Dans cet épisode des AI Leader Stories, nous recevons Frédéric Bardolle, Head of Product AI chez Scaleway. Ancien data scientist, passé par l’administration française et le ministère des Armées avant de rejoindre Scaleway, Frédéric apporte un regard à la fois technique, produit et stratégique sur l’essor de l’IA en entreprise. Cet échange permet de mieux comprendre les coulisses de l’IA générative, depuis l’infrastructure qui la rend possible jusqu’aux arbitrages concrets que doivent faire les organisations entre performance, coût, souveraineté et passage à l’échelle.
Training, fine-tuning, inférence : comprendre les vraies couches de l’IA
L’épisode revient d’abord sur une distinction essentielle mais encore trop peu maîtrisée : celle entre training et inférence. Frédéric explique avec pédagogie ce que signifie entraîner un modèle, ce que change le fine-tuning, et pourquoi toutes les entreprises n’ont pas intérêt à construire leur propre modèle from scratch. L’enjeu n’est pas seulement technique : il s’agit surtout de savoir où créer un avantage métier réel, et avec quel niveau d’investissement. L’échange montre aussi pourquoi le fine-tuning, que beaucoup annonçaient dépassé, retrouve aujourd’hui une vraie pertinence face aux limites du simple RAG ou de l’allongement du contexte.
Le socle invisible de l’IA : GPU, datacenters et infrastructure européenne
Au-delà des modèles eux-mêmes, cet épisode met en lumière le socle infrastructurel de l’IA. GPU, clusters, interconnexions, datacenters, refroidissement, consommation énergétique : Frédéric détaille ce qu’il faut réellement pour faire tourner l’IA à grande échelle. Il partage aussi la vision de Scaleway sur une infrastructure IA plus maîtrisée en Europe, avec un focus sur les enjeux de latence, d’efficacité énergétique et d’empreinte carbone. Un rappel salutaire : derrière chaque modèle performant, il y a une architecture industrielle complexe, stratégique et de plus en plus différenciante.
Open-weight, cloud souverain, autonomie stratégique : quels choix pour les entreprises ?
L’un des temps forts de l’épisode concerne les critères de choix entre modèles propriétaires et modèles open-weight. Frédéric défend une approche lucide : au-delà des benchmarks, les entreprises doivent se poser des questions fondamentales sur la localisation des données, le risque de dépendance fournisseur, la résilience et la capacité à changer de provider. L’échange éclaire aussi les différents niveaux d’hébergement possibles (du GPU dédié à l’API managée), ainsi que les limites des discours de souveraineté de façade. Un épisode particulièrement utile pour tous les décideurs qui veulent intégrer l’IA sans perdre la maîtrise de leurs actifs stratégiques.
« Il y a vraiment un problème à qui appartiennent ces sociétés, comment sont gérés les cycles de mise à jour. La souveraineté, ce n’est pas que des tampons. »
L’Europe de l’IA : en retard, ou en train de construire ses propres forces ?
Enfin, la discussion s’ouvre sur une question plus large : quelle place pour l’Europe dans la course à l’IA ? Loin du discours fataliste, Frédéric partage une vision optimiste mais argumentée. Il souligne la qualité de l’écosystème français et européen, la profondeur des talents, la montée en puissance d’acteurs comme Mistral, et la capacité de l’Europe à faire émerger des champions crédibles malgré un point de départ plus complexe que les États-Unis. Pour les leaders digitaux, cet épisode rappelle une chose essentielle : l’avenir de l’IA ne se joue pas uniquement dans la course aux modèles, mais aussi dans la capacité à bâtir une chaîne de valeur robuste, souveraine et durable.
Conclusion
À travers cette conversation avec Frédéric Bardolle, Head of Product AI chez Scaleway, cet épisode des AI Leader Stories propose une lecture claire et stratégique des grands sujets qui structurent aujourd’hui l’IA en entreprise : inférence vs training, fine-tuning, infrastructure, souveraineté, choix des modèles et avenir européen. Un échange précieux pour tous ceux qui veulent dépasser l’effet de mode et penser l’IA comme un levier produit, technologique et géopolitique de long terme.
