Projet Ares : notre recherche en intelligence artificielle souveraine

Ares, c'est le nom de notre recherche en intelligence artificielle. L'idée de départ est simple : un pays qui ne maîtrise ni ses logiciels ni son intelligence artificielle finit par dépendre de ceux qui les maîtrisent. Alors, en plus de StrucTime, notre logiciel de gestion, nous entraînons nos propres modèles, conçus, entraînés et hébergés en France.

Ce que réunit Ares

Trois briques, trois terrains.

• Furnace, l'intelligence opérationnelle des sites industriels : il relie toutes les données d'un site, jusqu'aux mails et aux Excel que personne n'ouvre, en dresse un modèle vivant et anticipe les défaillances avant qu'elles arrivent.
• Citadel, la décision souveraine pour la défense et la sécurité de l'État : fusion du renseignement, simulation, command center, en environnement isolé.
• Factory, l'atelier interne qui entraîne nos modèles, des données au déploiement.

Pourquoi nous fabriquons nos propres modèles

Louer une IA généraliste par API, c'est confier ses données, ses modèles et leur hébergement à d'autres. Pour des usages industriels ou de défense, ce n'est pas tenable. Nos modèles sont à nous : entraînés sur nos données, opérés en France, et spécialisés pour des décisions à fort enjeu, là où l'erreur coûte cher.

Ce qu'Ares cherche vraiment

La question qui tient tout le projet n'est pas « comment faire un modèle plus gros ». C'est : comment une machine peut-elle comprendre un monde physique : un site industriel, ses équipements, ses flux et ses dépendances, au point de raisonner sur les conséquences d'une panne ?

Un modèle qui a lu le web sait parler d'une pompe. Il ne sait pas que cette pompe alimente ce circuit, qui refroidit cette machine, et que son arrêt engorge l'amont trois heures plus tard. Cette connaissance n'est pas dans les textes : elle est dans la structure du site. C'est elle que nous cherchons à modéliser. Le sujet est développé dans Ares et l'intelligence du monde physique.

Ce que ça donne sur le terrain

Deux applications concrètes en découlent, et elles ne ressemblent pas à un assistant conversationnel.

• La maintenance prédictive : anticiper une défaillance à partir de signaux faibles, et surtout expliquer pourquoi, avec la preuve. Une alerte sans justification n'est pas exploitable par un chef de site. Voir la maintenance prédictive expliquée.
• La décision souveraine pour la défense, en environnement isolé, où la donnée ne sort pas et où l'erreur ne se rattrape pas. Voir Citadel.

Notre principe

Sur chacune de ces briques, l'IA prépare, simule et recommande, mais ne décide jamais seule. L'humain garde la main, c'est non négociable, surtout quand l'enjeu est une panne industrielle ou une décision de défense.

Ce principe a une conséquence technique, pas seulement éthique : un modèle qui doit convaincre un humain doit être capable de montrer son raisonnement et sa source. Une recommandation opaque, même juste, ne sert à rien : personne ne coupe une ligne de production sur la foi d'un score.

Une recherche au grand jour, y compris quand ça rate

Ares est une direction, pas un produit figé. Nous partagerons ici nos avancées, et ce que nous apprenons en construisant une intelligence artificielle qui nous appartient.

Y compris les impasses. Une recherche qui ne publie que ses succès n'est pas une recherche, c'est une brochure. Nous préférons annoncer ce que nous avons mesuré plutôt que ce qui sonne bien, et le dire quand une piste ne donne rien.

Pour la vue d'ensemble, voyez le projet Ares sur notre page À propos, et notre approche de l'IA souveraine côté gestion d'entreprise.