Eric Landau, Co-Fondateur & PDG d’Encord – Série d’entretiens

Eric Landau est le PDG et co-fondateur d’Encord, une plateforme d’apprentissage actif pour la vision par ordinateur. Eric était le chercheur quantitatif principal sur un bureau de delta-one des actions mondiales, mettant en production des milliers de modèles. Avant Encord, il a passé près d’une décennie dans la négociation à haute fréquence chez DRW. Il détient un S.M. en physique appliquée de l’Université Harvard, un M.S. en génie électrique et un B.S. en physique de l’Université Stanford.

Dans son temps libre, Eric aime jouer avec ChatGPT et les grands modèles de langage et créer des cocktails artisanaux.

Qu’est-ce qui vous a inspiré pour co-fonder Encord, et comment votre expérience en physique des particules et en finance quantitative a-t-elle influencé votre approche pour résoudre le « problème de données » en IA ?

J’ai commencé à réfléchir à l’apprentissage automatique alors que je travaillais en physique des particules et que je traitais de très grands ensembles de données pendant mon séjour au Stanford Linear Accelerator Center (SLAC). J’utilisais des logiciels conçus pour les physiciens par les physiciens, ce qui signifie qu’il y avait beaucoup à désirer en termes d’expérience utilisateur agréable. Avec des outils plus faciles à utiliser, j’aurais pu exécuter des analyses beaucoup plus rapidement.

Plus tard, en travaillant dans la finance quantitative chez DRW, j’étais responsable de la création de milliers de modèles qui ont été déployés en production. Semblable à mon expérience en physique, j’ai constaté que des données de haute qualité étaient essentielles pour créer des modèles précis et que la gestion de données complexes et à grande échelle était difficile. Ulrik a eu une expérience similaire en visualisant de grands ensembles de données d’images pour la vision par ordinateur.

Quand j’ai entendu parler de son idée initiale pour Encord, j’étais immédiatement à bord et j’ai compris l’importance. Ensemble, Ulrik et moi avons vu une énorme opportunité de construire une plateforme pour automatiser et rationaliser le processus de développement de données pour l’IA, facilitant ainsi pour les équipes l’accès aux meilleures données et la création de systèmes d’IA fiables.

Pouvez-vous élaborer sur la vision derrière Encord et comment elle se compare aux premiers jours de l’informatique ou d’Internet en termes de potentiel et de défis ?

La vision d’Encord est d’être la plateforme fondamentale sur laquelle les entreprises comptent pour transformer leurs données en modèles d’IA fonctionnels. Nous sommes la couche entre les données d’une entreprise et son IA.

À bien des égards, l’IA reflète les changements de paradigme précédents comme l’informatique personnelle et Internet dans la mesure où elle deviendra intégrale aux flux de travail de chaque individu, entreprise, nation et industrie. Contrairement aux révolutions technologiques précédentes, qui ont été en grande partie limitées par la loi de Moore de la croissance computationnelle composée de 30x tous les 10 ans, le développement de l’IA a bénéficié d’innovations simultanées. Il progresse donc à un rythme beaucoup plus rapide. Pour reprendre les mots de Jensen Huang de NVIDIA (NVDA ) : « Pour la première fois, nous voyons des exponentielles composées… Nous composons à un million de fois tous les dix ans. Pas cent fois, pas mille fois, un million de fois. » Sans exagération, nous sommes témoins de la technologie la plus rapide de l’histoire de l’humanité.

Le potentiel est énorme : en automatisant et en mettant à l’échelle la gestion de données de haute qualité pour l’IA, nous résolvons un goulet d’étranglement qui empêche une adoption plus large de l’IA. Les défis sont rappelants des obstacles rencontrés aux premiers jours des technologies précédentes : les silos, le manque de bonnes pratiques, les limitations pour les utilisateurs non techniques et le manque d’abstractions bien définies.

Encord Index est positionné comme un outil clé pour gérer et curer les données d’IA. Comment se différencie-t-il des autres plateformes de gestion de données actuellement disponibles ?

Il y a quelques façons dont Encord Index se démarque :

Index est évolutif : permet aux utilisateurs de gérer des milliards, et non des millions, de points de données. Les autres outils rencontrent des problèmes d’évolutivité pour les données non structurées et sont limités dans la consolidation de toutes les données pertinentes dans une organisation.

Index est flexible : s’intègre directement avec les fournisseurs de stockage de données privées et de stockage cloud tels qu’AWS, GCP et Azure. Contrairement aux autres outils qui sont limités à un seul fournisseur de cloud ou à un système de stockage interne, Index est agnostique quant à l’emplacement des données. Il permet de gérer les données de plusieurs sources avec une gouvernance et des contrôles d’accès appropriés qui permettent de développer des applications d’IA sécurisées et conformes.

Index est multimodal : prend en charge l’IA multimodale, en gérant les données sous forme d’images, de vidéos, d’audio, de texte, de documents et plus encore. Index n’est pas limité à une seule forme de données comme de nombreux outils LLM aujourd’hui. La cognition humaine est multimodale, et nous croyons que l’IA multimodale sera au cœur de la prochaine vague de progrès de l’IA, qui supplantera les chatbots et les LLM.

De quelle manière Encord Index améliore-t-il le processus de sélection des bonnes données pour les modèles d’IA, et quel impact cela a-t-il sur les performances du modèle ?

Encord Index améliore la sélection des données en automatisant la curation de grands ensembles de données, aidant les équipes à identifier et à conserver uniquement les données les plus pertinentes tout en supprimant les données non informatives ou biaisées. Ce processus réduit non seulement la taille des ensembles de données, mais améliore également considérablement la qualité des données utilisées pour la formation des modèles d’IA. Nos clients ont constaté une amélioration de jusqu’à 20 % de leurs modèles tout en réalisant une réduction de 35 % de la taille de l’ensemble de données et en économisant des centaines de milliers de dollars en coûts de calcul et de main-d’œuvre d’annotation.

Avec l’intégration rapide de technologies de pointe comme le modèle Segment Anything de Meta, comment Encord reste-t-il à la pointe de l’évolution rapide du paysage de l’IA ?

Nous avons intentionnellement construit la plateforme pour pouvoir s’adapter rapidement aux nouvelles technologies. Nous nous concentrons sur la fourniture d’une approche logicielle évolutivité qui intègre facilement les progrès tels que SAM, garantissant que nos utilisateurs sont toujours équipés des derniers outils pour rester compétitifs.

Nous prévoyons de rester à la pointe en nous concentrant sur l’IA multimodale. La plateforme Encord peut déjà gérer des types de données complexes tels que les images, les vidéos et le texte, donc à mesure que davantage de progrès en matière d’IA multimodale se présentent, nous sommes prêts.

Quels sont les défis les plus courants auxquels les entreprises sont confrontées lors de la gestion des données d’IA, et comment Encord aide-t-il à résoudre ces problèmes ?

Il existe 3 principaux défis auxquels les entreprises sont confrontées :

• Une mauvaise organisation et des contrôles de données : lorsque les entreprises se préparent à mettre en œuvre des solutions d’IA, elles sont souvent confrontées à la réalité de données cloisonnées et non organisées qui ne sont pas prêtes pour l’IA. Ces données manquent souvent d’une gouvernance solide, limitant ainsi leur utilisation dans les systèmes d’IA.
• Un manque d’experts humains : à mesure que les modèles d’IA traitent des problèmes de plus en plus complexes, il y aura bientôt une pénurie d’experts humains pour préparer et valider les données. À mesure que les demandes d’IA d’une entreprise augmentent, il est difficile et coûteux de mettre à l’échelle cette main-d’œuvre humaine.
• Des outils non évolutifs : les modèles d’IA performants sont très gourmands en données pour la fine-tuning, la validation, RAG et d’autres flux de travail. La génération précédente d’outils n’est pas équipée pour gérer la quantité et les types de données nécessaires pour les modèles de production actuels.

Encord résout ces problèmes en automatisant le processus de curation des données à grande échelle, facilitant ainsi l’identification des données impactantes et la création de jeux de données de formation et de validation efficaces. Il utilise une approche logicielle qui est facile à mettre à l’échelle en fonction des besoins de gestion des données. Nos outils d’annotation assistés par l’IA permettent aux experts humains dans le processus de maximiser l’efficacité du flux de travail. Ce processus est particulièrement crucial dans des secteurs tels que les services financiers et les soins de santé, où les formateurs d’IA sont coûteux. Nous facilitons la gestion et la compréhension de toutes les données non structurées d’une organisation, réduisant ainsi le besoin de main-d’œuvre manuelle.

Comment Encord aborde-t-il le problème des biais de données et des zones sous-représentées dans les ensembles de données pour garantir des modèles d’IA équitables et équilibrés ?

Résoudre les biais de données est un objectif essentiel pour nous chez Encord. Notre plateforme identifie et met en surface les zones où les données pourraient être biaisées, permettant ainsi aux équipes d’IA de résoudre ces problèmes avant qu’ils n’affectent les performances du modèle. Nous nous assurons également que les zones sous-représentées dans les ensembles de données sont correctement incluses, ce qui aide à développer des modèles d’IA plus équitables et plus équilibrés. En utilisant nos outils de curation, les équipes peuvent être confiantes que leurs modèles sont formés sur des données diverses et représentatives.

Encord a récemment obtenu 30 millions de dollars en financement de série B. Comment ce financement accélérera-t-il votre feuille de route de produit et vos plans d’expansion ?

Les 30 millions de dollars en financement de série B seront utilisés pour augmenter considérablement la taille de nos équipes de produit, d’ingénierie et de recherche en IA au cours des six prochains mois et pour accélérer le développement d’Encord Index et d’autres nouvelles fonctionnalités. Nous élargissons également notre présence à San Francisco avec un nouveau bureau, et ce financement nous aidera à mettre à l’échelle nos opérations pour soutenir notre base de clients en constante croissance.

En tant que la plus jeune entreprise d’IA issue de Y Combinator à lever des fonds de série B, à quoi attribuez-vous la croissance et le succès rapides d’Encord ?

L’une des raisons pour lesquelles nous avons pu grandir rapidement est que nous avons adopté une approche extrêmement centrée sur le client dans tous les domaines de l’entreprise. Nous communiquons constamment avec les clients, écoutons attentivement leurs problèmes et les « serrons dans nos bras » pour trouver des solutions. En nous concentrant sur les besoins des clients plutôt que sur l’hype, nous avons créé une plateforme qui résonne avec les meilleures équipes d’IA dans diverses industries. Nos clients ont été instrumentaux pour nous amener où nous sommes aujourd’hui. Notre capacité à évoluer rapidement et à gérer efficacement la complexité des données d’IA nous a rendus une solution attrayante pour les entreprises.

Nous devons également beaucoup de notre succès à nos collègues, partenaires et investisseurs, qui ont tous travaillé sans relâche pour défendre Encord. Travailler avec des équipes de produit, d’ingénierie et de commercialisation de classe mondiale a eu un impact énorme sur notre croissance.

Compte tenu de l’importance croissante des données dans l’IA, comment voyez-vous l’évolution du rôle des plateformes de données d’IA comme Encord au cours des cinq prochaines années ?

À mesure que les applications d’IA grandissent en complexité, le besoin de solutions de gestion de données efficaces et évolutives ne fera que croître. Je crois que chaque entreprise aura finalement un département d’IA, tout comme les départements IT existent aujourd’hui. Encord sera la seule plateforme dont ils auront besoin pour gérer les vastes quantités de données nécessaires à l’IA et mettre les modèles en production rapidement.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Encord.