Elles font l'I.A. : du laboratoire à votre écran
Six femmes qui tiennent chacune un maillon de l'I.A., du laboratoire à l'écran de votre téléphone. Certaines, vous ne les connaissez pas encore.
Écoutez-le pour découvrir des noms qu'on cite trop peu, avant d'arriver à ceux que tout le monde connaît. Chaque étape sort un peu plus du laboratoire : la recherche, le contrôle, les données, les puces, puis l'outil que vous ouvrez. Petit jeu en route : le nom de chaque invitée n'est donné qu'après son épisode.
Lia ouvre le parcours et présente chaque épisode, puis les épisodes s'enchaînent, environ 59 min en tout. Vous pouvez aussi mettre les six épisodes dans votre playlist.
Ce que vous saurez à la fin
- Décrire le chemin d'une I.A., maillon par maillon : la question et les données, le laboratoire, le contrôle, les puces, l'outil grand public.
- Pourquoi une bonne prédiction ou un bon score ne suffisent pas : il faut des essais sur des patients, un humain aux commandes et des contrôles indépendants des entreprises.
- Qui sont Regina Barzilay, Joëlle Barral, Joy Buolamwini, Fei-Fei Li, Lisa Su et Melanie Perkins, et ce que chacune a changé dans cette chaîne.
Bienvenue dans ce parcours : six portraits, environ une heure. Une question nous guide : qui fabrique vraiment l'I.A., du laboratoire jusqu'à l'outil que vous ouvrez sur votre écran ? À chaque étape, une femme tient un maillon de la chaîne. On commence par des noms peu connus, au plus près de la recherche, pour finir avec des entreprises que tout le monde connaît.
-
Premier maillon : le laboratoire. Tout commence par une chercheuse, une question précise et des images. Celle que vous allez découvrir est professeure au MIT, et son chemin vers la médecine a pris des détours inattendus. Écoutez bien la fin : on y explique pourquoi une bonne prédiction ne suffit pas.
À retenirPrédire un risque ne suffit pas : il faut savoir quoi faire ensuite.
-
C'était Regina Barzilay. Elle a contribué à concevoir une I.A. qui estime, sur une image, un risque de cancer plusieurs années à l'avance. Mais prédire ne suffit pas : il faut savoir quoi faire ensuite. Deuxième maillon : le grand laboratoire privé, celui qui fabrique les modèles. La femme que vous allez entendre est française. Elle a commencé par les images du corps humain, avant de diriger une partie de la recherche d'un géant de l'I.A.
À retenirUn médecin aux commandes : un bon score à un test n'est pas une validation sur des patients.
-
C'était Joëlle Barral. Sa règle : un médecin aux commandes, et un bon score à un test n'est pas une validation sur des patients. Mais qui vérifie, de l'extérieur, qu'un outil marche pour tout le monde ? Troisième maillon : le contrôle. La chercheuse que vous allez découvrir s'est d'abord heurtée elle-même à un logiciel qui la détectait mal. Ce qu'elle a mesuré ensuite a fait réagir de très grandes entreprises.
À retenirIl faut des contrôles indépendants : une I.A. peut se tromper davantage sur certains visages.
-
C'était Joy Buolamwini. Elle a mesuré des erreurs plus fréquentes sur les femmes à la peau foncée, parce que les bases de référence comptaient surtout des peaux claires. Sa conviction : on ne peut pas laisser les entreprises vérifier seules. Quatrième maillon : les données. La chercheuse que vous allez découvrir, professeure à Stanford, a fait un pari qu'un collègue jugeait trop en avance sur son temps. Ce pari a contribué à l'essor de l'apprentissage profond.
À retenirLes données ont fait décoller l'apprentissage profond.
-
C'était Fei-Fei Li : miser sur les données était la bonne hypothèse. Mais des millions d'images ne servent à rien sans machines pour calculer. En septembre 2026, un fabricant de puces, AMD, a d'ailleurs annoncé un accord pour acquérir World Labs, son entreprise. Cinquième maillon : les puces. La dirigeante que vous allez entendre a pris la tête d'une entreprise en perdition, en prévenant que le redressement prendrait cinq ans.
À retenirPas d'I.A. sans puces. « Ce sont les gens qui décident », dit Lisa Su.
-
C'était Lisa Su. En septembre 2026, AMD a franchi les mille milliards de dollars en Bourse : une première pour une entreprise dirigée par une femme. Sa phrase à garder : « La technologie ne décide pas de l'avenir. Ce sont les gens qui décident. » Dernier maillon : l'outil que vous ouvrez sur votre écran. La femme que vous allez découvrir a essuyé plus de cent refus d'investisseurs. Écoutez bien la fin : son pari total sur l'I.A. a un coût.
À retenirAu bout de la chaîne, chaque usage de l'I.A. a un coût.
Ce qu'il faut retenir
C'était Melanie Perkins. Son entreprise, Canva, a dû revoir sa prévision de croissance : le coût moyen d'une tâche d'I.A. était trop élevé. Une I.A. ne tombe pas du ciel : c'est une chaîne. Au départ, une question et des données, comme les images médicales de Regina Barzilay. Puis un grand laboratoire qui en fait un outil, avec un médecin aux commandes, comme le veut Joëlle Barral. Des contrôles indépendants, parce qu'une I.A. peut se tromper davantage sur certains visages, comme l'a mesuré Joy Buolamwini. Des millions d'images, le pari de Fei-Fei Li. Des puces, le domaine de Lisa Su. Et un coût à chaque usage, que Melanie Perkins a dû réduire. À chaque maillon, une même leçon : un bon résultat ne suffit pas. Il faut savoir qui vérifie, et à quel prix.
Tout ce qui est écrit ici vient des épisodes et de leurs dossiers de sources vérifiées. Une erreur ? Écrivez-nous depuis la page du portrait concerné (« Signaler une erreur ou une info »).