Le dernier kilomètre de l’application de l’IA : à qui les pays comptent-ils le confier ? La réponse se trouve dans ce document !

Bonjour ! Je suis votre assistant d'analyse financière et commerciale. Cet article d'analyse approfondie sur la « Action spéciale de développement des prestataires de services d'application d'intelligence artificielle » du Ministère de l'Industrie et des TIC contient une grande quantité d'informations et touche directement les points les plus problématiques de l'industrie de l'IA en Chine.

Pour que vous compreniez facilement la logique commerciale derrière cette politique « difficile à saisir », je vais d'abord résumer le contenu essentiel en une phrase, puis l'analyser sous cinq dimensions afin de vous l'expliquer en langage simple.

📌 Résumé du contenu essentiel : Du « jeu des paramètres » au « jeu de la mise en œuvre concrète »

Au cours des trois dernières années, tout le monde se concentrait sur les grands modèles, les puces et les capacités de calcul, pensant que celui qui avait les plus grands paramètres et les meilleurs résultats de performance était le plus puissant. Mais la réalité est plus pragmatique : les modèles sont forts, mais les entreprises ne savent pas comment les utiliser, et même s'ils les utilisent, elles ne gagnent pas d'argent.

Ce nouveau document du Ministère de l'Industrie et des TIC vise à résoudre le problème du « dernier kilomètre » de la mise en œuvre de l'IA. L'État ne se concentre plus seulement sur les géants qui créent les « moteurs » (les grands modèles), mais commence à soutenir activement ces prestataires de services d'application qui peuvent entrer dans les usines et les bureaux, intégrer réellement l'IA dans les processus commerciaux et être responsables des résultats.

En d'autres termes, l'État veut créer une liste blanche de prestataires fiables (un pool de ressources), avec pour objectif d'en atteindre 3000 d'ici 2027. Ceux qui parviendront à transformer l'IA en profits réels pour les entreprises seront les prochains acteurs clés du marché.

---

🔍 Analyse approfondie : Comprendre ce changement sous cinq aspects

1. Changement de rôle : Qui s'occupe du « dernier kilomètre » ?

Auparavant, on pensait que les entreprises d'IA se contentaient de coder ou de vendre des serveurs. Mais ce document redéfinit les acteurs principaux : les prestataires de services d'application d'intelligence artificielle.

• Ce ne sont pas simplement des « intermédiaires » ou des prestataires de services externalisés : ils ne peuvent pas se contenter de prendre une interface API pour créer un bot de conversation.
• **Ce sont des « généralistes » : ils doivent comprendre à la fois la technologie (comment ajuster les modèles), le secteur d'activité (par exemple, la fabrication automobile ou le contrôle des risques financiers) et l'exploitation (comment maintenir le système après son lancement, comment assurer la sécurité des données).
• Les exigences sont plus élevées : pour entrer dans ce pool de ressources, il ne suffit plus d'avoir un simple PowerPoint. Il faut des contrats réels, des clients réels, des cas concrets (au moins 10 à 30 au cours des trois prochaines années) et une équipe spécialisée (au moins trois personnes, avec des preuves d'assurance sociale).
• En langage simple : L'État ne veut pas d'entreprises qui promettent sans tenir leurs promesses, mais plutôt des entreprises qui fournissent des résultats concrets.

2. Réolution de quatre problèmes majeurs : Pourquoi l'IA n'a-t-elle pas pu être mise en œuvre auparavant ?

L'article souligne que l'implémentation de l'IA a été difficile à cause de quatre problèmes principaux, et cette politique vise à les résoudre :

• Problème 1 : Manque de personnes fiables (asymétrie des informations). Les dirigeants d'entreprises veulent utiliser l'IA, mais ne savent pas qui est vraiment compétent et craignent d'être trompés.
• Solution : Créer un pool national de ressources, comme « Dianping » (un site de critiques), pour rendre les compétences, les cas d'utilisation et les qualifications des prestataires accessibles et réduire les coûts de sélection.
• Problème 2 : Une entreprise ne peut pas tout gérer seule (fragmentation des capacités). Un projet d'IA industrielle nécessite des capacités de calcul, des données, des logiciels, du matériel et de la sécurité, ce que les petites entreprises ne peuvent pas assurer seules.
• Solution : Créer des équipes de services d'application. Une entreprise mène le projet, avec la collaboration de plusieurs partenaires de l'industrie, pour fournir des solutions intégrées.
• Problème 3 : Les prototypes sont faciles à créer, mais la reproduction est difficile (difficulté à échelle). Il est facile de créer un prototype pour une entreprise A, mais difficile de le reproduire pour une entreprise B.
• Solution : Développer des packs de produits « petits, rapides, légers et précis ». Modulariser les fonctionnalités courantes pour une mise en œuvre rapide et réduire les coûts d'essai et d'erreur.
• Problème 4 : Manque de personnel, de financement et de données (insuffisance des facteurs clés).
• Solution : Offrir des bons d'achat de capacités de calcul, ouvrir des données industrielles et encourager les universités à former des talents, en particulier des ingénieurs de déploiement sur le terrain (FDE).

3. Trois innovations majeures dans les mécanismes : Comment dépenser l'argent et comment mener les projets ?

Cette politique introduit trois changements importants qui modifient directement la logique commerciale de l'IA :

• Innovation 1 : Les « tokens » deviennent comme de l'électricité, de l'eau ou du carburant. Auparavant, l'achat de logiciels était un achat définitif. Maintenant, les services d'IA sont payés en fonction de l'utilisation (en tokens).
• Note : La politique souligne qu'il ne suffit pas de regarder le nombre de tokens utilisés, mais de voir quels résultats commerciaux chaque token apporte. Si beaucoup de tokens sont consommés sans amélioration des performances ou augmentation des revenus, c'est un gaspillage.
• Innovation 2 : Paiement pour la première acquisition et la première utilisation + compensation des risques. Le principal problème de l'IA est l'incertitude. Les entreprises n'osent pas acheter les premiers produits, et les prestataires n'osent pas les vendre sans cas concrets.
• Solution : L'État ou des institutions d'assurance partagent une partie des risques d'essai et d'erreur. Si le projet échoue pour des raisons techniques, l'État ou l'assurance paie une partie des coûts ; si le projet est un succès, tout le monde partage les bénéfices. C'est comme assurer l'innovation et encourager les entreprises à prendre des risques.
• Innovation 3 : Les ingénieurs de déploiement sur le terrain (FDE) deviennent un atout majeur. Dans le cas des logiciels traditionnels, c'est l'entreprise qui définit les besoins et l'entreprise de développement qui les réalise. Dans les projets d'IA, c'est l'ingénieur de déploiement qui doit identifier les besoins réels de l'entreprise.
• Les FDE sont des experts déployés sur le terrain pour transformer l'expérience tacite des clients (comme les compétences des anciens ouvriers ou les intuitions des anciens employés) en données et en code.
• Clé : Les FDE ne doivent pas devenir de simples agents de service sur place. Leur valeur réside dans leur capacité à déceler les premiers problèmes, puis à permettre à l'équipe de développement de transformer ces problèmes en produits réutilisables.

4. Prévention de quatre erreurs possibles lors de la mise en œuvre de la politique

L'article souligne clairement les écarts qui pourraient survenir lors de l'application de la politique, et ces points doivent être pris en compte par les investisseurs et les professionnels :

• Ne pas se lancer dans une « course au nombre : Afin d'atteindre les 3000 prestataires, les régions pourraient assouplir les critères, ce qui pourrait entraîner l'ajout de prestataires peu fiables dans le pool. Le pool doit disposer d'un mécanisme de sortie pour éviter que les entreprises ne restent pas sans sortie.
• Ne se fier pas seulement au nombre de cas d'utilisation : Avoir 30 cas ne signifie pas que tous sont rentables ou efficaces. Il faut également considérer le taux de renouvellement des contrats, le taux de recouvrement des paiements et la stabilité du système.
• Ne pas transformer les FDE en une simple source de main-d'œuvre externalisée : Si les FDE ne sont rémunérés qu'en fonction du nombre d'heures travaillées sans responsabilité sur les résultats, cela revient à la même approche que par le passé.
• Ne pas considérer la consommation de tokens comme un indicateur de performance : L'État et les entreprises ne doivent pas utiliser l'IA juste pour utiliser l'IA elle-même. Il faut évaluer la productivité globale (par exemple, les taux de réussite dans l'industrie manufacturière ou les coûts d'acquisition de clients dans les services).

5. Qu'en pense le marché financier ? Qui seront les gagnants ?

Pour les investisseurs et les entreprises cotées en bourse, ce document change la logique de valorisation :

• Réévaluation des entreprises : Auparavant, les entreprises de logiciels étaient considérées comme des entreprises à faible marge et à forte dépendance de la main-d'œuvre. Aujourd'hui, les prestataires disposant de connaissances sectorielles, d'un système de livraison et de données d'exploitation continues pourraient bénéficier d'une plus grande valorisation.
• Profil des gagnants :
• Ce ne sont pas les entreprises avec les plus grands modèles.
• Ce sont plutôt celles qui se spécialisent dans 1 à 2 secteurs verticaux (comme la santé, la fabrication, la finance) et qui parviennent à créer un cercle vertueux entre données, modèles et activités commerciales**.
• Quels sont les indicateurs clés ? Ce n'est pas le montant des contrats signés, mais la proportion des revenus récurrents (revenus de souscription), le taux de renouvellement des contrats et le nombre de clients soutenus par chaque FDE (indicateurs d'efficacité).
• Opportunités pour les entreprises de Hong Kong et celles qui s'exportent :
• Les entreprises de Hong Kong peuvent utiliser leurs avantages en matière de financement international, de conformité et de droit pour devenir des intermédiaires pour les prestataires d'IA qui se développent à l'étranger (Asie du Sud-Est, Moyen-Orient).
• **Les petites et moyennes entreprises cotées à Hong Kong peuvent intégrer les compétences et les scénarios du continent par des fusions et acquisitions ou des incubateurs pour créer des entreprises platformes combinant IA et industries.

---

💡 Conseils pour le grand public et les professionnels

1. Si vous êtes le dirigeant d'une entreprise traditionnelle : Ne vous lancez pas aveuglément dans les grands modèles. Commencez par chercher des prestataires dans le pool de ressources pour des projets pilotes à petite échelle, en vous concentrant sur leur capacité à résoudre vos problèmes spécifiques (par exemple, réduire les stocks, améliorer l'efficacité du service client), et vérifiez si les contrats contiennent des clauses relatives aux résultats concrets.

2. Si vous êtes un professionnel de l'IA : Un simple background technique ne suffit plus. Vous devez comprendre le secteur et les activités commerciales. Développer la capacité des FDE (résoudre des problèmes sur le terrain, traduire les besoins commerciaux) est devenu un atout essentiel.

3. Si vous êtes un investisseur : Soyez vigilant envers les entreprises qui parlent seulement de grands modèles sans cas concrets de livraison. Préférez celles qui ont une solide expérience dans des secteurs verticaux et qui transforment leur modèle de revenus de projets ponctuels en revenus récurrents ou basés sur des abonnements.

En résumé : Dans la seconde moitié de l'ère de l'IA, ce n'est plus la question de savoir qui est le plus « intelligent », mais de savoir qui est le plus fiable, qui est le plus capable de mettre en œuvre concrètement les technologies et qui peut prouver leur efficacité économique.