De Taïwan à Grenoble : bâtir une IA industrielle antifragile au service de la Qualité (Hugo Kuo, noet-ia)

Hugo, en tant que cofondateur et COO de noet-ia, quelle est votre vision de l'intelligence artificielle dans l'industrie et comment pensez-vous que votre entreprise contribue à cette transformation?

L’intelligence artificielle dans l’industrie ne doit pas être pensée comme une technologie de substitution, mais comme un levier d’augmentation de l’intelligence collective et de la Qualité.
Nous sommes entrés dans une phase où le principal risque n’est plus le manque d’information, mais l’incohérence silencieuse entre des informations pourtant existantes : normes, spécifications, contrats, procédures, retours terrain.

Chez noet-ia, nous développons une IA industrielle antifragile, conçue pour transformer ces incohérences, incidents et écarts en apprentissages structurés.
Notre conviction est que la Qualité, lorsqu’elle est réellement prise en compte, devient un moteur de performance durable, de résilience organisationnelle et d’épanouissement des équipes.
L’IA n’a pas vocation à promettre le zéro défaut par magie, mais à aider les organisations à mieux apprendre de chaque situation, y compris des erreurs.

Avec plus de 20 ans d'expérience dans le conseil technologique, comment avez-vous vu l'évolution de l'intelligence artificielle en Europe et en Asie, et quels sont les principaux défis que vous rencontrez aujourd'hui?

L’intelligence artificielle ne s’inscrit pas dans une simple continuité des grandes vagues numériques précédentes.
L’Internet a transformé l’accès à l’information, le Big Data et le cloud ont rendu les données et la puissance de calcul accessibles à grande échelle - le cloud jouant un rôle clé d’accélérateur. L’IA marque toutefois une rupture beaucoup plus rapide et profonde : elle agit directement sur la manière dont les organisations raisonnent, décident et produisent de la connaissance.

À Taïwan, et plus largement dans certains écosystèmes industriels asiatiques, cette rupture a été abordée très tôt comme un sujet systémique, en particulier dans les environnements critiques. L’IA s’y est développée en lien étroit avec la microélectronique, le matériel et le logiciel. Le fait que la grande majorité des puces IA les plus avancées dans le monde soit aujourd’hui fabriquée à Taïwan, notamment par TSMC, a structuré une culture où performance, fiabilité et exigences de Qualité industrielle sont indissociables.

En Europe, et notamment à Grenoble - souvent considérée comme une Silicon Valley européenne et récemment désignée Capitale européenne de l’innovation 2026 - l’IA s’est d’abord développée à travers la recherche scientifique, le logiciel et la microélectronique (les puces), avant de converger progressivement vers des usages industriels concrets, régulés et responsables.

Les principaux défis que je rencontre aujourd’hui sont moins technologiques que systémiques et humains : faire cohabiter intelligemment l’IA et les équipes, et déployer l’IA dans des environnements internationaux aux cultures, langues et pratiques différentes.

Mon défi quotidien est de transformer cette rupture technologique en valeur réelle, durable et digne de confiance sur le terrain, en cultivant l’humilité, l’apprentissage continu et la coopération entre disciplines, métiers, cultures et territoires.

Votre formation en microélectronique vous offre une perspective unique sur l'intelligence artificielle. Comment ces connaissances influencent-elles votre approche dans le développement de technologies IA chez noet-ia?

Ma formation en microélectronique, complétée par un parcours d’ingénieur d’application, m’a appris à toujours relier la technologie à son usage réel et à la valeur qu’elle crée. Dans ces métiers, on ne s’arrête pas à la conception d’une puce ou d’un algorithme. On raisonne sur toute la chaîne - de la conception du composant, au SoC (System on a Chip, qui intègre processeur, mémoire et accélérateurs), au PCB (circuit imprimé qui relie et alimente les composants), jusqu’au produit final utilisé par le client, qu’il s’agisse d’un téléphone, d’un téléviseur ou d’un système industriel.

Cette approche systémique influence directement notre manière de concevoir l’IA chez noet-ia. Nous partons du principe qu’une IA n’a de valeur que si elle est ancrée dans une expertise métier forte. La performance algorithmique seule ne suffit pas. Il est indispensable de comprendre les processus, les contraintes opérationnelles, les référentiels qualité et le langage des équipes terrain.

Par ailleurs, nous ne concevons pas l’IA comme un substitut à l’humain. Au contraire, elle doit permettre de redonner du temps là où l’humain crée réellement de la valeur. Automatiser la recherche d’information, la gestion administrative ou l’analyse documentaire permet aux équipes de se concentrer sur ce qui compte vraiment : analyser des situations complexes, collaborer, confronter les points de vue, brainstormer et résoudre les problèmes de fond.

Concrètement, cela nous conduit à développer des solutions d’IA qui transforment l’expertise métier en un actif structuré et exploitable, tout en laissant la décision finale, le jugement et la responsabilité aux professionnels. L’IA devient alors un outil d’augmentation, au service de l’intelligence collective.

Enfin, mon parcours m’a transmis une conviction forte : la technologie n’est jamais une fin en soi. Elle doit servir l’humain, renforcer la Qualité et s’inscrire dans la durée. C’est cette exigence qui guide le développement des technologies d’IA industrielles chez noet-ia.

En tant que leader d'une startup DeepTech, quelles sont les stratégies que vous employez pour tisser des connexions entre la recherche académique et les applications industrielles concrètes?

Pour moi, la recherche académique et l’industrie relèvent de deux mondes et de deux cultures différentes, avec des temporalités, des objectifs et des contraintes distincts. Cette distinction est encore plus marquée dans le domaine de l’intelligence artificielle, où la confusion entre recherche fondamentale et ingénierie est fréquente, comme l’a souvent souligné Yann LeCun. Créer de la valeur en DeepTech consiste précisément à savoir naviguer entre ces deux univers et à construire des passerelles durables entre eux.

Ma première stratégie est de m’appuyer sur des experts de référence, en particulier du CEA, afin de consolider notre roadmap de R&D, d’identifier les bons laboratoires partenaires et de qualifier les briques technologiques réellement différenciantes. Ce regard externe et exigeant est essentiel pour structurer une stratégie scientifique crédible et alignée avec des usages industriels concrets.

La deuxième stratégie repose sur le développement de talents capables de naviguer dans les deux mondes. Nous avons recruté un ingénieur que nous formons à nos méthodes, à nos processus et à notre vision produit, avec l’objectif de l’inscrire ensuite dans une thèse CIFRE menée en collaboration avec des laboratoires grenoblois. Ce dispositif permet de créer un lien organique entre recherche académique, contraintes industrielles et développement produit.

Enfin, nous nous impliquons activement dans des projets collaboratifs de recherche, notamment en lien avec des écosystèmes académiques et industriels locaux, par exemple à travers des candidatures à des projets structurants comme ceux portés par MIAI Cluster IA. Ces projets permettent de confronter nos hypothèses technologiques à des travaux de pointe, tout en restant ancrés dans des problématiques industrielles réelles.

C’est la combinaison de ces trois leviers – expertise externe, formation de talents hybrides et recherche collaborative – qui nous permet de transformer la recherche en IA en applications industrielles concrètes, durables et réellement adoptées par les équipes.

Selon vous, comment la transformation digitale, entretenue par l'intelligence artificielle, redéfinit-elle le paysage des entreprises et quelles recommandations donneriez-vous aux entreprises traditionnelles dans ce contexte?

La transformation digitale portée par l’intelligence artificielle est déjà une réalité dans les entreprises, parfois de manière visible, parfois de façon plus informelle. Elle redéfinit profondément la manière dont les collaborateurs cherchent des réponses, prennent des décisions et travaillent au quotidien. Même lorsque l’usage d’outils d’IA externes est officiellement interdit, de nombreux collaborateurs y ont déjà recours, parfois depuis leurs outils personnels, faute de solutions internes adaptées. Cela crée à la fois des opportunités et des risques importants, notamment en matière de sécurité et de confidentialité des données.

Dans ce contexte, le principal enjeu n’est pas uniquement technologique, mais organisationnel, humain et culturel. Il existe encore beaucoup de craintes autour de l’IA, mais aussi beaucoup de hype. Sans cadre clair, l’IA se diffuse de manière non maîtrisée, ce qui fragilise les organisations au lieu de les renforcer.

Ma première recommandation est donc de traiter l’IA comme un sujet stratégique, porté et sponsorisé par le top management. Une vision claire, alignée avec la stratégie globale de l’entreprise, est indispensable pour éviter les initiatives dispersées et non pérennes.

La deuxième recommandation est de mettre en place un accompagnement au changement structuré, en impliquant très tôt les métiers. L’IA doit être déployée sous forme d’outils métiers, avec des cas d’usage clairement identifiés, apportant une valeur tangible pour les équipes. Ces outils doivent être bien intégrés dans le système d’information existant, afin de s’inscrire naturellement dans les processus et les habitudes de travail.

Enfin, il est essentiel d’adopter une approche progressive et pragmatique. Démarrer par des cas d’usage ciblés, sur des périmètres restreints, démontrer rapidement la valeur créée, puis élargir progressivement et passer à l’échelle permet de limiter les risques, de rassurer les équipes et de favoriser l’adoption.

La transformation digitale réussie n’est pas une course à la technologie la plus avancée. C’est une démarche structurée et humaine, où l’IA devient un levier de performance durable, de résilience et de confiance, plutôt qu’une source de confusion ou d’usages non maîtrisés.

Avec votre expérience en gestion de projets multilingues, quels sont les défis spécifiques liés à l'implémentation de l'intelligence artificielle dans un contexte international et comment les surmontez-vous?

Dans les projets internationaux, le principal défi n’est pas la technologie, mais le sens. Une même réalité métier peut être désignée par des mots différents selon les pays ou les sites, et inversement, un même terme peut recouvrir des significations différentes. Ce décalage sémantique est extrêmement courant, y compris au sein d’une seule entreprise, et il est souvent sous-estimé dans les projets d’IA.

Le risque est alors de déployer une IA qui rapproche des mots sans comprendre les concepts, ce qui peut créer des incohérences ou amplifier des pratiques non alignées. Pour éviter cela, il est indispensable de comprendre le métier en profondeur et de structurer une ontologie métier, c’est-à-dire un cadre commun qui explicite les concepts clés, leurs relations et leur sens selon le contexte.

Un autre défi majeur est la cohérence entre standards globaux et pratiques locales. Dans un contexte international, des façons de faire différentes ne sont pas nécessairement contradictoires. L’enjeu est de vérifier qu’elles respectent bien les processus et règles de l’entreprise, tout en étant adaptées aux contraintes locales. Cette capacité à relier pratiques terrain et cadres de référence est essentielle pour éviter les dérives.

Pour surmonter ces défis, notre approche repose sur une IA neuro-symbolique, qui combine la puissance des modèles de langage avec une structuration explicite des connaissances métier. Cette approche permet à l’IA de faire le lien entre les langues, les cultures et les pratiques locales, tout en restant alignée avec les standards globaux de l’entreprise, sans imposer un langage unique ni uniformiser artificiellement les usages.
Enfin, comme je l’ai évoqué plus haut, l’élément humain est central. La réussite d’un déploiement international d’IA repose sur un accompagnement au changement continu, impliquant les équipes locales, valorisant leur expertise et construisant progressivement la confiance. L’IA ne doit pas être perçue comme une contrainte supplémentaire, mais comme un outil au service des équipes et de la collaboration. Dans un contexte international, une IA pertinente n’est pas celle qui impose une norme unique, mais celle qui crée de la cohérence sans effacer la diversité, et qui renforce durablement la performance collective.

Quels conseils donneriez-vous aux entrepreneurs et innovateurs souhaitant lancer une startup dans le secteur de l'intelligence artificielle aujourd'hui, en particulier dans un marché aussi compétitif et en rapide évolution?

Dans un marché de l’IA en évolution rapide, la technologie seule ne suffit pas. Ce qui fait la différence, ce sont avant tout les équipes. La cohérence de l’équipe fondatrice et du comité de direction, construite sur la confiance et des valeurs communes, est essentielle, sans effacer la diversité des profils, des cultures, des langues et des façons de faire. Cette capacité à naviguer entre différents mondes est un atout clé dans l’IA.

Dans ce contexte, la priorisation et la discipline sont critiques. Le risque n’est pas le manque d’idées, mais la dispersion. Savoir décider, dire non et concentrer l’énergie collective sur quelques priorités claires est indispensable. L’exécution et la capacité à livrer ce qui a été décidé sont souvent le véritable facteur différenciant.

L’humilité est également centrale. En IA, personne ne sait tout ni ne peut tout prévoir. Il faut accepter de dire “je ne sais pas”, apprendre en continu, y compris à partir des échecs, et rester capable d’adapter sa trajectoire.

Par ailleurs, la conception du produit doit être ancrée dans les usages réels. Elle doit s’appuyer sur le feedback utilisateur, via des cycles courts et des sprints réguliers, afin de confronter rapidement les hypothèses à la réalité du terrain.

J’aime comparer cela à la navigation à voile. On ne peut pas changer la direction du vent, mais on peut ajuster les voiles et le cap. L’enjeu est d’accepter l’incertitude tout en restant maître de ses décisions.

Enfin, je recommande de ne pas entreprendre seul. Dans un marché aussi compétitif et en rapide évolution que celui de l’IA, il est illusoire de penser que l’on peut tout faire soi-même. La réussite repose sur une équipe capable de décider, d’apprendre, de s’adapter et d’exécuter collectivement, soutenue par une culture d’entreprise claire et partagée, fondée sur l’apprentissage, la responsabilité et la coopération.
C’est cette culture qui permet de durer dans un environnement marqué par la hype et les ruptures rapides.

Pour en savoir plus : https://noet-ia.com/