eGain : La pile IA de Jensen Huang manque d'une couche de connaissances critique
eGain Corporation affirme que le modèle de pile IA de Jensen Huang omet une couche essentielle de gestion des connaissances. L'entreprise déclare que cette lacune entraîne souvent des échecs dans les applications d'IA d'entreprise.
Le fournisseur de solutions d'IA, eGain Corporation, a critiqué le modèle de pile d'IA à cinq couches présenté par Jensen Huang lors de la GTC 2026, affirmant qu'il néglige une composante essentielle de gestion des connaissances. eGain soutient que cette omission est la principale raison des échecs dans les applications d'IA d'entreprise.
Le modèle de Huang, comprenant les couches d'énergie, de puces, d'infrastructure, de modèles et d'applications, néglige le lien critique entre les modèles d'IA et les applications destinées aux utilisateurs. eGain identifie cette lacune comme le point où l'IA d'entreprise échoue en pratique, en particulier lors de l'intégration de modèles avancés dans des contenus d'entreprise existants, souvent fragmentés et obsolètes.
L'entreprise soutient que le problème ne réside pas dans les modèles d'IA eux-mêmes, tels que GPT ou Gemini, mais dans les données qu'ils traitent. Des informations mal gérées, contradictoires ou obsolètes conduisent à des réponses inexactes et incohérentes, érodant la confiance des clients et augmentant les risques de conformité. Selon Gartner, jusqu'à 100 % des projets d'assistants virtuels basés sur l'IA générative qui manquent d'une intégration moderne de gestion des connaissances échoueront à atteindre leurs objectifs.
eGain souligne qu'une IA d'entreprise réussie nécessite une couche dédiée à la gestion des connaissances. Cette couche doit ingérer, organiser, gouverner et mettre à jour les connaissances de l'entreprise pour créer une source de vérité unifiée et fiable. Ce n'est qu'ainsi que les modèles d'IA pourront synthétiser de manière fiable des informations précises et actuelles pour répondre aux requêtes des clients.