Épisode 27 – Pourquoi les projets IA échouent après la phase de test ? avec Anastasia Stasenko, co-fondatrice de Pleias

La course à l’intelligence artificielle est dominée par un seul mot d’ordre : le gigantisme. Plus de données, plus de puissance, plus de paramètres. Mais cette fuite en avant est-elle la seule voie possible ? Et si la véritable valeur se cachait dans des modèles plus petits, plus sobres et réellement maîtrisés ?

C’est la vision à contre-courant défendue dans cet épisode 27 de « Changement d’époque en cours ». Pour en débattre, nous recevons Anastasia Stasenko, co-fondatrice de Pleias, une start-up qui développe une alternative crédible aux géants de la tech. Avec elle, nous explorons une IA plus frugale, transparente et souveraine.

Retrouvez cet épisode sur votre plateforme préférée

Open Source : la transparence des données comme véritable enjeu

Le terme « open source » est aujourd’hui utilisé par tous les grands acteurs, mais que signifie-t-il vraiment ? Pour Anastasia Stasenko, le débat ne se limite pas à l’accès au code : la véritable ouverture réside dans la transparence des données d’entraînement. Sans savoir avec quoi un modèle a été nourri, impossible de le reproduire, de comprendre ses biais ou de garantir sa fiabilité juridique. Face à cette « boîte noire », Pleias a fait le choix radical de l’« open science » : créer ses propres modèles (SLM, ou Small Language Models) à partir d’un corpus de données entièrement sourcé et libre de droits, le « Common Corpus ».

La frugalité : un impératif économique plus qu’écologique

Et si les « petits » modèles étaient plus compétitifs que les géants ? C’est le pari de la frugalité. Anastasia Stasenko le rappelle : en entreprise, le retour sur investissement est roi. À quoi bon un chatbot impressionnant si son coût d’utilisation (« inférence ») dépasse les gains qu’il génère ? Le futur de l’automatisation à grande échelle passera inévitablement par la miniaturisation. Loin d’être une simple contrainte morale ou écologique, la frugalité est un avantage compétitif majeur. Elle permet de déployer des solutions IA sur des infrastructures légères, jusque dans des zones sans connexion internet, ouvrant la voie à des cas d’usage (santé, éducation) jusqu’ici inaccessibles.

« Context Engineering » : le maillon faible des projets IA

Pourquoi tant de projets IA échouent-ils après la phase de test (PoC) ? La réponse, selon Anastasia Stasenko, se trouve moins dans le modèle que dans la donnée. La plupart des entreprises se heurtent à une réalité crue : leurs bases de connaissance sont incomplètes, contradictoires et de piètre qualité. Le véritable défi n’est donc pas de choisir le bon LLM, mais de préparer la connaissance qui va l’alimenter. C’est ce qu’elle nomme le « context engineering » : un travail de préparation, d’enrichissement et de structuration de la donnée, qui constitue aujourd’hui l’essentiel du travail pour garantir le succès d’un projet.

2026 : Vers une IA décentralisée et spécialisée

Le futur de l’IA verra-t-il s’affronter un oligopole de géants et un écosystème d’acteurs spécialisés ? Pour notre invitée, la question de la maîtrise est centrale. Dépendre d’API propriétaires, c’est risquer sa compétitivité à moyen terme. En développant des modèles spécialisés pour ses clients et en leur cédant les droits, Pleias propose une vision d’une IA décentralisée, où chaque entreprise peut bâtir sur des fondations solides et durables. Car si le paradigme du « toujours plus gros » semble atteindre ses limites, celui de la qualité de la donnée et de la spécialisation, lui, ne fait que commencer.

Vous avez des questions sur cet épisode ?
Vous voulez nous soumettre une idée d’épisode, d’invité ?
Écrivez-nous à changement@converteo.com

Changement d’époque en cours est un podcast réalisé par Converteo.
L’émission est présentée par Laurent Nicolas-Guennoc.