Quelle est la différence entre les entreprises d'IA et celles de logiciels traditionnels ?
Quelle est la différence entre les entreprises d'IA et celles de logiciels traditionnels ?
Les entreprises d'IA ressemblent davantage à des entreprises de services traditionnelles, selon un rapport
Aujourd’hui, il est plus qu’évident que les prochaines révolutions du monde informatique vont venir des domaines de l'intelligence artificielle (IA) et de la mécanique quantique. L’IA s’est montrée prometteuse et a déjà fait ses preuves dans plusieurs aspects de la vie humaine, mais elle n’en est qu’à ses débuts. Comment une entreprise d’IA se forme-t-elle ? Sera-t-elle du même type que les entreprises éditrices de logiciels ? Récemment, A16z, une société de capital-risque basée dans la Silicon Valley, a publié un rapport d’étude dans lequel elle essaie de répondre à ces questions.
Selon le rapport de A16z (Andreessen Horowitz), une entreprise spécialisée en IA ne ressemblera pas totalement aux entreprises traditionnelles de logiciels. Selon les auteurs du rapport, dans de nombreux cas, les entreprises d'IA n'ont tout simplement pas le même modèle économique que les entreprises de logiciels. Parfois, elles peuvent même ressembler davantage à des entreprises de services traditionnelles. C'est notamment le cas de nombreuses entreprises d'IA. Dans leur rapport, ils ont noté trois points clés que partagent toutes les entreprises d’IA.
En premier, ils ont constaté que ces nouvelles entreprises ont des marges brutes plus faibles que d’ordinaire. Cela serait dû à une importante utilisation de l'infrastructure cloud et d'un soutien humain permanent. « Nous avons observé une tendance étonnamment cohérente dans toutes les données financières des sociétés d'IA : des marges brutes souvent de l'ordre de 50-60 %, bien en dessous de la référence de 60-80 %+ pour les entreprises SaaS comparables », ont-ils écrit dans le rapport. À quoi peut bien rimer cette différence ?
D’après le rapport, les capitaux privés dans la phase de démarrage peuvent cacher ces inefficacités à court terme, d'autant plus que certains investisseurs privilégient la croissance à la rentabilité. Il n'est toutefois pas certain qu'une optimisation à long terme des produits ou de la mise sur le marché puisse résoudre complètement le problème. De plus, selon les auteurs de l’étude, les sociétés d'IA semblent de plus en plus combiner des éléments de logiciels et de services. Cette dynamique aurait un impact important sur les entreprises d'IA.
Ensuite, les auteurs ont indiqué que la nécessité d'une intervention humaine va probablement diminuer à mesure que les performances des modèles d'IA s'amélioreront. Cependant, la probabilité est faible que les humains soient totalement écartés. « Même si nous parvenons, à terme, à automatiser complètement certaines tâches, on ne sait pas exactement dans quelle mesure les marges brutes s'amélioreront en conséquence », ont déclaré les auteurs du rapport. En fait, l'informatique dématérialisée et l'assistance humaine sont liées.
La réduction de l'une tend à entraîner une augmentation de l'autre. Les deux éléments de l'équation peuvent être optimisés, mais aucun des deux n'est susceptible d'atteindre les niveaux de coûts presque nuls associés aux entreprises SaaS.
Deuxièmement, ils ont noté dans le rapport que les entreprises d’IA rencontrent des difficultés de mise à l’échelle qui sont dues à l'épineux problème des cas marginaux. En effet, selon eux, il est bien plus difficile pour les sociétés d’IA de savoir si elles ont trouvé un produit adapté au marché que dans le cas d’un logiciel traditionnel.
Sur ce point, selon eux, le problème est qu’il existe des clients marginaux. Autrement dit, les utilisateurs peuvent, et veulent entrer à peu près n'importe quoi dans une application d'IA. La gestion de ce grand espace d'état est une tâche permanente. L'éventail des valeurs d'entrée possibles étant très large, chaque nouveau déploiement de clients est susceptible de générer des données jamais vues auparavant. Pour cela, les startups d’IA finissent par consacrer plus de temps et de ressources au déploiement de leurs produits qu'elles ne l'avaient prévu.
Il peut être difficile d'identifier ces besoins à l'avance, car les outils de prototypage traditionnels, comme les maquettes, les prototypes ou les bêta tests, ont tendance à ne couvrir que les chemins les plus courants, et non les cas limites. Comme pour les logiciels traditionnels, le processus est particulièrement long avec les premières cohortes de clients. Cela dit, contrairement aux logiciels traditionnels, cela ne disparaît pas forcément avec le temps. Ensuite, il y a les déséconomies d'échelle associées aux données qui alimentent les entreprises d'IA.
En troisième position, le rapport montre des douves défensives plus faibles en raison de la banalisation des modèles d'IA et des défis liés aux effets des réseaux de données. Cela ne signifie pas nécessairement que les produits d'IA sont moins défendables que leurs homologues purement logiciels. Mais les fossés pour les sociétés d'IA semblent être moins profonds que ce à quoi beaucoup s'attendaient. L'IA peut être en grande partie une passerelle, d'un point de vue défendable, vers le produit et les données sous-jacents.
Bien sûr, il existe des approches pour construire, dimensionner et défendre les grandes entreprises d'IA. Les auteurs du rapport pensent que la clé du succès à long terme des entreprises d'IA est de s'approprier les défis et de combiner le meilleur des services et des logiciels. Dans cet esprit, voici un certain nombre de mesures que les fondateurs peuvent prendre pour prospérer avec des applications d'IA nouvelles ou existantes.
- éliminer autant que possible la complexité des modèles ;
- choisir les domaines problématiques avec soin ;
- prévoir des coûts variables élevés ;
- adopter les services ;
- prévoir des changements dans la pile technologique ;
- construire la défensibilité à l'ancienne.
En somme, au sens traditionnel du terme, la plupart des systèmes d'IA actuels ne sont pas tout à fait des logiciels. Pour cela, les sociétés d'IA ne ressemblent pas très exactement à des entreprises de logiciels. Elles impliquent un soutien humain permanent et des coûts matériels variables. Le plus souvent, ces entreprises ne s'adaptent pas aussi facilement qu'on le souhaiterait. Par ailleurs, la forte défensibilité, essentielle au modèle de logiciel “construire une fois/vendre plusieurs fois”, ne semble pas être gratuite.
Enfin, dans une certaine mesure, ces caractéristiques donnent à l'IA l'impression d'être une entreprise de services. Autrement dit, vous pouvez remplacer l'entreprise de services, mais vous ne pouvez pas remplacer (complètement) les services.
Source : A16z (Andreessen Horowitz)
Et vous ?
Quel est votre avis sur le sujet ?
Voir aussi
Répondre avec citation
.
Envoyé par espritordu
Partager