Recherche Appliquée en IA · Rapport Technique N° 001
De la recherche qui se déploie.
Pas de la recherche qui reste sur arXiv.
01 Problème
La plupart des recherches en IA ne quittent jamais le laboratoire
Les articles sont publiés. Le code est abandonné. L'écart entre un article académique et un système en production se mesure en années, pas en semaines.
02 Approche
Recherche appliquée orientée production
Nous entraînons des LLMs, construisons des agents et déployons des pipelines RAG. Chaque question de recherche provient d'un projet réel avec des clients.
03 Résultat
Du code, pas des citations
Prototypes de recherche, outils open-source et analyses techniques. Le tout sous licence Apache 2.0, reproductible et déployable.
04 Collaboration
Travaillez avec nous
Nous travaillons avec des startups, des entreprises et des chercheurs. Démos hebdomadaires. Code propre. Propriété intellectuelle complète.
DMS AI Lab centre de recherche en IA sous DMS Lab · Fondé en 2020 · 6 axes de recherche actifs
Domaines de Recherche
Six questions que nous résolvons
Chaque question ci-dessous provient de projets réels. Mais ne vous y trompez pas : ce qui nous guide, ce ne sont pas les exigences des clients. C'est la curiosité. Les meilleurs prototypes de recherche commencent par un « et si... ? » un vendredi après-midi.
Entraînement LLM
Comment entraîner et affiner des LLMs pour des cas d'usage réels ?
Appeler une API existante est rapide, mais vous ne contrôlez pas la qualité. Nous entraînons et affinons des modèles ouverts comme Llama, Mistral et Qwen avec LoRA et QLoRA sur notre propre infrastructure GPU. De la préparation des données au choix de la stratégie de fine-tuning, jusqu'à la quantification et l'optimisation d'inférence : chaque étape est mesurée et documentée. Résultat : des modèles plus rapides, moins coûteux et un contrôle total sur le comportement en sortie.
Agents LLM
Les agents IA peuvent-ils raisonner, planifier et agir de manière fiable en production ?
Les architectures d'agents multi-étapes échouent silencieusement plus souvent qu'elles ne réussissent. Nous construisons des agents avec des outils, de la mémoire et des capacités de décision, puis les testons sous pression sur des flux de travail d'entreprise réels où l'échec coûte de l'argent, pas des points de benchmark.
Systèmes RAG
Comment construire des systèmes RAG véritablement évolutifs ?
L'écart entre une démo RAG et un système RAG en production représente environ six mois d'ingénierie. Nous réduisons cet écart : optimisation de la recherche vectorielle, stratégies de récupération hybride, découpage à grande échelle et pipelines d'embedding qui ne cassent pas à plus de 10 millions de documents.
Automatisation des Flux
Que faut-il pour orchestrer des pipelines IA multi-modèles et multi-étapes ?
Appeler trois API, c'est facile. Construire des pipelines avec branchement conditionnel, mécanismes de repli avec supervision humaine et dégradation contrôlée sur cinq modèles : ça, c'est de l'ingénierie. Nous concevons des flux qui gèrent les cas limites, pas seulement le chemin idéal.
Évaluation de Modèles
Comment évaluer et stresser honnêtement les systèmes IA ?
Les classements ne mesurent rien qui compte en production. Nous construisons des cadres d'évaluation personnalisés qui testent la régression, la robustesse adverse et la performance sur des tâches réelles. Si vous ne pouvez pas mesurer, vous ne pouvez pas déployer, et nous prenons la mesure très au sérieux.
Sécurité et Défense IA
Comment sécuriser les systèmes IA et utiliser l'IA pour la défense des systèmes ?
Deux facettes d'un même problème. Premièrement : protéger les modèles IA contre l'injection d'instructions malveillantes, les attaques adverses et les fuites de données, via le filtrage des entrées, la validation des sorties et l'isolation des privilèges. Deuxièmement : utiliser l'IA elle-même pour détecter les anomalies, automatiser la réponse aux menaces et construire des boucliers défensifs pour l'infrastructure. Nous recherchons les deux directions, de l'architecture au déploiement.
Livrables
Du laboratoire à la production
La crédibilité de la recherche ne se mesure pas en citations. Elle se mesure en code qui fonctionne, téléchargeable et sur lequel on peut construire. Voici ce que nous produisons.
Prototypes de Recherche
Implémentations complètes de nouvelles architectures IA : systèmes d'agents, pipelines RAG, cadres d'évaluation. Pas des slides. Du code exécutable que vous pouvez cloner, tester sur vos données et intégrer dans votre stack actuel.
Outils Open Source
Benchmarks, cadres d'évaluation et bibliothèques utilitaires. Le tout sous licence Apache 2.0, entièrement documenté et maintenu activement. Nous ouvrons le code de ce que nous apprenons car les outils partagés gagnent en valeur à l'usage. De meilleurs outils élèvent tout l'écosystème.
Intégration DMSLab.ai
La recherche validée en laboratoire alimente directement l'API de production, la plateforme d'agents et le moteur d'automatisation de DMSLab.ai. Ce qui est validé le lundi arrive chez le client le vendredi. Cette boucle de rétroaction est notre avantage concurrentiel.
Analyses Techniques Approfondies
Journaux d'expérimentation, décisions architecturales et documentation méthodologique, avec code reproductible et données brutes. Nous documentons ce qui a fonctionné, ce qui a échoué et ce qui nous a surpris. Sans sélectionner les résultats. Sans biais du survivant.
Collaborez avec Nous
Les problèmes IA complexes exigent un partenaire d'ingénierie
Nous collaborons avec des startups, des entreprises et des chercheurs indépendants. Vous construisez des agents ? Évaluez des modèles ? Déployez RAG à grande échelle ? Sécurisez des systèmes IA ? Vous avez besoin d'un partenaire de recherche qui livre du code, pas des diapositives. Parlons-en.
Engager la conversation