Jeux Olympiques de Paris 2024 : une photographie de l'avenir de l'IA

Selon l'expert en analyse financière américain S&P Global, 2024 sera marquée par une explosion des " créateurs d'applications d'IA ".

Si les grands modèles de langage (LLM) ont longtemps été le centre de toutes les attentions, une nouvelle tendance se dessine : les investisseurs se ruent désormais sur les entreprises qui développent des applications d’IA à l’utilité tangible, mesurée et ciblée. En effet, les chiffres parlent d’eux-mêmes : selon S&P Global Market Intelligence et 451 Research, les entreprises axées sur des modèles d’IA ouverts ont attiré plus du double des investissements au premier trimestre 2024 par rapport à l’année précédente.

L’un des grands atouts de l’IA est sa capacité à libérer du temps pour les professionnels. Mais pour que cette promesse soit pleinement tenue, les outils d’IA doivent être finement ajustés aux besoins spécifiques des secteurs et des rôles. Et surtout, ils doivent être fiables ! Si les chatbots basés sur des LLM se sont révélés efficaces pour fournir des réponses générales pertinentes, ils peinent souvent à atteindre la précision requise pour des cas plus complexes. Leur large éventail de données d’entraînement peut parfois entraîner des erreurs préjudiciables ou des phénomènes d’hallucinations. En revanche, les outils d’IA conçus sur mesure pour des besoins précis sont beaucoup mieux calibrés pour délivrer des résultats exacts et fiables.

Les Olympiens de l'IA - Outils spécialisés pour des disciplines spécifiques

Pour mieux saisir cette idée, prenons l'exemple des Jeux Olympiques. Les modèles de base, comme les qualités fondamentales attendues chez un athlète de haut niveau – condition physique, engagement, ténacité et quête incessante de l’excellence – sont essentiels. Cependant, les Jeux Olympiques regroupent 32 sports et plus de 400 épreuves, chacune exigeant des compétences et une expérience spécifique, tout comme les nombreux secteurs et expertises de notre société. De la même manière, si l’IA offre une technologie fondamentale pour divers cas d’usage, chaque produit et service doit être finement ajusté aux particularités de son domaine pour répondre aux besoins uniques de chaque industrie.

Pour prolonger la métaphore, il est rare qu'un athlète participe à plusieurs sports ou disciplines en même temps aux Jeux Olympiques. En général, chaque athlète est un spécialiste dans son domaine. Par exemple, un sprinter optimise sa force et son entraînement pour briller sur de courtes distances, ce qui le rend moins adapté aux épreuves de course de fond. Aujourd'hui, les chatbots IA les plus avancés sont des modèles généralistes, conçus pour fournir des connaissances étendues sur une large gamme de sujets. Cependant, cette approche a ses limites : un chatbot peut offrir des informations générales sur divers thèmes, mais il peut ne pas exceller dans des tâches plus spécialisées nécessitant une expertise pointue.

L’image du coureur illustre bien ces enjeux. Un outil de recherche universel alimenté par l'IA, comme un sprinter, est conçu pour fournir des informations rapidement et efficacement. Cependant, pour des tâches nécessitant une analyse approfondie, comme les prévisions d'affaires, une approche de type coureur de fond est nécessaire. Ces modèles d'IA prédictive scrutent les données historiques, accumulent des connaissances sur le long terme, et ajustent constamment leurs prévisions en fonction des évolutions de l'entreprise. Les recherches du Computer Science and Artificial Intelligence Laboratory (CSAIL) du MIT démontrent que combiner plusieurs grands modèles de langage pourrait offrir des résultats plus précis. Ainsi, un nouvel écosystème d'IA pourrait émerger, alliant rapidité et spécialisation pour mieux répondre aux besoins diversifiés des utilisateurs.

L'avenir de l'IA : un décathlonien ou une équipe d'athlètes spécialisés ?

En scrutant la trajectoire actuelle de l’écosystème IA, deux directions pour l’avenir de l’industrie se dessinent. La première est une quête incessante pour créer le modèle d'IA généraliste ultime, capable de briller dans une vaste gamme de tâches, à l'image d'un décathlonien qui excelle dans des disciplines variées comme le sprint, le saut en longueur ou la perche. Ce modèle promet d’optimiser les flux de travail et d’améliorer l’expérience utilisateur. Cependant, tout comme un décathlonien peut ne pas rivaliser avec un spécialiste dans une discipline précise, un modèle d'IA généraliste pourrait rencontrer des limites et peiner à atteindre le niveau d'excellence des outils plus spécialisés.

Des alternatives prometteuses permettent de combiner le meilleur des deux mondes. Elles envisagent l'avenir à travers un réseau de produits d'IA spécialisés, à l’image d’une équipe d’athlètes spécialisés. Dans cette approche, chaque modèle d’IA se concentre sur un domaine spécifique, tout comme les athlètes se spécialisent dans leurs sports. A l’instar d’une équipe olympique qui maximise son potentiel en réunissant les talents des sprinteurs, nageurs et gymnastes pour gagner le plus de médailles. En somme, la spécialisation permet à chaque IA de performer au mieux dans son domaine, souvent mieux qu’un modèle généraliste. Cependant, pour réussir, cette approche en réseau nécessitera une coordination sophistiquée et une interopérabilité solide pour garantir une expérience utilisateur fluide et cohérente.

Les Jeux Olympiques de Paris cet été sont une fenêtre ouverte sur l’avenir de notre écosystème d’IA. Le choix entre un modèle d'IA généraliste, façon “décathlonien”, et un réseau d'outils spécialisés dépendra des ambitions et des décisions des entreprises technologiques qui façonnent ce futur. À l’image des objectifs variés de chaque pays lors des Jeux – se concentrer sur une spécialité, maximiser les chances de victoire, ou remporter un maximum de médailles d'or dans diverses disciplines – le type d'écosystème d'IA adopté par une entreprise reflétera ses valeurs et priorités. Dans cette optique, certaines entreprises visant une croissance rapide dans un marché dynamique auront besoin d'agilité et de réactivité. En revanche, celles opérant dans un marché plus stable, avec un focus sur la fidélisation, devront développer des stratégies à long terme.