ai-PULSE 2025
Thème : Smarter, Faster, Everywhere
Site officiel (nouvel onglet) ↗Programme (nouvel onglet) ↗Chaîne YouTube (nouvel onglet) ↗Synthèse de décembre 2025 →
Journée unique le 4 décembre 2025 à Station F (date confirmée par le site 2025.ai-pulse.eu, le live YouTube du 4 décembre et le récap Scaleway). 3 scènes (Open Platform pour les keynotes, Master Stage, Central room) + Founders Café pour démos et workshops ; 36 événements au programme, 70+ speakers. Fréquentation annoncée : « 2 000+ » (site officiel, iliad, annonce sur scène) contre « 1 600+ » dans le récap et le livre blanc Scaleway.
Une 3e édition placée sous le signe « Smarter, Faster, Everywhere » : Yann LeCun y a martelé que les LLM ne suffiront pas et que l'avenir est aux world models, pendant que la scène parisienne présentait robotique (UMA, Mirokaï), voix (Gradium) et agents en production (Dust, Mirakl, Mistral), le tout sur fond d'annonces Scaleway pour une IA européenne souveraine.
38 sessions résumées · 38 vidéos · mise à jour le jeudi 8 octobre 2026 · synthèse à compléter
Sources lues et limites de cette synthèse
Corpus : Programme officiel (2025.ai-pulse.eu, 36 événements), 32 replays de la playlist YouTube « ai-PULSE 2025 | Scaleway » (descriptifs), dont 12 transcripts lus (keynotes d'ouverture, Artificial Analysis, Dust, Mirakl, table ronde sur les agents ; ajoutés le 08/10/2026 : Mistral AI, Alpic, Helsing, Enchanted Tools, panel voix Kyutai/indigo.ai, Photoroom, Proton). S'y ajoutent le récap, le livre blanc et 4 articles « Insights » du blog Scaleway, le compte-rendu d'un participant (blog de Jérémy Buget, 07/12/2025), un billet d'exposant (Comino) et la presse (Le Monde Informatique, LeMagIT et Maddyness le 04/12/2025, French Tech Journal le 10/12/2025, Fortune le 19/12/2025).
Limites : Corpus encore dominé par les sources de l'organisateur (Scaleway, groupe iliad) et par les replays. Le seul retour détaillé de participant vient d'un invité de Scaleway, et la presse lue couvre surtout les annonces commerciales et LeCun. Aucun post LinkedIn de participant retrouvé malgré deux passes de recherche ; une vingtaine de sessions de l'après-midi ne sont résumées que d'après leur descriptif officiel ou le blog Scaleway (replays sans transcript lu).
Synthèse globale
1. Au-delà des LLM : world models, robotique et voix
La matinée a tracé une ligne claire : le texte ne suffit pas. LeCun et Pim de Witte ont défendu les world models (architectures non génératives de type JEPA, modèles conditionnés par l'action, données vidéo et de jeu abondantes), et cette thèse a servi de fil rouge aux intervenants suivants. Mirokaï (Enchanted Tools) et UMA (Rémi Cadène) ont montré l'IA qui sort de l'écran, avec la dextérité, la sûreté et l'acceptation sociale comme verrous. Gradium (Neil Zeghidour) a présenté la voix comme l'interface naturelle de ces robots. L'après-midi a prolongé ce thème avec le panel robotique d'Enchanted Tools (« une erreur en IA robotique… c'est une avalanche »), l'IA de vol de Helsing (entraînée contre elle-même en simulation, pour la robustesse plutôt que pour la fidélité) et les modèles ouverts de Valeo pour la conduite autonome. Les replays montrent une même architecture de production chez Enchanted Tools et dans le panel voix (Kyutai, indigo.ai) : un gros modèle qui planifie ou raisonne, de petits modèles locaux robustes qui agissent, et une interface contrôlée entre les deux. Le modèle unique de bout en bout reste, selon eux, de la recherche. C'est aussi ce qu'en retient le seul participant qui a publié un compte-rendu détaillé : pour Jérémy Buget, « nous arrivons au bout d'un cycle : celui des LLM basés essentiellement sur le texte », et « l'IA redonne un second souffle à la robotique ». Il ajoute une condition, venue du panel voix comme du panel robotique : l'adoption dépendra « autant du design, de l'éthique et de la psychologie que de la technique » (voix jamais « neutre », robots volontairement limités, confiance à construire).
2. Les agents en production : autonomie, mais avec des garde-fous
Côté entreprise, le discours converge entre Dust, Mirakl, Mistral AI, Socle AI et Gilion. On décompose les tâches en petits agents spécialisés et auditables, puis on les compose. On découple les permissions des agents de celles des humains, on mise sur l'observabilité plutôt que sur les benchmarks des labs, et on accorde l'autonomie par paliers dans les secteurs régulés. Mistral AI l'a résumé par une opposition entre l'IA « fast food » des démos et l'IA « restaurant étoilé » des banques et des hôpitaux, qui doit être traçable, capable de reprendre après une panne et auditable. Sa question de clôture : « building the AI to impress or to last? ». Alpic a placé MCP au centre de cette pile : le protocole est devenu le standard de fait, et les ChatGPT apps en font l'interface d'Internet pour les assistants. Mirakl apporte les chiffres les plus concrets (RFP de plus de 20 h à moins de 5 h, −95 % sur l'onboarding de catalogues) et défend un choix d'organisation : tout salarié construit ses agents, sans équipe centrale. L'humain reste celui qui fixe le but et relit (« human-led agents »). La table ronde sur les agents autonomes a montré l'écart des positions : Blackbox pousse un mode où l'agent corrige, merge et déploie seul si l'ingénieur l'y autorise, quand Socle AI et AMD rappellent que « 100 % de précision n'existe pas » et que la décision reste humaine à moyen terme. Blackbox et Socle AI se rejoignent sur l'évaluation : les benchmarks publics ne sont qu'un proxy, il faut des métriques tirées de l'usage réel.
3. Coût, vitesse et énergie : la question de l'infrastructure
Artificial Analysis a résumé le paradoxe de l'année : l'intelligence coûte 100 fois moins cher qu'avant, mais chaque requête coûte plus cher (raisonnement, agents). Il faut donc regarder l'efficacité en tokens. D'autres sessions ont traité la même tension : l'inférence 100 fois plus rapide (Kog) ou portable (ZML), le CPU contre le GPU (Ampere), le refroidissement liquide et la mesure réelle de l'empreinte carbone (Salesforce, Scaleway, GreenPT : « prendre une Ferrari pour faire les courses »). La keynote Scaleway (B300, quantique, AION) a placé ce sujet dans un récit de souveraineté européenne. Sur l'open source, l'édition a relevé un fait qui gêne : les meilleurs modèles ouverts sont chinois (LeCun, Artificial Analysis). D'où l'insistance sur les modèles européens ouverts (Mistral, Kyutai, Photoroom PRX, Valeo). Plusieurs intervenants ont aussi parlé du financement. Pour Proton, 10 milliards de dollars, « c'est un mardi à Palo Alto », et la Commission « achète encore Microsoft ». Défossez (Kyutai) voit dans la soutenabilité économique de l'innovation européenne le « next big unlock ».
4. Vivre la journée : dense, anglophone, bien organisée
Le seul récit de participant donne une idée du format. Jérémy Buget trouve l'événement « très bien organisé », avec de bons sujets et des speakers « pertinemment bien catégorisés ». Mais le rythme (une trentaine de talks de 15 à 35 minutes entre 10 h et 17 h 30, « tout juste 30mn de pause », tout en anglais) l'a fait « décrocher à partir de 14h30 » : « Trop pour moi ». Venu seul, il dit s'être senti « un peu perdu ou esseulé » faute de connaissances sur place. Il en ressort pourtant optimiste : l'Europe a « bien plus de ressources, de talents et de capacités réelles » qu'on ne le laisse croire. Seule vraie déception exprimée : l'annonce d'AMI par LeCun, restée sans détail concret. La presse tech française (Le Monde Informatique, LeMagIT) a surtout relayé les annonces de Scaleway (GPU B300, catalogue de modèles, quantique).
5. Biais du corpus et points à creuser
Cette synthèse s'appuie encore largement sur des sources de l'organisateur : replays, récap, livre blanc et articles du blog Scaleway, communication iliad. Le seul compte-rendu détaillé de participant vient d'un invité de Scaleway (Jérémy Buget remercie l'entreprise pour l'invitation), qui a manqué la fin de journée et la keynote de clôture. S'y ajoutent un billet d'exposant (Comino) et une presse centrée sur les annonces ou sur LeCun (French Tech Journal, Fortune). Même le chiffre de fréquentation varie selon la source (« 2 000+ » sur le site, sur scène et dans Le Monde Informatique, « 1 600+ » dans le récap). Aucun post LinkedIn de retour n'a été retrouvé, malgré une deuxième passe de recherche en octobre 2026 qui n'a ramené que de la presse (Maddyness). Douze replays ont désormais un transcript lu, mais une vingtaine de sessions de l'après-midi ne sont connues que par leur descriptif ou par le blog Scaleway, et les workshops du Founders Café restent non documentés.
Actions concrètes citées
- Les world models sont présentés comme le prochain paradigme : un modèle « conditionné par l'action » permet de planifier en imaginant les conséquences de ses actes, ce qu'un LLM auto-régressif ne fait pas (LeCun, de Witte).
- Choisir un modèle ne se résume plus à « raisonnant ou non » : regarder l'efficacité en tokens, qui détermine latence et coût, avec jusqu'à trois ordres de grandeur d'écart pour une même tâche (Artificial Analysis).
- Pour les agents en entreprise : décomposer une tâche en petits agents spécialisés puis les composer en workflow, et découpler les permissions des agents de celles des humains (Dust).
- Donner à 100 % des salariés la capacité de construire leurs agents plutôt que de centraliser dans une équipe data ; chez Mirakl, un RFP passe de plus de 20 h de travail à moins de 5 h (Mirakl).
- Viser des gains de plus de 90 % sur trois cas d'usage maximum plutôt que 30 % partout : « AI-assisted » est un échauffement, la valeur vient de l'IA intégrée au produit (Mirakl).
- Dans les environnements régulés, construire l'IA « pour durer » plutôt que « pour impressionner » : observabilité de chaque étape, exécution durable qui reprend après panne, registre versionné des prompts, modèles et jeux de données branché sur la CI/CD (Mistral AI).
- En robotique comme en voix, l'architecture de production est hybride : un gros modèle dans le cloud pour planifier ou raisonner, de petits modèles locaux robustes et testables pour agir, avec une interface contrôlée entre les deux (Enchanted Tools, Kyutai, indigo.ai).
- Mesurer l'empreinte réelle de l'inférence (GPU, nœud, workload) plutôt que de supposer qu'une IA est « verte » ; choisir le plus petit modèle suffisant (Salesforce, Scaleway, GreenPT).
- Le passage du prototype de recherche au produit (latence, langues, qualité studio) est un métier à part : c'est la raison d'être de Gradium après Kyutai (Zeghidour).
Session par session
Jeudi 4 décembre
Keynote▶ vidéo + transcript
Ouverture : Smarter, Faster, Everywhere
Xavier Niel — groupe iliad, Aude Durand — groupe iliad
- Salle comble à Station F (« over 2,000 people » annoncé sur scène, des sièges ajoutés) et live suivi depuis plusieurs villes européennes.
- Constat d'Aude Durand : la prolifération des modèles open source en 2025 a tenu ses promesses ; le modèle le plus utilisé par les clients Scaleway est Qwen, modèle open source de raisonnement.
- Trois grilles de lecture pour la journée : plus intelligente (agents qui raisonnent, planifient et agissent), plus rapide (les développeurs passent de l'écriture de code à l'orchestration d'agents), partout (voix, systèmes embarqués, robots).
- Message affiché : « Europe has every reason to be optimistic about its future in AI ».
Keynote▶ vidéo + transcript
Fireside chat : Beyond LLMs, world models et agents incarnés
Yann LeCun — Meta (puis AMI Labs), Pim de Witte — General Intuition, Aude Durand — groupe iliad (modération)
Retours : Jérémy Buget (blog), Comino (exposant, billet de blog), French Tech Journal (presse, 10/12/2025), Le Monde Informatique (presse, 04/12/2025), Maddyness (presse, 04/12/2025), Fortune (presse, 19/12/2025)
- Sur scène : LeCun rappelle qu'il défend les world models depuis sa keynote NeurIPS 2016 ; les LLM sont « utiles » mais « not a path to human level intelligence ». « Understanding the physical world is much more difficult than understanding language » : aucun robot ne fait ce que fait un enfant de 5 ans.
- Architecture : prédire au niveau du pixel ne marche pas (les détails sont imprévisibles) ; les architectures non génératives de type JEPA l'emportent en apprentissage auto-supervisé. Objectif : un world model conditionné par l'action qui permet de planifier une séquence d'actions sous contraintes.
- Analogie retenue (de Witte) : les LLM sont comme une boule de neige qui dévale la pente sans percevoir l'obstacle ; la vraie intelligence ressemble à Olaf, qui voit la pierre et l'esquive.
- Données et calcul : 10¹⁴ octets, c'est tout le texte public d'Internet… ou 30 minutes d'uploads YouTube ; entraîner V-JEPA 2 demande quelques milliers de GPU, loin des échelles des LLM de pointe. General Intuition s'appuie sur ~1 milliard de vidéos de jeu par an déjà annotées en actions (Medal).
- Open source et géopolitique : les meilleurs modèles ouverts sont chinois, « et ce n'est pas bon » ; la recherche ouverte reste la voie la plus rapide. Phrase reprise par la presse : « Silicon Valley is completely hypnotized by generative models », d'où l'intérêt de travailler à Paris.
- Annonces : LeCun crée une structure indépendante (AMI, « Advanced Machine Intelligence », Meta partenaire mais pas investisseur) ; partenariat scientifique General Intuition × Kyutai autour d'un jeu de données ouvert.
- Côté participants : Jérémy Buget retient la formule de Pim de Witte, « la prochaine génération d'IA devra comprendre les pixels avant de comprendre les mots », et un talk qui a « parfaitement lancé la journée » ; mais il se dit « déçu et frustré de ne pas en avoir appris plus » sur AMI, annoncé sans détail concret. Comino (exposant) salue une présentation qui a « inspiré des discussions ».
- Presse : French Tech Journal (présent sur place) et Le Monde Informatique reprennent la thèse de LeCun, des LLM qui « ne comprennent pas le monde » (LMI). Maddyness, sur place, décrit un parterre d'entrepreneurs et d'investisseurs et un LeCun suivi par les caméras de Quotidien ; elle retient « les acteurs américains ont pris un mauvais chemin. Si l'IA progresse aujourd'hui, c'est grâce à l'open source ».
Keynote▶ vidéo + transcript
Mirokaï : la robotique humanoïde sociale
Jérôme Monceaux — Enchanted Tools, Aude Durand — groupe iliad (modération)
Retours : Jérémy Buget (blog)
- Entrée en scène par un sketch entre Aude Durand et le robot Mirokaï (« I'm not HAL 9000… I roll on a ball »).
- Choix de conception : robot non bipède, sûr en permanence, visage « mignon », accessoires pour simplifier l'usage ; partenaire de Google DeepMind (Gemini Live / Gemini Robotics) + modèles embarqués pour la proximité des personnes.
- Une cinquantaine de robots sur le point d'être déployés dans le soin ; l'hôpital est choisi parce que c'est un espace semi-standardisé (sols, couloirs, rôles, réglementation connus).
- Transparence : le robot doit dire ce qu'il peut et ne peut pas faire : « 80 % de succès, c'est 20 % d'échec », inacceptable en santé. Il faut « designer la danse entre l'utilisateur et le robot ».
- Cas marquant : à l'ICM de Montpellier, Mirokaï accompagne les enfants en radiothérapie ; un moment de 60 minutes douloureux devient un moment de joie, les enfants n'ont plus besoin d'être sédatés, avec un « facteur 10 » de productivité de la machine (chiffre du speaker).
- Retour participant : pour Jérémy Buget, la scène avec Aude Durand « a eu le mérite de rendre tangible » le passage des agents de l'écran à l'espace physique ; l'exemple pédiatrique l'a marqué, et il en tire que « l'utilisation la plus humaine de l'IA est parfois la plus simple ».
Keynote▶ vidéo + transcript
Keynote Scaleway : annonces 2025
Damien Lucas — Scaleway
Retours : Jérémy Buget (blog), Le Monde Informatique (presse, 04/12/2025), LeMagIT (presse, 04/12/2025)
- Expansion géographique : après la France, les Pays-Bas et la Pologne, déploiement en Italie, Suède et bientôt Allemagne.
- Data : une acquisition (nom inaudible dans le transcript) et un portefeuille élargi (Kafka, OpenSearch, Data Warehouse, orchestration) pour « amener l'IA aux données », en écho à Michael Dell l'an passé.
- Quantique : après l'émulation (2023) et Quandela (2024), partenariats avec Pasqal (atomes neutres) et IQM (supraconducteurs).
- GPU : NVIDIA Blackwell Ultra B300 disponibles, « 50 % plus rapides que les B200 », premiers en Europe ; calculateur d'empreinte environnementale étendu aux GPU.
- Modèles : fournisseur d'inférence souverain de Hugging Face, Holo 2 de H Company et suite entreprise de Mistral AI (AI Studio, Mistral Code, Document AI) disponibles.
- AI gigafactory : consortium européen AION (EDF, OPCORE, Kyutai, H, Hugging Face…) pour une infrastructure de centaines de milliers de GPU.
- Presse : Le Monde Informatique détaille aussi les modèles au catalogue (GPT-OSS, Qwen 3, DeepSeek R1, Whisper, Voxtral), Ampere et les premiers tests du CPU Fujitsu Monaka ; LeMagIT consacre un article au Quantum as a Service (Pasqal, IQM, en plus de Quandela) en rappelant que l'informatique quantique n'en est qu'à ses débuts.
- Côté participant, Jérémy Buget retient le message « Bring AI to the data » et un cloud souverain et européen qui « parle » à son contexte professionnel.
- À lire comme une keynote commerciale de l'organisateur.
Keynote▶ vidéo + transcript
UMA : robots généralistes made in Europe
Rémi Cadène — UMA, Aude Durand — groupe iliad (modération)
Retours : Jérémy Buget (blog)
- Lancement annoncé la semaine même : UMA (Universal Mechanical Assistance), robots mobiles et humanoïdes généralistes ; Cadène vient de Tesla (Autopilot, Optimus) et de Hugging Face (LeRobot).
- Leçon de la conduite autonome : apprendre à partir de données humaines pour gérer les cas limites, avec un matériel robuste.
- Défi n°1 : la dextérité (manipuler un œuf sans l'écraser) ; un cofondateur, Rob Knight, conçoit des mains robotiques open source.
- Piste : des robots auto-améliorants qui progressent en pratiquant, et un matériel léger, sûr par conception, avec une chaîne d'approvisionnement européenne.
- Pourquoi l'Europe : tissu industriel, ingénieurs qualifiés et formation abordable (« 600 euros » pour son année de master), société vieillissante qui rend l'automatisation nécessaire.
- Retour participant : Jérémy Buget note une inspiration « Tesla-like » (donnée humaine, matériel robuste, culture open source) et juge l'argument européen « un discours rare et stimulant ».
Keynote▶ vidéo + transcript
Gradium : amener la voix IA en production
Neil Zeghidour — Gradium, Aude Durand — groupe iliad (modération)
Retours : Jérémy Buget (blog), French Tech Journal (presse, 10/12/2025)
- Gradium, spin-off de Kyutai lancée le mardi précédent (tour d'amorçage de 60 M€ d'après la communication iliad).
- Constat : Moshi et Hibiki (open source) ont suscité beaucoup de demande mais restaient des prototypes (anglais seulement, pas de qualité studio) ; « le dernier kilomètre » entre prototype de recherche et produit est le travail d'une entreprise.
- Produits : transcription et synthèse temps réel pour des agents vocaux personnalisables, « enveloppe vocale » autour de n'importe quel LLM ; clients cités : jeu vidéo (PNJ, commentaires e-sport), support client, médias, restauration de la voix.
- Démo live sur un robot Reachy Mini (Hugging Face) : changement de voix, de personnalité, de langue et d'accent à la demande.
- Frontières restantes : la compréhension émotionnelle (exemple de l'IA thérapeutique qui répond mal) et la parole dans des environnements acoustiques complexes (usine, bruit, plusieurs locuteurs).
- Retours : Jérémy Buget juge la démo live « très convaincante » et retient l'exemple de l'émotion mal comprise (« mon chien est malade » suivi de « oh c'est super ! ») ainsi que la difficulté du bruit de foule. French Tech Journal, présent, cite Zeghidour : « This was completely unscripted » et « Voice is going to be the way we interact with machines ».
Conférence▶ vidéo + transcript
Benchmarking the frontier: what really matters in the new AI stack
Micah Hill-Smith — Artificial Analysis
- Les trois labs de pointe sont au coude à coude fin 2025 ; GPT-5 a pu décevoir, mais il y a un an les agents de code « ne fonctionnaient pas vraiment », aujourd'hui si.
- Paradoxe du prix : à niveau d'intelligence égal, le coût a baissé d'environ 100× (niveau GPT-4) ; mais une requête coûte facilement 10× plus qu'en 2023 à cause des modèles plus gros, du raisonnement et des agents. Jusqu'à trois ordres de grandeur d'écart (≈5 $ à 2 000 $) pour faire tourner leur index.
- Raisonnant ou non ne suffit plus : parler d'efficacité en tokens, qui pilote latence et coût.
- Open weights : l'écart avec les modèles propriétaires reste stable ; 4 des 5 meilleurs modèles ouverts sont chinois (Kimi K2 Thinking, DeepSeek V3.2, MiniMax M2, Qwen), tendance jugée durable. Mistral Large 3, lancé deux jours plus tôt, à relire comme un modèle non encore raisonnant ; les Ministral (3B/8B/14B) jugés très convaincants.
- Nouveaux indices : Omniscience (l'hallucination est « un problème d'incitation » ; les modèles Claude ont le taux d'hallucination le plus bas) et Openness Index (OLMo 3 le plus proche du score parfait).
Conférence▶ vidéo + transcript
From single agents to agent fleets: lessons from building Dust's agentic platform
Pauline Pham — Dust
- Retour sur deux ans et demi de Dust : la plupart des agents échouent parce qu'ils sont de simples chatbots sans personnalisation, mémoire ni contexte.
- Pari fait dès 2023 : tout salarié curieux doit pouvoir construire un agent, sans être ingénieur, en y encodant son savoir « tribal ».
- Permissions des agents découplées de celles des humains : un agent peut agir en tâche de fond sur des données qu'un humain n'a pas, selon des espaces restreints définis par l'équipe sécurité ; classification centralisée des outils et données en « high stake / low stake ».
- Les évaluations des labs sont « overfittées » ; en entreprise, miser sur l'observabilité (inspecter chaque exécution) et sur la connaissance terrain des opérateurs.
- Leçons : décomposer en petits agents puis composer un workflow ; la confiance se construit en formant les gens ; rester agnostique (modèles et outils).
Conférence▶ vidéo + transcript
Inside the Agentic Stack: How Agency Is Rewriting Enterprise
Anne-Claire Baschet — Mirakl
- Trois ères : travail traditionnel → tâches assistées par l'IA → agents « human-led » (l'humain fixe le but et relit, l'agent fait le travail).
- Support client : agent disponible 24/7, même qualité qu'un humain, 36 % de gain d'efficacité ; fusion des équipes documentation et service client, avec un responsable de l'agent « comme un product manager ».
- RFP : un agent construit par les équipes juridique et sécurité, appelé depuis Google Sheets, fait passer une réponse de plus de 20 h à moins de 5 h ; première fois qu'un commercial remercie un agent dans le canal #wins.
- Pas d'équipe centrale : 100 % des salariés doivent pouvoir construire leurs agents sur une méta-plateforme multi-modèles (Dust).
- Produit : onboarding de catalogues par des agents, −95 % de délai ; conseil : viser plus de 90 % d'amélioration sur trois sujets maximum plutôt que 30 % partout, et explorer les nouveaux marchés (commerce agentique).
Table ronde▶ vidéo + transcript
Agents that actually do the work: how autonomy changes the way we build
Robert Rizk — BLACKBOX AI, Benjamin De Almeida — SOCLE AI, Ramine Roane — AMD, Fred Bardolle — Scaleway (modération)
Retours : Jérémy Buget (blog)
- Sur scène, humain dans la boucle : à court et moyen terme, la décision importante reste humaine (Roane, AMD) ; pour un service de transcription destiné à des cabinets d'avocats, « 100 % de précision n'existe pas », d'où des outils pour que l'utilisateur contrôle chaque traitement (De Almeida, Socle).
- Autonomie maximale côté code : Blackbox présente un mode « full self coding » où l'agent lit les logs de production en temps réel, corrige, ouvre une pull request et peut même la merger, déployer et revenir en arrière si l'ingénieur l'y autorise ; garde-fous : restriction d'accès aux outils et secrets, et alertes SMS, Slack ou appel vocal quand l'agent est bloqué (Rizk).
- Problèmes non résolus : le monde physique (percevoir, raisonner, planifier, agir, apprendre de ses erreurs, « comme le disait Yann LeCun », Roane) ; la réputation de la souveraineté, jugée à tort moins performante (De Almeida) ; des utilisateurs qui ne savent pas toujours juger ce que l'agent a produit (Rizk).
- Mesure et coûts : les benchmarks publics (SWE-bench Verified, SWE-Lancer) ne sont qu'un proxy, Blackbox suit aussi les merges acceptés ; le raisonnement multiplie les tokens et, pour AMD, la solution de long terme est de déplacer la charge vers l'edge (calcul hybride : faible latence sur la puce, planification dans le cloud, communication « zero trust »).
- Retour participant : Jérémy Buget résume la table ronde en trois thèmes, souveraineté, confiance et changement culturel, et retient qu'un agent génère « beaucoup plus de tokens » qu'on ne le voit.
Conférence▶ vidéo + transcript
Agentic Stack for Regulated Industries: Architecture Essentials
Han Heloir — Mistral AI
- Sur scène : opposer l'IA « fast food » (une démo en quelques heures, optimisée pour l'effet « waouh » auprès des investisseurs) à l'IA « restaurant étoilé » qu'exigent les secteurs régulés : chaque donnée tracée « de la ferme à l'assiette », et un inspecteur sanitaire assis en permanence dans la cuisine.
- Sondage en salle : plus de 90 % des présents ont prototypé une application IA, beaucoup moins l'ont en production. Trois histoires pour expliquer l'écart : un assureur dont l'agent refuse 30 % de sinistres de trop pendant six semaines sans que personne ne le voie (un stagiaire relisait les logs) ; un workflow KYC bancaire qui perd tout son état sur un timeout d'API à 2 h du matin ; un auditeur qui demande le prompt utilisé pour un conseil d'investissement du 15 mars.
- D'où trois principes non négociables : observabilité de chaque étape (traces, LLM-as-a-judge sur toutes les interactions, cas limites réels transformés en tests de régression) ; exécution durable et avec état (reprise après panne au point d'arrêt) ; registre unique versionné des modèles, prompts et jeux de données, branché sur la CI/CD (pas de mise en production d'un modèle non testé en QA).
- La question de la résidence des données (France, Europe, cloud souverain) se pose avant tout choix d'infrastructure ; le speaker cite des clients qui appliquent ce patron (BNP Paribas, CMA CGM, d'après la transcription automatique).
- Phrase de clôture : « Are you building the AI to impress or are you building the AI to last? »
- Le descriptif annonçait un cas d'usage de gestion de sinistres détaillé ; sur scène, il sert surtout d'anecdote. Talk de 15 minutes qui reste proche d'une présentation de la plateforme Mistral.
Conférence▶ vidéo + transcript
A deep dive into MCP and ChatGPT apps
Pierre-Louis Theron — Alpic
- Thèse provocatrice : « the internet is dead but we are not yet aware of it ». Les sites sont faits pour des humains, alors qu'une bonne part de ce qu'on fait en ligne passera par des assistants IA ; MCP devient le « front-end » des LLM.
- Un serveur MCP ne doit pas se contenter d'envelopper ses API : c'est une interface conçue pour l'intention d'un modèle. Un an après sa sortie, MCP est devenu le standard de fait (OpenAI et Anthropic à fond, Google moins), quand A2A et les autres protocoles n'ont « pas vraiment décollé ».
- Trajectoire : d'abord les agents de code (fichiers, docs, GitHub), puis les éditeurs SaaS (CRM, ERP), et maintenant les ChatGPT apps / MCP apps, avec deux apports : la découvrabilité (on nomme l'app dans la conversation) et des widgets d'interface dans le chat, qui ouvrent le grand public (photos d'appartements, de produits).
- Démos : un jeu « Time's Up » dans ChatGPT, puis une recherche de vols Kiwi.com dans le chat ; le paiement passera par un autre protocole, ACP (Agentic Commerce Protocol).
- Fin plus commerciale : un calendrier de l'Avent pour construire des ChatGPT apps et la plateforme Alpic pour déployer des serveurs MCP « en un clic ». La monétisation annoncée par le descriptif n'est pas traitée dans les 15 minutes.
Table ronde▶ vidéod'après le programme
Building at the speed of agents: from training pipelines to data infrastructure
Aurélien Delfosse — H Company, Dan Chester — VAST Data, Jérémie Eliahou Ontiveros — SemiAnalysis
- D'après le descriptif : entraîner des modèles agentiques qui voient et agissent exige un stockage à haut débit, des pipelines propres et une infrastructure qui suit l'évolution des jeux de données, pour garder des cycles d'itération courts.
Conférence▶ vidéo + transcript
The first AI flying a production fighter jet
Thomas Palomares — Helsing
- Sur scène : le combat aérien moderne n'est plus un duel visuel à la Top Gun mais un combat « au-delà de la portée visuelle » (BVR), à des centaines de kilomètres, qui mêle les échecs (anticipation de long terme) et le poker (observabilité partielle, bluff) : « une partie d'échecs en 3D à grande vitesse jouée dans un ouragan ».
- Trois raisons de mettre de l'IA maintenant : la vitesse des menaces, la surcharge cognitive des pilotes face aux capteurs, et une IA devenue réelle.
- Centaur est un copilote par apprentissage par renforcement : en entrée, la mission, les ordres humains, la situation tactique et les capteurs ; en sortie, des commandes de guidage, des fenêtres de tir proposées à la validation humaine et l'intention communiquée au pilote et aux alliés. Tout tourne à bord.
- Les agents s'entraînent contre eux-mêmes, sans aucune donnée de combat humain, dans un simulateur « AI-first » accéléré (des décennies d'engagements en quelques jours). Les comportements tactiques émergent et atteignent un niveau « superhumain » (selon le speaker).
- Passage au réel : on ne connaît pas l'aérodynamique exacte ni le radar de l'adversaire, donc on entraîne pour la robustesse (randomisation des dynamiques, bruit capteurs) plutôt que pour la fidélité. Il faut aussi séparer les rôles : contrôle bas niveau certifié d'un côté, stratégie haut niveau confiée à l'IA de l'autre. Vol d'essai avec Saab en Suède à l'été 2025.
- Talk de 11 minutes au ton militant (« innover au rythme de la guerre », mission de « servir nos démocraties »), terminé par un appel au recrutement.
Table ronde▶ vidéo + transcript
From Foundation Models to Real-World Actions
Firas Abi Farraj — Enchanted Tools, Grégoire Linard — Enchanted Tools, Jean-Baptiste Kempf — Scaleway
Retours : Jérémy Buget (blog)
- Sur scène, deux des trois CTO d'Enchanted Tools (IA et manipulation ; navigation et mécatronique). Historique : le deep learning a rendu la perception possible, le RL (2016-2017) a rendu les robots robustes, puis LLM, VLM et world models sont arrivés « comme un cadeau ». Mais « une erreur en IA robotique, ce n'est pas une coquille, c'est une avalanche » : sur des tâches de plusieurs heures, 0,1 % d'erreur qui se cumule fait échouer la tâche en 15 minutes (Abi Farraj).
- Image de la tarte au citron : tout le monde vise la crème (l'IA dans le cloud), eux travaillent sur la pâte, fine, de l'IA locale et physique, avec peu de budget en calcul, en énergie et en volume (Linard).
- Architecture en couches pour un produit en 2026 : un gros modèle (GPT, Gemini dans le cloud) qui planifie et a raison « 80 % du temps », et des petits modèles embarqués robustes (RL, CNN, parfois codés à la main) appelés comme des fonctions ou des serveurs MCP, avec une interface contrôlée plutôt qu'un espace latent, pour pouvoir tester et certifier. Le modèle unique de bout en bout reste un sujet de recherche, « pas en 2026 ». À bord, deux GPU Jetson de 25 à 30 W.
- Fonction contre émotion : on choisit une machine sur sa fiche technique et une personne sur l'émotion, le robot est entre les deux. D'où des psychologues au comité scientifique et des réglages par public : avec les enfants, un robot rapide et « punchy » ; avec les personnes âgées, qui marquent des pauses, plus d'empathie.
- Sûreté : une hallucination dans le monde physique est « une action directe, non réversible ». Les garde-fous sont algorithmiques, et le robot est volontairement limité (il ne saisit que des objets munis d'une poignée dédiée). Définition proposée du world model : « un moteur 3D de jeu vidéo plus de l'IA », mais sans fantaisie, pour entraîner des agents en simulation photoréaliste.
- Retour participant (Jérémy Buget) : architecture en couches, un modèle de fondation pour la vision générale et de petits modèles embarqués spécialisés (perception fine, audio, sécurité), répartis entre cloud et robot ; certains robots embarquent 2 GPU et plus de 20 CPU, encore surtout dans l'écosystème NVIDIA ; robots volontairement limités pour la sécurité, et insistance sur la distinction entre fonction et émotion pour inspirer confiance.
Table ronde▶ vidéo + transcript
From lab to product with European voice model
Alexandre Défossez — Kyutai, Enrico Bertino — indigo.ai, Constance Morales — Scaleway (modération)
Retours : Jérémy Buget (blog)
- Sur scène : une heure de parole remplit un CD, sa transcription contient « 50 000 fois moins d'information ». Le texte est compact et non ambigu, l'audio est « messy » (Défossez, Kyutai et Gradium). Pour Bertino (indigo.ai), la voix n'est pas un canal de plus mais « un autre monde » : un mot manqué fait perdre le sens, et il faut gérer la latence et les tours de parole.
- Évaluer est le plus dur : un client a failli tout refaire après un test fait « au mauvais moment », alors qu'il a suffi de changer la voix pour qu'il juge le bot prêt. Un taux d'erreur de 2 % peut cacher l'erreur qui compte (le 12 au lieu du 13 décembre pour un rendez-vous) ; d'où des tests en double aveugle, « comme un essai clinique ».
- Deux architectures : en cascade (STT → LLM → TTS), simple à brancher sur l'existant, avec RAG et appels de fonctions (c'était la démo Reachy Mini du matin, sur un modèle Qwen), mais une latence qui monte à plusieurs secondes sur les tours ambigus ; speech-to-speech, ~200 ms comme un humain, sans découpage en tours, mais à réadapter pour chaque cas d'usage.
- En production chez indigo.ai, tout est en cascade pour le support entrant (API, RAG, « let me check » pour masquer 8 s de traitement) ; le speech-to-speech est testé pour l'appel sortant (qualification de leads), où le rythme compte plus que les workflows. Piste Kyutai : un petit modèle speech-to-speech, éventuellement local, qui appelle « un joker » (un gros modèle) quand il lui manque une information.
- Équité des accents (le français québécois, difficile même pour un Français) ; en Italie, indigo.ai choisit des accents légers (Rome, Sicile) plutôt qu'une voix neutre. En production, le plus difficile n'est pas le modèle : c'est le contrôle (garde-fous, masquage, conformité) et la téléphonie (SIP, PBX), qui a demandé une équipe dédiée.
- « Next big unlock » : la soutenabilité économique de l'innovation européenne, sans Google ni gros fonds de capital-risque (Défossez).
- Retour participant (Jérémy Buget) : la voix est bien plus complexe que le texte et ne convient pas à tous les usages (peu d'information transmise, chaos en open space) ; deux architectures coexistent, speech-to-text-to-speech (pragmatique) et speech-to-speech (plus naturelle mais bien plus coûteuse) ; comprendre la voix est plus dur que la produire ; et la dimension culturelle compte : « en Italie, par exemple, on refuse les voix “neutres” ».
Conférence▶ vidéo
Translation and the limits of autoregressive transformers
Marco Trombetti — Translated
- La traduction révèle les limites des architectures actuelles ; Translated construit DVPS, un modèle de fondation ouvert pour les dépasser (descriptif).
- D'après le blog Scaleway : progrès mesuré au temps que passent les traducteurs à corriger la machine ; la « singularité » en traduction repoussée au début des années 2030 ; « si un LLM hallucine un peu, personne ne s'en aperçoit ; en traduction, tout le monde rit ».
Conférence▶ vidéo + transcript
Inside Photoroom's Open-Source T2I model
Jon Almazán — Photoroom, David Bertoin — Photoroom
Retours : Jérémy Buget (blog)
- Sur scène : entraîner un modèle texte-image est « lent, douloureux, très cher ». Après 200 heures GPU, le modèle ne connaît même pas les formes ; il faut environ 50 000 heures pour une bouteille de vin réaliste.
- PRX : 1,2 milliard de paramètres (contre 20 pour Flux), sous Apache 2.0, utilisable sur GPU grand public ou Google Colab. Les expériences, les études d'ablation et les échecs sont publiés. Pourquoi l'ouvrir : maîtriser la génération sert l'édition d'image et les produits, et le modèle est assez léger pour itérer vite. Bonus : une communauté Discord et un effet recrutement. L'équipe ML compte une dizaine de personnes.
- Architecture qui assemble les briques clés de l'état de l'art : 60 % plus légère, 40 % plus rapide sans perte de qualité (chiffres des speakers).
- Astuce centrale, le recaptioning : un VLM réécrit toutes les légendes avec des dizaines de concepts. Le modèle apprend à les démêler (orange, chat, gris) et on n'a plus besoin de fine-tuner sur un sous-ensemble « propre » qui fait oublier des concepts : il suffit de demander une « photo professionnelle » ou une « photo amateur floue ». Résultat : une image correcte en moins de 300 heures GPU pour un modèle six fois plus petit.
- Étape suivante : aligner le modèle sur les retours des utilisateurs de Photoroom (« des centaines de millions »), comme on l'a fait pour les LLM.
- Retour participant : Jérémy Buget retient la réécriture et l'enrichissement des légendes d'images, « une démonstration bienvenue » que la qualité du dataset compte autant, sinon plus, que la taille du modèle.
Conférence▶ vidéo
Inference Everywhere: optimizing performance
Steeve Morin — ZML
Retours : Jérémy Buget (blog)
- D'après le descriptif : construire une inférence efficace de l'edge au serveur sans sacrifier latence, débit ni fiabilité ; arbitrages entre généralité et spécialisation, portabilité entre matériels, leçons de mise en production chez ZML.
- Retour participant : arrivé en cours de route, Jérémy Buget avoue que « le sujet m'a un peu échappé » ; en creusant ensuite, il situe ZML non comme un concurrent d'Ollama mais comme une pile d'inférence de production bas niveau, pour les équipes infra qui veulent contrôle et portabilité matérielle.
Conférence▶ vidéod'après le programme
Real-time AI: building 100x faster inference
Gaël Delalleau — Kog
- D'après le descriptif : la vitesse d'inférence est le goulot des agents et du « test-time compute » ; Kog vise une inférence 100× plus rapide par optimisation GPU et innovations d'architecture Transformer. À 10 000–100 000 tokens/s, « les agents et la Deep Research deviennent instantanés ».
Conférence▶ vidéo
Beyond FLOPs: Engineering transparency into AI's carbon footprint
Boris Gamazaychikov — Salesforce, Elise Auvray — Scaleway
- Salesforce présente l'AI Energy Score (méthode standardisée, avec Hugging Face) ; Scaleway son calculateur d'empreinte environnementale qui traduit l'usage GPU en émissions (descriptif).
- D'après le blog Scaleway : l'Energy Score mesure une efficacité théorique, Scaleway « le carburant réellement brûlé » ; sujets : périmètre de mesure (GPU, nœud, workload), compromis précision/surcoût/reproductibilité.
Conférence▶ vidéo
Building AI that scales: efficient compute for a smarter, faster, everywhere world
Sean Varley — Ampere Computing
- D'après le blog Scaleway : le goulot passe de l'innovation des modèles à l'économie de l'infrastructure ; la GenAI pourrait consommer ~70 % de l'énergie des datacenters d'ici 2030 (chiffre du speaker) ; pour les petits modèles spécialisés, les CPU peuvent être plus rentables que les GPU ; raisonner en « performance par euro » et « tokens par watt ».
Table ronde▶ vidéo
Beyond Air Cooling: new frontiers in AI hardware design
Albert Tsai — Giga Computing, Christophe Lacroix — Motul, Frédéric Petit — Valeo, Bruno Lecointe — Eviden, Albane Bruyas — Scaleway (modération)
- Refroidissement de la puce au datacenter : cold plates, immersion, boucles liquides, réutilisation de chaleur (descriptif).
- D'après le blog Scaleway : la densité par GPU est passée de 700 W à plus de 2 kW ; le refroidissement liquide direct apporterait « 5 à 8 % d'efficacité en plus » (Lecointe).
Conférence▶ vidéo
How to build a sustainable AI infrastructure
Robert Keus — GreenPT, Cas Burggraaf — GreenPT
- D'après le blog Scaleway : « l'IA durable n'existe pas », seulement des façons de réduire l'impact ; modèles auto-hébergés, mesure en temps réel (milliwattheures pour 100 tokens) ; « utiliser GPT pour beaucoup de tâches, c'est prendre une Ferrari pour faire les courses ».
Conférence▶ vidéo
AI everywhere: reinventing Spotify's core strategies
Romain Takeo Bouyer — Spotify
- L'IA touche les trois stratégies cœur de Spotify : ubiquité (interfaces IA, intégration aux fournisseurs d'inférence), personnalisation (recommandations raisonnées, DJ conversationnel), freemium (descriptif).
- D'après le blog Scaleway : passage « de la prédiction au raisonnement » ; 75 millions de titres retirés pour abus en 2025 ; l'objectif reste de renforcer le lien entre artiste et auditeur face à la musique générée.
Table ronde▶ vidéo
From molecules to models: How AI is redesigning pharmaceutical R&D
Joel Belafa — Biolevate, Antoine De Torcy — Biolevate, Cédric Mahé — Sanofi Vaccines, Sophia Metz — Biostream, Sophie Monnier — InstaDeep (modération)
- Modèles de fondation adaptés aux données biomédicales, données rares et sensibles, validation entre hôpitaux et labos (descriptif).
- D'après le blog Scaleway : la méthode de choix de l'antigène d'un vaccin « n'a pas beaucoup changé en 50 ans » (Mahé) ; Biolevate a déjà déposé des brevets issus de découvertes faites avec l'IA.
Conférence▶ vidéo
Open & Repurposable: Foundation Models for the Automotive Industry
Andrei Bursuc — Valeo
- Modèles de fondation entièrement ouverts (données, modèles, code) pour la perception en conduite autonome : encodeur visuel Franca, modèles vidéo et vidéo-action VaViM / VaVAM, composables entre eux pour la distillation inter-capteurs et l'auto-annotation (descriptif et blog Scaleway).
Table ronde▶ vidéo
From edge inference to generative pipelines: building video AI that works
Olivier Reynaud — Aive, Dam Mulhem — XXII, Paul Mochkovitch — Molia
- Deux architectures de l'IA vidéo : inférence temps réel en edge (XXII) et pipelines génératifs de post-production (descriptif).
- D'après le blog Scaleway : compromis précision/vitesse et généralité/spécialisation ; systèmes déterministes et hors ligne pour la vision urbaine ; temps réel atteint avec des modèles « principalement open source, fine-tunés » (Reynaud).
Table ronde▶ vidéod'après le programme
Creative Integrity and Algorithmic Innovation: A Dual Approach
Nathalie Birocheau — Ircam Amplify, Frédéric Amadu — Ircam Amplify, Corina Chutaux — Sorbonne Université
- D'après le descriptif : détection d'artefacts générés par IA dans l'audio (Ircam Amplify) face à une vision de la créativité incluant des agents computationnels ; question : l'humain peut-il rester au centre de la création à l'ère du son génératif ?
Conférence▶ vidéo + transcript
AI and Privacy: Building secure intelligence at scale
Bart Butler — Proton, Romain Dillet — Drysdale Ventures (modération)
- Dernier entretien de la Master Stage. Pour le CTO de Proton, être un LLM rend un produit « plus dangereux » pour la vie privée : on confie ses secrets à un chatbot parce qu'il « ne juge pas », sans savoir que l'opérateur peut lire, exploiter ou « weaponiser » ces conversations.
- Lumo : la valeur ajoutée n'est pas le modèle mais des conversations chiffrées que ni Proton ni personne ne peut exploiter. Proton n'entraîne pas ses propres modèles (pas « des milliards à brûler ») et utilise un mélange de modèles ouverts (Mistral, DeepSeek, gpt-oss) ; la personnalisation passera par le contexte, pas par l'entraînement sur les données des utilisateurs. Il critique le passage d'Anthropic à l'opt-out et rappelle que ce qui entre dans un modèle peut en ressortir (procès du New York Times).
- Modèle économique : aucun investisseur en capital-risque, rentable depuis 2016, un P&L par produit autant que possible. « Nos utilisateurs sont nos clients, pas les annonceurs » : la publicité serait le « péché originel » d'Internet.
- Europe : soutien à l'initiative EuroStack. Mais 10 milliards de dollars, « c'est un mardi à Palo Alto », et la Commission « achète encore Microsoft » ; l'atout européen reste le meilleur cadre de protection de la vie privée, décisif pour les secteurs régulés.
- Ambition affichée : « le milliard d'utilisateurs », faute de quoi ce ne serait pas un succès. Entretien plus politique que technique : les compromis d'ingénierie annoncés par le descriptif ne sont pas détaillés.
Conférence▶ vidéod'après le programme
Cracking Product taxonomy at scale: A multimodal, zero-shot approach
Anis Gandoura — Veepee
- D'après le descriptif : taxonomie de ~1 400 nœuds, déséquilibrée et mouvante ; d'une base CLIP zero-shot à un LLM multimodal + « label book » atteignant 94 % de précision Top-1 sans entraînement lourd.
Conférence▶ vidéod'après le programme
Finally solving the high-stakes problems with agentic tree structures and metrics pipes
Henrik Landgren — Gilion
- D'après le descriptif : la méfiance est le premier frein en décision à fort enjeu ; réponse par la « responsabilité radicale » : un agent par tâche étroite et auditable. Gilion revendique 90 %+ de précision sur des prévisions de revenus à 12 mois (chiffre du speaker).
Conférence▶ vidéod'après le programme
Tabular Foundation Models: the new frontier of data science
Alexandre Pasquiou — Neuralk-AI
- D'après le descriptif : les données tabulaires restent l'actif clé des entreprises ; NICL 2.0, modèle de fondation tabulaire, fait des prédictions par apprentissage en contexte sans réentraînement, en retirant des semaines au cycle data science.
Atelier▶ vidéod'après le programme
Building computer-using agents for AI lead generation
Adam Marszowski — SOFTIQ
- Workshop d'après un déploiement réel pour un client e-commerce : des agents qui utilisent l'ordinateur cherchent sur le web, manipulent des interfaces variées et génèrent des leads B2B qualifiés sans intervention humaine ; fiabilité, sécurité et performance sur l'infrastructure Scaleway (descriptif).
Conférence▶ vidéod'après le programme
Solving complex combinatorial challenges with Reinforcement Learning: the PCB routing demo
Gianluca Drappo — InstaDeep
- Démo de 15 minutes : le routage de circuits imprimés traité comme un jeu par apprentissage par renforcement ; approche transposable à la logistique, aux infrastructures ou à la biologie (descriptif).
Conférence▶ vidéod'après le programme
Inductive learning, AI safety, and superintelligence in the age of disinformation
Antoine Jardin — Arlequin AI
- D'après le descriptif : que signifie une information « vraie » à l'ère de l'IA générative ? Arlequin combine apprentissage non supervisé et inférence multimodale pour identifier des récits de désinformation sans injecter de biais.
Conférence▶ vidéod'après le programme
Decoding Aive's technology behind next-gen video transcreation: MGT
Alexandre Thomas — Aive
- D'après le descriptif : après les outils manuels et le prompt, une vidéo construite à partir d'un brief ; la technologie propriétaire MGT combine plusieurs modèles et du méta-apprentissage (6 ans de R&D).
Conférence▶ vidéod'après le programme
AI Adoption: Measuring and Maximizing ROI within the European Regulatory Framework
Alina Holcroft — ETHIQAIS
- D'après le descriptif : répondre aux questions des comités exécutifs (priorités, mesure du ROI de l'IA, stratégie de pilote) dans un cadre réglementaire européen et de confiance.
Sessions sans retour trouvé (4)
- Scaling AI Sustainably with FUJITSU-MONAKA (Founders Café)
- From Desktop to Supercomputer: Building Local AI Workflows with GIGABYTE AI TOP ATOM (Founders Café)
- Build the OCR-powered menu inventory for « Café de l'AI » (workshop, Founders Café)
- Build the audio agent for « Café de l'AI » (workshop, Founders Café)
Sources
- Site officiel ai-PULSE 2025 (nouvel onglet) ↗
- Agenda officiel ai-PULSE 2025 (36 événements) (nouvel onglet) ↗
- Playlist YouTube « ai-PULSE 2025 | Scaleway » (nouvel onglet) ↗
- Live YouTube des keynotes d'ouverture (4 décembre 2025) (nouvel onglet) ↗
- Blog Scaleway — ai-PULSE 2025: Inside the Ideas and Announcements (récap) (nouvel onglet) ↗
- Scaleway — livre blanc « The key insights from ai-PULSE 2025 » (nouvel onglet) ↗
- Blog Scaleway — Insights: Building for Real-world Deployment (nouvel onglet) ↗
- Blog Scaleway — Insights: Building Toward Sustainable AI (nouvel onglet) ↗
- Blog Scaleway — Insights: Building AI for Every Modality (nouvel onglet) ↗
- Blog Scaleway — Insights: Building Toward Embodied AI (nouvel onglet) ↗
- Groupe iliad — Retour sur l'édition 2025 d'ai-PULSE (nouvel onglet) ↗
- Groupe iliad — Smarter, Faster, Everywhere: European AI in the spotlight at ai-PULSE 2025 (nouvel onglet) ↗
- Comino — Comino Attends ai-PULSE 2025 (billet d'exposant) (nouvel onglet) ↗
- Fortune — Yann LeCun, AMI Labs (citation prononcée à ai-PULSE) (nouvel onglet) ↗
- Jérémy Buget — Ce que je retiens de la conférence ai-PULSE 2025 dédiée à l'IA européenne (blog, 07/12/2025) (nouvel onglet) ↗
- Le Monde Informatique — Scaleway accélère sur l'infrastructure IA et le quantique (04/12/2025) (nouvel onglet) ↗
- LeMagIT — Quantum as a Service : Pasqal et IQM arrivent sur Scaleway (04/12/2025) (nouvel onglet) ↗
- French Tech Journal — La Machine #54: Yann LeCun's Rebel AI Yell (10/12/2025) (nouvel onglet) ↗
- Maddyness — À Station F, Yann LeCun se livre après son départ de Meta (04/12/2025) (nouvel onglet) ↗
- LinkedIn : uniquement des posts d'annonce pré-événement lus (Gabriel Ghnassia, groupe iliad, Maddyness, Raphaël Briner, Simon Jamelin, Neil Zeghidour) ; aucun post de retour participant retrouvé (deux passes de recherche, 27/09 et 08/10/2026)