Sam Gao, PDG et co-fondateur de DINQ – Série d’entretiens

Sam Gao est un chercheur, ingénieur et entrepreneur de premier plan dans le domaine de l’IA, qui sert actuellement en tant que PDG et co-fondateur de DINQ, une plateforme de connexion de talents de nouvelle génération pour l’ère de l’IA. Initialement formé en génie civil, il a fait la transition vers l’IA, publiant plus de 10 articles dans des conférences de premier plan, notamment NeurIPS, ICML et CVPR, et contribuant à des frameworks open-source majeurs tels que PyTorch et TensorFlow.

Gao est le deuxième auteur de DeepFaceLab, le système de substitution de visage open-source le plus utilisé au monde, qui a obtenu plus de 46 000 étoiles sur GitHub et a été classé parmi les dix meilleurs projets d’IA de GitHub en 2020. Il a également créé OutfitAnyone, un système de essayage virtuel universel reconnu parmi les 20 meilleurs projets sur HuggingFace Spaces en 2024 et déployé commercialement sur Taobao, générant plus de 100 millions de RMB de chiffre d’affaires annuel. De plus, il a rédigé le livre blanc de l’agent AI Eliza OS, un cadre largement cité pour un agent de trading décentralisé.

Avec une perspective mondiale sur l’innovation de l’IA, Gao a engagé des discussions approfondies avec des chercheurs, des fondateurs et des pionniers de l’industrie, se rendant dans des hubs tels que la Silicon Valley, New York, Denver, Davos, Singapour et Kyoto. Gao a fondé la communauté Qingke AI, qui compte plus de 30 000 abonnés publics et 5 000 experts, offrant des conférences sur les technologies de pointe, des ateliers privés et des opportunités de réseautage. La communauté est maintenant reconnue comme l’un des réseaux les plus professionnels et les plus influents pour les chercheurs qui travaillent pour xAI, OpenAI, DeepMind, Qwen, Deepseek et plus encore.

Vous avez passé plusieurs années à travailler sur la vision et la graphique par ordinateur pour la RA et la RV chez Alibaba Cloud, et plus tard, vous avez conseillé sur les systèmes de preuve de l’humanité basés sur l’IA dans la blockchain. Quel point de frustration personnel ou d’inflexion vous a amené à quitter ces rôles et à co-fonder DINQ ?

Pendant mes années à l’Académie Damo d’Alibaba, j’ai vu des technologies de pointe atteindre des millions d’utilisateurs. Cependant, ma plus grande frustration n’était pas un goulet d’étranglement technique ; c’était la mauvaise alignment des talents. J’ai vu des doctorants brillants lutter avec le déploiement dans le monde réel, tandis que des “sorciers de codage” autodidactes étaient ignorés parce qu’ils ne possédaient pas une étiquette prestigieuse. Plus tard, conseiller sur les systèmes d’identité basés sur la blockchain m’a appris le pouvoir de la “Preuve de l’humanité”. DINQ est l’intersection de ces expériences : une mission pour fournir une preuve définitive et objective de la valeur pour quiconque construit dans l’ère de l’IA.

DINQ est lancé à un moment où les modèles d’IA et la capacité de calcul augmentent plus rapidement que les talents nécessaires pour les construire et les déployer. De votre point de vue, qu’est-ce qui est fondamentalement cassé dans la façon dont les talents d’IA sont découverts et évalués aujourd’hui ?

La faille fondamentale est le “Retard d’évaluation”. Alors que les capacités d’IA augmentent chaque mois, l’embauche reste coincée dans un paradigme vieux de dix ans :

L’obsolescence des mots clés : les filtres traditionnels ne peuvent pas distinguer entre quelqu’un qui utilise simplement ChatGPT et quelqu’un qui peut concevoir un flux de travail multi-agents.

Le piège du “Pedigree” : s’appuyer sur des diplômes de l’élite ou des titres “Big Tech” est un proxy paresseux pour la compétence. Cela ignore l’océan immense de “pierres précieuses cachées” qui sont à l’origine de l’innovation dans les domaines open-source ou de niche.

Statique vs. Fluide : un CV est un instantané du passé ; la contribution à l’IA est un flux de données vivant et respirant à travers GitHub, Hugging Face et les plateformes collaboratives.

Vous avez décrit DINQ comme une réponse aux limites des CV, des profils LinkedIn et des embauches basées sur les mots clés. Quels signaux critiques sur les chercheurs et les développeurs d’IA sont manqués par les systèmes de recrutement traditionnels ?

Le recrutement standard manque l'”ADN comportemental” d’un constructeur :

La résilience itérative : comment un utilisateur affine une invite ou un modèle jusqu’à ce qu’il fonctionne ?

La maîtrise contextuelle : la capacité à combler le fossé entre un outil d’IA brut et une solution commerciale spécifique.

Le “Taux d’apprentissage” : dans un domaine où les connaissances se déprécient tous les six mois, la vitesse à laquelle quelqu’un maîtrise un nouveau framework (comme passer de RAG à des flux de travail Agentic) est plus importante que ses années d’expérience totales.

La carte DINQ agrège le code, les publications, les projets et les collaborations dans un seul profil vérifié. Comment cela modifie-t-il la définition de “l’impact” pour les chercheurs en IA en début de carrière qui n’ont peut-être pas encore de grands titres ou d’affiliations bien connues ?

La carte DINQ modifie la définition du succès de “Pour qui vous travaillez” à “Ce que vous avez réellement construit”. Pour les constructeurs en début de carrière ou les créateurs non traditionnels, c’est un changement de jeu. Cela agrège les contributions vérifiées, qu’il s’agisse d’un LoRA à haute performance, d’un projet généré par l’IA viral ou d’une correction de bogue critique d’infrastructure d’IA, en une Réputation. Cela permet à un étudiant dans une zone reculée de commander le même respect qu’un ingénieur de la Silicon Valley en fonction du seul mérite de son “Impact vérifié”.

Sur le plan de l’embauche, DINQ introduit la recherche et le raisonnement natifs de l’IA plutôt que des filtres statiques. Comment cela change-t-il la façon dont les entreprises identifient les candidats pour des domaines très spécialisés comme l’apprentissage par renforcement ou les systèmes multi-agents ?

La recherche traditionnelle est binaire (Oui/Non). La recherche de DINQ est basée sur le raisonnement. Si une entreprise a besoin de quelqu’un pour les “agents d’IA”, DINQ ne cherche pas seulement le mot clé. Il analyse la sortie réelle du candidat : a-t-il résolu des boucles de raisonnement complexes et contribué à Langchain ou Dify ? Comment a-t-il géré la latence de l’API dans ses projets ? Cela permet aux entreprises d’identifier les “Généralistes spécialisés” : des personnes ayant l’intuition profonde pour naviguer dans des défis d’IA spécifiques qui n’ont même pas encore été transformés en titres d’emploi.

Ayant travaillé à l’intérieur de grandes plateformes comme Alibaba Cloud, qu’est-ce que vous pensez que les grandes organisations comprennent le moins bien lorsqu’elles évaluent les capacités d’IA réelles par rapport aux credibilités de surface ?

Les grandes organisations confondent souvent le “Pedigree du passé” avec “l’adaptabilité future”. Elles supposent que le succès dans un environnement structuré et hérité se traduit par le succès dans la “Frontière sauvage” de l’IA. La vérité est que la capacité d’IA aujourd’hui est à propos de l’Agence, la capacité de prendre un problème ambigu et d’utiliser l’IA pour le résoudre de bout en bout. Les grandes plateformes ignorent souvent les “innovateurs déterminés” qui sont réellement à l’origine de l’innovation.

DINQ met en surface les modèles de collaboration et la trajectoire de recherche à long terme sur plusieurs plateformes plutôt que de se concentrer sur les réalisations isolées. Pourquoi cette vue longitudinale devient-elle plus importante à mesure que la recherche en IA devient plus interdisciplinaire et axée sur l’équipe ?

L’innovation n’est plus un sport en solo ; c’est une évolution collaborative. En regardant la trajectoire d’une personne sur plusieurs plateformes au fil du temps, nous voyons sa cohérence stratégique. Est-elle simplement en train de sauter sur chaque cycle d’hype, ou est-elle en train de construire un ensemble profond et interdisciplinaire ? À mesure que l’IA devient axée sur l’équipe, voir comment une personne interagit avec le code et la recherche des autres devient le principal prédicteur de son “Culture Add” et de son leadership technique.

Il y a une crainte croissante que le recrutement d’IA soit biaisé vers la visibilité plutôt que le mérite. Comment DINQ vise-t-il à mettre en surface les talents à forte incidence qui pourraient autrement rester cachés ou négligés ?

Le recrutement aujourd’hui favorise les voix les plus fortes sur les médias sociaux, et non nécessairement les plus talentueux. DINQ agit comme un “Fonds quantitatif pour les talents”. Nous éliminons le bruit et regardons la densité de valeur. En mettant en surface les contributeurs à forte incidence qui peuvent être des “constructeurs silencieux” sur GitHub, Huggingface ou des forums spécialisés, nous nous assurons que le mérite, et non le marketing, dicte qui obtient les meilleures opportunités.

En tant que personne qui a opéré à l’intersection de l’infrastructure d’IA, de la recherche appliquée et maintenant des systèmes de talents, comment voyez-vous l’évolution de la relation entre l’expansion du calcul d’IA et l’expertise humaine au cours des prochaines années ?

À mesure que le calcul augmente, la “Boucle humaine” évolue d’un exécutant à un architecte. Nous allons vers un monde où “l’expertise” est définie par votre capacité à diriger d’importantes ressources de calcul vers des résultats significatifs. La relation n’est pas concurrentielle ; c’est symbiotique. L'”Humain activé par l’IA” sera l’actif le plus précieux dans l’économie mondiale, des individus qui peuvent orchestrer des modèles, vérifier la vérité et injecter l’intuition créative là où les algorithmes heurtent un mur.

En regardant au-delà du lancement de janvier, à quoi ressemble le succès pour DINQ dans la réforme de la façon dont l’écosystème de l’IA reconnaît, développe et déploie les talents humains à grande échelle ?

Le succès pour DINQ signifie construire la “Couche de confiance” de l’économie de l’IA. Nous voulons voir un monde où une carte DINQ est le seul “CV” dont vous aurez jamais besoin. D’ici 2026, notre objectif est d’avoir remodelé le marché du travail mondial en une véritable méritocratie à grande échelle, où les talents sont découverts instantanément, vérifiés automatiquement et déployés sur les problèmes les plus urgents du monde, quelle que soit la géographie ou l’origine.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter DINQ.