Le plus grand défiňt de l'IA est la résilience, pas la vitesse
Les leaders technologiques soulignent la résilience et la flexibilité de l'IA par rapport à la vitesse et aux coûts, citant l'instabilité des grandes plateformes. Les entreprises ont besoin de systèmes agiles pour s'adapter à l'évolution des conditions du marché et aux changements imprévisibles des modèles.
Le principal défi pour les entreprises technologiques dans le développement de leurs opérations d'IA réside dans la garantie de la résilience et de l'adaptabilité, plutôt que de se concentrer uniquement sur la vitesse ou les économies à court terme. Sumeet Vaidya, PDG de Crafting, souligne que de nombreuses entreprises ont bâti leurs opérations sur des plateformes telles qu'Anthropic et OpenAI, mais que l'instabilité et les changements de prix de ces fournisseurs posent des risques importants.
Alors que les hyperscalers proposent des modèles d'IA avancés, leur nature imprévisible – y compris les changements de politique soudains ou les incidents de sécurité – rend les entreprises vulnérables. Parallèlement, les alternatives open source comme OpenClaw et DeepSeek offrent une qualité comparable à peu de frais, réduisant rapidement les écarts en termes d'utilité et de sécurité qui dissuadaient auparavant l'adoption par les entreprises.
Vaidya conseille aux entreprises de prioriser la modernisation de leur infrastructure pour permettre un échange rapide de modèles d'IA et des fonctionnalités d'agents adaptables. Investir dans la stabilité à long terme et construire des systèmes flexibles sont des stratégies plus efficaces que de suivre des tendances telles que le "tokenmaxxing". Cette approche aide les organisations à suivre les évolutions de l'industrie sans compromettre la qualité ou la sécurité.
La flexibilité est la clé de l'avenir. Les entreprises doivent construire des systèmes qui évitent la dépendance vis-à-vis d'un fournisseur à long terme. L'objectif est de permettre une collaboration transparente entre les agents d'IA et les employés humains, et de concevoir des systèmes capables de tirer parti des derniers modèles et technologies sans perdre le travail développé en interne. Cela nécessite des cadres opérationnels clairs, l'accès à des données et une infrastructure réelles, ainsi que des mesures de sécurité cohérentes pour tous les participants.