David DeSanto, PDG d’Anaconda – Série d’entretiens

David DeSanto est le directeur général d’Anaconda, où il dirige la mission de l’entreprise pour autonomiser les communautés de science des données et d’IA à travers l’innovation open source et les solutions d’entreprise sécurisées. Un dirigeant de produits et de technologie expérimenté, David apporte plus de deux décennies d’expérience couvrant la cybersécurité, les plates-formes de développement et les logiciels d’entreprise.

Récemment, David a occupé le poste de directeur des produits chez GitLab, où il a dirigé l’organisation produit mondiale pour livrer une plate-forme DevSecOps complète et native IA avec plus de 50 millions d’utilisateurs inscrits dans le monde. Au cours de ses six années avec l’entreprise, il a aidé à transformer GitLab d’une startup à forte croissance en un leader de l’industrie coté en bourse et définissant la catégorie de la plate-forme DevOps.

Anaconda est une plate-forme open source de premier plan pour la science des données, l’apprentissage automatique et l’intelligence artificielle, construite autour du langage de programmation Python et largement utilisée à la fois par les développeurs individuels et les grandes entreprises. Lancée à l’origine en 2012, elle fournit un environnement complet qui comprend des outils de codage, une gestion de packages via Conda, et un accès à des milliers de bibliothèques préconstruites telles que NumPy, pandas et TensorFlow, permettant aux utilisateurs de développer, de tester et de déployer des modèles IA de manière efficace.

Au fil du temps, Anaconda a évolué en une plate-forme d’IA d’entreprise complète qui aide les organisations à gérer l’ensemble du cycle de vie de l’IA – de la recherche et de la sécurisation de packages open source à la construction, à la gouvernance et au déploiement d’applications sur des environnements cloud et sur site. Avec des dizaines de millions d’utilisateurs et une adoption dans un grand pourcentage des entreprises du Fortune 500, elle est devenue une couche fondamentale pour le développement moderne de l’IA, mettant l’accent sur l’innovation open source, la scalabilité et les flux de travail reproductibles et sécurisés.

Vous avez passé près de six ans chez GitLab, dont plus de trois ans en tant que directeur des produits, aidant à mettre à l’échelle une plate-forme DevSecOps native IA à des dizaines de millions d’utilisateurs. Comment cette expérience a-t-elle façonné vos priorités maintenant en tant que PDG d’Anaconda, et qu’est-ce qui vous semble fondamentalement différent entre diriger une entreprise et diriger un produit ?

Mon temps chez GitLab a vraiment renforcé quelques principes qui sont maintenant centraux dans la façon dont j’aborde Anaconda. Tout d’abord, la croissance responsable – faire croître les équipes, les produits et les revenus d’une manière durable. Chez GitLab, nous avons grandi pour servir des dizaines de millions d’utilisateurs, et voir GitLab Ultimate représenter plus de la moitié des revenus de l’entreprise a démontré à quel point il est important d’aligner la valeur du produit sur l’impact commercial à long terme.

Deuxièmement, une mentalité de résultats et d’efficacité plutôt que de processus et de structure. Il est acceptable de livrer quelque chose qui est suffisamment bon et montre une direction pour lancer la roue de rétroaction des clients. Livrer de la valeur réelle rapidement est impératif, mais vous devez encore être réfléchi sur la façon dont vous évoluez. Cela se rattache étroitement au troisième pilier : l’obsession client et vraiment rencontrer les utilisateurs où ils sont. J’ai passé ma carrière à construire des outils de développement et de sécurité, et en tant qu’ancien développeur, je sais à quel point de bons (ou de mauvais) outils peuvent avoir un impact sur la productivité et la satisfaction.

Et enfin, la transparence avec un but. Cette valeur fondamentale d’Anaconda a permis à toutes les parties de participer et de collaborer pour améliorer l’entreprise et ses offres. J’attends avec impatience de continuer à développer cette valeur pour nous assurer que nous donnons à notre communauté ce dont elle a besoin pour réussir.

En tant que PDG, vous êtes responsable de l’ensemble du système – stratégie, culture, opérations et résultats. Je suis toujours profondément connecté au produit, mais je réfléchis de manière plus large et à long terme. Je dois m’assurer que l’entreprise grandit de manière responsable, soutient ses personnes et livre de la valeur à nos clients dans toutes les dimensions de l’entreprise. Ce sont les principes que j’espère continuer à développer ici.

Qu’est-ce qui vous a motivé personnellement à prendre le rôle de PDG chez Anaconda, et qu’est-ce qui vous a convaincu que c’était la bonne plate-forme pour construire le prochain chapitre de l’IA d’entreprise ?

Je dis à tout le monde qu’il y avait quatre raisons pour lesquelles j’étais enthousiaste à rejoindre Anaconda en tant que PDG. Tout d’abord, la technologie. En tant que développeur, j’ai été familiarisé avec et j’ai utilisé Anaconda pendant longtemps. Je sais à quel point elle est puissante et peut l’être. La plate-forme permet déjà tellement de choses, et les fondations que l’équipe a construites nous donneront l’occasion de façonner ce qui vient ensuite dans l’ère native IA !

Deuxièmement, la communauté. Je crois profondément dans le pouvoir de la communauté open source. Peu d’entreprises ont une communauté aussi large et engagée qu’Anaconda.

Troisièmement, les personnes. Il est rare de trouver ce niveau de leadership en un seul endroit. L’équipe de direction est exceptionnelle, et leur passion est réelle. Nous construisons l’avenir avec l’open source et l’IA, et faire partie de quelque chose d’aussi significatif et d’impact a tout le monde réellement enthousiaste.

Et enfin, l’opportunité. C’est ce qui a finalement motivé ma décision. Anaconda se situe au centre de la rendre l’IA plus accessible, en aidant les entreprises à construire, à sécuriser, à déployer et à surveiller l’IA à grande échelle. Lorsque vous combinez une technologie de classe mondiale, une communauté vibrante et une équipe comme celle-ci, vous obtenez une chance rare de façonner la façon dont l’IA et la science des données sont construites et utilisées. C’est ce qui m’a attiré.

L’open source alimente la majorité du développement moderne de l’IA, pourtant de nombreuses entreprises ont encore du mal à lui faire confiance à grande échelle. Pourquoi croyez-vous que l’open source reste la fondation la plus puissante pour l’IA, et où pensez-vous qu’il est le plus mal compris ?

Il y a une idée fausse répandue selon laquelle le code le plus sécurisé est le code caché que seules des personnes sélectionnées peuvent voir. C’est comme un autruche qui met la tête dans le sable pour se cacher. Le logiciel open source est le contraire de cela. L’open source est transparent, accueille tout le monde pour contribuer, et donne aux organisations du monde entier un ensemble plus élevé d’yeux pour s’assurer que le code est sécurisé et fonctionne comme prévu.

Nous n’avons pas vu de technologie se développer rapidement comme l’IA. Pour que l’IA continue son accélération, vous avez besoin d’un code moderne qui se déplace aussi vite que possible. L’open source le fait, c’est pourquoi c’est la fondation du développement moderne de l’IA.

Chez Anaconda, nous nous appuyons sur cela. Nos capacités de base et l’écosystème Python sont open source car c’est la meilleure façon pour les équipes de commencer et d’innover rapidement. Au-dessus de cela, nous ajoutons des capacités d’entreprise de niveau, donnant aux organisations la gouvernance, la sécurité et la fiabilité dont elles ont besoin pour utiliser l’open source à grande échelle.

Les taux d’échec de l’IA dans l’entreprise restent élevés, en particulier avec les pilotes d’IA générative. De votre point de vue, quels sont les motifs principaux pour lesquels ces initiatives sont bloquées, et comment les choix d’infrastructure peuvent-ils faire ou défaire le succès à long terme ?

De nombreuses organisations ont exécuté des pilotes. Certaines ont des projets de preuve de concept solides, et d’autres ont un certain nombre d’outils internes construits qui économisent réellement du temps aux équipes. Mais très peu ont déplacé l’IA vers une production réelle qui s’exécute sur toute l’entreprise. Il y a une grande différence entre « nous expérimentons » et « c’est ainsi que nous travaillons maintenant ». C’est l’écart où la plupart des entreprises sont bloquées – et ce n’est pas parce que la technologie ne fonctionne pas.

La démonstration a presque toujours l’air bonne, mais le problème apparaît lorsque vous essayez de reproduire la démonstration à l’échelle de l’entreprise. Soudain, vous êtes confronté à des questions de gouvernance des données, à des préoccupations de sécurité, à des problèmes de fiabilité et à un problème fondamental de confiance : Cette application fonctionnera-t-elle de manière fiable et maintiendra-t-elle nos données sécurisées ? Ces problèmes n’apparaissent pas dans la démonstration et deviennent donc une après-pensée pour les entreprises.

La barrière au succès de l’IA n’est pas la capacité, mais la maturité de l’infrastructure et du processus. Les organisations qui prennent les devants sont dirigées par celles qui choisissent d’investir dans des fondations modernes où la confiance et la vitesse coexistent et où la sécurité et la gouvernance intégrées accélèrent plutôt que d’obstruer. Des chaînes d’outils et des environnements fragmentés vous obligent à choisir entre les deux, mais des infrastructures modernes et unifiées et des processus d’IA modernes vous permettent d’avoir les deux. Aujourd’hui, supprimer les goulets d’étranglement crée votre avantage concurrentiel. Ce n’est pas seulement une ambition technique ; c’est un impératif commercial pour concurrencer et survivre sur le marché actuel. Le succès sera accru par ceux qui investissent dans la sécurité et la gouvernance à partir de la fondation.

Vous avez dirigé des équipes dans la cybersécurité, les produits et les plates-formes de développement. Comment appliquez-vous une mentalité de sécurité en premier lieu dans la stratégie d’Anaconda autour de la gestion des dépendances, de la reproductibilité de l’environnement et du risque de chaîne d’approvisionnement ?

Mon chemin dans la sécurité a commencé dans les soins de santé, où j’ai vu exactement ce qui passait pour « sécurisé » à l’époque. Je me suis plongé dans la sécurité et elle est devenue une passion. À mesure que les charges de travail d’IA, les modèles, les agents et les intégrations deviennent plus complexes, les risques de sécurité sont multipliés plus rapidement que la gouvernance ne peut suivre. Et même lorsque le risque de sécurité est géré, l’environnement lui-même devient un obstacle.

La sécurité et la conformité avec l’IA sont difficiles, en particulier pour obtenir une visibilité réelle sur le risque à travers le développement et la production. C’est là que nous nous concentrons. Nous construisons des capacités de sécurité plus profondes dans la gestion de l’environnement, une gouvernance supplémentaire autour des packages d’IA en dehors de l’écosystème Python, et nous aidons à réduire le risque avec les modèles d’IA grâce à l’analyse de sécurité de leur posture. L’objectif est simple : aider les organisations à accélérer avec l’IA tout en maintenant la visibilité, la confidentialité et la résilience dont elles ont besoin pour faire confiance à l’IA à grande échelle.

Il y a un scepticisme croissant autour du ROI de l’IA, aux côtés d’une vague d’expérimentation et de codage vibe. Comment distinguez-vous entre une expérimentation productive et des systèmes d’IA prêts pour l’entreprise qui livrent réellement une valeur mesurable ?

Cette année pourrait être la première fois que le ROI de l’IA est bien mesuré. Tout le monde dans l’industrie traite « l’efficacité » comme du temps économisé, cependant ce n’est pas le meilleur KPI de premier plan. Les organisations qui prennent le temps de créer des KPI personnalisés directement liés à ce qui est le plus important pour elles auront de meilleurs résultats. Cela peut être une réduction du temps de révision de code pour votre équipe de développement ou la qualité de la génération de leads pour votre équipe de marché. Le temps seul et la mesure de la consommation de jetons ne signalent pas directement l’efficacité.

Anaconda se situe au centre du développement d’IA basé sur Python. Comment voyez-vous l’évolution du rôle des environnements Python à mesure que les organisations passent de l’expérimentation à des systèmes d’IA à grande échelle et gérés ?

Python est le langage de premier plan pour l’IA, et même si je ne m’attends pas à ce que cela change bientôt, les langages évoluent toujours en popularité. Les organisations ont besoin d’outils qui évoluent et abordent de manière native les problèmes de performances et de scalabilité sous-jacents, permettant aux agents d’IA de créer avec succès des applications et des services de niveau entreprise. J’attends que les organisations commencent à investir dans des briques de construction universelles qui accélèrent la valeur et l’adoption de l’IA. C’est ce qui les positionnera le mieux pour naviguer dans le lexique en constante évolution des langages de codage qui alimentent la couche d’infrastructure de l’IA.

Vous avez travaillé en étroite collaboration avec des industries réglementées et des entreprises sensibles à la sécurité par le passé. Qu’est-ce que la gouvernance de l’IA d’entreprise ressemble-t-elle réellement dans la pratique, au-delà des documents de politique et des listes de contrôle de conformité ?

L’IA d’entreprise et les applications natives IA sont quelque chose de complètement différent du développement de logiciels traditionnel. Lorsque vous traitez l’IA comme du développement traditionnel, vous finissez par avoir une sécurité et une gouvernance cassées qui vont staller l’innovation. L’IA d’entreprise nécessite des meilleures pratiques de développement natives IA où le modèle d’IA est le composant principal qui dirige la version et que tout le reste autour est secondaire.

La gouvernance de l’IA est la différence entre une mise à l’échelle réussie et un blocage. La gouvernance de l’IA d’entreprise est ce qui se produit lorsque des principes d’IA natives responsables sont traduits en contrôles de plate-forme exécutoires, en responsabilité claire et en traçabilité et lignée continues de tous les composants d’IA. Cela va au-delà des politiques et des listes de contrôle qui ont fonctionné dans les pratiques DevOps.

Avec le financement récent d’Anaconda et la poussée d’entreprise, quels sont vos priorités de croissance à court terme, et où investissez-vous le plus agressivement au cours des 12 à 18 prochains mois ?

Notre objectif est clair : Anaconda sera la plate-forme de développement d’IA d’entreprise préférée pour la construction, la sécurisation et le déploiement d’applications et de services d’IA. Nos clients continuent de se transformer pour répondre à leurs besoins et nous nous transformons avec eux. C’est pourquoi nous ne sommes plus seulement un outil de science des données, mais une plate-forme complète pour l’IA d’entreprise. Tout investissement, que ce soit dans le produit, les partenariats ou les fusions et acquisitions, sera évalué par rapport à une seule question : « Est-ce que cela nous rapproche de la plate-forme dont les entreprises ont besoin pour réussir dans le nouveau monde d’IA native ? » Nous sommes une entreprise obsédée par le client et tout ce que nous faisons est pour nos clients.

En tant que personne qui a aidé à mettre à l’échelle une plate-forme de développement publique, quels sont les enseignements que vous avez tirés sur la construction pour les praticiens tout en servant les DSI, les DSI et les directeurs de l’IA au niveau exécutif ?

Le succès revient toujours au client et au soutien des résultats qu’ils tentent de réaliser. Cela semble simple, mais il est facile pour les équipes de se laisser prendre dans les métriques internes (combien d’heures ont été consacrées à un projet, si un lancement atteint les objectifs prédéfinis) plutôt que de se poser une question plus importante : Est-ce que cela rend réellement nos clients plus réussis ? Les dirigeants peuvent dire qu’un produit entièrement nouveau est nécessaire lorsque, en réalité, il pourrait simplement s’agir d’affiner ce que vous avez déjà (rendre un produit plus convivial, par exemple), et vous obtenez alors le résultat que vous avez cherché. Si les clients sont heureux et réussis, alors nous sommes tous heureux et réussis.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Anaconda.