Résumé des principaux points
Récemment, Tencent a connu de profondes transformations dans le domaine de l'IA :
1. Sous la direction de son scientifique en chef en IA, Yao Shunyu, les grands modèles ont évolué pour se concentrer sur l'expérience utilisateur plutôt que sur les classements, en améliorant la qualité des données et en lançant le modèle HY3.
2. Les produits IA (tels que les agents intelligents et les outils de codage) ont connu une croissance rapide, entraînant une augmentation significative de la consommation de tokens, mais les ressources de calcul restent insuffisantes. Tencent a choisi de collaborer avec des fabricants de puces plutôt que de développer ses propres solutions.
3. L'IA a modifié la structure organisationnelle de l'entreprise : les équipes de recherche et développement sont devenues plus petites et plus flexibles, et les processus ont été adaptés pour se concentrer sur les résultats plutôt que sur des fonctionnalités prédéfinies.
4. Le codage automatisé par IA a considérablement amélioré l'efficacité du développement, mais il a également soulevé de nouveaux défis, tels que des erreurs dues aux algorithmes ou la nécessité de reviewerer le code manuellement.
5. La commercialisation des produits IA pour le marché grand public rencontre encore des difficultés liées aux coûts élevés ; Tencent se concentre pour l'instant sur l'amélioration de l'expérience utilisateur.
Analyse détaillée
1. L'arrivée de Yao Shunyu : les grands modèles de Tencent deviennent plus pratiques
Auparavant, les grands modèles de Tencent se concentraient davantage sur les classements externes. Avec l'arrivée de Yao Shunyu, l'accent a été mis sur l'expérience utilisateur. Par exemple, il a collaboré avec l'application pour le grand public "Yuanbao" pour faire en sorte que le modèle comprenne mieux les besoins des utilisateurs et a éliminé de nombreuses données inutiles, ne conservant que celles de haute qualité. Résultat : le modèle HY3 est maintenant utilisé par 80 % des utilisateurs d'Yuanbao. Tang Daosheng l'a décrit comme capable de "simplifier les choses complexes", c'est-à-dire d'optimiser les modèles pour répondre réellement aux besoins des utilisateurs, plutôt que de les développer uniquement pour montrer leur puissance.
2. Manque de ressources de calcul, mais Tencent ne fabrique pas ses propres puces
L'IA nécessite de nombreuses ressources de calcul, et la consommation de tokens a augmenté avec l'utilisation croissante des produits IA (tels que les agents intelligents), atteignant plus de 5 billions par jour. Bien que les ressources de calcul disponibles chez Tencent ne suffisent pas encore, l'entreprise ne souhaite pas développer ses propres puces. La production de puces exige des usines, et la pénurie mondiale rend difficile la résolution de ce problème. Pour cela, Tencent collabore avec plusieurs fabricants de puces pour obtenir les composants nécessaires.
3. L'IA transforme les équipes de Tencent en unités plus petites et flexibles
Auparavant, la création de produits dans les entreprises Internet suivait des processus standardisés (conception des fonctionnalités, développement, testage), avec de nombreux niveaux hiérarchiques. Avec l'IA, les choses ont changé :
- Les équipes sont plus petites : quelques personnes suffisent pour le développement, comme l'équipe WorkBuddy qui n'a pas de structure hiérarchique et ne comporte que des groupes de travail sans intermédiaires.
- Les processus sont plus transparents : les modules commerciaux, le code et les retours d'utilisateurs sont partagés, ce qui évite les problèmes de communication dus aux barrières hiérarchiques.
- Le résultat est au centre des attentions : on ne se demande plus "quelles fonctionnalités mettre en place", mais "quels résultats obtenir". À l'avenir, il pourrait même être possible pour une seule personne de créer un produit complet avec l'aide de l'IA.
4. Le codage automatisé par IA améliore l'efficacité du développement
Lorsque Tencent a commencé à utiliser le codage automatisé en 2022, seulement 30 % du code généré par l'IA était accepté. Aujourd'hui, plus de 90 % du code est écrit par l'IA. Les programmeurs peuvent utiliser des outils comme CodeBuddy pour diriger le développement de plusieurs modules en même temps, et la capacité à gérer les demandes est devenue un indicateur clé de l'innovation. Bien que l'entreprise ne calcule pas encore le rapport coût-efficacité des tokens utilisés, la croissance commerciale résultant de ces investissements est significative.
Cependant, l'IA soulève également de nouveaux problèmes : par exemple, les algorithmes peuvent générer du code incorrect ou inutile, ou produire trop rapidement, nécessitant un contrôle manuel important. Ainsi, l'industrie commence à imposer des restrictions sur le fonctionnement des systèmes IA et à utiliser d'autres technologies pour vérifier le code généré.
5. La commercialisation des produits IA pour le grand public est difficile
Certains produits IA pour le grand public commencent à être payants, mais cela s'avère complexe. Les coûts d'exploitation et de calcul pour les services IA sont élevés, et le modèle publicitaire ne suffit pas à couvrir ces dépenses, car l'utilisation et la consommation des utilisateurs varient largement. Tencent ne se compare donc pas aux concurrents en termes de rapidité de commercialisation ; l'entreprise se concentre d'abord sur l'amélioration de l'expérience utilisateur.
De plus, avec la transformation de l'IA en une forme de "externalisation numérique", la valeur des employés a évolué. Les responsables soulignent que bien que l'IA puisse effectuer certaines tâches, les humains restent responsables du contrôle final et de la qualité des résultats.
Conclusion
Tencent est en train d'être transformé par l'IA : de ses modèles à sa structure organisationnelle, en passant par ses méthodes de développement et ses stratégies commerciales, l'entreprise s'adapte aux nouvelles règles de l'ère de l'IA. Bien que des défis existent (en termes de ressources de calcul, de coûts ou d'erreurs algorithmiques), l'objectif général est d'utiliser l'IA pour améliorer l'efficacité et de se rapprocher des besoins des utilisateurs, plutôt que de rechercher simplement la technologie pour elle-même ou de gagner rapidement de l'argent.