Tech • IA • Robotique • Jeu
Ce chercheur en IA veut nous débarrasser des claviers - Neil Zeghidour, CEO de Gradium
6/10INTRO
Gradium parie que l’IA vocale quasi instantanée deviendra l’interface par défaut des machines, tout en avertissant que les agents IA personnels restent vulnérables à de graves failles de sécurité.
POINTS CLÉS
Une startup construite autour de la voix comme prochaine interface
Nail Zeguidour, 35 ans, directeur général de Gradium, affirme que la parole remplacera à terme une grande partie des interactions actuelles avec les machines fondées sur le clavier. L’entreprise développe des modèles vocaux pour la transcription, la synthèse vocale et les interfaces conversationnelles, afin de permettre aux entreprises de créer des agents avec presque n’importe quel accent, style ou identité vocale. Sa promesse phare est la vitesse: des réponses en environ 50 millisecondes, proches du rythme réel des échanges humains.
De la recherche académique sur l’audio à l’IA industrielle
Zeguidour travaille dans l’IA audio depuis environ 10 ans. Il a commencé à Paris en étudiant la façon dont les bébés acquièrent le langage et comment les machines pourraient apprendre plus efficacement à partir de données limitées et bruitées. Il a ensuite rejoint l’activité de recherche de Facebook à Paris pour des travaux doctoraux sur la parole, puis Google, où il a contribué à créer une architecture de LLM audio capable d’unifier plusieurs tâches audio, comme les LLM textuels ont unifié traduction, complétion et correction.
Comment les LLM audio ont changé le domaine
Le saut technique a consisté à compresser le son en jetons audio discrets et à entraîner un modèle à prédire le segment sonore suivant, plutôt que le mot suivant. Cela a rendu possible la poursuite d’une voix après seulement quelques secondes d’entrée, permettant concrètement le clonage vocal, et l’extension de fragments instrumentaux en séquences plus longues, ouvrant la voie à la génération musicale moderne. Selon Zeguidour, de nombreux produits actuels, des voix synthétiques aux générateurs de musique et assistants vocaux avancés, reposent sur des variantes de cette même idée.
Des modèles plus petits, un coût plus bas, un déploiement plus rapide
Contrairement aux modèles de raisonnement de pointe qui peuvent atteindre environ 1 trillion de paramètres, les systèmes vocaux de Gradium fonctionnent dans une fourchette d’environ 2 à 5 milliards de paramètres. Cela les rend bien moins coûteux à entraîner et à exploiter, un avantage important pour la parole en temps réel. Zeguidour estime que cette charge d’infrastructure plus faible donne aux petites équipes la possibilité de rivaliser avec des groupes bien plus grands.
Pourquoi les grandes entreprises peuvent être plus lentes que les startups
Zeguidour a quitté la big tech, convaincu que l’IA générative, surtout vocale, était trop disruptive pour s’intégrer facilement dans des entreprises construites autour d’anciennes lignes de produits. Il affirme que les agents IA multiplient suffisamment la production de chaque individu pour que les grandes organisations puissent devenir moins efficaces que les plus petites. À ses yeux, c’est un « âge d’or » pour les entreprises à taille humaine, car les équipes compactes peuvent aller plus vite et adapter leurs produits de façon plus agressive.
Les agents personnels sont utiles, mais très risqués
La même technologie capable de trier des boîtes mail, surveiller des agendas et faire remonter les urgences peut aussi divulguer des données sensibles. Zeguidour a décrit des tentatives de création d’un assistant personnel ayant accès aux e-mails, à Slack et aux outils de planification, pour constater qu’il était exposé à l’injection de prompt. Une instruction malveillante cachée dans une invitation de calendrier modifiable ou un message externe pourrait contourner les règles de l’agent et extraire des informations confidentielles.
La sécurité repose sur des barrières et des permissions limitées
Selon lui, l’approche la plus sûre aujourd’hui consiste à maintenir les assistants dans des silos strictement contrôlés et à éviter de leur accorder des droits d’envoi autonomes. Les agents peuvent être autorisés à rédiger des réponses, résumer des demandes et proposer des actions, mais un humain doit valider toute communication externe. Le défi central ne concerne pas seulement la qualité du modèle, mais aussi la couche d’orchestration au-dessus de lui, où permissions, mémoire, usage d’outils et garde-fous déterminent si un assistant est utile ou dangereux.
Les assistants passent déjà de la nouveauté aux opérations
Malgré les risques, les agents IA se révèlent déjà utiles pour la priorisation et la surveillance. Zeguidour dit qu’ils peuvent distinguer une prise de contact critique d’un investisseur d’une demande peu prioritaire, signaler des domaines expirant ou des problèmes d’infrastructure urgents, et faire remonter des incidents pendant la nuit. En environnement de production, les agents peuvent alerter les ingénieurs d’astreinte de manière progressivement plus insistante jusqu’à obtenir une réponse, montrant à quelle vitesse ces systèmes entrent dans des rôles opérationnels.
L’IA vocale pourrait remodeler les lieux de travail physiques
Si les employés parlent de plus en plus à des agents IA tout au long de la journée, l’aménagement des bureaux pourrait devoir évoluer à nouveau. Les espaces ouverts convenaient lorsque l’interaction consistait surtout en frappe silencieuse, mais des échanges vocaux constants créent des problèmes de bruit et de confidentialité. Zeguidour prévoit davantage de cabines isolées phoniquement, de cloisons et d’autres adaptations acoustiques à mesure que l’interaction parlée deviendra courante.
La disruption musicale reste moins nette que prévu
Même avec de grands progrès techniques dans la musique générée, Zeguidour estime que le basculement culturel a été plus lent que beaucoup ne le craignaient. Les performances en direct conservent leur attrait, et les auditeurs ne nouent pas forcément le même attachement émotionnel à des chansons générées par machine qu’à des artistes humains. L’IA pourrait tout de même s’infiltrer dans les playlists, le remix et les flux de production, mais remplacer entièrement les musiciens semble bien moins immédiat que ne le laisse penser la technologie sous-jacente.
CONCLUSION
Gradium pousse l’IA vocale vers un avenir d’interaction fluide et permanente, mais la voie vers une adoption de masse dépend autant de la confiance et de la sécurité que des performances brutes des modèles. Les entreprises capables de résoudre ces deux enjeux pourraient définir la manière dont les gens travailleront, communiqueront et utiliseront les logiciels dans la prochaine phase de l’IA.
Poser une question