Tout comme la plupart des sociétés préfèrent les options multicloud et des bases de données multiples pour répondre à différents besoins, il existe un modèle d’intelligence artificielle (IA) pour chaque sujet. Une enquête menée auprès de plus de 1 000 décideurs informatiques a révélé que les utilisateurs les plus avancés de l’IA exploitent simultanément des centaines de modèles.
Nous sommes entrés dans l’ère de l’IA multi-modèle. Le nombre de modèles d’IA actuellement opérationnels s’élève à 158 et les projections suggèrent qu’il passera à 176 au cours de l’année prochaine, selon l’enquête réalisée par S&P Global Market Intelligence.
Aussi : Gemma, le nouveau modèle d’IA « ouvert » de Google pour les développeurs
Augmenter les performances de l’IA
Les utilisateurs les plus avancés ont fait état d’une moyenne de 175 modèles utilisés, un nombre qui devrait augmenter de 14 % pour atteindre 200 modèles au cours de l’année. Les personnes interrogées prévoient une croissance de 18 % du nombre de modèles d’une année sur l’autre. Deux tiers des responsables (66 %) interrogés construisent ou développent leurs propres modèles ou utilisent des modèles libres.
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 des tâches ménagères, de construction et de fabrication. « Chaque modèle de base utilisé capture une partie différente du processus de prise de décision et travaille ensuite ensemble lorsqu’il est temps de prendre des décisions », affirment les chercheurs du MIT.
Réduire les biais
Ce qui émerge, c’est une approche « globale » de l’IA, impliquant plusieurs modèles fonctionnant simultanément pour chaque résultat, comme l’a décrit Erica Dingman dans un article pour MovableInk. « La différence entre un modèle unique et une approche globale est similaire à celle d’un violon unique par rapport à un orchestre entier », explique-t-elle.
« Si chaque instrument apporte de la valeur, plusieurs instruments travaillant ensemble créent quelque chose de vraiment magique. En outre, l’utilisation de plusieurs sources 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 soutenant ou alimentés par des modèles d’IA contribuent également à cette prolifération.
IA : on recherche chasseur de biais, souffleur de prompt et autres agent de contrôle de la réalité
Des entreprises plus performantes…
Les auteurs de l’enquête ont identifié les entreprises qui se situent en tête du peloton en matière d’IA. La moitié d’entre elles obtiennent des résultats « nettement meilleurs ». Presque tous les leaders de l’IA ont signalé des améliorations de leurs performances d’une année sur l’autre entre 2022 et 2023, notamment en matière de satisfaction client (90 %), de chiffre d’affaires (91 %), de réduction des coûts et augmentation des marges (88 %), de gestion des risques (87 %), de marketing (89 %) et de part de marché (89 %).
Selon l’enquête, les dépenses consacrées à l’IA devraient dépasser les dépenses informatiques générales dans toutes les organisations interrogées. Près de neuf entreprises sur dix (88 %) prévoient d’augmenter leurs dépenses consacrées à l’IA en 2025, et 49 % prévoient des augmentations modérées à significatives.
… mais des infrastructures à revoir
Toutefois, derrière ces chiffres en hausse, se cachent les défis liés aux exigences des infrastructures informatiques existantes. « En ce qui concerne les activités d’IA à forte demande, les personnes interrogées ont exprimé la crainte que l’infrastructure existante ne soit pas à la hauteur », ont déclaré les auteurs de l’enquête. Les trois principales préoccupations sont l’insuffisance des ressources CPU ou GPU (65 %), les problèmes de localité des données (53 %) et les problèmes de performance du stockage (50 %).
« Nous avons noté des inquiétudes croissantes concernant l’impact du coût des infrastructures. Le coût devient souvent une préoccupation plus pressante une fois que les projets sont en cours de production. Historiquement, les organisations ont eu une capacité limitée à prévoir efficacement les coûts. »