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

Malgré le buzz entourant l’intelligence artificielle générative, la plupart des experts de l’industrie 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 promises par l’intelligence artificielle générative ?

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

C’est tout bien et bon, mais en l’absence de l’infrastructure appropriée, ces outils ne possèdent simplement pas la scalabilité nécessaire pour vraiment changer le monde. Bientôt, les coûts de fonctionnement astronomiques de l’intelligence artificielle générative, qui devraient dépasser $76 milliards, sont 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 exploiter durablement l’intelligence artificielle générative et doivent investir dans une infrastructure de données centralisée qui rende toutes les données pertinentes accessibles de manière transparente à leurs modèles de langage 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’intelligence artificielle progressera vraiment.

Un schéma familier

Selon un nouveau rapport de l’institut de recherche Capgemini, 74% des dirigeants estiment que les avantages de l’intelligence artificielle 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 grâce à une multitude 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’intelligence artificielle suit un cycle similaire. Les entreprises se sont rapidement engagées dans cette technologie, avec environ 93% des entreprises déjà engagées dans plusieurs études de cas d’utilisation de l’apprentissage automatique. 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 l’infrastructure appropriée, les entreprises peuvent regarder au-delà de la surface de l’intelligence artificielle générative et exploiter son véritable potentiel pour transformer leurs paysages commerciaux.

En effet, l’intelligence artificielle générative peut aider à rédiger un rapport rapidement et, dans la plupart des cas, de manière efficace, mais son potentiel va bien au-delà. De la découverte de médicaments potentiels 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’intelligence artificielle ne sont pas suffisamment robustes pour gérer leurs charges de travail.

Surmonter la barrière à la scalabilité

L’intelligence artificielle 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 l’ajustement de modèles nécessaires aux modèles de langage pour exécuter plusieurs cycles d’entraînement de manière efficace.

La réalisation de la valeur de l’intelligence artificielle générative repose donc sur 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 modèles de langage ou en augmentant le débit des matériels existants.

Il est essentiel que les entreprises qui souhaitent former leurs modèles de langage sur les 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 des modèles de langage.

Un système de soutien

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

La réalité est que ces divers outils ne sont pas plus forts que l’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 la valeur significative qu’ils promettent.