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 produit et de technologie expérimenté, David apporte plus de deux décennies d’expérience couvrant la cybersécurité, les plateformes de développement et les logiciels d’entreprise.

Récemment, David a occupé le poste de directeur des produits chez GitLab (GTLB ), où il a dirigé l’organisation produit mondiale pour livrer une plateforme DevSecOps complète et native AI avec plus de 50 millions d’utilisateurs enregistrés dans le monde. Au cours de ses six ans 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 plateforme DevOps.

Anaconda est une plateforme 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 d’IA de manière efficace.

Au fil du temps, Anaconda est devenue une plateforme 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 dans 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 d’IA moderne, mettant l’accent sur l’innovation open source, la scalabilité et les flux de travail sécurisés et reproductibles.

Vous avez passé près de six ans chez GitLab, plus de trois ans en tant que directeur des produits, en aidant à mettre à l’échelle une plateforme DevSecOps native AI 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 dans la direction d’une entreprise par rapport à la direction d’un produit ?

Mon temps chez GitLab a vraiment renforcé quelques principes qui sont maintenant centraux dans la façon dont j’aborde Anaconda. Premièrement, la croissance responsable – faire croître les équipes, les produits et les revenus de 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 la rétroaction des clients. Livrer de la valeur réelle rapidement est impératif, mais vous devez toujours 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 une bonne (ou mauvaise) instrumentation peut 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’ai hâte de continuer à bâtir sur 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 pense plus largement 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 bâtir 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 plateforme 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. Premièrement, 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 plateforme 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 AI !

Deuxièmement, la communauté. Je crois profondément au pouvoir de la communauté open source. Très 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 nous tous vraiment enthousiastes.

Et enfin, l’opportunité. C’est ce qui a finalement fait la décision pour moi. 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 d’IA moderne, et pourtant de nombreuses entreprises ont encore du mal à lui faire confiance à grande échelle. Pourquoi pensez-vous que l’open source reste la fondation la plus puissante pour l’IA, et où pensez-vous qu’elle est la plus mal comprise ?

Il y a une idée fausse répandue selon laquelle le code le plus sécurisé est le code caché, car seules des personnes sélectionnées peuvent le 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. Le logiciel open source est transparent, accueille tout le monde pour contribuer et donne aux organisations du monde entier un ensemble d’yeux plus élevé 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 d’IA moderne.

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, 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. Quels sont, selon vous, les raisons fondamentales pour lesquelles ces initiatives stagnent, 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 qui économisent vraiment du temps aux équipes. Mais très peu ont déplacé l’IA vers une production réelle qui s’exécute dans toute l’entreprise. Il y a une grande différence entre « nous expérimentons » et « c’est ainsi que nous travaillons maintenant ». C’est là que 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 problèmes de sécurité, à des problèmes de fiabilité et à un problème de confiance fondamental : 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 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 qu’obstruent. Les chaînes d’outils et les environnements fragmentés vous obligent à choisir entre les deux, mais les infrastructures modernes et unifiées et les 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 une impérative commerciale pour concurrencer et survivre sur le marché actuel. Le succès sera accru par ceux qui investissent dans la sécurité et la gouvernance dès la fondation.

Vous avez dirigé des équipes dans la cybersécurité, les produits et les plateformes de développement. Comment apportez-vous cette 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 la chaîne d’approvisionnement ?

Mon parcours 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 c’est devenu 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 les risques dans le développement et la production. C’est là que nous nous concentrons. Nous construisons des capacités de sécurité plus approfondies dans la gestion de l’environnement, une gouvernance supplémentaire autour des packages d’IA en dehors de l’écosystème Python et aidant à réduire les risques avec les modèles d’IA via l’analyse de sécurité de leur posture. L’objectif est simple : aider les organisations à aller plus vite 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 de vibe. Comment distinguez-vous entre une expérimentation productive et des systèmes d’IA prêts pour l’entreprise qui livrent vraiment de la valeur mesurable ?

Cette année peut 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, mais ce n’est pas le meilleur KPI de ligne de tête. Les organisations qui prennent le temps de créer des KPI personnalisés directement liés à ce qui est le plus important pour eux 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 marketing. Le temps lui-même 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 d’une expérimentation à des systèmes d’IA entièrement gérés et à grande échelle ?

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 vont et viennent en popularité. Les organisations ont besoin d’outils qui évoluent et abordent naturellement 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 blocs de construction universels 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 dans le passé. Qu’est-ce que la gouvernance de l’IA d’entreprise ressemble-t-elle vraiment dans la pratique, au-delà des documents de politique et des listes de contrôle de conformité ?

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

La gouvernance de l’IA fait la différence entre une mise à l’échelle réussie et une stagnation. La gouvernance de l’IA d’entreprise est ce qui se produit lorsque des principes d’IA natives responsables sont traduits en contrôles de plateforme applicables, 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 objectifs 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 plateforme de développement d’IA native d’entreprise préférée pour la construction, la sécurisation et le déploiement d’applications et de services d’IA natives. 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 plateforme complète pour l’IA d’entreprise. Tout investissement, qu’il s’agisse de produit, de partenariats ou de fusions et acquisitions, sera évalué par rapport à une seule question : « Est-ce que cela nous rapproche de l’objectif d’être la plateforme dont les entreprises ont besoin pour réussir dans le nouveau monde de l’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 plateforme de développement cotée en bourse, quels sont les enseignements que vous avez tirés sur la construction pour les praticiens tout en servant les CTO, les CIO et les directeurs généraux de l’IA au niveau exécutif ?

Le succès revient toujours au client et au soutien des résultats qu’ils tentent d’obtenir. Cela semble simple, mais il est facile pour les équipes de se laisser emporter par les métriques internes (combien d’heures ont été consacrées à un projet, si un lancement répond à des objectifs prédéfinis) plutôt que de se poser une question plus importante : Est-ce que cela rend vraiment nos clients plus réussis ? Les dirigeants peuvent dire qu’un produit entièrement nouveau est nécessaire lorsque, en réalité, il pourrait simplement s’agir de perfectionner ce que vous avez déjà (en rendant un produit plus convivial, par exemple), et vous obtenez le résultat que vous recherchiez. 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 peuvent visiter Anaconda.