La course à l'IA passe des grands modèles à des systèmes moins chers et plus intelligents
Les entreprises d'intelligence artificielle délaissent la course aux modèles les plus grands pour des systèmes qui sélectionnent intelligemment le modèle le plus rentable pour chaque tâche. L'accent est mis sur le routage, le coût et l'intégration, plutôt que sur la seule taille du modèle.
La concurrence intense dans le domaine de l'intelligence artificielle (IA) évolue au-delà d'une simple course au développement des modèles les plus grands et les plus récents. Les entreprises concentrent désormais leurs efforts sur la création de systèmes plus efficaces, économiques et intelligents, capables de mieux répondre à des besoins spécifiques.
Aravind Srinivas, PDG de Perplexity, a déclaré que le modèle lui-même n'est plus le produit principal. C'est plutôt le « système » global ou le système d'orchestration, qui intègre le modèle d'IA avec divers outils et sources de données, qui devient essentiel. Ces systèmes peuvent décider de manière autonome quel modèle utiliser, quand l'utiliser et quelles ressources externes sont nécessaires, optimisant ainsi l'efficacité et le coût pour chaque tâche.
Ce changement stratégique coïncide avec une tendance plus large où les entreprises réduisent leurs budgets IA. La puissance croissante et le coût décroissant des modèles ouverts (open-weight models) représentent un défi important pour les modèles économiques des grands laboratoires d'IA comme OpenAI et Anthropic. Peter Fenton, partenaire chez Benchmark, prédit que les modèles ouverts pourraient bientôt représenter plus de 90 % des tokens générés, exerçant une pression sur les marges bénéficiaires des fournisseurs de modèles de pointe.
De plus, la facilité de déploiement et de gestion des modèles ouverts s'améliore, des entreprises comme Ollama permettant aux sociétés d'adopter ces solutions. Les modèles plus petits et spécifiques à une tâche peuvent souvent surpasser les modèles plus grands à usage général, offrant à la fois vitesse et efficacité. Cette tendance rend l'IA plus accessible et plus rentable pour un plus large éventail d'applications dans diverses industries.