Quels sont les outils que nous pouvons mettre entre les mains des gens qui leur donneront ce sentiment d'autonomisation ? C'est ce sur quoi j'aimerais travailler. Je ne suis pas du tout favorable à l'anthropomorphisation de l'IA. Je la considère comme un outil. Il va y avoir un métier appelé ingénieur logiciel. Ce sera différent, mais vous prenez vraiment un ingénieur logiciel et vous dites : vous êtes maintenant un architecte logiciel.

C'est un plaisir d'accueillir le président et PDG de Microsoft, Satya Nadella.

C'est le public local.

D'accord. San Francisco, vous devriez déménager à Seattle.

J'ai commencé ma carrière à Seattle. C'était un endroit fantastique.

Tous ceux qui réussissent commencent chez Microsoft.

C'est vrai. Satya, vous avez souligné auparavant que l'IA allait façonner tout ce que nous faisons. À quoi cela ressemble-t-il en pratique ? Chez Microsoft, comment cela motive-t-il réellement votre stratégie et particulièrement en pensant à la manière dont l'IA influencera les idées au-delà de la suite de produits incroyables immédiate, comme l'économie en général ?

Chez Microsoft, je sens que nous sommes une entreprise de plateforme, une entreprise de produits et une entreprise partenaire. Je pense à ces trois dimensions. En 35 ans, j'ai connu le client, le client-serveur, le web internet, le cloud mobile. C'est la quatrième. C'est du moins ainsi que je fais correspondre les schémas. La première chose à laquelle je pense est l'opportunité de plateforme. Quand je regarde tous les gens ici, ce qui est intéressant, ce sont les effets cumulatifs de toutes ces plateformes. Cet élément d'IA, la raison pour laquelle le taux de diffusion est si rapide et si large est qu'il s'appuie sur la génération précédente. Si le cloud n'était pas là, nous n'aurions pas pu construire les supercalculateurs d'IA, qui ont ensuite mené aux modèles, qui ont ensuite mené aux produits. Cet effet cumulatif est ce qui m'intéresse. C'est pourquoi vous prenez toujours la plateforme précédente et construisez la plateforme suivante, et vous voulez être capable de réussir cela. Ensuite, vous devez construire les produits de nouvelle génération par-dessus. Avec chacun de ces changements de plateforme, il y a une nouvelle charge de travail. Quand je me souviens avoir regardé pour la première fois le travail d'entraînement à grande échelle, c'était une charge de travail très différente de celle avec laquelle nous avions construit le cloud. C'est une charge de travail synchrone en parallèle de données, ce qui est si différent d'un travail Hadoop ou autre. La plateforme elle-même est alors complètement remise en question et modifiée. Pour moi, ce qui est excitant du côté de la plateforme, c'est l'âge d'or du logiciel système. Aujourd'hui, si je devais penser à n'importe qui construisant au niveau de la couche d'infrastructure, pas seulement les hyperscalers mais même les startups, je pense que c'est une opportunité phénoménale. Évidemment, il y a une opportunité phénoménale du côté des modèles et ensuite des produits par-dessus. Finalement, à quoi cela sert-il ? C'est pour une seule chose, qui est de stimuler la croissance économique et la croissance du PIB. Mon critère pour l'IA est : crée-t-elle un surplus dans le monde qui nous entoure, une communauté, un pays, une industrie, une entreprise à la fois ?

Au niveau des applications, vous avez construit les applications de référence pendant tant de décennies. On a l'impression d'être dans ce moment étrange et irrégulier où peut-être que les modèles ont surgi et que nous sommes étonnés par ce qui se passe, mais ensuite le calcul et les applications doivent réellement rattraper leur retard. L'espoir ici est que les gens dans cette salle seront ceux qui construiront ces applications.

C'est une bonne question. L'une des questions est : le modèle est-il comme un SQL, ou est-ce l'application SaaS elle-même et le modèle ? Où s'arrête le modèle et où commence le produit ? Si vous dites qu'un modèle avec un peu d'échafaudage et d'appels d'outils dans une boucle infinie est le produit, c'est là que cela devient un peu confus. Mais c'est comme dire qu'un tas de logique métier SQL avec SQL est une application. Il est toujours possible pour quiconque de construire une couche applicative au-dessus d'un modèle et vous devez faire abstraction de vous-même et dire que le modèle est juste comme SQL l'était pour moi. J'ai toujours rêvé d'un moment où l'IA et l'apprentissage automatique auraient leur moment SQL parce que nous n'avions jamais eu de couche de plateforme stable par le passé, car tout était construit verticalement et intégré. Pour la première fois dans cette couche de modèle, nous avons quelque chose comme un moteur SQL que nous pouvons utiliser pour construire des produits assez sophistiqués. Ces techniques, juste le calcul au moment de l'inférence plus l'appel d'outils, nous donnent un harnais assez robuste pour construire des produits sophistiqués.

C'est fou à quel point la partie intégration est aussi la couche applicative maintenant. Les modèles pris isolément sont incroyablement intelligents, mais pour l'instant, il y a ce fossé géant entre cela et les données qui comptent vraiment pour les utilisateurs professionnels.

Je pense que c'est une bonne observation parce que le modèle est une pièce importante. L'échafaudage du modèle et tout cet appel d'outils — il y a un véritable serveur d'applications dont vous avez besoin pour construire des applications sophistiquées. Mais la chose intéressante est la boucle de rétroaction, le chemin des données à l'intérieur du produit qui est ensuite utilisé pour le post-entraînement et la sélection du bon outil. Cela semble être l'endroit où toute la création de produits va se produire.

Les lois de mise à l'échelle de l'IA continuent de tenir et la demande d'intelligence semble potentiellement infinie. Hier, Elon mentionnait qu'il y aura 99 êtres hyper-intelligents pour un humain, ce qui est une prédiction sauvage mais semble possible. Compte tenu de cela, où la construction de l'avenir de l'IA exige-t-elle véritablement une infrastructure de calcul mondiale ? Comment prévoyez-vous l'évolution de ces demandes à mesure que les modèles ne deviennent pas seulement plus grands, mais plus intelligents et capables d'interactions multi-agents complexes ?

Si vous prenez vraiment du recul et dites, d'abord, si vous partez de l'idée que l'intelligence est un certain log de calcul, et que vous posez ensuite la question : combien d'énergie le calcul consomme-t-il ? Prenons les États-Unis, peut-être 2 % aujourd'hui, 3 % maximum. Disons qu'il double pour atteindre 6 %. C'est massif car la quantité d'énergie supplémentaire qui doit être produite pour que l'IA l'utilise est assez élevée. Nous devons garder à l'esprit que si l'histoire nous a appris une leçon, c'est que si vous allez utiliser de l'énergie, vous feriez mieux d'avoir l'autorisation sociale d'utiliser l'énergie. Cela signifie que vous devez vous assurer que la production de cette IA est socialement utile. En d'autres termes, si nous ne créons pas de surplus social — surplus économique mesuré par les pays et les communautés — alors nous ne pouvons tout simplement pas consommer d'énergie. Pour moi, c'est la chose la plus importante. Tout le monde aujourd'hui s'inquiète de ce qu'il faut faire pour la production d'énergie. Je pense que la vraie question au cours des cinq prochaines années est : pouvons-nous produire suffisamment de produits qui créent une grande valeur, ce dont je suis très confiant, dans la santé, l'éducation et la productivité ? Il y a de nombreux domaines. C'est le véritable défi pour nous, en tant qu'industrie technologique : prouver sans équivoque que ce que nous avons créé apparaît dans des statistiques réelles et n'est pas seulement un benchmark d'AGI ou d'IA.

L'espoir est que cela se manifestera dans les choses concrètes avec lesquelles vous interagissez quotidiennement. Vous demandez un prêt hypothécaire et au lieu de trois mois d'attente sans savoir si vous allez être approuvé, il y a tellement de choses dans votre vie qui sont noyées dans la paperasse ou la bureaucratie que ces choses pourraient potentiellement disparaître.

À 100 %. Si vous prenez certains services publics ou la santé — comme aux États-Unis, 18 % ou 19 % de nos coûts concernent la santé — et une grande partie, alors que tout le monde parle du médicament miracle, le coût réside dans le flux de travail. Si vous prenez quelque chose comme une chose simple comme la sortie d'hôpital, et que vous prenez le back-end d'un système EMR avec un LLM et un prompt, cela même va économiser tellement de temps, d'argent et d'énergie que cela s'autofinancerait.

C'est très direct. Nous consacrons une part incroyable du PIB à la santé et à juste titre, mais chaque dollar dépensé en travail administratif aurait pu être consacré à un traitement qui aurait sauvé la vie de quelqu'un.

Absolument. La simple réallocation du temps d'un médecin de la paperasse vers le patient est juste là à portée de main.

Quel est selon vous le plus grand facteur limitant le déploiement de l'IA aujourd'hui ?

Voici ce qui est intéressant. Ce public est si jeune qu'aucune de mes métaphores ne fonctionnerait. Néanmoins, si vous arriviez au début d'une multinationale avant les PC, comment faisions-nous une simple prévision des ventes ? Vous envoyiez des fax, les gens prenaient ces fax et envoyaient des notes de service internes, et celles-ci étaient annotées et une prévision arrivait avec un peu de chance avant la fin du trimestre. Puis soudainement avec l'e-mail, les PC et Excel, les gens ont envoyé des feuilles de calcul Excel par e-mail et vous avez une prévision. Ce qui s'est passé, c'est que l'artefact de travail et le flux de travail ont changé. C'est ce qui doit arriver avec l'IA. Quand quelqu'un dit : 'Je vais maintenant faire mon travail mais avec 99 agents que je dirige en mon nom', le flux de travail ne va pas rester constant. Vous allez vraiment devoir changer ; même la portée de votre travail va changer. Cette gestion du changement est le véritable facteur limitant. Vous prenez les moyens de production dans une compagnie d'assurance, une société de services financiers, une entreprise de santé ou une société de logiciels et vous dites que nous allons tout changer dans notre façon de travailler. En fait, nous allons changer les métiers eux-mêmes. Chez LinkedIn, je pense qu'ils ont pris plusieurs fonctions — la fonction design, la fonction ingénieur front-end, la fonction produit — ont tout mis ensemble et ont dit que nous allions avoir des constructeurs full-stack. C'est un changement de portée d'un emploi. Comment reconstruisez-vous ensuite l'équipe produit avec de nouveaux rôles et de nouvelles portées ? C'est le facteur limitant social. Il y a beaucoup d'autres choses autour du déploiement — l'énergie en est une — mais je dirais la gestion du changement. Quand je parle à des startups d'IA, tout le monde a des ingénieurs de déploiement avant-gardistes. Vous avez travaillé chez Palantir donc vous savez que le modèle Palantir est fantastique. Pourquoi cela ? C'est à cause de la gestion du changement. Vous avez vraiment besoin d'aider les clients et les partenaires à comprendre les bénéfices de la technologie, et même comment l'utiliser dans un flux de travail.

Chez YC, nous avons un dicton amusant : allez infiltrer. Allez travailler comme facturier médical et voyez à quel point les métiers de la connaissance consistent en fait à copier et coller d'un navigateur vers un tableur, puis vers un e-mail et cliquer sur envoyer. Faites cela pendant un certain temps et réalisez que ceux-ci n'utilisent pas nécessairement votre cortex préfrontal et votre esprit le plus élevé. Pouvez-vous imaginer tant de gens — leur vie consiste essentiellement en ce qu'on appelait la paperasse — mais ils ne font plus de paperasse, ils envoient des e-mails. Ils n'envoient plus de fax, mais ils essaient de mener des affaires en joignant des fichiers à des choses. Cela semble être un changement assez important.

Je pense que l'une des opportunités les plus sous-estimées pour quiconque crée des produits ou des percées est la quantité de corvées qu'il y a dans le travail de la connaissance. En ingénierie logicielle, nous avons vu que nous avons enlevé le plaisir de l'ingénierie logicielle parce que vous étiez hors de votre flux. Pouvoir rester dans le flux et terminer une tâche est un excellent exemple de ce qui va arriver à tout le travail de la connaissance. Vous avez tout à fait raison. La quantité de cycles que vous passez hors bande à collecter des informations est élevée. Maintenant, avoir un modèle de raisonnement sophistiqué et votre cortex préfrontal travaillant ensemble, tandis qu'une grande partie des choses banales est effectuée par un co-agent, est définitivement la frontière.

Au-delà de la simple adoption des outils d'IA, quels sont les plus grands changements transformationnels que vous voyez dans le domaine aujourd'hui ?

Ce domaine change si rapidement. Je n'avais même pas imaginé l'année dernière que nous irions aussi loin avec le RL et le calcul au moment du test. Cela semble assez illimité. Le pré-entraînement a fonctionné, et les techniques de post-entraînement par-dessus étaient fantastiques. Ce calcul au moment de l'inférence semble avoir ajouté une autre loi de mise à l'échelle massive. Maintenant, je m'intéresse à savoir s'il existe une nouvelle percée algorithmique, car tout ce régime pourrait être changé par une personne ici qui trouverait un moyen plus efficace de faire cela. Il faut garder l'esprit ouvert sur le fait que la dernière grande percée algorithmique n'a pas encore été trouvée. L'autre est : quelle est la prochaine étape ? Quel est le cycle d'entraînement de bout en bout pré-entraînement vers RL qui sera la prochaine grande étape ? Je pense que cela arrivera l'année prochaine. Si c'est une autre percée de loi de mise à l'échelle — alors que n'importe quel labo travaillera désormais sur un modèle de raisonnement intégré — ce sera l'endroit intéressant.

Il y a quelque chose de très intéressant ici : si vous considérez une instance de LLM comme une conscience, elle est instanciée, vous faites un tas de travail avec elle, puis elle disparaît et vous ouvrez une nouvelle fenêtre de discussion. Je suis curieux de savoir si vous pensez que la boucle doit être bouclée ?

L'intelligence artificielle est malheureusement le pire nom que nous aurions pu choisir. Je ne suis pas du tout pour l'anthropomorphisation de l'IA. Je la vois comme un outil. Elle n'essaie pas de reproduire la façon dont nous pensons. Elle montre des signes d'intelligence, mais ce n'est pas l'intelligence que j'ai. L'agence humaine comptera toujours, et nous les utiliserons comme des outils. Cela dit, un système de mémoire est une bonne chose. Si je regarde la prochaine frontière, je dirais qu'il y a trois choses : la mémoire, l'utilisation d'outils et les habilitations — qui consistent à savoir si je vais passer à l'action, de quelles habilitations est-ce que je dispose ? Ces trois systèmes doivent être construits en tant que priorités autour du modèle pour que nous puissions construire des applications plus sophistiquées.

L'un des arguments que les gens commencent à avancer concernant l'avenir du logiciel est que nous avons la base de données, et que vous allez avoir un middleware qui est ce que vous appelez les habilitations — comme les listes de contrôle d'accès. Quelle est la logique métier, qui peut faire quoi ? Ensuite, vous placez essentiellement l'agent par-dessus. Est-ce l'avenir ?

C'est exact. Quand vous pensez à la couche d'échafaudage, vous avez un modèle plus un échafaudage. L'échafaudage devient de premier plan en pensant à ces trois choses : l'utilisation d'outils, la mémoire et les habilitations. Vous assemblez tout cela, et vous pouvez alors créer un agent. Un agent a un identifiant, une gestion et un contrôle de provisionnement. C'est ainsi que je le conçois.

Avec la génération de code, pensez-vous que les utilisateurs finiront par préférer créer des logiciels juste à temps au lieu d'utiliser des logiciels packagés ? Nous avons beaucoup de discussions à ce sujet dans les couloirs. Beaucoup d'entre nous dans cette salle, YC continuera à financer le SaaS, mais en arrière-plan, nous commençons à avoir cette inquiétude. Mes amis capital-risqueurs se demandent s'ils peuvent continuer à financer le SaaS B2B. Qu'en pensez-vous ?

C'est une excellente question. Je regarde le nombre de personnes qui font des forks de VS Code et je me dis que nous avons dû faire quelque chose de bien. Il y a quelque chose à dire sur la construction d'un excellent IDE. En fait, je considère Excel comme un IDE. Le fait qu'il y ait un excellent canevas signifie que vous pouvez apporter le meilleur modèle d'analyste à cet IDE et créer une boucle entre le canevas et le modèle. Vous pouvez générer des applications juste à temps, ou vous pourriez avoir une application pré-fabriquée qui aide à la boucle de rétroaction vers le modèle. Je pense que ces deux choses coexisteront.

Pensez-vous qu'il y ait un rôle pour le design dans tout cela ? Un être humain assis devant VS Code est comme le traducteur entre le logiciel et ce que l'utilisateur final veut vraiment. Une partie de cette idée que le logiciel disparaît suppose que les gens normaux vont vouloir créer des logiciels, et je ne sais pas si cela va fonctionner.

C'est un bon point. La question fondamentale que vous posez est : qu'arrive-t-il à l'ingénierie logicielle ? Si une intelligence martienne arrivait dans les années 1980 et regardait comment nous travaillions, elle dirait que les humains travaillent dans des bureaux avec un pool de dactylos et un pool de diapositives. S'ils revenaient aujourd'hui, ils diraient que les 8 milliards de personnes sont maintenant des dactylos. Je pense que nous allons tous créer des logiciels, mais il y aura un métier appelé ingénieur logiciel. Ce sera différent, mais vous prenez un ingénieur logiciel et vous dites : 'vous êtes maintenant un architecte logiciel'. Je sens toujours que la métacognition de votre code compte. Le codage par IA est fantastique jusqu'à ce qu'il fasse des choses dont j'ignore la provenance. Cela signifie que je dois avoir le méta-modèle de mon dépôt et savoir exactement ce qui s'est passé. Ma fonctionnalité préférée de GitHub maintenant est de regarder les historiques de modifications complets de tous les agents travaillant sur mon dépôt. C'est là qu'une grande partie de l'ingénierie logicielle se situera, comme un bon responsable de développement. Le travail d'un responsable de développement était de s'assurer que les builds ne cassent pas et que le code est de bonne qualité. Pour moi, c'est toujours d'actualité. Il y aura une élévation du niveau d'abstraction même dans un monde d'agents d'IA car la responsabilité légale incombera aux humains et aux institutions. Tant que cela est vrai, nous devons nous assurer que l'humain est dans la boucle à un niveau fondamental. Nous aurons besoin d'outils pour que les humains soient dans la boucle afin de comprendre ce que font ces choses.

Dans le développement de l'IA, vous voyez tellement de choses. Selon vous, qu'est-ce qui est sous-estimé et qu'est-ce qui est surévalué par l'industrie technologique en général ?

Le battage médiatique ne manque pas ; tout est IA tout le temps. Pour ceux d'entre nous dans cette industrie, nous vivons et mourons par notre capacité à nous enflammer pour quelque chose de nouveau. Steve Jobs ou Bob Dylan ont dit qu'on est soit occupé à naître, soit occupé à mourir ; il vaut mieux être occupé à naître. La chose dont nous devons le plus nous inquiéter et sur laquelle nous devons travailler en tant que communauté technologique est comment nous gagnons cette autorisation sociale. L'une des démos que j'ai vues début 23 m'a époustouflé : en Inde, un développeur local a enchaîné GPT-3.5 avec des outils open-source de reconnaissance vocale de l'India Stack et a montré un agriculteur indien qui utilisait un chatbot dans WhatsApp pour obtenir une subvention agricole en allant sur un site web gouvernemental. C'était incroyable. Comment quelque chose construit sur la côte ouest des États-Unis a-t-il pu arriver à un cas d'utilisation réel aussi vite ? C'est l'histoire qui doit être racontée à grande échelle. C'est l'histoire sous-estimée. Pour l'instant, la chose surévaluée est la capacité du modèle. Si nous pouvons faire reconnaître au monde que cela fait une réelle différence dans la vie des gens partout, nous serons sur la bonne voie. Si cela n'arrive pas et que tout ceci ne concerne que les valorisations de nos entreprises et de notre industrie, alors cela ne finira pas bien.

J'adore cet exemple. Microsoft regorge d'exemples de choses qui abaissent le seuil pour que plus de gens puissent accéder à la technologie. On pourrait dire que GitHub Copilot en est l'un des plus grands éléments.

Oui, et un autre était une étude de la Banque mondiale au Nigeria, et maintenant en Amérique du Sud. Chez Microsoft, nous travaillons depuis toujours sur la question de savoir s'il peut y avoir une intervention dans l'éducation. Cette étude a déclaré que l'accès à quelque chose comme un Copilot est probablement la meilleure intervention technologique en éducation en Afrique ou en Amérique latine. C'est le rêve que nous avons tous eu dans la tech, et c'est là à notre portée.

Y a-t-il des observations intéressantes ? Souvent, dans la tech, les gens sont obsédés par les derniers modèles de pointe, mais il est facile d'oublier que Windows et l'intégration avec Windows sont en fait la première interaction que les gens ont avec l'IA pré-AGI aujourd'hui. Y a-t-il des observations des gens qui l'utilisent ?

Nous sommes très excités par le retour de Clippy en tant que Copilot. Sérieusement, même sous le format que nous connaissons et aimons — un ordinateur avec une souris et un clavier — le rêve a toujours été la parole. Le premier groupe de recherche que Bill a créé chez Microsoft Research concernait la parole en 1995. Depuis, nous nous demandons quand la parole sera prioritaire sur les PC. Actuellement avec Copilot, la vision et la parole sont surréalistes ; c'est comme un nouveau moment 'navigateur'. Je le laisse allumé tout le temps ; il peut voir ce que je vois et je peux lui parler. Cela me semble être un mouvement de souris de précision. Même sur les formats existants, il existe un moyen de changer complètement l'utilisation de l'ordinateur. Et il y aura de nouveaux formats. C'est un moment passionnant pour construire à la fois du matériel et modifier le matériel existant pour ce qui est possible en termes d'utilisation de l'ordinateur.

L'utilisation de l'ordinateur est fascinante parce que vous avez l'intelligence et ensuite l'utilisation de l'ordinateur est le super-ensemble de toutes les données — vos données personnelles, vos données de travail, vos documents de bureau — tout est accessible là. Est-ce que le film Her était correct en disant que le système d'exploitation va s'intégrer à votre agent le plus fiable ?

C'est le rêve : que ces agents deviennent vos ordinateurs et effectuent l'utilisation de l'ordinateur pour vous. C'est absolument la direction du voyage. Vous avez mentionné l'élément le plus déterminant, qui est la confiance. Puis-je avoir confiance en ceci pour déléguer ce que je veux ? Cela signifie de la précision, de la confidentialité et ces considérations. Tout cela s'ajustera avec le temps. À cet égard, votre entreprise et Apple doivent être en première ligne pour protéger la confidentialité de tous les utilisateurs d'ordinateurs dans le monde.

Pour nous, il y a trois grandes considérations : la confidentialité, la sécurité et la souveraineté. Chaque utilisateur se soucie de la confidentialité. La sécurité est ce dont chaque locataire ou client se soucie en plus de la confidentialité. Et chaque pays se soucie de la souveraineté, de la sécurité et de la confidentialité. Vous devez construire tout système qui réponde aux questions des personnes, des organisations et des pays sur la manière dont vous franchissez ces trois limites.

Satya, vous avez eu un parcours extraordinaire chez Microsoft, commençant comme ingénieur jusqu'au poste de PDG. Quelles leçons de ce parcours partageriez-vous pour la prochaine génération de bâtisseurs ?

Vous ne commencez aucun voyage avec l'objectif spécifique de l'endroit où vous voulez finir, mais vous commencez avec l'objectif de prendre la première place et d'avoir la plus haute ambition pour vous-même. Je dis toujours que je n'attendais pas de devenir PDG pour faire mon meilleur travail. Le premier emploi que j'ai eu en 92, j'avais le sentiment que cétait le meilleur job que je puisse jamais avoir. Je n'attendais pas ma prochaine promotion, mais j'utilisais l'opportunité qui m'était donnée pour faire tout ce que je pouvais. Gardez cela vivant. N'attendez pas la prochaine grande chose ; prenez ce que vous avez comme la plus grande chose et rendez-la expansive. De plus, les grandes choses sont accomplies en ayant une équipe autour de soi. Apprenez à travailler en équipe et à rendre les équipes formidables. Chez Microsoft, j'ai appris ce que signifie être dans un projet. Quand vous rejoignez une équipe, vous devez trouver comment faire réussir l'équipe. La chose que l'on enseigne le moins est comment composer une équipe et quel est votre rôle. Tout le monde pense que c'est le travail de quelqu'un d'autre d'aligner l'équipe, mais c'est votre travail d'aligner l'équipe. Si vous obtenez ces deux choses — une haute ambition pour votre propre impact et comment rendre une équipe efficace — c'est magique.

Voici une histoire amusante : j'ai appris à faire de la gestion de produit en tant que PM sur Windows Mobile. Quand j'étais l'employé numéro 10 chez Palantir, je leur ai appris à gérer un projet — le zero bug bounce et toute la formation PM chez Microsoft se sont transformés en ce qui a créé la façon dont Palantir gère son organisation produit aujourd'hui. Merci à Microsoft pour cela. Je suis curieux de savoir quelles qualités vous recherchez chez les personnes et les équipes, d'autant plus que l'IA devient une pièce clé du travail créatif et d'ingénierie. Cela change la façon dont vous pourriez interviewer quelqu'un et l'évaluer pour ses compétences techniques ou plus larges.

Je recherche toujours trois qualités chez les gens. La première est la clarté. Bill m'a mis sur cette voie ; il décrivait les bons architectes comme apportant de la clarté et les mauvais architectes comme apportant de la confusion, même s'ils sont tout aussi intelligents. Je recherche des gens capables de se plonger dans une situation ambiguë et d'y apporter de la clarté. C'est une qualité sous-estimée. La deuxième chose, ce sont les gens qui créent de l'énergie. Pas seulement qu'ils apportent de l'énergie, mais qu'ils sont capables de rassembler plusieurs parties prenantes. J'ai besoin de leaders capables de rassembler les gens au sein et en dehors de l'entreprise. La dernière chose, ce sont les gens qui sont bons pour résoudre des problèmes sur-contraints. Ma question d'entretien préférée est de demander à quelqu'un de décrire un projet qui ne menait nulle part et comment il a trouvé un chemin. Les gens qui réussissent prennent un problème sur-contraint et trouvent comment lever les contraintes. Cette combinaison magique — apporter de la clarté, créer de l'énergie et mener au succès en résolvant des problèmes sur-contraints — c'est ce qu'est le leadership. Le leadership est quelque chose que l'on exerce à chaque étape.

Je veux aborder brièvement le quantique. Vous venez de sortir votre Majorana 1 en février. Y a-t-il une interaction avec l'avenir de l'IA ? Je pense qu'il y a probablement des chercheurs en quantique dans la salle.

C'est excitant de voir ce qui se passe. Je suis le troisième PDG chez Microsoft à signer des chèques pour le quantique ; nous y sommes depuis plus de 20 ans. L'objectif que nous avons toujours eu était de construire un ordinateur quantique à usage général avec des qubits stables et corrigés des erreurs. Nous avons parié sur une propriété physique envisagée par le physicien italien Majorana. Enfin, nous avons réalisé une percée en physique et avons été capables de fabriquer cette particule, ce qui a mené à cette puce. Si vous voulez comprendre le langage de la nature, qui est la simulation, la meilleure façon de le faire est via un ordinateur quantique parce que la nature est quantique. Je pense à l'IA comme un émulateur de ce simulateur. C'est une autre façon d'utiliser l'IA aujourd'hui avec le HPC. Nous voyons de bons progrès dans l'utilisation du HPC plus l'IA pour accélérer les avancées en chimie, physique et science des matériaux. Le quantique serait l'étape suivante, et nous sommes excités par ce que l'IA plus le quantique et le HPC dans une boucle peuvent faire.

Très cool. Nous manquons de temps. Pour finir, faisons une simulation. Vous avez 22 ans, vous commencez votre carrière au niveau 59 chez Microsoft. Sur quoi travaillez-vous en 2025 ? Si vous recommenciez en sachant ce que vous savez maintenant, sur quoi travailleriez-vous et qu'est-ce qui vous enthousiasmerait ?

Si je regarde l'histoire de Microsoft, la façon dont Office a été construit est une histoire incroyable. Ce que ces outils ont signifié pour nous tous — mes produits préférés sont VS Code et Excel. On se sent tellement bien quand on les utilise. C'est une question de sentiment d'autonomisation et de puissance analytique que vous avez avec quelque chose d'aussi simple qu'un tableur. C'est un échafaudage révolutionnaire : des colonnes et des lignes avec une machine de Turing au milieu. Je voudrais travailler sur le prochain ensemble d'outils. Quand je vois Copilot aujourd'hui, c'est là que je sens que se situent les fonctions de chercheur, d'analyste et de créateur. J'adorerais travailler sur les outils que nous pouvons mettre entre les mains des gens qui leur donneront ce sentiment d'autonomisation.

J'ai le sentiment que les gens qui fabriquent ces outils sont assis dans ce public en ce moment. Merci d'applaudir Satya Nadella.

Merci beaucoup.