L'autre jour, j'ai vu une étude du MIT. Elle indique que quatre-vingt-quinze pour cent des projets d'IA générative d'entreprise ont été jugés comme des échecs. Quatre-vingt-quinze pour cent. Vous avez probablement déjà entendu l'excuse du chœur de l'industrie : "Ils n'ont pas acheté suffisamment (de mon) infrastructure" L'argument est le suivant : si vous n'avez pas rafraîchi vos serveurs, votre stockage, votre réseau, si vous n'utilisez pas la dernière ferme de GPU de leur catalogue, votre projet d'IA est bien sûr voué à l'échec. Et toujours avec ce refrain fatigué : "il n'a pas été dimensionné" : "il n'a pas été mis à l'échelle"
Mais qu'est-ce que cela signifie ? Que signifie l'échelle si vous ne pouvez pas la définir, si vous ne pouvez pas la relier aux résultats auxquels votre entreprise est réellement attachée ? Permettez-moi de vous présenter une perspective différente. La conclusion du MIT, à savoir que l'IA d'entreprise échoue dans 95 % des cas, n'a pas grand-chose à voir avec le choix des fournisseurs, les piles d'infrastructure ou les racks de lumières clignotantes. Elle a tout à voir avec deux choses : les personnes et le temps.
Tout d'abord, les personnes. Le capital humain. Disposez-vous de l'expertise informatique nécessaire pour construire un modèle de base ? Pour le former, le régler, l'affiner jusqu'à ce qu'il devienne un avantage concurrentiel ? Ou est-il préférable d'accorder une licence à un modèle construit par quelqu'un qui a déjà fait mieux, à l'échelle mondiale ? Pensez-y. Les entreprises ne construisent plus leurs propres systèmes de paie. Elles ne roulent pas leur propre stockage ou ne fabriquent pas leurs propres serveurs. Elles n'écrivent pas leur propre CRM. Pourquoi ? Parce qu'il s'agit de technologies contextuelles, et non de technologies essentielles à la mission. Il en va de même pour les modèles d'IA fondamentaux. La plupart des entreprises obtiendront davantage de résultats en utilisant un modèle mature et renforcé qu'en essayant de le construire à partir de zéro.
Deuxièmement, le temps. Ou plus précisément, la latence dans la préparation. L'IA à grande échelle ne se produit pas par hasard. Si vous vouliez utiliser l'IA à grande échelle dans votre entreprise aujourd'hui, la vérité est que vous auriez dû commencer à vous préparer il y a sept ans. Il y a sept ans, vous auriez dû construire des centres de données de 100 mégawatts et signer des contrats d'électricité massifs. Vous auriez dû commander les turbines solaires Titan 250/350 avec leurs délais de livraison de sept ans. Il y a trois ans, vous auriez dû planifier des baies de 250 à 500 kilowatts, un refroidissement immersif et des architectures de dissipation thermique de pointe. Vous auriez dû architecturer vos réseaux de manière à fournir 400, 800, 1600 gigabits par rack, voire plus. Si vous l'aviez fait il y a trois à sept ans, vous seriez prêts aujourd'hui. Vous disposeriez de l'infrastructure de base, de la puissance, du refroidissement et de la capacité nécessaires pour concrétiser l'investissement d'infrastructure requis dans l'IA d'entreprise.
Mais la vérité, c'est que la plupart des entreprises n'ont pas planifié l'IA il y a sept ans. Et ce n'est pas grave. Car l'autre voie à suivre ne nécessite pas d'attendre 84 mois pour disposer d'une nouvelle salle de données ou de reconstruire l'ensemble de la pile informatique à partir de zéro. L'autre voie, c'est l'informatique dématérialisée. Avec le cloud, vous éliminez la latence des délais d'infrastructure. Votre projet d'IA peut démarrer demain, et non dans plusieurs années si vous essayez de tout construire vous-même, et non dans plusieurs mois si vous perdez du temps à répliquer des pétaoctets de données avant même de pouvoir commencer. La voie à suivre est celle du logiciel : connecter les données que vous possédez déjà - toutes, pas seulement les 10 % dans les bases de données, mais les 90 % restants enfermés dans des fichiers et des magasins d'objets. Il s'agit d'unifier ces données entre les applications SaaS, les services en nuage et les systèmes sur site, et de raisonner immédiatement à partir de ces données. Que vous exploitiez des plateformes d'analyse d'IA comme Palantir, Glean ou Databricks, qui prospèrent sur des données structurées et semi-structurées et doivent pouvoir consommer des données non structurées là où elles se trouvent, ou que vous combiniez des modèles sous licence d'Anthropic ou d'OpenAI avec des bases de données internes, ou que vous reliiez des référentiels sur site directement à un calcul accéléré provisionné instantanément dans AWS, Azure, GCP ou OCI, vous pouvez louer, tester et vous entraîner dès maintenant. Vous pouvez expérimenter sur plusieurs clouds, apprendre ce qui fonctionne le mieux pour votre entreprise et évoluer lorsque vous êtes prêt, sans délai.
C'est là que réside la véritable opportunité. Elle ne dépend pas d'une mise à niveau de votre infrastructure à l'aide d'un chariot élévateur à fourche. Elle ne dépend pas de la réarchitecture d'un réseau électrique local. Il s'agit de considérer votre entreprise pour ce qu'elle est déjà : un trésor de données. Connectez-les. Unifiez-les. Raisonnez à travers elles. C'est là que réside l'avantage concurrentiel.
La question n'est donc pas de savoir si vous avez planifié il y a sept ans. La question est de savoir si vous êtes prêt à agir aujourd'hui. Allez-vous continuer à poursuivre le mythe selon lequel l'IA vous oblige à reconstruire l'ensemble de votre infrastructure ? Ou allez-vous saisir les outils désormais disponibles - des outils qui vous permettent de fonctionner sur site, dans le cloud, sur tous les systèmes que vous possédez déjà - et transformer vos données en quelque chose de bien plus puissant qu'un coût irrécupérable ?
L'avenir n'appartient pas à ceux qui attendent des années pour les réseaux électriques et les livraisons de turbines ou plusieurs trimestres pour les GPU et l'infrastructure de réseau. Il appartient à ceux qui peuvent exploiter les données dont ils disposent déjà, où qu'elles se trouvent, et les transformer en informations, en renseignements et en actions. C'est l'avenir qui vaut la peine d'être construit, et il est réalisable aujourd'hui - il suffit d'un script Terraform.