Y'a pas longtemps, j'ai jasé avec David Beauchemin, DG et expert AI chez Baseline. On a parlé d'AI dans le monde des atomes.

Moi, je suis surexposé aux LLMs pis au tooling agentique, fait que je suis arrivé avec mes questions de gars de bureau aux mains douces.

David m'a ramené sur le terrain.

Son équipe a travaillé sur un système qui lit les repères de profondeur sur des images de carottes de forage. La job a l'air simple. Tu vois un chiffre, tu le lis, tu sais à quelle profondeur la roche a été prélevée.

Sur les premières images de test, le modèle lisait le bon chiffre environ 90 % du temps. Pas pire pantoute.

Après, il faut que ça marche sur le terrain. Des carottes mouillées, de la poussière, une lumière qui change, une lentille sale.

Pis là, woops, ton modèle se met à mal lire. Un 9 au lieu d'un 8, mettons.

Ça a quoi comme implication?

Check la capsule ↑
Lis l'édito ↓

Le cas client, c'est LithologIQ, une compagnie qui fabrique des scanners de carottes de forage pour l'exploration minière. J'ai toujours été un gros fan du space de la carotte-tech. Leurs clients cherchent un gisement qui justifie d'ouvrir une mine. Pour ça, tu fores, tu sors des carottes du sol, pis tu les analyses.

LithologIQ a bâti une machine qu'on amène sur le terrain. Tu passes tes carottes dedans pis t'as de l'info plus vite pour savoir où faire ton prochain forage.

Le hic : pour que le géologue voie un flux qui a du sens, quelqu'un devait s'asseoir, faire les ajustements pis placer un petit panneau qui dit "on est rendu à 150 mètres". À la main.

Baseline a bâti un système de computer vision qui lit ces repères-là (pis d'autres chiffres, comme la pression de la drill) pour que tout s'aligne tout seul.

Contrainte : tout doit rouler sur place. Edge AI. Pas d'Internet dans la montagne, donc pas d'appel à une API dans le cloud. Tu sais ce qu'on dit, y'a pas de nuage dans le désert.

Pis le modèle qui fait la job est même pas un LLM. Parce qu'un Vision LLM, ça peut être trop lourd pour le matériel disponible sur place. L'équipe a pris un modèle de computer vision plus classique. J'étais bien stoked de juste catcher la différence entre ces deux types de modèles de vision.

Le conseil de David pour une preuve de concept : sors les gros guns (un gros modèle) pour voir si tu peux casser le problème. Si ça marche, là tu te demandes comment le faire moins cher.

AKA tu magasines sur Hugging Face voir quel modèle fit pile ton problème sans être overkill.

Les photos reçues au départ pour les tests de Baseline étaient ben moins sales que les vraies photos. Une fois sur le terrain, le modèle s'est mis à lire des chiffres qui avaient pas rapport.

L'équipe a dû twister l'approche. Après les ajustements, David dit que le système tenait mieux le coup dans les conditions du terrain. Son score sur leurs evals avait pourtant baissé.

David parle d'un équilibre entre la précision pis le rappel.

Mettons que t'as 10 panneaux de profondeur à lire sur tes images. Chiffres inventés pour l'exemple.

Le modèle te donne 8 profondeurs. Six sont bonnes, deux sont fausses. Il a complètement manqué les deux autres panneaux.

Un panneau manqué, ça laisse une lecture à compléter. Une profondeur mal lue, ça peut associer ta roche au mauvais endroit.

Tu peux rendre le système plus prudent, lui faire laisser les lectures douteuses à un humain. Ses réponses peuvent devenir plus fiables, mais il laisse plus de travail manuel.

Avoir les deux au max, c'est très difficile ou très cher. Pis quand quelqu'un te montre les deux au max? Selon David, y'a un smell. Quelque chose de louche.

D'ailleurs, cette eval-là, Baseline la bâtit avec le client. C'est là qu'on s'entend sur what good looks like avant de comparer des modèles.

Sur leurs premières images de test, le modèle lisait le bon chiffre environ 90 % du temps. Moi, c'est le 10 % qui restait qui me chicotait. Ça peut-tu coûter des millions à ton client, ça?

David a pas tourné autour du pot : oui, c'est un gros bobo. Mais that's part of the game of AI.

Dans le cas des carottes, une erreur, ça peut vouloir dire forer d'autres carottes. Ça coûte de l'argent, mais ça se rattrape.

Dans son doctorat, David travaillait sur un chatbot qui explique des contrats d'assurance. Là, une mauvaise réponse sur ta couverture peut finir devant un juge. (Air Canada s'est fait poursuivre pour une affaire de même avec son chatbot, pis a perdu.)

Une partie qui m'a accroché :

Quand t'appelles ta compagnie d'assurance, t'as la bonne réponse via un humain combien de fois? Personne le sait. Personne le mesure.

Cette performance humaine te servirait de benchmark. Ou de baseline. Ba dum tss.

Si ton système fait mieux que l'humain, t'as déjà un gain. Ensuite tu regardes quelles erreurs tu fais, pis combien elles coûtent. Annoncer "pas de cancer" à quelqu'un qui en a un (un faux négatif), c'est impardonnable. M'annoncer que je suis peut-être enceinte, c'est un faux positif.

Je trouve ça tellement un bon rappel. Si tu mets de l'AI sur un problème, compare-la à la performance humaine, ou au software traditionnel qui était là avant.

Petite nuance de David, par contre : il faut que la vérification te sauve du temps. Si un humain révise ce qui cloche pis que les erreurs sautent aux yeux, t'es gagnant. Mais :

Ça m'a ramené à mes questions de gars de bureau. Si tu veux automatiser une job au complet dans une PME, où est-ce que ça accroche?

David l'a vécu avec ses propres reçus. Tu te dis "parfait, je vais mettre un agent là-dessus". Sauf que pour aller chercher un relevé bancaire, il faut passer par une interface avec de la double authentification. Pas d'API, pas de MCP, rien.

Les logiciels comptables pis les logiciels de gestion reviennent souvent comme freins. Des fois, son conseil, c'est :

Ça fait trois ans que je jase d'AI avec David, pis ça change à chaque trois mois.

La prochaine fois qu'on me dit qu'un modèle est bon à 90%, je vais avoir quelques questions de plus. Qu'est-ce qui arrive dans le 10% qui reste? Qui vérifie? Pis est-ce qu'on gagne encore du temps après?

Faudrait maintenant que j'aille voir ses fameuses carottes pour vrai. Je suis invité à sa prochaine visite de mine, ça de l’air. À ciel ouvert, par exemple. Pas game de descendre dans une grotte à la noirceur.

Merci David, Baseline... vous êtes des vrais!

Si t'as des questions sur l'AI pour David, écris-lui sur LinkedIn.

Pour voir l'équipe pis les services : baseline.quebec.

Pis tout le contenu qu'on a fait ensemble depuis trois ans est ici.

—

Quelque chose à ajouter? Good. Laisse un commentaire ou réponds à ce courriel direct.

Cheers,

Frank 💜

Ton agent AI a raté une étape. Tu corriges ses instructions. Mais comment tu sais que c'est réglé, pour vrai?

Chez Yack, l'équipe derrière Tahr roule des agents sur plusieurs mandats de pentest. Le problème : chacun bidouille ses skills dans son coin, pis un bon fix reste pris dans le workspace d'une seule personne.

Fait qu'ils ont bâti AgentOps : un outil interne pour voir ce que leurs agents ont vraiment fait, retester une skill modifiée sur un run frais, pis la partager à toute l'équipe. Une nouvelle version est publiée seulement si toutes les vérifications passent.

Si l'édito t'a donné le goût de bâtir tes propres evals, c'est un bon behind the scenes (en anglais).

Quand Freedom Fibre a fusionné avec Truespeed, au Royaume-Uni, ils ont choisi gaiia pour bâtir la suite. Dix semaines après la signature, Truespeed roulait sur la plateforme : facturation, réseau, service terrain.

Pour comparer : LilaConnect, de la même famille, avait pris 16 semaines en 2025. Ça accélère.

Ces migrations-là, c'est l'œuvre de postes comme Forward Deployed Engineer – Migration ou Data Migration Engineer. Pis gaiia en cherche en ce moment, à distance, avec des déplacements occasionnels aux États-Unis pour le poste de Forward Deployed Engineer.

Okay bobye!