L’IA générative à un point d’inflexion : quelle est la prochaine étape en matière d’adoption dans le monde réel ?

L’IA générative est de plus en plus adoptée, en particulier dans les entreprises.

Plus récemment, par exemple, Walmart a annoncé le déploiement d’une application gen AI auprès de 50 000 employés hors magasin. Comme signalé par Axios, l’application combine les données de Walmart avec des modèles de langage étendus (LLM) tiers et peut aider les employés dans une gamme de tâches, depuis accélérer le processus de rédaction, servir de partenaire créatif, résumer des documents volumineux et bien plus encore.

Des déploiements comme celui-ci contribuent à stimuler la demande d’unités de traitement graphique (GPU) nécessaires à la formation de puissants modèles d’apprentissage en profondeur. Les GPU sont des processeurs informatiques spécialisés qui exécutent des instructions de programmation en parallèle plutôt que séquentiellement, comme le font les unités centrales de traitement (CPU) traditionnelles.

Selon Selon le Wall Street Journal, la formation de ces modèles « peut coûter des milliards de dollars aux entreprises, en raison des grands volumes de données qu’elles doivent ingérer et analyser ». Cela inclut tous les LLM d’apprentissage profond et fondamentaux, de GPT-4 à LaMDA, qui alimentent respectivement les applications de chatbot ChatGPT et Bard.

Surfer sur la vague de l’IA générative

La tendance de la génération IA donne un puissant élan à Nvidia, le fournisseur dominant de ces GPU : la société a annoncé des gains époustouflants pour leur trimestre le plus récent. Au moins pour Nvidia, c’est une période d’exubérance, car il semble que presque tout le monde essaie de mettre la main sur son GPU.

Erin Griffiths a écrit Dans le New York Times, les start-ups et les investisseurs prennent des mesures extraordinaires pour obtenir ces puces : « Plus que de l’argent, des talents en ingénierie, du battage médiatique ou même des profits, les entreprises technologiques ont désespérément besoin de GPU cette année. »

Dans sa stratégie bulletin cette semaine, Ben Thompson appelle cela « Nvidia au sommet de la montagne ». Poursuivant sur cette lancée, Google et Nvidia ont annoncé un Partenariat grâce auquel les clients cloud de Google auront un meilleur accès à la technologie alimentée par les GPU de Nvidia. Tout cela témoigne de la rareté actuelle de ces puces face à une demande croissante.

Cette demande actuelle marque-t-elle le moment de pointe pour la génération IA, ou pourrait-elle plutôt indiquer le début de la prochaine vague de son développement ?

Comment la technologie générative façonne l’avenir de l’informatique

Le PDG de Nvidia, Jensen Huang, a déclaré lors de la dernière conférence téléphonique sur les résultats de l’entreprise que cette demande marquait l’aube de « l’informatique accélérée ». Il a ajouté qu’il serait sage pour les entreprises de « détourner les investissements en capital de l’informatique générale et de les concentrer sur l’IA générative et l’informatique accélérée ».

L’informatique à usage général fait référence aux processeurs conçus pour un large éventail de tâches, des feuilles de calcul aux bases de données relationnelles en passant par l’ERP. Nvidia fait valoir que les processeurs sont désormais une infrastructure héritée et que les développeurs devraient plutôt optimiser leur code pour que les GPU effectuent des tâches plus efficacement que les processeurs traditionnels.

Les GPU peuvent exécuter de nombreux calculs simultanément, ce qui les rend parfaitement adaptés aux tâches telles que l’apprentissage automatique (ML), où des millions de calculs sont effectués en parallèle. Les GPU sont également particulièrement doués pour certains types de calculs mathématiques – tels que les tâches d’algèbre linéaire et de manipulation matricielle – qui sont fondamentaux pour l’apprentissage profond et l’IA de génération.

Les GPU offrent peu d’avantages pour certains types de logiciels

Cependant, d’autres classes de logiciels (y compris la plupart des applications métier existantes) sont optimisées pour fonctionner sur des processeurs et ne bénéficieraient que de peu d’avantages de l’exécution d’instructions parallèles sur les GPU.

Thompson semble partager un point de vue similaire : « Mon interprétation des perspectives de Huang est que tous ces GPU seront utilisés pour une grande partie des mêmes activités qui sont actuellement exécutées sur les CPU ; c’est certainement une vision optimiste pour Nvidia, car cela signifie que le surplus de capacité qui pourrait résulter de la poursuite de l’IA générative sera comblé par les charges de travail actuelles du cloud computing.

Il poursuit : « Cela dit, je suis sceptique : les humains – et les entreprises – sont paresseux, et non seulement les applications basées sur CPU sont plus faciles à développer, mais elles sont aussi pour la plupart déjà construites. J’ai du mal à imaginer combien de temps et d’efforts les entreprises vont consacrer pour transférer sur des GPU des éléments qui fonctionnent déjà sur des processeurs.

Nous avons déjà vécu ça

Matt Assay d’InfoWorld nous rappelle que Nous avons vu cela auparavant. « Lorsque l’apprentissage automatique est arrivé, les data scientists l’ont appliqué à tout, même lorsqu’il existait des outils beaucoup plus simples. En tant que data scientist Noah Lorang une fois argumenté, « Il existe un très petit sous-ensemble de problèmes commerciaux qui sont mieux résolus par l’apprentissage automatique ; la plupart d’entre eux ont juste besoin de bonnes données et d’une compréhension de ce que cela signifie.

Le fait est que le calcul accéléré et les GPU ne sont pas la réponse à tous les besoins logiciels.

Nvidia a connu un excellent trimestre, stimulé par la ruée vers l’or actuelle pour développer des applications gen AI. L’entreprise est donc naturellement bouillonnante. Cependant, comme nous l’avons vu dans le récent rapport sur les technologies émergentes de Gartner cycle de battage publicitairela génération AI connaît un moment et est au sommet des attentes exagérées.

Selon à la Singularity University et au fondateur de XPRIZE, Peter Diamandis, ces attentes il s’agit de voir le potentiel futur avec peu d’inconvénients. « À ce moment-là, le battage médiatique commence à susciter un enthousiasme infondé et des attentes exagérées. »

Limites actuelles

À ce stade précis, nous pourrions bientôt atteindre les limites du boom actuel de la génération IA. Comme l’ont écrit les investisseurs en capital-risque Paul Kedrosky et Eric Norlin de SK Ventures sur le compte rendu de leur entreprise Sous-pile: « Notre point de vue est que nous sommes à la fin de la première vague d’IA basée sur de grands modèles de langage. Cette vague a commencé en 2017, avec la sortie du [Google] papier de transformateurs (‘L’attention est tout ce dont vous avez besoin‘), et se termine d’ici un an ou deux avec le genre de limites auxquelles les gens se heurtent.

Ces limitations incluent « la tendance aux hallucinations, les données de formation inadéquates dans des domaines restreints, les corpus de formation abandonnés il y a des années ou une myriade d’autres raisons ». Ils ajoutent : « Contrairement à l’hyperbole, nous sommes déjà à la fin de la vague actuelle de l’IA. »

Pour être clair, Kedrosky et Norlin ne prétendent pas que la génération IA est dans une impasse. Au lieu de cela, ils estiment que des améliorations technologiques substantielles sont nécessaires pour obtenir mieux qu’une automatisation médiocre et une croissance limitée de la productivité. La prochaine vague, affirment-ils, comprendra de nouveaux modèles, plus open source, et notamment des « GPU omniprésents/bon marché » qui – si cela est exact – ne sont peut-être pas de bon augure pour Nvidia, mais profiteraient à ceux qui ont besoin de cette technologie.

Comme l’a noté Fortune, Amazon a clairement indiqué son intentions pour contester directement la position dominante de Nvidia dans la fabrication de puces. Ils ne sont pas seuls, comme de nombreuses startups sont également en lice pour des parts de marché – tout comme les piliers des puces, dont AMD. Il est extrêmement difficile de défier un opérateur historique dominant. Dans ce cas au moins, l’élargissement des sources de ces puces et la réduction des prix d’une technologie rare seront essentiels au développement et à la diffusion de la prochaine vague d’innovation en matière d’IA.

Prochaine vague

L’avenir de la génération IA semble prometteur, malgré les limites des attentes de la génération actuelle de modèles et d’applications. Les raisons derrière cette promesse sont probablement multiples, mais la principale est peut-être la pénurie générationnelle de travailleurs dans l’ensemble de l’économie qui continuera à alimenter le besoin de une plus grande automatisation.

Bien que l’IA et l’automatisation aient historiquement été considérées comme distinctes, ce point de vue évolue avec l’avènement de la génération IA. La technologie devient de plus en plus un moteur d’automatisation et de productivité qui en résulte. Mike Knoop, co-fondateur de la société de workflow Zapier, a fait référence à ce phénomène dans un récent Eye on AI podcast quand il a dit : « L’IA et l’automatisation sont un mode qui s’effondre en la même chose. »

McKinsey le croit certainement. Dans un récent rapport ils ont déclaré : « l’IA générative est sur le point de déclencher la prochaine vague de productivité ». Ils ne sont guère seuls. Par exemple, Goldman Sachs déclaré que la génération IA pourrait augmenter le PIB mondial de 7 %.

Que nous soyons ou non au zénith de la génération actuelle d’IA, il s’agit clairement d’un domaine qui continuera d’évoluer et de catalyser les débats au sein des entreprises. Si les défis sont importants, les opportunités le sont aussi, en particulier dans un monde avide d’innovation et d’efficacité. La course à la domination des GPU n’est qu’un instantané de ce récit qui se déroule, un prologue des futurs chapitres de l’IA et de l’informatique.

Gary Grossman est vice-président principal de la pratique technologique chez Edelmann et leader mondial du Centre d’excellence Edelman en IA.