L'IA d'entreprise privilégie le contrôle des données sur la capacité brute
La prochaine phase de l'IA d'entreprise met l'accent sur la propriété et le contrôle des données, au-delà de la simple performance des modèles. Les changements réglementaires et l'essor des modèles open-source remodèlent le marché.
Le champ de bataille actuel de l'IA d'entreprise évolue de la tarification par jeton vers la propriété et le contrôle des données. Le PDG de Palantir, Alex Karp, a vivement critiqué, suggérant que les entreprises paient des frais élevés pour des outils d'IA tandis que les fournisseurs exploitent les données sensibles des clients pour améliorer leurs propres modèles propriétaires. Cette pratique, que Karp a comparée à une "taxe sur la richesse" pour les entreprises, suscite un contrecoup important de la part des dirigeants d'entreprise.
Ce sentiment s'aligne sur un consensus croissant selon lequel les entreprises exigent un plus grand contrôle sur leurs données et leurs implémentations d'IA. Les questions clés d'approvisionnement tournent désormais autour de la propriété des données, de leur résidence, du contrôle des poids des modèles et des assurances que les données des clients ne seront pas utilisées pour l'entraînement de modèles externes. Ces demandes deviennent rapidement des composants standard des contrats d'IA.
Les organismes de réglementation s'impliquent également de plus en plus. La Reserve Bank of India a introduit le cadre FREE-AI, privilégiant les modèles indigènes spécifiques à un secteur et soulignant la souveraineté des données. Les tendances mondiales, y compris la loi européenne sur l'IA, signalent une évolution vers l'auto-hébergement et des contrôles plus stricts, affectant particulièrement le marché adressable des solutions d'IA opaques dans les industries réglementées.
Les modèles d'IA open-source offrent une alternative viable, permettant aux organisations d'exécuter et d'affiner des modèles sur leur propre infrastructure avec leurs propres données. Cette approche réduit considérablement les coûts, avec des rapports indiquant des économies jusqu'à 26 fois supérieures par rapport aux systèmes propriétaires. L'adoption des modèles à poids ouverts s'intensifie, reflétant une préférence du marché pour la transparence et le contrôle.