, préparons une version sans piment. »
L’information doit encore être présente dans le contexte du modèle.
Transformer
Les têtes d’attention
Comparer « chili » au contexte
Q · Requête représente ce que l’on cherche à relier à « chili ».
K · Clés représentent ce que chaque mot peut apporter.
Comparaison Q × K → scores → poids en %Le refus du piment
« Aucun » et « piment » contribuent davantage au mélange.
V · Valeurs : les informations numériques des mots que la tête mélange.
Un vecteur de contexte
pour « chili »
Réunir les sorties
Assemblage + transformation apprise
« chili » enrichi du contexte
Les trois contributions sont combinées.
Modèles
de fondation
De grandes quantités
de textes
Des exemples variés
à très grande échelle
Transformer
Des poids à apprendre
La licorne gambade sur un…
Suites possibles
Une base réutilisable
Le modèle apprend des régularités du langage et des connaissances. Les mêmes poids servent de point de départ à plusieurs usages.
Conversation
« Explique la photosynthèse. »
Une réponse claire et structurée.
Des consignes et des réponses de référence orientent le comportement.
Fine-tuning superviséCode
« Écris une fonction de tri. »def trier(liste): …
Des exemples de programmation affinent les capacités déjà acquises.
Fine-tuning spécialiséModèles de fondation
Applications
Texte et code · LLM
Résumer, traduire, programmer.
Images · DINOv2
Des représentations pour classer ou segmenter.
Séries temporelles
TimesFM et Chronos : prévoir la demande, l’énergie ou le trafic.
Prévoir une nouvelle série sans réentraînement spécifique : c’est le zero-shot. Courbe illustrative.
04
World
Models
La vision de
Yann LeCun
PerceptionApprendre des représentations à partir d’images, de vidéos et de capteurs.
World Model · JEPAPrédire des états abstraits, plutôt que des pixels.
Action et planificationSimuler des évolutions possibles pour préparer une décision.
Genie 3 :
explorer un canyon
Un monde généré
Un prompt décrit l’environnement à explorer.
Changer de point de vue
Le monde doit rester cohérent pendant le déplacement.
Genie 3 :
parcourir une ville
Explorer
Faire évoluer le point de vue dans un environnement généré.
La cohérence
Objets, espace et lumière doivent persister au fil du mouvement.
Genie 3 :
interagir avec un environnement
Agir dans le monde
Une action modifie l’environnement généré.
Anticiper les effets
Relier ce que l’agent fait à ce qui change dans la scène.
Jumeaux
numériques
Une réplique virtuelle dynamique d’un système, d’un objet physique, d’un processus ou d’une organisation.
La simulation s’alimente avec des données réelles : capteurs, bases de données et flux opérationnels.
Suivre, prédire et optimiser le comportement du système réel.
Simuler les
parcs éoliens
Données du parc
Alimenter un jumeau numérique du parc éolien.
La simulation
Explorer les flux aérodynamiques avec Omniverse et PhysicsNeMo.
Météo
et climat
GraphCast · DeepMind
Des modèles d’IA pour accélérer les prévisions météorologiques globales.
GraphCast ↗05
Renforcement
profond
Les agents apprennent à prendre des décisions par essais et erreurs, avec une fonction de récompense.
Cache-cache
Apprendre par essais et erreurs
Les cinq séquences montrent l’évolution des stratégies au cours de l’apprentissage.
OpenAI · Emergent tool use ↗Voir la vidéo complète ↗AlphaGo
Le jeu de Go
AlphaGo bat Lee Sedol en 2016.
Le jeu présente un immense espace de stratégies à explorer.
Le jeu permet d’évaluer des stratégies dans un environnement aux règles précises.
Documentaire AlphaGo ↗AlphaZero
L’auto-jeu
Le système apprend en jouant contre lui-même.
Cet apprentissage mobilise d’importantes ressources de calcul.
DeepMind · AlphaZero ↗Contrôler
un plasma
DeepMind entraîne un agent pour contrôler les bobines magnétiques du tokamak suisse TCV. Le contrôle ajuste le champ magnétique pour stabiliser des formes de plasma.
DeepMind · Learned plasma control ↗Vision · Language
Action
Helix · Figure AI
Relier perception, langage et contrôle moteur.
NVIDIA Isaac GR00T
Modèles de fondation pour robots humanoïdes, avec apprentissage par démonstration et simulation.
Ces approches de robotique combinent plusieurs méthodes d’apprentissage.
03
Vers une
IA générale ?
Raisonnement : test ARC-AGI
ARC-AGI est un benchmark créé par François Chollet qui propose des puzzles visuels abstraits sur petites grilles, faciles pour les humains mais conçus pour tester la capacité des IA à généraliser à partir de très peu d’exemples.
À vous de compléter la dernière grille
Choisissez les quatre cases jaunes qui suivent la règle des exemples.
ARC-AGI 1
Classement · septembre 2026
ARC-AGI 1
Classement · septembre 2026
ARC-AGI 1
Classement · septembre 2026
ARC-AGI 2
ARC-AGI 2 : classement
Classement · septembre 2026
Explorer ARC-AGI 3
Essayer l’environnement LS20 ↗AVANT GPT-6 ASTRA
ARC-AGI 3
Un test encore
hors de portée ?
Sélection hors GPT-6 Astra · septembre 2026 · Score ARC-AGI 3 (réussite et efficacité)
Source : ARC Prize ↗
ARC-AGI 3 : classement
Classement · septembre 2026 · Résultats ARC Prize ↗
ENTRETIEN · LE POINT · 5 SEPTEMBRE 2026
François Chollet
« En général, je pense que l’IA va très bientôt être surhumaine dans tous les domaines vérifiables »
Un domaine vérifiable ?
Un test fiable permet de vérifier automatiquement si une solution est correcte.
Exemple : du code On exécute le programme sur des cas de test.
Attendu : 5 · Obtenu : 5 ✓ Test réussi
La vérification dépend de ce que les tests couvrent.Le rôle du harnais
Harnais neutre
Harnais spécialisé
Dans ce jeu, le harnais transmet l’état au modèle, exécute ses actions et conserve les informations utiles entre deux tours. Le résultat dépend donc aussi de cette organisation autour du modèle.
Hinton et Hassabis
sur l’IA générale
Geoffrey Hinton
“There is a 10% to 20% chance that AI will wipe out humanity over the next 30 years.”
The Guardian ↗
Demis Hassabis
“If it’s done properly and responsibly, [AGI] will be the most beneficial technology ever invented.”
Time ↗
04