La course à la domination de l’IA – FredCavazza.net

Depuis l’avènement de ChatGPT, il existe un consensus sur le potentiel gigantesque que représente l’IA générative. En théorie, les sociétés qui éditent les modèles génératifs les plus performants sont celles qui rafleront la mise dans un futur proche. Sauf que l’évaluation de cette domination est complexe, car elle ne peut pas reposer sur des critères uniquement techniques, mais doit intégrer des éléments macro-socio-économiques pour pouvoir apprécier la résilience des éditeurs sur le long terme. Car non, il ne s’agit pas d’une course de vitesse, mais d’un marathon (et accessoirement une histoire de très gros sous).

#IA #GenAI

En synthèse :

L’économie est aujourd’hui dominée par les grandes sociétés technologiques qui engagent une part significative de leurs ressources dans la course à l’IA générative
Savoir quel acteur domine dans le domaine de l’IA générative est une tâche complexe qui ne peut pas se limiter aux comparaisons reposant sur des critères purement techniques
L’important n’est pas d’évaluer la performance d’un modèle génératif à un instant t, mais d’apprécier la résilience sur le long terme de son éditeur
Le meilleur moyen d’imposer une offre au marché n’est pas de maitriser l’offre (proposer le meilleur modèle), mais de maitriser la demande (convaincre et fidéliser des clients)
Les grandes sociétés technologiques sont fortement avantagées par rapport aux startups grâce à leurs ressources, mais également grâce à leur ancienneté et présence sur le marché

C’est la rentrée, aussi bien pour les collégiens, lycéens, étudiants, salariés… que pour les sociétés technologiques, avec un agenda de fin d’année particulièrement bien chargé : la domination du monde. Oui je sais, cet objectif peut vous sembler disproportionné, mais la réalité que nous avons du mal à appréhender est que le secteur quaternaire (l’économie numérique) est quasiment le seul à pouvoir créer à la fois des emplois et des richesses à grande échelle. Ce secteur étant stimulé par l’innovation, et cette dernière étant monopolisée par tout ce qui touche aux modèles génératifs, il est logique que toute l’attention se concentre sur l’intelligence artificielle, le nouveau champ de bataille des grandes sociétés technologiques.

L’IA est donc LE sujet qui monopolise à la fois les médias, les entreprises et les gouvernements. La preuve en est avec des marchés financiers clairement dominés par les grandes sociétés technologiques, nouvelles locomotives de l’économie : The 50 Most Valuable Companies in the World in 2024.

Comme nous avons pu le constater lors des dernières présentations des résultats financiers, les grandes sociétés technologiques concentrent tous leurs efforts sur l’IA pour plaire aux actionnaires, parfois au détriment de leur rentabilité (Meta, Amazon, and Alphabet are spending big in a battle to dominate AI, it might not end well).

Ceci nous amène à un constat : L’IA générative est la nouvelle boussole des marchés financiers, la ou les sociétés qui sont en avance sur ce sujet vont pouvoir imposer leur offre au reste du marché et rafler la mise. Savoir quelles sociétés dominent sur le sujet de l’IA générative, c’est pouvoir lire l’avenir (croissance, emplois…).

Voilà pourquoi je choisis dans cet article de décortiquer les stratégies des différents acteurs du créneau de l’IA générative et de faire un point à date pour évaluer les capacités des uns et des autres. Et ce n’est pas si simple…

Des benchmarks pas toujours pertinents

L’intelligence artificielle générative n’est pas une technologie, c’est un terme générique pour désigner des outils et pratiques. Dernière ce terme, nous trouvons les fameux modèles génératifs, grands ou petits, ceux qui sont capables de générer du texte, des images, des sons, de la musique, de la vidéo… ou tout ça en même temps (on parle alors de modèles multimodaux).

Jusqu’à présent, la seule méthode utilisée pour comparer les acteurs de l’IA générative entre eux était de mesurer la performance de leurs modèles génératifs. Il existe pour cela différents benchmarks permettant de mesurer la performance technique des modèles pour pouvoir les comparer, à condition de savoir quoi comparer : Toutes les IA ne sont pas les mêmes, arrêtez de les comparer. Le problème est que comme pour la finale du 100 mètres aux JO, la compétition est très féroce avec toujours les mêmes modèles qui se tiennent dans un mouchoir de poche (ChatGPT, Gemini, Claude, Llama, Grok…) : LMSYS Chatbot Arena Leaderboard.

Il existe plusieurs tableaux comparatifs utilisant d’autres critères et intégrant d’autres modèles, mais le Top 5 est toujours grosso-modo le même, il est donc difficile de les départager (cf. MMLU Leaderboard).

Ce que nous constatons en revanche, c’est que si les progrès sont réguliers, les gains de performances sont de plus en plus faibles :

Ce qu’il faut en comprendre, c’est que nous approchons des limites de ces benchmarks : les modèles sont quasiment tous arrivés à l’apogée de leurs performances. Dans ces conditions, il est de plus en plus compliqué pour les grandes sociétés technologies de justifier des investissements toujours plus importants dans la mesure où il n’y a plus de progrès significatifs : Just four companies are hoarding tens of billions of dollars worth of Nvidia GPU chips.

Ce ralentissement de la croissance pourrait être très préoccupant, nous faisant croire à une bulle spéculative comme le secteur des NTIC en a connu de nombreuses (What kind of bubble is AI?), mais rassurez-vous, le marché de l’IA est soutenu par une très forte demande : le besoin de compétitivité des entreprises (L’IA n’est qu’un moyen d’achever votre transformation numérique).

Ouf ! Tout va bien… Il nous reste maintenant deux défis de taille : comprendre ce qu’est réellement l’IA et ce qu’elle peut ou doit nous apporter (Stephen Wolfram thinks we need philosophers working on big questions around AI) et choisir la meilleure IA, donc le modèle le plus performant. Retour à la case départ, avec un marché noyé sous de multiples modèles et versions de modèles et des critères complexes à appréhender (petite ou grande taille ? Modèles fermés ou ouverts ? Grandes sociétés technologiques ou startups ?…)

L’évaluation d’un modèle est réellement une tâche plus complexe qu’elle n’y parait et ne peut en aucun cas se limiter à ses performances techniques, un peu comme une voiture. Tout comme il n’existe pas de bonnes ou mauvaises façons de choisir une voiture (tout est question de compromis entre les performances du moteur, la sensation au volant, le prix de revient au km…), il n’existe pas de bonne ou mauvaise méthode pour choisir un modèle car chacun à ces propres critères et contraintes : Who is Winning the AI Race in 2024? Big Tech’s Race to AGI.

La seule certitude que j’ai est qu’il n’y aura pas de « Winner takes all », car l’offre est encore beaucoup trop immature et instable. Au final, la façon la plus pertinente d’évaluer les grands acteurs de l’IA est d’utiliser des critères macro-socio-économiques pour évaluer leur résilience sur le long terme. Et c’est justement ce que je me suis efforcé de faire.

État de l’art des Big Techs et startups de l’IA générative

À quoi bon s’intéresser aux benchmarks techniques sachant que de nouveaux modèles sortent toutes les semaines ? L’important n’est pas l’offre à un instant t, mais la capacité des éditeurs à maintenir une position dominante afin d’apporter les meilleures solutions à leurs clients dans la durée, puisque l’adoption de l’IA se fera sur le long terme (au moins 10 ou 20 ans, comme pour les solutions de cloud computing).

Dans le tableau ci-dessous, j’ai ainsi évalué dix grands acteurs de l’IA générative selon les critères suivants :

Ressources humaines (la taille et les compétences des équipes dédiées à l’IA) ;
Ressources techniques (les infrastructures techniques dédiées à l’IA) ;
Ressources financières (les capacités d’investissement) ;
Ressources administratives (le nombre de juristes, lobbyistes… qui peuvent être mobilisés) ;
Audience adressable (le nombre d’utilisateurs potentiels) ;
Audience captive (le nombre de terminaux dans lesquels l’éditeur peut intégrer son IA) ;
Modèle économique (la capacité de l’éditeur à facturer son IA ou des services) ;
Visibilité / crédibilité (la perception par les médias et le grand public).

Il en ressort le tableau suivant où les différents acteurs sont classés de gauche à droite :

Dans la mesure où nous parlons de la capacité des différents acteurs à s’imposer à long terme, il ne vous surprendra pas que les grandes sociétés technologiques sont largement avantagées par rapport aux startups.

Je vous propose maintenant une analyse plus détaillée des capacités de chacun de ces acteurs.

Un net avantage pour les sociétés qui maitrisent la demande

À écouter les médias et « experts » en IA, vous pourriez avoir l’impression que le domaine est largement dominé par des services comme ChatGPT ou MidJourney, mais ce n’est qu’une déformation de la réalité. Dans les faits, quelles que soient les performances d’un modèle, si son éditeur n’a pas la capacité de le commercialiser à grande échelle, il n’aura qu’un succès limité. Comprenez par là que l’important n’est pas la maitrise de l’offre (concevoir le meilleur modèle), mais de la demande (convaincre et fidéliser les acheteurs potentiels). Et à ce petit jeu là, des éditeurs historiques comme Microsoft, Apple ou Adobe ont une telle présence sur leur créneau que l’on n’envisage pas qu’ils puissent se faire rattraper par des startups.

Pour s’en convaincre, il suffit de détailler les capacités des différents acteurs de mon tableau comparatif :

Google est logiquement en tête de ce comparatif, car ils disposent de ressources humaines, techniques, financières et administratives colossales. Ils bénéficient de plus d’un marché adressable gigantesque (les utilisateurs des différents services) et du plus gros marché captif (les utilisateurs de smartphones Android). Il faut également leur reconnaitre la solidité de leur modèle économique (résultats de recherche payants et publicités). Ils ont en revanche connu des déboires avec certains de leurs modèles génératifs et proposent une offre entièrement centrée sur Gemini qui manque de lisibilité (elle s’adresse à la fois aux particuliers et aux entreprises).
Microsoft est également largement en tête, là encore grâce à des ressources humaines, techniques, financières et administratives quasi-illimitées. Ils bénéficient bien évidemment d’un très gros marché adressable (les utilisateurs de la suite Office) et d’un marché captif en devenir (Une nouvelle ère de l’informatique s’ouvre avec les AI PC), mais qui va nécessiter un bras de fer avec les différents fabricants (cf. Lenovo leak shows cheaper Copilot Plus PCs coming this month). Rien à redire du côté du modèle économique (des revenus récurrents), mais une réputation à bâtir, car ils sont dans l’ombre de leur partenaire OpenAI, et car Copilot est encore loin de satisfaire aux besoins des utilisateurs (payants ou non).
Nous n’attendions pas forcément Meta sur le sujet de l’IA, car ils monopolisaient toutes leurs ressources sur le métavers, mais ils nous ont prouvé leur formidable capacité d’adaptation avec une remontada spectaculaire, ceci grâce à des ressources titanesques réaffectées aux projets d’IA qui finissent par payer (Meta AI Has More Than 185 Million Weekly Active Users). Personne ne peut remettre en question la légitimité de Meta sur l’IA générative, notamment grâce à leur famille de modèles Llama, mais force est de constater que malgré les milliards d’utilisateurs de Facebook, Instagram ou WhatsApp, on voit mal comment ils pourraient parvenir à en convaincre un nombre significatif de payer pour des services que l’on peut qualifier de superflus. Au mieux, c’est un levier de fidélisation, mais pas une source de revenus potentiels. Pour cela, il faudra attendre la sortie de lunettes connectées de nouvelle génération (Réalité mixte : Meta contre-attaque).
Concernant Apple, les choses sont différentes, car ils ont opté pour une stratégie masquée : ils ne détaillent pas leurs avancées technologiques / scientifiques et concentrent leur communication sur les services et leur intégration aux terminaux de la marque (L’IA est un concept, pas un produit). Nous ne connaissons pas réellement la capacité d’innovation des équipes d’Apple sur l’IA, mais nous avons la certitude qu’ils ont une parfaite maitrise de leurs produits (ce qui leur garantie une audience terriblement captive). Il leur reste maintenant à convaincre leurs utilisateurs et les médias, car la gamme de services Apple Intelligence ne sera disponible qu’en fin d’année, et ne proposera que des fonctionnalités limitées dans un premier temps.
Amazon est un cas à part, car si nous avons des doutes légitimes sur la capacité des équipes internes à concevoir des modèles génératifs de pointe (capables de rivaliser avec les meilleurs), ils peuvent s’appuyer sur des ressources gigantesques et sur leur offre de cloud computing qui leur assure des revenus très confortables et récurrents. En revanche, ils semblent avoir plus de mal que prévu à mettre Alexa à niveau (Ask Claude: Amazon turns to Anthropic’s AI for Alexa revamp). La grande inconnue est donc de savoir s’ils vont parvenir à en faire une offre viable (Amazon aims to launch delayed AI Alexa subscription in October).
L’autre grande société technologique historique dont on parle trop peu est Adobe. Ils n’ont peut-être pas des ressources humaines, techniques, financières et administratives aussi importantes que les GAFAM, mais peuvent revendiquer une position dominante sur les outils de création graphique. L’intégration de l’IA générative aux différents outils des suites créative et marketing se fait de façon progressive (pour ne pas perturber les clients) et vont faire de Firefly un offre potentiellement largement plus diffusée que celle de MidJourney. Certes, ils doivent faire face à une concurrence acharnée de Canva pour le segment des pseudo-designeurs, mais l’offre Adobe Express est régulièrement enrichie et bénéficie du savoir-faire et de la crédibilité de l’éditeur (De l’intérêt d’outils intégrés et maitrisés pour faciliter l’adoption de l’IA).
OpenAI occupe très clairement le devant de la scène médiatique avec ChatGPT, ils bénéficient également d’une excellente réputation auprès des spécialistes grâce à des modèles dont les performances ne sont plus à prouver. En revanche, OpenAI est jusqu’à preuve du contraire un petit éditeur de quelques centaines de salariés avec une structure administrative complexe (OpenAI, Still Haunted by Its Chaotic Past, Is Trying to Grow Up). S’ils ont la capacité à lever facilement des fonds (OpenAI reportedly in talks to close a new funding round at $100B+ valuation), il ne faut pas oublier que les opérations sont largement déficitaires (Why OpenAI could lose $5 billion this year) et qu’ils sont dépendants de Microsoft pour leur infrastructure technique (que va-t-il se passer quand il leur faudra négocier un nouveau partenariat ?). Certes, l’éditeur de ChatGPT peut se vanter d’avoir près de 200 M d’utilisateurs, mais combien sont payants et combien le seront encore dans 2 ou 5 ans ?
On ne parle pas beaucoup de xAI, la société dédiée à l’IA d’Elon Musk, mais elle est petit à petit en train de gagner une certaine crédibilité, notamment grâce à une infrastructure technique montée en très peu de temps (Elon Musk just fired up ‘Colossus’, the world’s largest Nvidia GPU supercomputer), mais également grâce aux belles performances de Grok, le chatbot intégré à X. Non, Twitter ne peut pas mettre en avant ses ressources humaines ou son audience (largement inférieure à Facebook / Instagram ou YouTube), en revanche, les échanges y sont tellement enflammés et chaotiques que l’offre payante permettant d’avoir accès à des synthèses des discussions (pour « prendre le pouls ») me semble tout à fait légitime et durable. Malgré tout ce que l’on peut lui reprocher, Elon Musk pourrait bien nous surprendre, et dans tous les cas de figure fera encore parti du paysage dans de nombreuses années.
Anthropic est un autre acteur d’envergure dans le domaine de l’IA générative, mais qui est encore largement sous le radar médiatique. Si de nombreux praticiens s’accordent pour vanter les mérites de Claude par rapport à son grand rival ChatGPT, Anthropic reste une toute petite société, avec des partenaires très prestigieux (Google, Amazon…), mais également très ambitieux. Cela en fait donc une proie naturelle pour les grands éditeurs, mais également pour le législateur qui lui a déjà fait courber l’échine (Anthropic and OpenAI grant US institute early access to new AI models). Impossible de savoir pour l’instant s’ils vont réussir à survivre dans la « cour des grands ».
Je ne pouvais pas compléter ce tableau comparatif sans y intégrer Mistral, notre pépite nationale, une startup avec laquelle il va falloir compter ne serait-ce que pour des raisons de souveraineté. Sur le papier, cette jeune société n’a pas beaucoup d’arguments, si ce n’est une équipe de scientifiques à la pointe et une très bonne légitimité, mais c’est déjà plus que nombre d’acteurs historiques de l’informatique qui ont complètement raté le virage de l’IA générative (ex : IBM).

Avec ce tableau, vous avez maintenant une vue d’ensemble des différents acteurs de l’IA générative et des éléments de comparaison pour évaluer leur potentiel sur le long terme. Nous ne parlons ici que de sociétés occidentales, car la Chine est un marché à part : The State of Chinese AI.

Je me doute que ce tableau va générer des commentaires négatifs, notamment de la part d’experts qui vont certainement vouloir argumenter avec des critères techniques (nombre de paramètres, taille de la fenêtre de contexte, architecture…), mais encore une fois, le but de ce tableau n’est pas de faire une photographie à l’instant t, mais d’anticiper l’évolution d’un marché qui va évoluer de façon radicale dans les prochaines années. Selon cette optique, le critère le plus important n’est pas la performance technique, mais la résilience.

« Integration always beat distribution »

L’histoire de l’informatique nous a largement prouvé que ce ne sont pas les meilleures solutions qui restent, mais celles qui sont les mieux implantées. La façon le plus efficace de s’imposer sur le marché est donc de maitriser la demande et non l’offre. Idéalement les deux, et c’est justement ce que cherchent à faire les acteurs historiques comme Google, Microsoft, Apple ou Adobe.

Certes, des startups comme OpenAI, Anthropic ou Mistral sont bien plus réactives et n’ont pas de comptes à rendre à des actionnaires frileux ou schizophrènes, mais l’analyse qui est faite dans cet article fait bien le distinguo entre exister sur un marché à l’instant t et le dominer sur le long terme. J’espère ainsi vous avoir convaincu que les performances très impressionnantes des modèles des startups de l’IA générative ne leur garantissent pas un avenir. Il y a ainsi une très grosse différence entre avoir un modèle bien placé dans un benchmark technique et imposer au marché une offre payante à moyen ou long terme, car il va falloir rentabiliser les investissements gigantesques réalisés ces dernières années (nous parlons de centaines de milliards de dollars).

Selon cette optique, je suis persuadé qu’il y a plus de potentiel dans une usine qui fabrique des Clio que dans une écurie de F1.

Source link