Résumé des principaux points
Récemment, l’industrie de l’IA a connu une véritable “course aux dépenses”. Cependant, de nombreuses entreprises utilisent la “consommation de tokens” (la quantité de texte ou de données traitées par l’IA) comme indicateur clé de performance (KPI). Cette approche, qui se concentre uniquement sur la quantité et non sur la qualité, est tout aussi absurde que de juger le niveau d’un cuisinier en fonction de la quantité de gaz utilisée. D’importantes sommes d’argent ont été gaspillées dans des activités IA sans valeur, ce qui a fini par faire prendre conscience à ces entreprises, aveuglément suivantes et uniquement orientées vers les dépenses sans considération des résultats concrets, de la réalité de leur investissement en IA.
I. La course aux dépenses en IA : Où va vraiment l’argent ?
Les dépenses en IA ne sont pas dépourvues de sens, mais elles sont principalement orientées vers trois domaines :
1. Coûts de calcul : L’entraînement des grands modèles nécessite des supercalculateurs (comme des clusters GPU), et une seule exécution peut coûter plusieurs millions, voire des dizaines de millions d’euros. Par exemple, OpenAI aurait dépensé des centaines de millions d’euros pour entraîner GPT-4, l’équivalent du prix de plusieurs avions privés. La majeure partie de ces dépenses est consacrée à l’électricité et à l’usure du matériel (les GPU génèrent beaucoup de chaleur pendant les calculs et nécessitent des systèmes de refroidissement spécialisés).
2. Coûts de recherche et développement : Les salaires des ingénieurs en IA sont très élevés, et il est courant de voir des talents de premier plan percevoir des revenus annuels de plusieurs millions d’euros. Certaines entreprises proposent même des primes ou des options d’achat d’actions pour attirer ces professionnels, ce qui représente plus de 30 % du total des investissements.
3 Achat de données : L’entraînement des modèles IA requiert de grandes quantités de données (images, textes, vidéos). Certaines entreprises achètent des données de mauvaise qualité à prix élevés dans le but d’atteindre les quotas requis, mais ces données inutiles rendent les modèles inefficaces.
Le problème est que de nombreuses entreprises ne produisent aucun résultat concret avec leurs investissements : leurs produits IA sont souvent “imposants” en apparence, mais les utilisateurs n’en ont besoin qu’une seule fois ou ils ne résolvent même pas les problèmes réels.
II. Utiliser la consommation de tokens comme KPI : Pourquoi est-ce le plus ridicule au monde ?
Un “token” est, en somme, l’unité minimale traitée par l’IA. Par exemple, lors d’une conversation avec ChatGPT, chaque caractère saisi ou ponctuation, ainsi que chaque phrase générée par l’IA, compte comme un token. Certaines entreprises utilisent la quantité totale de tokens consommés comme indicateur de performance, tout comme on jugerait un cuisinier en fonction de la quantité de gaz utilisée, indépendamment de la qualité du plat ; ou encore un mineur en fonction du temps passé à manier la pelle, indépendamment de la quantité de charbon extraite.
Cette méthode a conduit à des pratiques absurdes, telles que faire demander aux employés d’utiliser l’IA pour poser des questions répétitives (“Quel est le temps aujourd’hui ?” ou “1 + 1 = ?”) ou de générer du texte sans sens (“Je aime l’IA”), consommant ainsi une grande quantité de tokens sans aucun bénéfice réel pour l’entreprise. Lorsque les factures arrivent, il s’avère que des millions d’euros ont été gaspillés pour rien.
III. Les entreprises “aveuglément suivantes” se réveillent : Elles prennent enfin du recul
Les entreprises “aveuglément suivantes en IA” sont celles qui investissent sans tenir compte de leurs besoins réels ou de leurs capacités, simplement parce que d’autres le font. Par exemple, certaines entreprises manufacturières traditionnelles, qui produisaient des vêtements, ont décidé d’investir dans l’IA en créant des laboratoires coûteux, mais les systèmes de conception développés ne sont pas efficaces. D’autres petites entreprises, déjà en difficulté financière, ont emprunté de l’argent pour acheter des GPU, sans pour autant parvenir à développer de modèles utiles, ce qui a entraîné leur faillite.
Aujourd’hui, ces entreprises réalisent que les dépenses massives ne se traduisent pas en bénéfices et qu’elles ne parviennent même pas à retenir leurs utilisateurs. Elles commencent donc à cesser ces investissements inutiles et se tournent vers des applications IA plus pratiques, telles que l’optimisation des processus de production ou la réduction des coûts.
IV. La “réduction des dépenses en IA” : Est-ce une bonne chose ou une mauvaise chose ?
À court terme, la baisse de l’intensité des investissements pourrait entraîner la faillite de certaines entreprises qui dépendent des financements. Cependant, à long terme, c’est un événement positif :
1. Élimination des bulles : De nombreuses entreprises en IA se sont financées grâce à de belles promesses, mais maintenant elles doivent présenter des produits concrets et des revenus. Seules celles disposant d’une véritable technologie et capable de résoudre des problèmes réels survivront.
2 Retour à l’essentiel : La valeur de l’IA ne réside pas dans la quantité de tokens consommés, mais dans son utilité pour les utilisateurs (aider les médecins à analyser les radiographies, aider les étudiants ou prévoir les pannes d’équipements industriels).
3 Réduction des gaspillages : Les entreprises cesseront de dépenser de l’argent en KPI sans valeur et investiront dans le développement et la mise en œuvre concrète de solutions IA, faisant de l’IA un outil efficace plutôt qu’un simple moyen de dépenser de l’argent.
En somme, le passage d’une phase de “dépenses folles” à un développement plus rationnel est inévitable pour l’industrie de l’IA. Seules les entreprises qui éliminent les inefficacités pourront vraiment intégrer l’IA dans la vie quotidienne des gens et créer de la valeur réelle.
V. Que pensent les particuliers de cette “réduction des dépenses en IA” ?
Pour les particuliers, il n’y a pas de raison de s’inquiéter :
- Les produits IA vraiment utiles (assistants intelligents, traducteurs automatiques, outils médicaux) deviendront de plus en plus courants et peut-être moins chers.
- Les produits basés sur des gimmicks plutôt que sur une utilité réelle disparaîtront progressivement.
- Si vous souhaitez entrer dans le domaine de l’IA, il est maintenant plus important de se concentrer sur les applications concrètes que sur les concepts abstraits (par exemple, apprendre comment utiliser l’IA dans des secteurs spécifiques).
En bref, l’IA n’est ni un mythe ni une blague ; c’est un outil qui prend tout son sens lorsqu’il est utilisé de manière appropriée. La réduction actuelle des dépenses en IA permet à cette technologie de retrouver sa place réelle dans notre vie quotidienne.