Bonjour Thomas, pourriez-vous nous raconter comment votre parcours vous a conduit à cofonder Kayro.ai et à vous intéresser autant à l'intelligence artificielle ?
Mon rapport à l'IA n'est pas venu du business, il est venu de la technique. Pendant mes études (Epitech + philo en parallèle à Nanterre), j'ai passé plusieurs années à construire un moteur de compréhension du langage humain (un peu comme ChatGPT). À contre-courant de ce qui devenait alors la norme : pas de machine learning, pas de réseaux de neurones, mais une approche symbolique inspirée de la linguistique. C'était un pari assez contre-courant à l'époque, et c'est cette technologie qui est devenue le socle de Golem.ai. La startup est née autour de la techno.
Avec Golem, on a levé 6,3 millions d'euros et déployé le moteur dans des environnements exigeants en termes de fiabilité et prédictibilité des systèmes.
En parallèle, j'ai commencé à donner des conférences sur l'IA. Aujourd'hui j'en suis à plus de 1 000. Ce travail-là, c'est ce qui m'a amené à écrire L'IA pour les Nuls et à intervenir régulièrement dans les médias. Prendre le temps d'être pédagogique et de communiquer quand on est cœur de l'action, c'est très important. C'est cette position qui permet de séparer le sur-marketing, les idées reçus, et la réalité tangible.
Kayro.ai est né de ce double regard, technique et terrain. Quand l'IA générative a explosé en 2022-2023, j'ai vu une vague d'entreprises perdues entre l'enthousiasme et la peur, entre les POCs qui n'aboutissent pas et les promesses qui ne tiennent pas. On a construit Kayro comme un cabinet de conseil et d'implémentation IA, au service du maillage industriel Français et Européen. Notre métier, c'est d'aider les organisations à passer de "l'IA c'est intéressant" à "l'IA crée de la valeur mesurable chez nous tous les jours". C'est là que se pose la question la plus intéressante de l'IA : est-ce qu'on déploie pour automatiser l'existant, ou pour venir réécrire le business ? Spoiler : il est très rare qu'on automatise sans rien changer. Mais toutes les automatisations n'impactent pas forcément le coeur business. Quand ça arrive, c'est ce qu'on appelle une disruption : le modèle économique évolue.
L'intelligence artificielle est souvent perçue comme un moteur de disruption. Pourriez-vous nous donner un exemple concret où Kayro.ai a réussi à transformer une industrie de manière significative grâce à l'IA ?
Les bureaux d'étude sont parmi les industries qui se transforment le plus rapidement en ce moment, parce que la nature de leur activité colle très bien avec ce sur quoi l'IA excelle. Pour certains de nos clients dans ce domaine, nous opérons, ou avons opéré, des projets qui transforme la manière de procéder. Sur le terrain d'abord, il s'agit de faire que les équipes commerciales soient suréquipées dans leur capacité à recevoir des demandes (quels que soient les canaux : AO, organique, etc) de telle manière à être les plus rapide à se positionner sur chaque demande, mais aussi les plus spécifique. La démarche commerciale n'a plus à choisir entre rapidité et précision : elle est la meilleure sur les deux. En suite, ce qui va venir le plus changer le coeur business, c'est le fait d'avoir un cœur métier AI-first. Ce que ça veut dire, c'est qu'on ne pense plus : 1 dossier = 50 jours homme. C'est l'IA qui va traiter le dossier à 95%. Et les experts vont faire tout ce qui est dans la relation, l'accompagnement, et les enjeux annexes ultra spécifiques. Ainsi, le cabinet ne vend plus nécessairement son temps, il vend au résultat (prix par dossier) ou à l'abonnement (accès au système d'analyse). Ce sont des métiers qui accèdent pour la première fois aux modèles "suscription based" "ou "cost-based", et non plus du jour homme uniquement. C'est ce qu'on appelle une disruption.
Avec plus de 10 ans d'expérience dans la conception de systèmes d'IA, quels sont, selon vous, les défis éthiques les plus pressants que l'on doit aborder immédiatement ?
Ne pas confondre les défis pressants avec ceux dont on parle le plus. Les questions de "conscience de l'IA" et autre débats théoriques sont fascinants, mais ils détournent l'attention de problèmes très concrets qui se jouent maintenant.
Trois défis me semblent vraiment urgents.
Le premier, c'est la concentration. L'infrastructure IA (les modèles, le calcul, les APIs) repose aujourd'hui sur quatre ou cinq acteurs américains et un chinois. Quand des industries entières s'apprêtent à dépendre d'eux pour fonctionner au quotidien, ce n'est pas seulement un sujet de souveraineté politique, c'est un sujet de résilience économique. On reconstruit en quelques années une dépendance comparable à celle qu'on a sur l'énergie ou sur les semi-conducteurs, mais sur la couche cognitive de nos entreprises. C'est massif.
Le deuxième, c'est l'éthique de l'usage, pas du modèle. On a déplacé presque toute la conversation éthique chez les fabricants de modèles. C'est utile mais c'est l'arbre qui cache la forêt. La vraie éthique se joue au moment du déploiement : quelles décisions on automatise, sur quelles populations, avec quel droit de recours, avec quelle transparence vis-à-vis des collaborateurs et des clients. Une banque, un assureur, un cabinet RH qui déploient de l'IA dans leurs processus posent des questions éthiques qui leur appartiennent en propre, et qu'aucun garde-fou de modèle ne résoudra à leur place.
Le troisième est lié au précédent, et il rejoint ce que je disais sur la disruption : on transforme aujourd'hui des métiers très vite (bureaux d'étude, fonctions support, métiers du droit, du conseil) sans plan de transition sérieux pour les personnes. C'est une grande partie de ce qu'on fait chez Kayro : remettre les dirigeants en capacité de comprendre, et donc de décider en conscience. Reste rescapé de cela, la nécessité de prendre soin de chaque individu dans une période d'instabilité
Golem.ai a permis de développer des solutions d'automatisation du langage naturel. Quels enseignements en avez-vous tirés et comment les appliez-vous aujourd'hui dans votre rôle chez Kayro.ai ?
Golem.ai a toujours été axé sur la fiabilité de l'IA et plus globalement la résilience cognitive des systèmes applicatifs basés sur l'IA. C'est complètement cœur aujourd'hui, d'autant plus dans un monde qui a choisi les LLMs (et le deep learning) comme objet obsessionnel.
Les LLMs sont impressionnants, mais ils sont structurellement non déterministes. Le même prompt peut produire des réponses différentes, des erreurs subtiles, des hallucinations confiantes. Ce qui était une curiosité au stade de la démo devient un vrai problème industriel quand on déploie en production sur des cas critiques : un assureur qui automatise du traitement de sinistres, une banque qui qualifie des demandes clients, un cabinet qui analyse des dossiers techniques. Pour ces clients, "ça marche en moyenne" n'est pas une réponse acceptable.
Qu'est-ce qui doit être fiable à 99,9% et qu'est-ce qui peut tolérer une marge d'erreur ? Quels sont les modes de défaillance acceptables, et lesquels sont inacceptables ? Comment on architecture le système pour que l'humain garde la main là où elle doit l'être ? Comment faire qu'une erreur possible ne soit pas un problème dans une chaine industrielle globale ? Ce ne sont pas des questions techniques au sens étroit : ce sont des questions qui mêlent technique, métier, et éthique, et qui doivent être tranchées au moment du cadrage, pas découvertes en production.
Chez Kayro, ça se traduit par une approche qui ne consiste presque jamais à "mettre un LLM" sur un problème. C'est presque toujours une architecture composite : du LLM bien focalisé sur des besoins spécifiques, du symbolique ou du code déterministe là où la fiabilité prime, des règles métier explicites pour encadrer le tout, et des points de contrôle humains positionnés là où ils ont le plus d'impact. C'est ce qui manque le plus dans le marché actuel, où beaucoup d'acteurs ont découvert l'IA en 2023 avec ChatGPT et n'ont jamais opéré de système IA en production avant ça.
Vous avez étudié à Harvard et êtes titulaire d'un master en informatique d'Epitech. Comment ces expériences académiques ont-elles façonné votre approche entrepreneuriale dans le domaine de l'IA ?
Epitech, c'est une culture de piraterie technique avec une exigence quasi-obsessionnelle sur la qualité logicielle. On apprend très peu en cours magistral et beaucoup en construisant, seul ou en petite équipe, souvent la nuit, avec des programmes qui testent votre code sans pitié. Ce qui en sort, c'est une conviction profonde : un produit qui fonctionne en démo n'est rien tant qu'il ne tient pas la pression du test automatisé, du cas limite, de la charge réelle. Entrepreneurialement, ça donne quelque chose de précieux, la capacité à ne pas se mentir sur l'état d'avancement réel d'une techno. Quand j'ai construit l'IA de Golem.ai (Miralia), et aujourd'hui quand on accompagne nos clients chez Kayro, je fais immédiatement la différence entre un truc qui impressionne sur slide et un truc qui survivra trois mois en production. C'est aussi pour ça que je suis allergique au théâtre IA qu'on voit beaucoup en ce moment, démos qui marchent une fois sur deux, POCs qui ne deviennent jamais des produits, agents "autonomes" qui craquent au premier cas non prévu. Alors que l'IA industrielle, c'est possible et ça marche.
Harvard, c'était un petit passage rapide. Mais ce que j'y ai trouvé de plus marquant, c'est l'héritage de la pensée de Clayton Christensen sur la disruption. Ce qui est intéressant chez lui, c'est qu'il distingue très précisément ce qui n'est pas une disruption : améliorer un produit existant pour ses meilleurs clients, aussi spectaculaire que soit l'amélioration, ne disrupte rien (il appelle ça la "sustaining innovation"). La vraie disruption part de l'invisible, souvent du bas de marché ou des non consommateurs, avec des produits que les acteurs en place jugent insuffisants, jusqu'au moment où ils ne le sont plus. Et là, il est trop tard pour réagir.
Cette grille de lecture est extrêmement éclairante pour l'IA aujourd'hui. Elle permet de séparer ce qui est de l'optimisation "muscle" (automatiser un peu plus vite ce qu'on faisait déjà — de ce qui est de la vraie disruption, c'est-à-dire l'apparition de business models nouveaux, accessibles à des audiences nouvelles, qui à terme rendent obsolètes les acteurs en place. C'est précisément la conversation qu'on a tous les jours avec nos clients chez Kayro : "automatisation ou disruption", ce n'est pas un slogan, c'est un arbitrage stratégique structurant. Et la plupart des dirigeants n'en ont pas la grammaire.
En tant qu'expert dans l'anticipation des innovations majeures, comment voyez-vous l'impact futur de l'intelligence artificielle sur les petites et moyennes entreprises notamment ?
Beaucoup plus radical qu'on ne le dit habituellement.
Le récit dominant est celui de la "démocratisation" : les outils IA sont devenus accessibles à toutes les tailles d'entreprise, ChatGPT coûte 20€ par mois, donc une PME de 30 personnes a maintenant les mêmes capacités cognitives qu'une banque d'investissement il y a cinq ans. C'est en partie vrai. Mais ça occulte la réalité que je vois tous les jours sur le terrain.
L'écart entre "avoir accès aux outils" et "créer de la valeur économique mesurable avec ces outils" est gigantesque, et il se creuse. Les grands groupes ont des équipes IA, des données structurées, des architectures cloud, des budgets de transformation. Les PME ont rarement tout ça. Elles ont accès aux mêmes briques, mais elles n'ont ni le temps, ni les compétences internes, ni la maturité opérationnelle pour les assembler en avantage compétitif. Le résultat, c'est que beaucoup de PME utilisent ChatGPT comme un assistant individuel — utile, mais marginal — sans jamais transformer leur cœur d'opération.
Ma conviction, c'est que l'IA va créer une asymétrie violente à l'intérieur du tissu PME. Pas un alignement par le haut comme on le promet, mais une fracture. D'un côté, les PME qui auront pris le sujet au sérieux assez tôt, qui auront rebâti leurs processus avec l'IA en cœur d'architecture, qui auront challengé leur modèle économique avec courage, vont devenir extrêmement compétitives — parce qu'elles n'ont précisément pas la dette organisationnelle des grands groupes. C'est une chance historique pour les agiles. De l'autre côté, celles qui resteront dans une posture d'observation polie, ou qui se contenteront de "former leurs équipes à ChatGPT", verront leurs marges s'éroder sans comprendre exactement pourquoi, en compétition avec des acteurs qui livrent plus vite, à coût plus bas, avec une qualité au moins égale.
Un autre point, qu'on évoque rarement : la dépendance aux fournisseurs d'IA va peser proportionnellement plus lourd pour les PME. Quand un grand groupe renégocie son contrat avec OpenAI ou Anthropic, il a un rapport de force. Quand une PME de 80 personnes voit ses coûts d'API doubler ou son fournisseur changer ses conditions du jour au lendemain, elle subit. C'est un sujet très concret de résilience économique pour le tissu européen, encore largement sous-traité.
Concrètement, ce qu'on dit aux PME chez Kayro : ne sous-estimez ni l'opportunité ni l'exigence. Il y a probablement une fenêtre de 2 à 4 ans pour transformer sérieusement vos opérations. Pas une fenêtre pour "tester quelques cas d'usage" — une fenêtre pour repenser votre business avec l'IA en posture structurante. Au-delà, l'écart se sera creusé, et il deviendra beaucoup plus coûteux à rattraper.
En dirigeant des task-forces sur l'intégration de l'IA, quelles sont les principales résistances rencontrées par les entreprises et comment les aidez-vous à les surmonter ?
Beaucoup PME sont face à un dilemme stratégique que peu nomment clairement, et qui va pourtant définir leur trajectoire de la décennie. D'un côté, il y a le pari ambitieux et risqué : construire par soi-même. Soit pour l'interne (refondre ses propres opérations avec une IA pensée pour son métier, ses données, ses contraintes) soit pour le marché lui-même, en allant jusqu'à proposer un produit ou un service qui n'existait pas avant, et qui disrupte sa propre industrie. C'est exigeant. Ça demande de l'investissement, de la conviction, parfois de prendre des risques techniques avant d'avoir la certitude du retour. Mais c'est aussi le seul chemin qui permet une vraie différenciation, et accessoirement le seul qui permet à une PME de faire jeu égal (voire mieux) qu'un grand groupe sur un terrain donné. Parce qu'une PME a précisément l'agilité et l'absence de dette organisationnelle qui manquent aux gros. De l'autre côté, il y a le chemin du SaaS passif : se brancher sur les outils que tout le monde utilise, payer son abonnement, suivre les recommandations du marché. Apparemment plus prudent. Mais c'est un chemin qui condamne à être une commodity. Si vos concurrents ont accès aux mêmes outils que vous, et les utilisent comme vous, vous ne créez aucun avantage. Vous suivez la pente moyenne du marché. Et vous devenez structurellement tributaire de fournisseurs sur lesquels vous n'avez ni levier de négociation, ni visibilité sur la roadmap, ni protection contre les changements unilatéraux de pricing ou de conditions. Le piège, c'est que la deuxième option a l'air plus raisonnable à court terme. Elle l'est, en effet. Mais elle est mortelle sur 5 à 10 ans, parce qu'elle ne crée aucun moat, aucun actif différenciant, aucune capacité propre. Et pendant ce temps-là, dans presque tous les secteurs, il y aura une ou deux PME qui auront pris le pari ambitieux et qui seront en train de redéfinir les règles du jeu, exactement ce que Christensen décrit comme le mécanisme classique de la disruption. Ce qu'on dit aux PME qu'on accompagne chez Kayro, c'est qu'il faut faire ce choix consciemment, pas par défaut. Et ne rien faire ; laisser passer le train, bloquer les SI au nom de la sécurité, de la confidentialité, ou de n'importe quelle autre bonne raison, c'est aussi un risque. Sans doute le plus grand des trois, parce qu'il avance masqué en prudence.
Thomas Solignac est cofondateur de Kayro.ai, une entreprise spécialisée dans l'accélération des industries par l'intelligence artificielle, et de Golem.ai (Miralia). Il est architecte IA, entrepreneur en série, conférencier et auteur de "L'IA en 50 notions-clés pour les nuls".
