L’IA générative peut changer le monde – mais seulement si l’infrastructure des données suit le rythme

L'IA générative peut changer le monde si l'infrastructure des données suit.

Malgré le battage médiatique entourant l’IA générative, la plupart des experts de l’industrie n’ont pas encore abordé une question importante : existe-t-il une plateforme d’infrastructure capable de soutenir cette technologie à long terme, et si oui, sera-t-elle suffisamment durable pour soutenir les innovations radicales promises par l’IA générative ?

Les outils d’IA générative se sont déjà forgé une solide réputation, grâce à leur capacité à écrire du texte bien synthétisé en un clic – des tâches qui pourraient autrement prendre des heures, des jours, des semaines ou des mois à accomplir manuellement.

C’est bien beau tout ça, mais sans l’infrastructure adéquate, ces outils n’ont tout simplement pas l’évolutivité nécessaire pour changer véritablement le monde. Avec des coûts d’exploitation astronomiques qui devraient bientôt dépasser les 76 milliards de dollars, l’IA générative est déjà un exemple flagrant de cette réalité, mais il y a d’autres facteurs en jeu.

Les entreprises doivent se concentrer sur la création et la connexion des bons outils pour l’utiliser de manière durable et investir dans une infrastructure de données centralisée qui rendra toutes les données pertinentes facilement accessibles à leur LLM sans avoir besoin de pipelines dédiés. En mettant en œuvre de manière stratégique les outils adéquats, elles pourront fournir la valeur commerciale recherchée malgré les limitations de capacité actuelles imposées par les centres de données – c’est seulement à ce moment-là que la révolution de l’IA pourra réellement progresser.

• Servir efficacement des LLM open source
• Démystifier la régression logistique un guide simple
• Qu’est-ce que la qualité des données ?

Un schéma familier

Selon un nouveau rapport du Capgemini Research Institute, 74 % des dirigeants estiment que les avantages de l’IA générative l’emportent sur ses préoccupations. Un tel consensus a déjà incité les entreprises à l’adopter massivement – environ 70 % des organisations de la région Asie-Pacifique ont déjà exprimé leur intention d’investir dans ces technologies ou ont commencé à explorer des cas d’utilisation pratiques.

Mais le monde a déjà emprunté cette voie. Prenons par exemple Internet, qui a progressivement attiré de plus en plus d’attention avant de dépasser les attentes grâce à une multitude d’applications remarquables. Mais malgré ses capacités impressionnantes, il a vraiment décollé lorsque ses applications ont commencé à apporter une valeur tangible aux entreprises à grande échelle.

Aller au-delà de ChatGPT

L’IA suit un cycle similaire. Les entreprises se sont rapidement approprié cette technologie, avec environ 93 % des entreprises déjà engagées dans plusieurs études de cas d’utilisation de l’IA/ML. Mais malgré ce taux d’adoption élevé, de nombreuses entreprises éprouvent encore des difficultés de déploiement – un signe révélateur d’une infrastructure de données incompatible.

Avec l’infrastructure adéquate, les entreprises peuvent aller au-delà des capacités alléchantes de l’IA générative et exploiter son véritable potentiel pour transformer leur paysage commercial.

En effet, l’IA générative peut aider à rédiger rapidement un bref et, dans la plupart des cas, assez efficacement, mais son potentiel va bien au-delà. De la découverte potentielle de médicaments aux traitements de santé en passant par l’optimisation de la chaîne d’approvisionnement, aucune de ces percées n’est possible si les centres de données qui soutiennent et alimentent les applications d’IA ne sont pas suffisamment solides pour gérer leurs charges de travail.

Surmonter les obstacles à l’évolutivité

L’IA générative n’a pas encore vraiment apporté une valeur significative aux entreprises car elle manque d’évolutivité. Cela est dû au fait que les centres de données ont des limitations de capacité – leur infrastructure n’a pas été initialement conçue pour prendre en charge l’exploration massive, l’orchestration et le réglage des modèles que les grands modèles de langage (LLM) nécessitent pour exécuter efficacement plusieurs cycles d’entraînement.

Tirer une valeur de l’IA générative dépend donc de la manière dont une entreprise exploite ses propres données, ce qui peut être amélioré grâce au développement d’une architecture de données robuste. Cela peut être réalisé en connectant des sources de données structurées et non structurées aux LLM ou en augmentant le débit du matériel existant.

Il est essentiel que les entreprises qui souhaitent former leur LLM sur des données organisationnelles puissent d’abord consolider ces données de manière unifiée. Sinon, les données laissées dans une structure cloisonnée risquent de générer des biais dans les capacités d’apprentissage du LLM.

Un système de soutien

L’IA générative n’est pas apparue de nulle part – elle a été en préparation pendant un certain temps et son utilisation et son potentiel ne feront que croître au fil des décennies à venir. Mais pour l’instant, ses applications commerciales se heurtent à une limite qui n’est pas évolutive.

La réalité est que ces différents outils ne sont aussi puissants que l’infrastructure de traitement des données qui les soutient. Il est donc essentiel que les dirigeants d’entreprise utilisent des plates-formes capables de traiter les pétaoctets de données dont ces outils ont besoin pour fournir concrètement la valeur significative qu’ils promettent.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!