Pour Laurent Daudet, l’IA générative ouvre une révolution technologique durable

L’intelligence artificielle générative a suscité autant d’enthousiasme que de doutes. Peut-elle réellement transformer les entreprises et les usages quotidiens, ou traverse-t-elle une phase d’euphorie vouée à retomber ? Pour Laurent Daudet, cofondateur et CEO de LightOn, la réponse est sans ambiguïté : les capacités de génération de texte et d’assistance fondées sur les modèles de langage signalent un basculement technologique de fond.

Cette lecture ne consiste pas à nier les limites actuelles de ces outils. Les erreurs factuelles, les biais, la confidentialité des données ou encore la difficulté de mesurer le retour sur investissement restent des sujets centraux. Mais le dirigeant considère que ces obstacles doivent être traités comme des conditions d’adoption, non comme la preuve que la technologie serait condamnée à rester un simple effet de mode.

Une révolution, selon Laurent Daudet, plutôt qu’une bulle

La formule employée par Laurent Daudet résume sa position : « l’intelligence artificielle générative marque le commencement d’une révolution technologique essentielle, loin d’être une simple bulle ». Le mot « commencement » est important. Il renvoie à une technologie encore jeune dans ses usages de masse, mais dont les progrès rapides et les applications déjà visibles pourraient modifier durablement les méthodes de travail et de création.

L’IA générative désigne des systèmes capables de produire de nouveaux contenus à partir d’une demande humaine : un texte, un résumé, une traduction, une réponse à une question, du code informatique ou encore une image selon le modèle utilisé. Dans le cas des grands modèles de langage, souvent appelés LLM pour large language models, le système apprend des régularités statistiques dans d’immenses ensembles de textes. Il prédit ensuite, mot après mot, la suite la plus probable d’une instruction.

Cette explication aide à comprendre à la fois leur intérêt et leurs fragilités. Ces modèles peuvent reformuler, synthétiser, classer ou aider à rédiger avec une grande fluidité. En revanche, une réponse convaincante sur la forme n’est pas automatiquement exacte sur le fond. Leur intégration professionnelle nécessite donc des sources contrôlées, une supervision humaine et des règles claires sur les informations qu’il est permis de leur confier.

Pour Laurent Daudet, la transformation en cours tient notamment à la personnalisation des interactions. Plutôt que d’utiliser un logiciel uniquement à travers des menus et des formulaires, un salarié ou un client peut formuler une demande dans un langage courant. L’ordinateur devient ainsi plus accessible, à condition que la réponse soit reliée au bon contexte métier et vérifiée lorsqu’elle entraîne une décision importante.

LightOn et les modèles de langage français

Créée en 2016, LightOn s’est positionnée sur les technologies liées au traitement automatique du langage. L’entreprise s’est fait connaître dans un domaine où la capacité à comprendre et à générer du français constitue un enjeu concret : vocabulaire spécialisé, nuances grammaticales, documents administratifs, contrats, échanges clients ou contenus internes ne se manipulent pas toujours avec la même précision d’une langue à l’autre.

Un repère avancé par Laurent Daudet est le lancement de PAGnol en 2021. Ce projet est présenté comme l’un des premiers grands modèles de langage conçus en français, avant l’émergence du phénomène ChatGPT auprès du grand public. À cette période, les modèles de langage de très grande taille étaient déjà un axe majeur de recherche et de développement, mais leur visibilité auprès des organisations et du public restait beaucoup plus limitée qu’après 2022.

Le parcours de LightOn illustre une évolution plus générale : l’IA générative ne se résume pas aux assistants conversationnels accessibles en ligne. Dans une entreprise, un modèle peut être sollicité pour rechercher une information dans une base documentaire, résumer de longs dossiers, préparer une première version de texte ou organiser des connaissances. L’enjeu n’est pas seulement de faire « parler » une machine, mais de la connecter à des données pertinentes sans exposer des informations sensibles.

Pourquoi le passage du test au déploiement est décisif

Beaucoup d’organisations ont commencé par tester l’IA générative sur des tâches isolées : rédaction d’un courriel, synthèse d’une réunion, production d’une note ou assistance au service client. Ces expérimentations, souvent qualifiées de proof of concept, permettent de constater les capacités d’un outil. Elles ne démontrent pas encore qu’il peut être utilisé durablement, à grande échelle et dans le respect des obligations de l’entreprise.

C’est précisément le cap que Laurent Daudet invite les entreprises à franchir. Selon lui, l’IA générative doit aider à dépasser la phase des preuves de concept afin de parvenir à des déploiements réels. La différence est considérable : un outil de démonstration peut traiter quelques documents avec des données fictives, tandis qu’un outil déployé doit s’intégrer aux processus existants, fonctionner pour de nombreux utilisateurs et produire des résultats auditables.

Dans les faits, cette transition implique plusieurs décisions concrètes :

• identifier les tâches où l’IA apporte un gain clair, sans automatiser des décisions qui exigent un jugement humain ;
• protéger les données internes et définir ce qui peut ou non être transmis à un modèle ;
• évaluer les réponses selon des critères liés au métier, et non seulement selon leur apparente fluidité ;
• former les équipes à formuler une demande précise, vérifier une réponse et signaler une erreur ;
• organiser une responsabilité humaine lorsque l’outil influence un client, un salarié ou une décision sensible.

L’adoption ne doit donc pas se confondre avec l’achat d’un abonnement à un assistant. Pour dégager une valeur réelle, il faut choisir les bons cas d’usage et revoir parfois l’organisation du travail. Une synthèse de documents peut faire gagner du temps, mais elle n’est utile que si le lecteur peut retrouver les éléments importants et contrôler que rien d’essentiel n’a été perdu.

L’open source, un choix d’ouverture et de confiance

L’approche de LightOn est également associée à un engagement en faveur de l’open source, ou logiciel libre et ouvert. Derrière cette expression se trouvent des réalités diverses : code accessible, modèles publiés, jeux de données documentés ou communautés contribuant à l’amélioration d’un projet. Le principe général est de permettre à davantage d’acteurs d’étudier, d’adapter et d’enrichir une technologie.

Pour Laurent Daudet, cette logique collaborative peut élargir l’accès à l’innovation. Elle peut aussi contribuer à la transparence, car des développeurs, chercheurs ou utilisateurs sont davantage en mesure d’examiner le fonctionnement d’un outil et d’identifier ses limites. Dans un secteur dominé par des modèles très coûteux à entraîner et parfois peu documentés, l’enjeu de l’ouverture est aussi un enjeu de souveraineté technologique et de diffusion des compétences.

L’open source ne dispense toutefois pas d’une gouvernance. Rendre une technologie plus accessible ne garantit ni l’absence de biais, ni la qualité de toutes ses réponses, ni la conformité automatique aux règles de protection des données. Les entreprises doivent toujours connaître les conditions de licence, l’origine des composants qu’elles utilisent et les responsabilités qui leur incombent.

L’Europe face au défi de la compétitivité

La question est aussi économique. Lors de sa participation au Sommet pour l’action sur l’intelligence artificielle, organisé à Paris en février 2025, Laurent Daudet a évoqué le rôle que l’IA générative peut jouer sur le marché européen. Dans cette perspective, l’enjeu ne consiste pas uniquement à suivre les avancées des grands groupes technologiques mondiaux. Il s’agit de créer des applications utiles, adaptées aux langues, aux secteurs et aux exigences réglementaires européennes.

L’Europe dispose d’entreprises, de laboratoires, d’utilisateurs industriels et de compétences dans de nombreux domaines. Mais la compétitivité dépendra de la capacité à transformer ces atouts en produits, en infrastructures, en déploiements et en investissements durables. Pour une entreprise européenne, adopter l’IA générative peut améliorer la productivité ou la qualité de service. Pour l’économie dans son ensemble, l’objectif est également d’éviter que la valeur créée par les nouveaux usages ne soit captée exclusivement ailleurs.

Cette dynamique suppose un équilibre. D’un côté, un cadre d’encadrement est nécessaire pour protéger les personnes, les données et les droits. De l’autre, des règles trop difficiles à appliquer ou un manque de moyens peuvent ralentir l’expérimentation des acteurs locaux. La coopération entre entreprises, recherche publique, pouvoirs publics et système éducatif est donc déterminante.

Quels usages pour les consommateurs et les salariés ?

L’argument de Laurent Daudet ne concerne pas seulement les directions d’entreprise. L’IA générative modifie aussi le rapport quotidien à l’informatique. Un utilisateur peut demander une explication simplifiée, une reformulation, une structure de document ou une aide pour explorer un sujet. Cette interface conversationnelle réduit certaines barrières techniques, notamment lorsque l’on ne maîtrise pas les logiciels spécialisés.

Pour les salariés, le potentiel se situe souvent dans l’assistance aux tâches répétitives de langage : relire, résumer, classer, rédiger une première ébauche ou retrouver une information dans un corpus autorisé. Cela ne signifie pas que tous les métiers seront automatisés de la même manière. Les effets dépendent de la tâche concernée, du niveau de contrôle requis et de la manière dont l’organisation redistribue le temps gagné.

Laurent Daudet appelle aussi parents et enseignants à jouer un rôle dans la sensibilisation des plus jeunes. L’enjeu éducatif n’est pas uniquement d’apprendre à utiliser une interface. Il est d’acquérir les réflexes nécessaires pour distinguer une réponse plausible d’une information vérifiée, comprendre les limites de l’outil et conserver une autonomie de jugement.

Ce qu’il faut surveiller

Au 12 mars 2025, la vision défendue par Laurent Daudet repose sur une idée simple : la question n’est plus de savoir si l’IA générative produit des démonstrations impressionnantes, mais si elle peut s’inscrire de façon fiable dans les pratiques ordinaires. Les prochains progrès devront donc être jugés moins à l’aune de l’effet de nouveauté qu’à celle de leur utilité concrète.

Plusieurs signaux permettront de mesurer si cette révolution tient ses promesses : la capacité des entreprises à sortir des pilotes, la qualité des formations proposées aux salariés, l’apparition de solutions adaptées aux besoins européens, le niveau de transparence des outils et la solidité des mécanismes de contrôle. Les investissements et la coopération internationale, que Laurent Daudet juge nécessaires, compteront également.

L’IA générative ouvre une possibilité de transformation, pas une garantie automatique de progrès. Pour qu’elle devienne un levier durable, entreprises, administrations, enseignants et citoyens devront conjuguer innovation, esprit critique et responsabilité. C’est à cette condition que les modèles de langage pourront passer du statut de technologie spectaculaire à celui d’outil réellement intégré et utile.