Votre entreprise va s'appuyer sur des centaines de modèles d'IA. Voici pourquoi
Nous nous dirigeons vers une approche « d’ensemble » de l’IA qui utilise plusieurs modèles simultanément pour chaque résultat. Cependant, les responsables informatiques s'inquiètent de la capacité et des coûts.
Tout comme la plupart des organisations préfèrent les options multi-cloud et plusieurs bases de données adaptées à divers objectifs, il existe un modèle d'intelligence artificielle (IA) pour chaque objectif. Une enquête menée auprès de plus de 1 000 décideurs informatiques a révélé que les adeptes de l’IA les plus avancés exploitent simultanément des centaines de modèles.
Nous sommes désormais à l’ère de « l’IA multimodèle ». Le nombre moyen de modèles d'IA distincts actuellement opérationnels s'élève à 158 et les projections suggèrent que ce nombre atteindra 176 modèles d'IA au cours de la prochaine année, selon l'enquête de S&P Global Market Intelligence et souscrite par Vultr.
Les utilisateurs les plus avancés ont signalé une moyenne d'utilisation de 175 modèles, dont le nombre devrait croître de 14 % pour atteindre 200 modèles au cours de l'année. Les personnes interrogées se situant au deuxième niveau de maturité en matière d'IA prévoient une croissance de 18 % du nombre de modèles d'une année sur l'autre. Les deux tiers des managers interrogés (66 %) créent ou développent leurs propres modèles ou utilisent des modèles open source.
Il existe des raisons pratiques de déployer plusieurs modèles dans différents cas d'utilisation. Un rapport du MIT, par exemple, examine l'exemple d'un système utilisant trois modèles formés sur des données de langage, de vision et d'action pour aider les robots à développer et à exécuter des plans pour les tâches domestiques, de construction et de fabrication. "Chaque modèle de fondation utilisé capture une partie différente du processus de prise de décision et fonctionne ensuite ensemble lorsqu'il est temps de prendre des décisions", ont déclaré les chercheurs du MIT.
Ce qui émerge est une approche « d'ensemble » de l'IA, impliquant plusieurs modèles fonctionnant simultanément dans chaque sortie, comme décrit par Erica Dingman dans un article pour MovableInk. "La différence entre un modèle unique et une approche de modèle d'ensemble est similaire à celle d'un seul violon par rapport à un orchestre entier", a-t-elle déclaré.
"Bien que chaque instrument apporte de la valeur, plusieurs d'entre eux travaillant ensemble créent quelque chose de vraiment magique." En outre, l’utilisation de divers ensembles de données et « d’un ensemble de modèles constamment mis à jour et entraînés » peut contribuer à réduire ou à éliminer les biais dans les résultats de l’IA.
La large distribution et la diversité des systèmes prenant en charge ou alimentés par des modèles d’IA soutiennent également cette prolifération de modèles. Par exemple, l’IA évolue de plus en plus vers la périphérie, comme le montre l’enquête S&P et Vultr.
« Les architectures d'IA distribuées, dans lesquelles la périphérie est un composant clé des applications qui couvrent l'infrastructure d'une organisation, semblent susceptibles de devenir la nouvelle norme », ont déclaré les auteurs de l'enquête. La grande majorité (85 %) des décideurs informatiques interrogés estiment que ce changement est probable ou extrêmement probable dans leur environnement, 32 % d'entre eux considérant ce changement comme « extrêmement probable ».
Les auteurs de l'étude ont dévoilé ce qu'ils définissent comme les organisations à la pointe de l'IA : celles qui ont des « pratiques d'IA transformationnelles ». La moitié de ces transformateurs fonctionnent « nettement mieux » par rapport à leurs pairs du secteur que par rapport à ceux au niveau opérationnel. Presque tous les transformateurs ont déclaré avoir amélioré leurs performances d'une année sur l'autre entre 2022 et 2023 en matière de satisfaction client (90 %), de revenus (91 %), de réduction des coûts/expansion des marges (88 %), de risque (87 %), de marketing (89 % ), et part de marché (89 %).
Dans toutes les organisations interrogées, les dépenses en IA devraient dépasser les dépenses informatiques générales, suggère l'enquête. Près de neuf entreprises sur dix (88 %) ont l’intention d’augmenter leurs dépenses en IA en 2025, et 49 % s’attendent à des augmentations modérées à significatives.
Mais derrière ces chiffres en hausse se cachent les défis liés aux exigences imposées aux infrastructures informatiques existantes. "En ce qui concerne les activités d'IA très demandées telles que l'inférence en temps réel, les personnes interrogées ont exprimé leur inquiétude quant au fait que l'infrastructure existante ne serait pas à la hauteur", ont déclaré les auteurs de l'enquête. Les trois principales préoccupations étaient l'insuffisance des ressources CPU ou GPU (65 %), les problèmes de localisation des données (53 %) et les problèmes de performances de stockage (50 %).
« Nous avons constaté que cela se reflète dans les données qualitatives, les personnes interrogées exprimant leurs inquiétudes concernant les retards de planification des instances GPU de plus grande capacité dans le cloud public et les impacts potentiels sur la disponibilité des données », ont déclaré les auteurs.
"Nous avons également noté des inquiétudes croissantes concernant l'impact des coûts d'infrastructure. Les coûts deviennent souvent une préoccupation plus pressante une fois que les projets sont en production. Historiquement, les organisations ont eu une capacité limitée à prévoir efficacement les coûts."