Dell : « les entreprises françaises seront les premières à utiliser l’IA en 2024 »

L’enjeu réaliste de gagner en compétitivité

Selon Dell, les trois quarts des femmes sont intéressés par les promesses de l’IA de les rendre plus compétitives et de simplifier leurs processus. En l’occurrence, il s’agit d’une part de trouver des moyens de produire la même chose, pour moins cher. D’autre part, l’utilisateur ne veut plus fouiller plus dans les données pour trouver une information, il souhaite que l’information vienne spontanément à lui.  

« Dans notre étude, nous observons que les entreprises ont des attentes bien plus réalistes qu’à l’époque de la transformation digitale. Typiquement, quasiment plus personne n’espère que l’IA découvre de nouveaux produits à vendre, ou qu’elle permette de générer des revenus inédits. C’est une belle preuve de maturité : les entreprises n’imaginent plus changer d’activité, elles veulent juste produire leurs revenus plus efficacement, plus rapidement. L’IA est vue comme le pendant pour les métiers de l’apport de la robotisation dans les usines », observe le CTO de Dell France.

« Attention, les attentes concernent la redéfinition du partenariat homme-machine. Il faut insister sur ce point : dans notre étude, aucune entreprise ne parle de remplacer l’homme par la machine », se dépêche-t-il de compléter. 

L’étude indique à ce propos qu’il subsiste des craintes qui pourraient, si elles se réalisaient, arrêter net les projets. Ce sont majoritairement des craintes liées à l’éthique, soit justement la mauvaise image de remplacer les salariés par des robots. Mais aussi des risques de perdre la maîtrise des données si elles étaient entièrement confiées à des machines. Et puis, bien entendu, il y a l’inconnu du coût : il n’est pas encore prouvé qu’une IA coûterait moins cher qu’un salarié.

10 M€ pour entraîner un modèle, 2 M€ pour le personnaliser, 1 M€ pour l’exécuter

En parlant de coûts, justement, l’étude de Dell ne dit pas quelles technologies exactement ont été déployées ou sont en cours d’acquisition. Les serveurs de Dell ou d’autres équipés de cartes GPU, pour traiter l’IA, n’ayant été annoncés que depuis l’été dernier, on imagine que les entreprises s’exercent pour l’instant sur la seule forme technique véritablement déjà prête à l’emploi : des services d’IA générative en cloud.

« Le problème des services d’IA générative en cloud est l’énorme flou qui entoure les coûts. On paie ces services au token. Le problème est que personne ne sait vraiment à quoi correspond un token, combien il faut de tokens en entrée, ni combien de tokens l’IA va produire en sortie. C’est pourquoi, il sera préférable en phase de production de plutôt faire du fine-tuning sur des serveurs sur site, ou éventuellement en mode hybride, avec juste une partie en cloud », défend le responsable du plus gros vendeur de serveurs.

D’après les estimations de Sébastien Verger, une entreprise devrait en moyenne investir 2 millions d’euros en déploiement de solutions sur site (serveurs, stockage, etc.) pour faire du fine-tuning localement, sur ses propres données, à partir d’un modèle d’IA Open source pré-entraîné. L’équipement nécessaire pour exécuter ce même modèle, une fois qu’il est enrichi des connaissances des données locales, coûterait en moyenne 1 million d’euros. La facture pourrait être multipliée par trois pour les grandes entreprises.

Vous avez dit fine-tuning ? « ChatGPT a créé un choc culturel quand il est apparu au milieu de l’année dernière. Mais ce n’est pas une solution viable en entreprise. ChatGPT est une IA généraliste qui va répondre à des questions généralistes. Et ça, la majorité des entreprises interrogées en ont désormais conscience », explique Sébastien verger.

« Si l’on veut utiliser une IA générative au sein d’une entreprise, il faut soit partir d’une IA généraliste à laquelle on apporte un entraînement supplémentaire, du fine-tuning (c’est, de l’avis de tout le monde, probablement le moyen le plus efficace et le moins coûteux). Soit il faut entraîner son propre modèle d’IA générative, mais il faut compter un investissement de 10 à 30 millions d’euros que seules les entreprises du CAC40 estiment savoir fournir », ajoute-t-il.

Le paradoxe de devoir prendre son temps pour dégainer plus vite

« Pour pouvoir proposer des solutions qui donnent très rapidement des résultats significatifs, il faut prendre le temps de les préparer. »

En l’occurrence, Dell prépare des solutions d’IA générative sur la base du modèle généraliste Llama 2 mis au point par Meta, la maison mère de Facebook. On ignore encore comment se présenteront ces offres, mais tout porte à croire que le constructeur proposera sous peu des modèles Llama 2 prêts à être personnalisés, en cloud ou préinstallés sur certains de ses serveurs, et facturés à l’usage selon son contrat de souscription Apex.

« Nous sommes dans une période de speed-paradox propre à toutes les technologies de rupture : pour pouvoir proposer des solutions qui donnent très rapidement des résultats significatifs, il faut prendre le temps de les préparer. En l’occurrence, je parle de préparer avec les entreprises les jeux de données qui serviront à l’entraînement supplémentaire et qu’il faut aujourd’hui rendre interopérables. Sinon cela coûtera très cher pour une technologie qui ne sera pas pérenne, que l’on ne pourra rentabiliser sur le long terme », conclut Sébastien Verger, en suggérant des solutions qui s’accompagneront forcément d’une prestation de conseil.