J'ai construit une IA from scratch
Voilà ce qu'elle m'a appris

Tout le monde utilise l'IA. Très peu de gens savent ce qui se passe dedans. Pour installer de l'IA chez mes clients sans vendre de la magie, j'avais besoin de le savoir précisément. Alors j'ai fait ce qu'un consultant fait quand il veut comprendre un moteur : je l'ai démonté, puis j'en ai construit un. Elle s'appelle Lysara — mon ensemble d'outils personnels, qui tourne en local, sur ma machine, avec sa propre architecture de mémoire. Voici ce que cette aventure m'a appris, chiffres à l'appui.

Pourquoi from scratch, alors que ChatGPT existe ?

Parce qu'on ne peut pas conseiller ce qu'on ne comprend pas. Quand une entreprise me demande « il me faut de l'IA ? », la bonne réponse dépend de ce qui se passe réellement sous le capot : qu'est-ce qu'un modèle sait faire, où il échoue, ce que coûte chaque option. Construire Lysara de zéro — jusqu'au modèle qui transforme les mots en nombres — m'a donné cette carte détaillée. Et quelques surprises.

D'où vient l'idée : un cerveau qui fonctionne en fractale

Il faut que je raconte d'où vient cette architecture, parce qu'elle ne sort pas d'un papier de recherche. Je suis HPI et TDAH. Concrètement : ma pensée n'est pas linéaire. Une idée en réveille dix autres, parfois très éloignées — et ces sauts qui semblent partir dans tous les sens retombent souvent juste, parce que les idées qui « s'appellent » entre elles partagent quelque chose de profond. Pendant longtemps, j'ai vu ça comme un défaut à compenser. En construisant Lysara, j'en ai fait un plan d'architecture.

L'autre moitié de l'idée vient d'un souvenir d'école : la géométrie des fractales, ces formes dont chaque partie reproduit la structure du tout, à toutes les échelles. En superposant les deux — un cerveau qui procède par échos plutôt que par balayage, et une structure qui se replie sur elle-même — j'ai formulé ce que j'appelle la résonance fractale : ranger le savoir en plis auto-similaires, et le retrouver non pas en cherchant partout, mais en laissant la question résonner avec les plis qui la concernent. Les fameux sauts du TDAH sont devenus les « liens de bifurcation » du moteur : des ponts entre plis éloignés, qui font émerger les connexions inattendues.

Je ne prétends pas faire des neurosciences — c'est une intuition d'expert, pas un modèle du cerveau. Mais c'est une intuition qui a été mise au banc d'essai. Et les chiffres qui suivent lui ont donné raison.

Une mémoire qui résonne au lieu de chercher partout

Le cœur de Lysara, c'est sa mémoire — l'application directe de cette résonance fractale. Les systèmes classiques comparent chaque question à tous les souvenirs, un par un. Lysara fait autrement : ses connaissances sont rangées dans des « plis » thématiques (logique, langage, émotion, technique…), et une question ne réveille que les plis qui résonnent avec elle. Le reste dort. Comme un cerveau, qui ne mobilise pas la mémoire des recettes de cuisine pour résoudre une équation.

Au banc d'essai, cette architecture change tout à mesure que le savoir grandit : à 50 000 souvenirs, elle fait le même travail qu'une recherche classique en 13 fois moins d'opérations. Et sur du langage réel, la version « certifiée » (résultat garanti identique à une recherche exhaustive) devient plus rapide que la force brute dès ~1 500 phrases stockées. Moins de calcul, c'est moins d'énergie, moins de serveur, moins de coût — une IA sobre par design.

L'IA qui ne peut pas halluciner

La partie dont je suis le plus fier : un moteur de questions-réponses 100 % fait maison, sans aucun réseau de neurones. Son modèle de langage s'entraîne en 10 secondes sur un CPU de bureau — là où les modèles classiques demandent des jours de GPU. Résultat au test de classement thématique : 62,5 % de précision, quasiment à égalité avec un modèle neuronal entraîné sur des millions de documents (63,3 %), le hasard étant à 16,7 %.

Surtout, il répond par extraction certifiée : il retrouve, relie et cite — il ne génère pas de texte librement. Chaque phrase de ses réponses existe dans sa base de connaissances. Conséquence directe : il ne peut pas inventer. Et quand il ne sait pas, il dit « je ne sais pas » — avec preuve mathématique que rien dans sa base ne répond à la question. Essayez d'obtenir ça d'un chatbot généraliste.

Ce que ça change pour votre entreprise

Soyons honnêtes — c'est la marque de la maison : ce moteur ne rédige pas vos e-mails et ne code pas votre site. Pour la génération de texte complexe, les grands modèles (Claude, GPT…) restent très supérieurs, et je les utilise aussi. La leçon de Lysara est ailleurs :

• Le bon outil au bon endroit. Trier, retrouver, répondre depuis vos données : une IA légère, locale et sobre suffit souvent — confidentialité totale, coût fixe, zéro abonnement par utilisateur.
• L'hybride gagne. Local pour le quotidien, grand modèle en appoint pour les 10 % difficiles : c'est l'architecture la plus rentable pour une TPE/PME, et celle que j'installe.
• L'hallucination n'est pas une fatalité. Quand un usage exige du fiable à 100 % (données clients, chiffres, réglementaire), une approche par extraction — qui cite au lieu d'inventer — existe. Encore faut-il savoir la construire.

C'est exactement l'esprit de mon travail pour les entreprises : pas de magie, pas de gadget — des systèmes compris de bout en bout, dimensionnés à votre besoin réel. Et si vous voulez que votre entreprise soit visible dans les réponses des IA (ChatGPT, Perplexity, aperçus Google), c'est le travail de mon offre de référencement IA.

Questions fréquentes

À lire aussi : le futur de l'IA et les cerveaux neurodivergents, automatiser son entreprise avec l'IA et mon étude de cas Le Monde d'Isis. Et pour la suite de ce projet : Lysara, mes outils d'IA maison. Nouveaux guides : le contenu écrit par IA.