Comment l'IA peut s'effondrer et survivre, tout comme Internet.

Les marchés des géants technologiques axés sur l'IA connaissent actuellement des fluctuations spectaculaires, les entreprises cotées en bourse perdant plus de 1 XNUMX milliards La flambée des valorisations en moins d'un mois illustre clairement leur déconnexion avec les fondamentaux. Cependant, la véritable question n'est pas de savoir quand la bulle va éclater, mais comment le secteur peut la dégonfler de manière responsable et se préparer à l'avènement de l'IA.

Ces dernières années, l'IA est devenue synonyme de valorisations astronomiques, d'évolutivité illimitée et de l'impression que personne ne peut rivaliser avec les géants du secteur. Or, la réalité technique a évolué et laisse entrevoir un avenir différent pour l'IA : les véritables gains ne résident pas dans des modèles d'IA extrêmement coûteux qui, un jour, généreront des rendements exceptionnels. De plus en plus, la valeur de l'IA résidera dans son intégration et son utilisation pour générer des profits pour les entreprises, tout en gardant à l'esprit que les modèles d'IA de pointe, repoussant les limites, devraient devenir moins chers, et non plus. Le mythe de la singularité est révolu. La simple mise à l'échelle ne suffit plus à garantir des gains significatifs. L'exécution, la distribution et l'écosystème sont désormais plus importants que la taille brute du modèle.

L’adaptation des attentes à cette nouvelle réalité permettra à la bulle grandissante de l’IA de se dégonfler lentement, plutôt que d’éclater et de ravager l’économie et les marchés financiers comme l’a fait l’éclatement de la bulle Internet il y a un quart de siècle.

Dans les années 90, l'industrie technologique était persuadée qu'Internet pouvait et allait tout faire, et que tout ce qui serait développé sur Internet connaîtrait, par nature, le succès. Elle s'est trompée et la bulle a bel et bien éclaté, mais Internet a survécu. Ce krach a mis en lumière le fait que la réussite en ligne ne dépendait pas uniquement de la technologie sous-jacente – Internet – mais aussi de la capacité à développer des cas d'usage, des produits et du matériel intelligents et performants. Internet n'a pas triomphé grâce à ses seuls protocoles. Son succès est dû à la manière dont les navigateurs, les réseaux de diffusion de contenu et les écosystèmes de développeurs l'ont rendu accessible.

Amazon a survécu et prospère encore, tandis que Pets.com a échoué car elle n'avait jamais eu de moyen rentable de gérer l'expédition de sa nourriture pour chiens, un défi négligé au profit de l'idée séduisante qu'elle pourrait avoir des clients dans tout le pays grâce à l'avènement d'Internet.

C’est précisément là où en est aujourd’hui l’IA à grande échelle : absorbée par les rêves et les attentes concernant le potentiel futur de cette technologie. Il ne fait aucun doute qu’il s’agit de la technologie la plus extraordinaire dont nous disposons actuellement. Mais les modèles d’IA ne sont que la technologie sous-jacente, pas les réponses elles-mêmes, et certainement pas là que se concentreront les profits et la valeur. En effet, les architectures de type transformateur et diffusion, qui sous-tendent la plupart des IA génératives, sont publiques ; les frameworks d’optimisation sont ouverts ; la puissance de calcul est de plus en plus accessible. Le véritable obstacle n’est plus le savoir-faire théorique. C’est la capacité à construire des systèmes fiables et à les intégrer aux processus de création et de production existants qui déterminera le succès. Ces produits et services n’exigent plus non plus d’investissements colossaux. Je le sais par expérience. Notre équipe à Jérusalem a développé un modèle audio-vidéo open source pour la création de vidéos par IA à un coût environ dix fois inférieur à celui des leaders du marché, et qui génère des scènes continues plus longues, souvent avec une résolution et une vitesse supérieures. Ce résultat a été obtenu avec un budget d’environ 100 millions de dollars, et non de milliards. Notre expérience montre que les progrès de l’IA moderne reposent moins sur des recettes secrètes que sur une ingénierie rigoureuse.

Comme pour Internet, ceux qui survivront seront ceux qui exploiteront l'IA pour les cas d'usage, applications matérielles, produits et services les plus pertinents. Il est vrai qu'il est difficile de prédire exactement ce que seront ces applications et services. Après tout, au début des années 90, à l'époque d'AOL ou de Prodigy, personne n'aurait pu imaginer Gmail.

Cependant, en l'absence de don de clairvoyance, il est pertinent de se poser des questions pertinentes tout au long du processus afin de guider l'industrie de l'IA et ses investisseurs de manière à dégonfler progressivement la bulle, tout en construisant simultanément l'économie du futur.

Les investisseurs, notamment les fonds de capital-risque et les fonds de pension qui investissent massivement dans les entreprises d'IA, doivent s'interroger sur la valeur réelle créée. Des milliards de dollars ont été investis dans la recherche au sein des géants de la tech pour développer une IA qui, au final, a été facilement reproduite ailleurs. Les budgets colossaux alloués à l'IA ne garantissent plus ni propriété intellectuelle exclusive, ni fidélisation des utilisateurs, ni rentabilité durable. Désormais, les investisseurs doivent évaluer comment les entreprises conçoivent, optimisent et intègrent leurs modèles aux processus métiers réels des clients, créant ainsi des produits et services concrets. Ils devraient exiger des indicateurs tels que la rentabilité par charge de travail lorsqu'ils examinent des applications d'IA.

Ce sont ces éléments, et non simplement les talents ou le caractère propriétaire du modèle lui-même, qui constituent la clé de sa valeur. Il est également important de comprendre la valeur des modèles open source. Ces derniers surpassent souvent les API fermées, car les chercheurs et les développeurs peuvent les adapter localement. Cette adoption crée un avantage concurrentiel durable pour une entreprise ou un produit, contribuant ainsi à garantir sa rentabilité et son succès.

Les investisseurs et les entrepreneurs soucieux d'une utilisation efficace du capital doivent prendre du recul et évaluer le coût réel de l'IA et de tous ses composants ; ces coûts sont souvent surévalués. Il convient de considérer que les coûts du matériel sont volatils et que la conception de l'IA ne doit pas dépendre d'un appareil ou d'un matériel spécifique. La valeur et le facteur de différenciation d'une entreprise résident dans son rendement par dollar investi, et non dans des remises accordées par les fournisseurs pour un type de matériel particulier. La justification des dépenses en IA repose désormais sur l'optimisation de l'infrastructure, la protection des données propriétaires et la profondeur d'intégration. Les entrepreneurs proposant des solutions pertinentes, conçues ou utilisées avec soin en fonction des performances finales, l'emporteront sur ceux qui recherchent des modèles massifs adaptables ultérieurement à différents usages potentiels. Un autre atout est de proposer des options de déploiement ouvertes aux studios et aux plateformes qui ne peuvent pas dépendre d'une API distante pour des expériences en temps réel.

Les décideurs politiques et l'industrie doivent également adopter une approche plus logique de la réglementation. Les progrès dans ces domaines sont lents et se concentrent principalement sur les modèles de pointe exécutés sur des appareils puissants ; or, cette approche n'est plus viable. La tendance actuelle est clairement à l'exécution de ces modèles sur des appareils grand public, ce qui rend impossible leur réglementation. Le caractère open source de nombreux modèles constitue un autre défi de taille pour l'approche réglementaire actuelle. Une fois encore, la bonne approche consiste à privilégier le déploiement via des applications et des produits, et à élaborer des cadres réglementaires adaptés à chaque secteur, plutôt que des politiques générales concernant les modèles. L'objectif devrait être de réglementer les applications et les secteurs, avec des normes de provenance, des mécanismes de sécurité intégrés aux produits et une obligation de transparence pour les médias synthétiques. L'histoire des années 90 et du début des années 2000 nous offre un enseignement précieux à ce sujet : l'affaire contre la société de partage de fichiers musicaux populaire Napster La loi ne limitait pas le partage de fichiers en tant que tel — cette technologie n'a fait que se développer et s'accélérer, cédant finalement la place au streaming — mais privilégiait plutôt un déploiement responsable de cette technologie par les plateformes. (Même après sa faillite, Napster a réussi à se maintenir en tant que marque en adaptant son déploiement technologique et a été racheté pour plus de 200 millions de dollars en début d'année.)

En résumé, le marché se consolidera autour de quelques modèles d'IA multimodaux unifiés, optimisables et adaptables à différents usages. Tous les acteurs doivent accorder une attention accrue aux applications et à la valeur ajoutée concrète que l'IA peut apporter aux entreprises, au lieu de se laisser séduire par les promesses des modèles eux-mêmes. Le secteur croît plus vite qu'il ne crée de valeur. L'éventualité d'une correction brutale, semblable à la bulle internet des débuts, reste ouverte. Mais la clarté d'aujourd'hui est gage de résilience pour l'avenir.