IA Générative : Transformer les Industries et les Entreprises
L'IA générative est le sujet brûlant du moment, considérée comme une technologie révolutionnaire capable de transformer de nombreux domaines, y compris la vie humaine. Malgré le battage médiatique en 2023, un rapport de Menlo Ventures indique que son adoption progresse lentement, représentant moins de 1 % des dépenses liées au cloud des entreprises. En comparaison, l'IA traditionnelle constitue 18 % du marché du cloud de 400 milliards de dollars. « Beaucoup pensaient que l'IA générative révolutionnerait rapidement les industries », commente Derek Xiao, investisseur chez Menlo. « Bien qu'elle représente une avancée significative, un véritable changement dans le secteur des entreprises prendra du temps. »
Croissance des Dépenses en IA Traditionnelle
Les prévisions indiquent que le marché de l'IA générative pourrait atteindre 76,8 milliards de dollars d'ici 2030, avec un taux de croissance annuel composé (TCAC) exceptionnel de 31,5 % à partir de 2023. D'autres estimations prévoient que cette technologie pourrait générer au moins 450 milliards de dollars dans 12 secteurs au cours des sept prochaines années.
Depuis son lancement en novembre 2022, ChatGPT est devenu un outil central tant dans les réunions d'entreprise que dans les conversations informelles. Cependant, le rapport State of AI in the Enterprise de Menlo révèle que 50 % des entreprises interrogées avaient déjà adopté une forme d'IA avant 2023. Le nombre d'entreprises utilisant l'IA a augmenté de 7 %, passant de 48 % à 55 %, avec une croissance moyenne des investissements d'environ 8 %. Les départements d'ingénierie produit sont en tête des dépenses consacrées aux solutions d'IA.
Malgré cette croissance, les entreprises demeurent prudentes face à l'IA générative. « Nous avions anticipé un succès instantané pour l'IA générative », déclare Naomi Ionita, partenaire chez Menlo. « En réalité, 2023 a été une année d'exploration. » En regardant vers l'avenir, Xiao affirme que 2024 sera décisif pour l'implémentation de l'IA générative.
Préoccupations Entourant l'Adoption de l'IA Générative
Alors que les entreprises s'orientent dans ce paysage, Tim Tully, partenaire chez Menlo, recommande d'adopter une approche mesurée. « Les dirigeants devraient se sentir rassurés par ces résultats et comprendre qu'une transition lente est acceptable », souligne-t-il. Il remarque que l'évolution rapide de l'IA générative suscite des hésitations, souvent en raison de contraintes budgétaires.
« Prendre ces décisions coûteuses requiert une réflexion approfondie », note-t-il. Les schémas historiques des technologies transformantes, comme le cloud computing, laissent entendre que l'adoption continuera d'être progressive. Les obstacles à l'adoption incluent un retour sur investissement non vérifié, le "problème du dernier kilomètre", des enjeux de confidentialité des données, un manque de talents en IA, une capacité organisationnelle limitée, des défis de compatibilité avec les systèmes existants, et une insuffisance d'explicabilité et de personnalisation.
Menlo signale que les solutions actuelles pour les entreprises n'ont pas encore rempli leur promesse de transformation significative. Elles peinent à créer de nouveaux flux de travail, et les gains de productivité restent limités, rendant les acheteurs sceptiques tant qu'ils ne perçoivent pas de valeur tangente. Ce scepticisme est en outre compliqué par les difficultés des entreprises à obtenir une approbation financière, comme le déclare Ionita : « La négociation avec les CFO devient de plus en plus difficile. Il y a d'importants obstacles à surmonter. Bien que le potentiel soit évident, le chemin vers la mise en œuvre est complexe. »
Cependant, les adopteurs précoces de l'IA générative constatent des améliorations significatives dans la gestion des données et la simplification des flux de travail fastidieux. « Cela améliore l'expérience utilisateur de manière inédite », remarque Ionita. Tully ajoute que les utilisateurs peuvent créer des « outils exceptionnels » en 20 minutes ou moins. « L'IA générative transforme les flux de travail, simplifie les tâches et favorise le succès des employés. Elle génère une réelle valeur et des revenus. »
Opportunités dans le Secteur de l'IA Générative
Avec l'expansion du marché de l'IA générative, Menlo identifie d'importantes opportunités pour les startups tant dans les applications verticales (spécifiques à un secteur) qu'horizontales (générales). Ionita souligne que les entreprises adoptent de plus en plus des modèles d'IA hybrides, utilisant plusieurs plateformes de base parallèlement à des modèles spécialisés pour divers cas d'usage.
« Lorsque l'IA générative est mise en œuvre, les outils spécifiques à l'industrie gagnent en capacités remarquables », indique le rapport. Par exemple, les spécialistes du marketing utilisent Synthesia pour la création de contenu vidéo, tandis que le secteur juridique fait appel à Harvey pour l'analyse des contrats et la conformité. Des startups comme Greenlite dans la finance, Abridge dans les soins de santé, et Higharc dans l'architecture progressent également.
Sur le plan horizontal, les outils d'IA automatisent des tâches banales. Menlo prévoit une augmentation des agents d'IA capables de « pensée et d'action indépendantes », gérant les e-mails, les calendriers, la prise de notes, et s'intégrant de manière fluide dans des flux de travail spécifiques. « Redonner un temps précieux aux employés est un avantage évident », souligne Ionita, reconnaissant que le travailleur moyen jongle avec un ensemble complexe d'outils.
Pour l'avenir, Menlo prévoit que « l'IA passera d'une nouveauté à un collaborateur standard et attendu dans le travail quotidien. »
Standardisation de l'Infrastructure IA Moderne
Les investissements de Menlo dans des entreprises comme Anthropic et Pinecone reflètent l'augmentation des investissements des entreprises—1,1 milliard de dollars cette année—dans l'architecture moderne de l'IA, la rendant cruciale dans le domaine de l’IA générative. Les entreprises rapportent que 35 % de leur budget d'infrastructure est alloué aux modèles de base comme OpenAI et Anthropic, qui dominent les modèles de production, représentant plus de 85 %.
La plupart des modèles d'IA existent déjà, seulement 10 % des entreprises optant pour le pré-entraînement des modèles. Les entreprises utilisent généralement une variété de modèles pour un meilleur contrôle et une efficacité des coûts, avec 96 % des dépenses consacrées à l'inférence. Les méthodes de personnalisation populaires incluent l'ingénierie des prompts, tandis que l'évaluation implique souvent un examen humain.
De plus, la génération augmentée par recherche (RAG) émerge comme une pratique standard, enrichissant les modèles de langage à grande échelle (LLM) avec des bases de connaissances externes pour des réponses opportune et pertinentes. Dans l'enquête de Menlo, 31 % des entreprises ont indiqué employer RAG, tandis que 19 % pratiquent l'ajustement fin, 18 % utilisent des adaptateurs, et 13 % incorporent l'apprentissage par renforcement avec retour humain (RLHF).
Bien que les premières phases de l'IA générative aient été marquées par des changements rapides, Xiao note un changement dans l'industrie vers une convergence autour des composants clés et des meilleures pratiques. Néanmoins, l'infrastructure moderne de l’IA manque de standardisation complète, offrant des opportunités pour des startups fournissant des services de déploiement de modèles, de gestion de pipeline de données et de mesures de sécurité.
Les startups devraient prioriser le développement d'outils favorisant de nouveaux flux de travail, un raisonnement avancé, et une analyse de données propriétaire, plutôt que de simplement créer un « emballage pour ChatGPT ». « La clé est d'innover dans des marchés où les acteurs établis ne sont pas présents », prévient Xiao, soulignant l'importance de la différenciation.
Classement
