L’IA générative peut changer le monde – mais seulement si l’infrastructure de données suit

Malgré le buzz entourant Generative AI, la plupart des experts du secteur n’ont pas encore abordé une question importante : Existe-t-il une plate-forme d’infrastructure qui puisse supporter cette technologie à long terme, et si oui, sera-t-elle suffisamment durable pour soutenir les innovations radicales que promet l’IA générative ?

Les outils d’IA générative ont déjà acquis une certaine réputation, grâce à leur capacité à écrire du texte bien synthétisé en un clic – des tâches qui pourraient autrement nécessiter des heures, des jours, des semaines ou des mois pour être achevées manuellement.

C’est tout bien et bon, mais en l’absence d’une infrastructure appropriée, ces outils ne disposent simplement pas de la scalabilité nécessaire pour vraiment changer le monde. Bientôt dépassant $76 milliards, les coûts de fonctionnement astronomiques de l’IA générative sont déjà un témoignage de ce fait, mais il y a d’autres facteurs en jeu.

Les entreprises doivent se concentrer sur la création et la connexion des bons outils pour l’utiliser de manière durable et doivent investir dans une infrastructure de données centralisée qui rend toutes les données pertinentes accessibles de manière transparente à leur LLM sans pipelines dédiés. Avec une mise en œuvre stratégique des bons outils, elles seront en mesure de livrer la valeur commerciale qu’elles recherchent, malgré les limitations de capacité que les centres de données imposent actuellement – ce n’est qu’alors que la révolution de l’IA avancera vraiment.

Un modèle familier

Selon un nouveau rapport de l’Institut de recherche de Capgemini, 74% des dirigeants estiment que les avantages de l’IA générative l’emportent sur les préoccupations qu’elle suscite. Un tel consensus a déjà conduit à des taux d’adoption élevés parmi les entreprises – environ 70% des organisations d’Asie-Pacifique ont soit exprimé leur intention d’investir dans ces technologies, soit commencé à explorer des cas d’utilisation pratiques.

Mais le monde a déjà emprunté cette voie. Prenons l’exemple de l’internet, qui a progressivement attiré l’attention avant de dépasser les attentes via une myriade d’applications remarquables. Mais malgré ses capacités impressionnantes, il n’a vraiment décollé qu’une fois que ses applications ont commencé à livrer une valeur tangible aux entreprises à grande échelle.

Regarder au-delà de ChatGPT

L’IA suit un cycle similaire. Les entreprises se sont rapidement engagées dans cette technologie, avec un estimé de 93% d’entreprises déjà engagées dans plusieurs études de cas d’utilisation de l’IA/ML. Mais malgré le taux d’adoption élevé, de nombreuses entreprises ont encore du mal à déployer – un signe révélateur d’une infrastructure de données incompatible.

Avec la bonne infrastructure, les entreprises peuvent regarder au-delà du niveau de surface des capacités séduisantes de l’IA générative et exploiter son véritable potentiel pour transformer leurs paysages commerciaux.

En effet, l’IA générative peut aider à rédiger un bref rapidement et, dans la plupart des cas, de manière assez efficace, mais son potentiel va bien au-delà. De la découverte potentielle de médicaments aux traitements de santé, en passant par l’optimisation de la chaîne d’approvisionnement, aucune de ces avancées n’est possible si les centres de données qui soutiennent et alimentent les applications d’IA ne sont pas suffisamment robustes pour gérer leurs charges de travail.

Surmonter la barrière de la scalabilité

L’IA générative n’a pas encore vraiment livré de valeur significative aux entreprises parce qu’elle manque de scalabilité. Cela est dû au fait que les centres de données ont des limitations de capacité – leur infrastructure n’a pas été conçue à l’origine pour supporter l’exploration massive, l’orchestration et le réglage de modèle que les grands modèles de langage (LLM) nécessitent pour exécuter plusieurs cycles d’entraînement de manière efficace.

Récolter des avantages de l’IA générative dépend donc de la manière dont une entreprise exploite ses propres données, ce qui peut être amélioré en développant une architecture de données robuste. Cela peut être réalisé en connectant les sources de données structurées et non structurées aux LLM ou en augmentant le débit des matériels existants.

Il est essentiel que les entreprises qui souhaitent former leur LLM sur des données organisationnelles puissent d’abord consolider ces données de manière unifiée. Sinon, les données laissées dans une structure cloisonnée généreront probablement des biais dans les capacités d’apprentissage du LLM.

Un système de soutien

L’IA générative n’est pas apparue par hasard – elle est en développement depuis un certain temps, et son utilisation et son potentiel ne feront que croître dans les décennies à venir. Mais pour l’instant, ses applications commerciales atteignent un mur qui n’est pas scalable.

La réalité est que ces divers outils ne sont forts que que la infrastructure de traitement de données qui les soutient. Il est donc crucial que les dirigeants d’entreprise exploitent des plateformes capables de traiter les pétaoctets de données dont ces outils ont besoin pour livrer de manière tangible la valeur significative qu’ils promettent.