Les pépites du numérique en France

Les pépites du numérique en France

 

De plus en plus de start-up développent des technologies plus proches de l’industrie. Puces pour l’intelligence artificielle (IA) ou pour les futurs supercalculateurs européens, simulateurs de pointe, calculateurs quantiques, casques et logiciels de réalité augmentée, solutions d’IA…

Mécanique quantique

La mécanique quantique est la branche de la physique théorique qui a succédé à la mécanique ondulatoire pour étudier et décrire les phénomènes fondamentaux à l’œuvre dans les systèmes physiques, plus particulièrement à l’échelle atomique et subatomique.

Elle fut développée dans les années 1920 par une dizaine de physiciens européens, pour résoudre des problèmes que la physique classique échouait à expliquer, comme le rayonnement du corps noir, l’effet photo-électrique, ou l’existence des raies spectrales. Elle se montra féconde en résultats et en applications diverses : elle permit notamment d’élucider le mystère de la structure de l’atome, et plus globalement elle s’avéra être le cadre général de description du comportement des particules élémentaires, jusqu’à constituer le socle de la physique moderne.

La mécanique quantique comporte de profondes difficultés conceptuelles. Si son formalisme mathématique est d’une efficacité inégaléenote, son interprétation ne fait pas l’unanimité dans la communauté scientifique1. Parmi ses concepts, on peut citer la dualité onde corpuscule, la superposition quantique, l’intrication quantique ou encore la non-localité.

L’expression physique quantique désigne le corpus théorique plus étendu qui s’appuie sur la mécanique quantique pour décrire un ensemble plus vaste de phénomènes, dont les interactions fondamentales dans le modèle standard.

Un quantomécanicien est un spécialiste de mécanique quantique et un quantochimiste un spécialiste de chimie quantique.

 

L’intelligence artificielle

Définition de l’intelligence artificielle : L’intelligence artificielle (IA, ou AI en anglais pour Artificial Intelligence) consiste à mettre en œuvre un certain nombre de techniques visant à permettre aux machines d’imiter une forme d’intelligence réelle. L’IA se retrouve implémentée dans un nombre grandissant de domaines d’application.

La notion voit le jour dans les années 1950 grâce au mathématicien Alan Turing. Dans son livre Computing Machinery and Intelligence, ce dernier soulève la question d’apporter aux machines une forme d’intelligence. Il décrit alors un test aujourd’hui connu sous le nom « Test de Turing » dans lequel un sujet interagit à l’aveugle avec un autre humain, puis avec une machine programmée pour formuler des réponses sensées. Si le sujet n’est pas capable de faire la différence, alors la machine a réussi le test et, selon l’auteur, peut véritablement être considérée comme « intelligente ».

De Google à Microsoft en passant par Apple, IBM ou Facebook, toutes les grandes entreprises dans le monde de l’informatique planchent aujourd’hui sur les problématiques de l’intelligence artificielle en tentant de l’appliquer à quelques domaines précis. Chacun a ainsi mis en place des réseaux de neurones artificiels constitués de serveurs et permettant de traiter de lourds calculs au sein de gigantesques bases de données.

 

L’IA, quelques exemples d’usage

La vision artificielle, par exemple, permet à la machine de déterminer précisément le contenu d’une image pour ensuite la classer automatiquement selon l’objet, la couleur ou le visage repéré.

Les algorithmes sont en mesure d’optimiser leurs calculs au fur et à mesure qu’ils effectuent des traitements. C’est ainsi que les filtres antispam deviennent de plus en plus efficaces au fur et à mesure que l’utilisateur identifie un message indésirable ou au contraire traite les faux-positifs.

La reconnaissance vocale a le vent en poupe avec des assistants virtuels capables de transcrire les propos formulés en langage naturel puis de traiter les requêtes soit en répondant directement via une synthèse vocale, soit avec une traduction instantanée ou encore en effectuant une requête relative à la commande.

 

L’intelligence artificielle, un potentiel infini

Les possibilités de l’IA semblent s’accroître de manière exponentielle.

Ces dernières années, nous sommes passés du simple chatbot à l’utilisation de l’intelligence artificielle pour l’aide à la prise de décisions cruciales, que ce soit dans le domaine médical ou militaire.

Avec des champs d’applications si divers, les besoins en experts des données se font sentir dans nombre de secteurs d’activité. C’est notamment le cas des acteurs de la Banque et des assurances qui n’ont pas hésité à se préparer aux métiers de demain, avec des écoles spécialisées et des formations pour devenir Data Analyst par exemple.

DeepTech

L’investissement dans les startups de la deeptech a crû de 22% en moyenne depuis 2015 au niveau mondial, pour atteindre près de 18 milliards de dollars en 2018, selon le rapport annuel de Hello Tomorrow et BCG, dévoilé dans Les Echos le mois dernier. Nous vous proposons un décryptage en quatre questions de ce secteur aussi obscur que disruptif.

 

  1. Qu’est-ce que la deeptech ?

Selon Bpifrance, le terme “deeptech” est utilisé pour parler de projets portés par des entreprises ou des laboratoires de recherche ambitieux qui innovent en repoussant les frontières technologiques. Ces innovations de rupture, c’est-à-dire qui révolutionnent nos habitudes, peuvent concerner tous les domaines, du réchauffement climatique à la lutte contre le cancer, en passant par la réinvention de l’industrie.

“La technologie est désormais partout, elle est devenue synonyme d’internet et des smartphones. Il fallait donc un nouveau terme pour désigner ces technologies émergentes qui nécessitent une longue phase de R&D pour arriver sur le marché”, explique Arnaud de la Tour, cofondateur de l’association Hello Tomorrow qui soutient le développement des deeptech. Il prend ainsi l’exemple de la startup G-Therapeutics, qui a révolutionné la médecine en inventant un implant à mettre dans la colonne vertébrale et qui a permis à des personnes paralysées de remarcher.

Ce long temps de recherche varie cependant suivant le domaine. Selon le rapport, développer une technologie biotech prend environ quatre ans, contre en moyenne deux ans et demi pour un projet dans la blockchain.

 

  1. Dans quels secteurs trouvent-on le plus de deeptech ?

Selon Hello Tomorrow, les deeptech officient souvent dans l’intelligence artificielle, la biologie, la chimie et les sciences du matériau, la robotique et les drones, l’électronique et enfin la photonique (les innovations liées à la lumière, un capteur pour un véhicule autonome par exemple).

Attention, qui dit deeptech ne dit pas forcément startup. C’est par exemple la multinationale IBM qui est leader sur l’ordinateur quantique (qui calcule de façon différente et beaucoup plus rapide qu’un ordinateur classique).

“Dans les années 80 et 90, seuls les grands groupes avaient assez de moyens et de ressources pour des projets deeptech. Aujourd’hui, ce n’est plus réservé aux grands groupes industriels ou aux centres de recherche comme le CNRS, les startups trouvent aussi des financements”, assure le cofondateur d’Hello Tomorrow Arnaud de la Tour.

 

  1. Comment sont financées ces innovations ?

Les deeptech nécessitent des financements conséquents avant même la conception d’un prototype. Le projet final ayant besoin de plusieurs années pour voir le jour, convaincre des investisseurs est difficile. “Il faut déjà quelques millions d’euros pour leur prouver que ça va marcher”, note Arnaud de la Tour. “Ceci dit, c’est un type différent d’investisseurs, souvent experts de leur domaine”. Des investisseurs qui savent que s’ils misent sur le bon projet, cela pourrait rapporter très gros. Car si la R&D est chronophage, elle permet aussi de semer les concurrents. “N’importe qui peut créer Uber. Alors qu’un nouveau matériau qui a nécessité six ans de recherche, personne ne va pouvoir le créer du jour au lendemain”, explique Arnaud de la Tour. D’autant que les innovations techniques sont protégées par des brevets.

Selon l’expert des deeptech, l’accès à la recherche s’est cependant démocratisé : “Cela devient moins difficile qu’avant, car on peut avoir accès à de la puissance de calcul logée dans le cloud, ce qui dispense les entreprises de se doter d’un gros ordinateur pour calculer. Quant au matériel nécessaire à la construction de prototypes, on peut désormais utiliser celui d’un fablab ou d’un incubateur”.

 

  1. Quels pays sont les champions des deeptech ?

“Il y a clairement une course entre les Etats-Unis et la Chine. Les Etats-Unis sont en tête, avec plus de 4.000 entreprises deeptech. Mais ils ralentissent : les investissements publics diminuent et Donald Trump finance moins la recherche. Le pays baisse aussi en termes d’attractivité des talents, avec des salariés qui partent à cause des lois anti-immigration. Les Chinois sont loin derrière, avec près de 750 entreprises deeptech, mais ils investissent des sommes astronomiques”, analyse Arnaud de la Tour.

L’Europe  serait bien placée notamment grâce à la qualité de ses  universités, la renommée de ses ingénieurs et de ses chercheurs, mais le bât blesse du côté du financement et de la transformation de l’innovation en business. “A ce niveau-là, la fragmentation de l’Europe en différents pays est un problème. Un pays européen ne peut rivaliser seul avec la Chine”, explique Arnaud de la Tour.

Lucie LEJEUNE

Elle est une ancienne photographe professionnelle. Lucie souhaite partager son amour de la photo à travers différentes illustrations de nos articles. Son expertise est un atout pour notre équipe.