Baptiste Bouvier, PDG et cofondateur de Daptic – Série d’entretiens

Baptiste Bouvier est PDG et cofondateur de Daptic, où il s’attache à relier l’intelligence réglementaire au développement des produits. Diplômé en informatique et en ingénierie du MIT, il a travaillé dans des domaines variés : recherche sur l’IA et les systèmes autonomes au MIT CSAIL, IA appliquée à la santé chez Babylon Health, recherche quantitative chez J.P. Morgan, ingénierie en réalité augmentée et virtuelle chez Meta, et conseil chez McKinsey. Ses travaux visent à aider les fabricants à traduire des exigences réglementaires complexes en décisions d’ingénierie concrètes.

Daptic propose une plateforme de conformité des produits basée sur l’IA, qui relie les évolutions réglementaires, leur interprétation et les exigences produit tout au long du cycle de vie des produits. Son logiciel aide les spécialistes de la réglementation, les ingénieurs et les équipes produit à suivre les exigences mondiales, à évaluer leurs conséquences et à les intégrer aux processus de développement, avec traçabilité des sources et supervision humaine. Dans cet entretien, Bouvier aborde l’intelligence réglementaire, l’IA physique, les contraintes de conception lisibles par machine et l’évolution vers une gestion continue du cycle de vie de la conformité des produits.

Votre parcours vous a mené de la recherche sur l’IA et les systèmes autonomes au MIT CSAIL à l’IA appliquée à la santé chez Babylon Health, en passant par la recherche quantitative chez J.P. Morgan, l’ingénierie en réalité augmentée et virtuelle chez Meta et le conseil chez McKinsey. Comment ces expériences ont-elles influencé votre décision de cofonder Daptic, et qu’est-ce qui vous a convaincu que l’IA pouvait transformer en profondeur le domaine de l’intelligence réglementaire ?

Ce qui m’a vraiment marqué, c’est de voir à quel point la réglementation façonne le développement des produits et combien les logiciels conçus pour accompagner ce travail étaient rares.

Mon parcours est principalement axé sur l’informatique, avec quelques études en génie mécanique, et j’ai évolué dans divers environnements techniques avant de lancer Daptic. Cependant, c’est chez McKinsey que j’ai pu observer de plus près comment les grandes entreprises développent des produits physiques et comment la réglementation peut ralentir ce processus.

J’ai vu des entreprises extrêmement sophistiquées gérer un aspect essentiel du développement de leurs produits à l’aide de documents, de feuilles de calcul, de courriels et d’échanges entre de nombreuses équipes. Une réglementation peut d’abord prendre la forme d’un texte juridique publié par un gouvernement, mais quelqu’un doit ensuite la traduire en une exigence d’ingénierie précise qui modifie la conception d’un produit.

C’est ce décalage entre réglementation et ingénierie qui m’intéressait. Ce travail mobilisait une expertise considérable, mais il existait très peu d’infrastructures pour le relier. Nous désignons cette catégorie plus large par l’expression « gestion du cycle de vie de la conformité des produits ». Il s’agit de relier les évolutions réglementaires, leur interprétation et les exigences produit aux décisions prises par les équipes tout au long du développement et du cycle de vie du produit.

L’IA élargit le champ des possibles, car elle peut traiter simultanément de grandes quantités de documents réglementaires, d’informations sur les produits et de connaissances organisationnelles. Nous avons ainsi l’occasion de créer une infrastructure pour un processus qui reposait jusqu’ici sur une immense quantité de travail manuel. C’est véritablement ce qui a conduit à la création de Daptic.

Les ingénieurs produit de secteurs comme l’automobile, l’aérospatiale, la défense, les dispositifs médicaux et la robotique peuvent être confrontés à des milliers de réglementations qui évoluent constamment. Quel est le principal avantage de l’IA pour transformer cette masse considérable d’informations réglementaires en éléments réellement exploitables par les ingénieurs pendant le développement des produits ?

Le principal avantage réside dans la capacité à maintenir un lien entre l’évolution de la réglementation et celle du produit.

Imaginez que vous développiez un produit physique complexe destiné à être vendu, à terme, sur 30 ou 40 marchés géographiques différents. Vous devez comprendre quelles réglementations s’appliquent, suivre leur évolution, déterminer quelles modifications concernent votre produit et traduire les exigences pertinentes en décisions d’ingénierie.

L’IA peut surveiller en continu cet environnement réglementaire et réduire le volume d’informations qu’une équipe doit examiner. Lorsqu’une exigence change, le système peut aider à repérer les produits, composants ou décisions d’ingénierie susceptibles d’être concernés et à transmettre le contexte pertinent aux personnes qui en ont besoin.

L’occasion la plus prometteuse se présente lorsque ce contexte réglementaire est intégré au processus d’ingénierie lui-même. Un ingénieur qui prend une décision de conception devrait pouvoir comprendre rapidement les exigences qui s’y rapportent, sans avoir à effectuer manuellement des recherches dans différentes juridictions, normes et branches de la réglementation.

Les réglementations évoluent et les produits aussi. L’enjeu est de maintenir ces deux systèmes liés afin que les équipes puissent en comprendre les conséquences alors qu’elles ont encore le temps de prendre une autre décision d’ingénierie. Ce lien continu est au cœur de la gestion du cycle de vie de la conformité des produits.

La conformité réglementaire est un domaine d’application de l’IA particulièrement sensible, où le fait de passer à côté d’une exigence ou de produire une interprétation erronée pourrait avoir de graves conséquences. Comment Daptic garantit-elle la précision, l’explicabilité et la supervision humaine lorsqu’elle applique l’IA à l’intelligence réglementaire ?

La confiance est fondamentale dans ce domaine.

Les décisions réglementaires exigent un haut degré de confiance : la traçabilité doit donc être intégrée au processus de travail. Les équipes doivent pouvoir voir d’où proviennent les informations, consulter les documents sources et comprendre comment une interprétation a été établie.

L’expertise humaine reste extrêmement importante, car les réglementations comportent des ambiguïtés. Une réglementation peut vous apprendre beaucoup de choses, mais son application à un produit donné exige souvent du contexte, de l’expérience et du discernement. Des experts différents peuvent également aboutir à des interprétations différentes d’une même exigence.

Notre approche consiste à utiliser l’IA pour soutenir cette expertise. L’IA peut trouver et structurer des informations, les relier au contexte du produit concerné et conserver le raisonnement déjà élaboré. Les ingénieurs et les professionnels de la réglementation continuent de participer à ce processus : ils peuvent examiner et affiner les résultats, ainsi que mettre leur propre expertise à contribution.

Cela permet aussi de créer, au fil du temps, une ressource précieuse pour l’organisation. Le raisonnement qui sous-tend une décision réglementaire devient un savoir institutionnel auquel on peut se référer et que l’on peut enrichir, au lieu de rester enfoui dans un fil de courriels ou dans la mémoire d’une seule personne. Pour que la gestion du cycle de vie de la conformité des produits puisse être déployée à grande échelle, ce contexte et ce jugement expert doivent être préservés d’une équipe, d’un produit et d’un cycle de développement à l’autre.

L’IA physique quitte rapidement les environnements industriels contrôlés pour s’intégrer à des produits susceptibles de fonctionner dans les foyers et les espaces publics. À mesure que les robots humanoïdes et les systèmes tels que les chiens robots gagnent en capacités, quels défis réglementaires risquent, selon vous, de devenir les principaux obstacles à leur adoption généralisée par les consommateurs ?

L’IA physique réunit des domaines réglementaires qui, jusqu’ici, pouvaient être traités de manière beaucoup plus indépendante.

Prenons l’exemple d’un robot humanoïde utilisé dans un foyer ou un espace public. Un même produit peut faire intervenir la sécurité physique, les systèmes électriques, les batteries, les communications sans fil, la cybersécurité, la protection de la vie privée et les comportements autonomes. Selon les tâches de ce robot, des exigences supplémentaires relatives aux machines, aux transports, à l’usage médical ou à d’autres activités réglementées peuvent également s’appliquer.

Ce qui rend la situation particulièrement intéressante, c’est que ces produits sont de plus en plus définis par logiciel. Un produit physique peut être profondément modifié par un logiciel après sa commercialisation. Une nouvelle fonctionnalité ou un nouveau comportement introduit par une mise à jour peut modifier les considérations réglementaires applicables à ce produit.

Les entreprises doivent donc prendre en compte la réglementation tout au long du cycle de vie du produit, et non à un seul moment avant son lancement. Ce passage d’une conformité évaluée à un instant donné à une gestion continue du cycle de vie de la conformité des produits devient particulièrement important pour les produits dont les capacités peuvent évoluer après leur mise sur le marché.

La dimension internationale entre également en jeu. Les différentes juridictions élaborent des règles pour ces technologies à des rythmes différents et souvent à partir de situations de départ différentes.

Pour les entreprises qui conçoivent des produits d’IA physique, la stratégie réglementaire devient de plus en plus une composante de la stratégie produit. Les décisions concernant les capteurs, l’autonomie, la collecte de données, les matériaux, la connectivité et le comportement du produit peuvent influer sur les lieux où celui-ci pourra être déployé, les modalités de test et les exigences auxquelles il devra satisfaire. Il faut comprendre ces liens alors que le produit est encore en cours de conception.

Aujourd’hui, la conformité est souvent considérée comme une étape qui intervient vers la fin du développement d’un produit. Qu’est-ce qui change lorsque les exigences réglementaires sont intégrées au travail d’ingénierie et à la conception du produit dès le départ ?

Vous offrez aux ingénieurs un éventail de solutions bien plus vaste.

Il existe une analogie intéressante en ingénierie avec la conception en vue de la fabrication. On peut concevoir dans un logiciel de CAO un objet qui semble parfaitement adapté, puis découvrir que sa fabrication à grande échelle exige une approche complètement différente. Le secteur a mis au point des outils et des méthodes qui intègrent plus tôt les informations sur la fabricabilité au processus de conception, afin que les ingénieurs puissent tenir compte de ces contraintes tout en conservant une marge de manœuvre.

Les exigences réglementaires peuvent suivre la même évolution.

Si les ingénieurs comprennent les contraintes réglementaires pendant la conception, ils peuvent évaluer différentes architectures, différents matériaux et composants, ainsi que différents comportements du produit, en disposant d’un contexte bien plus complet. Ils peuvent également comprendre l’incidence qu’une décision pourrait avoir sur les essais, la certification ou l’accès au marché avant d’y consacrer des mois de développement.

Cela peut avoir une incidence importante sur la vitesse et le coût du développement. Plus important encore, la réglementation devient un élément pris en compte dans le processus d’ingénierie, au lieu d’être une information qui arrive après que bon nombre des décisions importantes concernant le produit ont déjà été prises. C’est l’un des changements fondamentaux qu’implique la gestion du cycle de vie de la conformité des produits : l’intelligence réglementaire fait partie du processus de développement du produit, au lieu de constituer simplement une étape que celui-ci doit franchir par la suite.

Les réglementations pourraient-elles, à terme, devenir des contraintes de conception presque lisibles par machine, permettant aux systèmes d’IA d’avertir les ingénieurs en temps réel qu’un composant, un matériau, une fonctionnalité logicielle ou un comportement de produit envisagé risque d’enfreindre les exigences d’un marché donné ? Dans quelle mesure sommes-nous proches de ce type de processus de travail ?

Nous avançons dans cette direction, mais l’essentiel n’est pas simplement de rendre les réglementations lisibles par les machines. Il s’agit de traduire le langage réglementaire en contraintes pertinentes dans le contexte d’un produit donné.

En règle générale, les réglementations ne sont pas rédigées comme des spécifications techniques. Elles sont formulées par les gouvernements et les organismes de normalisation à l’intention des humains, et plusieurs niveaux d’interprétation séparent le texte réglementaire de la contrainte technique dont un ingénieur a réellement besoin.

L’IA nous fournit de bien meilleurs outils pour relier ces différents niveaux. Un système peut comprendre les exigences réglementaires, les interprétations officielles et le contexte du produit en cours de conception. Lorsqu’un ingénieur modifie un matériau, un composant, une fonctionnalité logicielle ou le comportement d’un produit, le système peut faire ressortir les exigences susceptibles d’être concernées et expliquer le lien.

Le contexte du produit est l’élément essentiel. Un même texte réglementaire peut avoir des implications très différentes selon le produit, le marché, le composant ou l’usage prévu.

Nous progressons déjà vers la mise en place de certains éléments de ce processus. Pour intégrer pleinement les retours réglementaires aux environnements d’ingénierie, il faut disposer d’un contexte produit structuré et de liens fiables entre le langage réglementaire, les interprétations internes et les exigences techniques. L’IA a accéléré notre capacité à établir ces liens.

À terme, je m’attends à ce que les retours réglementaires soient bien mieux intégrés aux outils que les ingénieurs utilisent déjà, de la même manière que d’autres contraintes d’ingénierie se sont rapprochées du moment où les décisions de conception sont prises.

Les fabricants mondiaux doivent souvent se conformer à des règles différentes, parfois contradictoires, dans des dizaines de juridictions. Comment l’IA peut-elle aider les équipes d’ingénierie à déterminer non seulement quelles réglementations s’appliquent, mais aussi comment une décision de conception prise sur un marché peut avoir des répercussions sur le produit à l’échelle mondiale ?

C’est là que la combinaison de l’intelligence réglementaire et du contexte produit prend tout son sens.

En règle générale, les fabricants cherchent à maximiser la standardisation entre les marchés, car le maintien de nombreuses versions différentes d’un même produit entraîne des coûts et une complexité importants. Dans le même temps, les exigences varient selon les juridictions, si bien qu’il faut parfois modifier le produit.

L’IA peut aider les équipes à cartographier ces liens de manière beaucoup plus systématique. Si vous envisagez d’utiliser un matériau, un composant ou une fonctionnalité en particulier, vous pouvez évaluer les marchés où le produit sera vendu et comprendre les exigences applicables à chacun d’eux.

Les équipes d’ingénierie peuvent ainsi cerner beaucoup plus tôt les conséquences mondiales d’une décision de conception. Un choix peut convenir à 25 marchés, mais entraîner des exigences supplémentaires dans cinq autres. L’équipe peut alors décider de modifier la conception mondiale, de créer une variante régionale ou d’opter pour un autre compromis.

Les fabricants prennent déjà ce type de décisions. L’occasion consiste à donner aux équipes une bien meilleure visibilité sur les liens entre la réglementation et le produit, afin qu’elles puissent faire ces compromis plus tôt et en disposant d’un meilleur contexte.

L’intelligence réglementaire ne se limite pas au suivi des lois déjà adoptées. Comment l’IA peut-elle repérer les premiers signaux dans les projets de réglementation, les discussions gouvernementales, les travaux des organismes de normalisation, les mesures d’application et d’autres sources, afin que les entreprises puissent anticiper les exigences avant qu’elles n’aient des conséquences sur le lancement d’un produit ?

La veille prospective est particulièrement importante lorsque les cycles de développement des produits s’étendent sur plusieurs années.

Pour un fabricant, comprendre ce qui a changé hier ne représente qu’une partie du tableau. Les équipes doivent aussi savoir ce qui pourrait changer pendant la conception, les essais et la préparation au lancement d’un produit.

Les signaux potentiels sont nombreux. Les gouvernements publient des projets de réglementation et des documents de consultation. Les organismes de normalisation discutent de changements. Les autorités de réglementation publient des orientations et prennent des mesures d’application. Ensemble, ces sources peuvent donner des indications utiles sur l’évolution des exigences.

L’ampleur de la tâche est considérable. Un fabricant mondial peut devoir surveiller des sources dans des dizaines de juridictions, de langues et de domaines réglementaires, puis déterminer quelles évolutions concernent réellement ses produits.

L’IA peut surveiller ces sources en continu, repérer les évolutions potentiellement pertinentes et les relier à des produits, des composants ou des domaines d’activité précis. Les experts en réglementation peuvent ainsi consacrer davantage de temps à évaluer les évolutions susceptibles d’avoir des conséquences importantes sur la feuille de route d’un produit.

Plus ces éléments de contexte parviennent tôt à l’équipe produit, plus l’entreprise dispose de marge de manœuvre. Si une exigence est susceptible d’évoluer dans deux ans et que votre prochain produit doit être lancé dans 18 mois, cela peut devenir dès aujourd’hui une décision de planification du produit.

À mesure que les agents d’IA s’intègrent plus profondément aux processus d’ingénierie, pourrait-on voir apparaître des agents spécialisés en conformité qui travailleraient aux côtés des ingénieurs, des chefs de produit et d’autres systèmes d’IA tout au long du cycle de vie du produit ? À quoi ressemblerait cette architecture en pratique ?

Oui, et je pense que l’essentiel est que ces systèmes surveillent les deux côtés de l’équation. La réglementation évolue, mais le produit aussi.

Des agents spécialisés pourraient surveiller en continu l’évolution de la réglementation et déterminer quelles modifications concernent un portefeuille de produits donné. D’autres agents pourraient aider à traduire ces exigences en conséquences pour l’ingénierie.

Parallèlement, des agents pourraient surveiller les changements apportés aux produits eux-mêmes. Une équipe pourrait modifier un matériau, mettre à jour un logiciel, changer de fournisseur, modifier un composant ou ajouter une nouvelle fonctionnalité au produit. Chacune de ces décisions peut changer les exigences applicables ou la manière dont une exigence existante doit être interprétée.

Ces systèmes doivent partager le même contexte. Un agent chargé de la réglementation doit comprendre le produit. Un agent chargé de l’ingénierie doit avoir accès aux contraintes réglementaires pertinentes. Tous deux doivent pouvoir consulter les décisions et interprétations antérieures de l’organisation.

Le jugement humain reste un élément important de cette architecture. Lorsqu’un agent est confronté à une ambiguïté, à des exigences contradictoires ou à une décision ayant des conséquences importantes, l’expert compétent doit pouvoir examiner les sources sous-jacentes, apporter son interprétation et consigner le raisonnement afin que le reste de l’organisation puisse s’y référer.

J’imagine une architecture qui évoluerait vers un réseau de systèmes spécialisés et d’experts s’appuyant sur une compréhension commune du produit. Pour les produits physiques, c’est particulièrement puissant, car une seule décision d’ingénierie peut avoir des répercussions en aval sur la fabrication, la sécurité, la certification, la réglementation et l’accès au marché. À bien des égards, cette infrastructure partagée pourrait devenir la gestion du cycle de vie de la conformité des produits : un système qui coordonne l’intelligence réglementaire, le contexte du produit, l’IA et l’expertise humaine tout au long du cycle de vie.

Dans cinq à dix ans, alors que l’IA physique, les machines autonomes et les produits de plus en plus définis par logiciel se généraliseront, comment pensez-vous que les liens entre l’ingénierie, l’IA et la réglementation évolueront, et quel rôle voyez-vous pour Daptic dans cet écosystème ?

Je pense que l’intelligence réglementaire deviendra une donnée d’entrée courante dans la conception des produits physiques.

Nous avons vu ce phénomène se produire dans d’autres domaines de l’ingénierie. Les informations qui relevaient autrefois d’un processus distinct finissent par se rapprocher des ingénieurs et deviennent accessibles au moment où une décision est prise. La conception en vue de faciliter la fabrication en est un bon exemple.

La réglementation évolue dans ce sens, car l’IA nous permet de gérer l’ampleur et la complexité des enjeux, ainsi que de relier les exigences réglementaires à des produits et à des décisions d’ingénierie spécifiques.

Cela devient de plus en plus important à mesure que les produits gagnent en autonomie et sont davantage définis par logiciel. Une mise à jour logicielle peut modifier le comportement d’un produit physique après son lancement. Un fournisseur ou un composant peut changer. Une nouvelle fonctionnalité peut modifier les exigences pertinentes. Dans le même temps, les réglementations et les normes continuent d’évoluer d’un marché à l’autre.

Les produits évoluent et l’environnement réglementaire évolue lui aussi. Les entreprises ont besoin d’une infrastructure qui relie en permanence les deux.

C’est dans cette direction que nous faisons évoluer Daptic. Nous voulons intégrer l’intelligence réglementaire à l’infrastructure de développement des produits, afin que les ingénieurs puissent connaître les implications réglementaires tant qu’ils disposent encore d’une marge de manœuvre dans la conception, et que les experts de la réglementation puissent mettre leur expertise au service d’organisations beaucoup plus vastes.

À terme, nous pensons que la gestion du cycle de vie de la conformité des produits deviendra un élément essentiel de cette infrastructure. L’objectif est de relier la réglementation et l’ingénierie tout au long du cycle de vie des produits, afin que les entreprises puissent prendre de meilleures décisions concernant leurs produits, préserver les connaissances essentielles de l’organisation et commercialiser plus rapidement des innovations physiques.

Merci pour cet entretien passionnant. Les lecteurs qui souhaitent en savoir plus sur l’intelligence réglementaire propulsée par l’IA et la gestion du cycle de vie de la conformité des produits peuvent consulter Daptic.