Discussion :

[calvaire]

4. Au final, les IA vont fournir quoi comme réponse aux développeurs??? Ben... Des données obsolètes!!!

et bien lire la doc...
j'ai déjà fournie de la doc des api d'outils interne d'entreprise, ça marche très très bien.

la limite c'est si la doc est fausse/pas à jours ou si le logiciel lui même et bugué évidement l'ia sera incapable de fournir un contournement/une résolution.

je l'ai déja fait aussi avec des libs plutôt confidentiel en R ou python ou l'ia de manière générale est pas top, j'ai exporté la doc en html et je l'ai ajouté au contexte et il a drastiquement arrêter d’halluciner et m'a donner des réponses beaucoup plus pertinente. Je l'ai fait avec panda3d par exemple.
C'est même une source bien plus fiable, car le forum ou les repos sur github sont remplies de code fait sur de très vielles version (plus de 10ans) qui pollue les llms.

Et donc, dans vos exemples et comme l'indique la plupart des études, l'IA n'améliore pas la productivité de l'entreprise

tiens cadeau, c'est tous frais

[Bardaz]

51 jours de travail perdus par an à corriger l'IA

Ce qu'il faut préciser c'est la vélocité. Si les employés perdent 51 jours à corriger l'IA est ce qu'en revanche l'IA ne permet pas de produire plus en quantité et de manière plus rapide. Si c'est le cas les 51 jours travaillés à corriger l'IA permettent de générer + d'argent. C'est simplement que le curseur bascule vers + de corrections pour + de vélocité. La question c'est donc que faisaient ces salariés lorsqu'ils ne corrigeaient pas?

On peut aller encore plus loin en posant la question de la vélocité oui mais pour quel but et de quelle manière? L'IA peut aussi répondre aux demandes farfelues de dirigeants déconnectés du terrain. C'est certes + véloce mais pour un résultat qui ne se résume qu'à la charge supplémentaire que ça engendre pour les salariés. C'est ce que tends à dire l'article mais si en réalité, les produits corrigés sont cohérents et ciblent bien le marché c'est ok.

[jpouly]

Il existe des cas d'utilisations dans lesquelles l'IA peut faire gagner du temps.

Faut voir. Parce que si tu dois constamment corriger le code fournis, tu vas en perdre du temps.
ET demander son avis à l'IA sur tel ou tel façon de faire, c'est catastrophique. Dans le style normand y a pas mieux ("Peut être bien que oui, peut être bien que non" pour que les jeunes comprennent ).

Par exemple si tu dois rédiger un texte (pour un e-mail, une documentation, etc).

Pour ça, y a un truc entre tes deux oreilles . C'est fait pour normalement .

C'est pas cool pour les forums de développement informatique, mais les chatbots IA peuvent aider ceux qui écrivent du code.
Traditionnellement les gens utilisaient Developpez.com, Google, Stack Overflow. Là il n'y en a moins besoin.
Si les chatbots IA vont récupérer des informations dans les forums, alors ça finira par poser problème, parce qu'il y a aura moins de messages dans les forums dans le futur.

Ces forum sont très important pour les développeurs. J'ai été triste de voir que codeproject soit fermé, par exemple.
Heureusement qu'il y en a d'autres, mais le risque persiste.

[Stéphane le calme]

Des milliers de PDG admettent que l'IA n'a eu aucun impact sur l'emploi ou la productivité,
ce qui conduit les économistes à ressusciter un paradoxe vieux de 40 ans

Malgré des centaines de milliards de dollars investis et un discours techno-optimiste omniprésent, une vaste étude du National Bureau of Economic Research auprès de près de 6 000 dirigeants d'entreprises aux États-Unis, au Royaume-Uni, en Allemagne et en Australie révèle que neuf entreprises sur dix n'ont observé aucun gain de productivité ni aucun effet sur l'emploi grâce à l'IA au cours des trois dernières années. Un constat qui renvoie les économistes à un déjà-vu troublant : le paradoxe de productivité formulé en 1987 par le prix Nobel Robert Solow au sujet de l'informatique. Histoire d'une promesse qui tarde à tenir.

Les chiffres ne prêtent guère à l'optimisme béat que distillent les conférences tech et les rapports annuels. L'étude du NBER, qui a interrogé près de 6 000 cadres dirigeants (PDG, directeurs financiers et autres membres de la haute direction) dans des entreprises de tailles variées aux États-Unis, au Royaume-Uni, en Allemagne et en Australie, livre quatre enseignements majeurs : 69 % des entreprises utilisent activement l'IA ; plus des deux tiers des dirigeants y recourent au quotidien, mais pour seulement 1,5 heure par semaine en moyenne ; neuf dirigeants sur dix signalent un impact nul sur l'emploi et la productivité au cours des trois dernières années ; et pourtant, ces mêmes dirigeants anticipent des effets substantiels pour les trois prochaines années, tablant sur une hausse de la productivité de 1,4 %, une augmentation de la production de 0,8 % et une réduction de l'emploi de 0,7 %.

Ce fossé entre le vécu opérationnel et les projections futures constitue peut-être la donnée la plus révélatrice de toute l'étude. Les entreprises savent, ou croient savoir, que la révolution va venir, elles ne la voient tout simplement pas encore dans leurs chiffres. Un quart des répondants déclarent ne pas utiliser l'IA du tout dans leur cadre professionnel, et parmi ceux qui l'utilisent, les usages se concentrent sur la génération de texte à l'aide de grands modèles de langage, la création de contenu visuel et le traitement de données par apprentissage automatique.

Le tableau se précise quand on le croise avec d'autres études récentes. Une enquête de PwC auprès de plus de 4 500 dirigeants a révélé que plus de la moitié ne constatait ni hausse des revenus ni réduction des coûts. Une étude de Deloitte a montré que 74 % des organisations souhaitent que leurs initiatives IA stimulent leurs revenus, mais que seulement 20 % y sont parvenues. Même au sein de Microsoft, l'embarras est palpable : Jared Spataro, responsable des efforts d'IA au travail chez l'éditeur, a reconnu avoir du mal à mettre en évidence le retour sur investissement de Copilot, en raison de la difficulté à traduire le travail de la connaissance en indicateurs financiers directs.

Le retour du paradoxe de Solow

Pour qui connaît l'histoire de l'informatique, le tableau n'est pas sans rappeler une époque révolue, ou du moins, que l'on croyait révolue. En 1987, l'économiste Robert Solow formula une observation lapidaire sur le ralentissement de la révolution informatique : alors que l'avènement des transistors, microprocesseurs, circuits intégrés et puces mémoire des années 1960 avait suscité des attentes immenses en termes de gains de productivité, la croissance de la productivité avait en réalité chuté, passant de 2,9 % entre 1948 et 1973 à seulement 1,1 % après 1973. Sa formule, restée célèbre, résume le paradoxe : « On peut voir l'ère de l'ordinateur partout, sauf dans les statistiques de productivité. »

Quarante ans plus tard, Torsten Slok, économiste en chef chez Apollo, ressort la citation pour l'appliquer à l'IA : « L'IA est partout, sauf dans les données macroéconomiques. On ne la voit pas dans les chiffres de l'emploi, de la productivité, ni dans ceux de l'inflation. » Il précise qu'en dehors des sept grandes capitalisations technologiques américaines, il n'existe aucun signe d'impact de l'IA sur les marges bénéficiaires ni sur les prévisions de résultats.

La Réserve fédérale de Saint-Louis a certes observé une hausse cumulative de la productivité de 1,9 % depuis l'introduction de ChatGPT fin 2022. Mais une étude du MIT publiée en 2024 par le prix Nobel Daron Acemoglu aboutit à une estimation bien plus modeste : une augmentation de la productivité de 0,5 % sur la prochaine décennie. Acemoglu lui-même tempérait l'interprétation pessimiste de ce chiffre : « Je ne pense pas qu'il faille minimiser 0,5 % sur dix ans. C'est mieux que zéro. Mais c'est simplement décevant au regard des promesses formulées par l'industrie et le journalisme tech. »

Le paradoxe de Solow n'était d'ailleurs pas définitif. Le boom informatique des années 1970 et 1980 a fini par déboucher sur une poussée de productivité dans les années 1990 et au début des années 2000, avec une hausse de 1,5 % de la croissance de la productivité entre 1995 et 2005, après des décennies de stagnation. La question est donc moins de savoir si l'IA produira ses effets, que de savoir combien de temps il faudra attendre et à quel prix.

Entre méfiance des salariés et surcharge cognitive

Si les PDG ne voient pas encore l'IA dans leurs indicateurs, les salariés, eux, ont leur propre explication. Le baromètre mondial des talents 2026 de ManpowerGroup, conduit auprès de près de 14 000 travailleurs dans 19 pays, révèle que si l'utilisation régulière de l'IA a progressé de 13 % en 2025, la confiance dans l'utilité de la technologie a simultanément chuté de 18 %. Adopter un outil que l'on ne croit pas fiable n'est pas une recette pour gagner en efficacité.

À cette défiance s'ajoute un phénomène documenté par le Boston Consulting Group : « l'IA brain fry », ou saturation cognitive induite par un usage excessif des outils d'IA. Dans une enquête menée auprès de 1 488 salariés américains à temps plein, les répondants signalent une hausse de leur productivité lorsqu'ils utilisent trois outils d'IA ou moins, mais une chute de leur productivité perçue lorsqu'ils en utilisent quatre ou plus, accompagnée de brouillard mental et d'un surcroît de petites erreurs. La promesse d'un assistant cognitif universel se heurte ici à une réalité physiologique élémentaire : la capacité d'attention est une ressource limitée, et la multiplication des outils la fragmente au lieu de l'amplifier.

Une recherche distincte du MIT révèle que 95 % des projets pilotes d'IA en entreprise n'ont pas réussi à dégager des gains de productivité mesurables. Ce taux d'échec, combiné à la méfiance des utilisateurs finaux et à la saturation cognitive, dresse un tableau fort différent des promesses martelées sur les scènes des grandes conférences mondiales.

Les dissidences : le cas IBM et la thèse de la courbe en J

Face à ce tableau sombre, certains dirigeants tirent des conclusions contre-intuitives. Chez IBM, la réponse à l'IA n'est pas de licencier, mais au contraire d'embaucher davantage de jeunes talents. La directrice des ressources humaines de la firme a indiqué que le géant informatique allait tripler ses recrutements de jeunes diplômés, au motif que si l'IA peut automatiser certaines tâches d'entrée de gamme, supprimer ces postes créerait un vide dans le vivier des futurs managers intermédiaires, fragilisant à terme le pipeline de leadership de l'entreprise. Une logique à contre-courant du récit dominant sur la substitution technologique.

L'économiste Erik Brynjolfsson, directeur du Digital Economy Lab de Stanford, offre quant à lui une lecture plus optimiste des données récentes. Il observe que le PIB américain du quatrième trimestre progressait à un rythme annualisé de 3,7 %, malgré une révision à la baisse des créations d'emplois à 181 000 (un découplage entre croissance économique et création d'emplois qui, selon lui, suggère une poussée de productivité). Sa propre analyse indique une hausse de la productivité américaine de 2,7 % l'an dernier, qu'il attribue à une transition entre la phase d'investissement et la phase de récolte des bénéfices de l'IA.

Slok, lui, parle d'une « courbe en J » : une dégradation initiale des performances avant un rebond exponentiel. Il estime que l'avenir de la productivité générée par l'IA dépendra de la capacité des entreprises à réellement intégrer la technologie dans leurs flux de travail. « Du point de vue macroéconomique, la création de valeur n'est pas le produit lui-même, mais la façon dont l'IA générative est utilisée et mise en œuvre dans les différents secteurs de l'économie. »

Cette observation renvoie dos à dos deux illusions symétriques : celle qui consiste à croire que l'achat d'une licence Copilot ou ChatGPT Enterprise transforme automatiquement une organisation, et celle qui consiste à conclure, trop vite, que l'IA ne tient pas ses promesses. La réalité est plus prosaïque : les gains existent à l'échelle individuelle et de certaines tâches, mais la chaîne de transmission vers la productivité organisationnelle mesurable reste, pour l'heure, défaillante.

L'écart qui dérange : dirigeants contre salariés

L'une des tensions les plus révélatrices de l'étude NBER tient dans la divergence de prévisions entre dirigeants et salariés. Les hauts cadres anticipent une réduction de l'emploi de 0,7 % dans leurs entreprises sur les trois prochaines années, ce qui représenterait, à l'échelle des économies concernées, environ 1,75 million d'emplois supprimés. Les salariés, de leur côté, prévoient une hausse de l'emploi de 0,5 % sur la même période. Deux lectures radicalement opposées d'un même horizon technologique et une source potentielle de conflits sociaux si les arbitrages se font sans concertation.

Le co-auteur de l'étude, l'économiste de Stanford Nicholas Bloom, a rappelé que les grandes technologies prennent en général plus d'une décennie pour produire un véritable impact économique mesurable. L'histoire lui donne raison : il a fallu attendre les années 1990 pour que les investissements informatiques massifs des années 1970-1980 se traduisent en gains de productivité tangibles dans les statistiques nationales. Mais dans un secteur où les cycles d'investissement se mesurent en trimestres et les attentes des marchés en semaines, la patience a un coût.

L'IA n'est peut-être pas en panne. Elle est peut-être, tout simplement, dans la même position qu'un ordinateur en 1987 : omniprésente dans les discours, invisible dans les chiffres, et sur le point, peut-être, de changer durablement la donne. Peut-être.

Sources : Étude du National Bureau of Economic Research, Robert Solow

Et vous ?

Si neuf entreprises sur dix n'observent aucun gain de productivité après trois ans d'adoption de l'IA, à quel moment les conseils d'administration devraient-ils revoir leur stratégie d'investissement et sur la base de quels indicateurs concrets ?

L'écart de prévisions entre dirigeants (qui anticipent des suppressions d'emplois) et salariés (qui anticipent des créations) révèle-t-il un déficit de communication interne, ou traduit-il des intérêts structurellement opposés dans le déploiement de l'IA ?

La comparaison avec le paradoxe de Solow est-elle réellement pertinente, ou constitue-t-elle un alibi commode pour reporter indéfiniment la démonstration de valeur de l'IA ?

Le phénomène de « saturation cognitive » documenté par le BCG remet-il en cause la stratégie des éditeurs qui multiplient les outils d'IA intégrés, ou est-ce un problème de conduite du changement que les entreprises peuvent résoudre par la formation ?

Dans votre propre environnement professionnel, l'IA a-t-elle modifié de façon mesurable votre productivité individuelle et si oui, cela s'est-il traduit par un gain collectif pour votre équipe ou votre organisation ?

Voir aussi :

Plus les entreprises investissent dans l'IA, plus leurs employés y perdent du temps : les patrons voient la révolution, les salariés perdent 51 jours par an à corriger ses erreurs, selon une enquête

IA en entreprise : des milliards investis, mais où sont passés les gains de productivité promis aux dirigeants ? Une enquête indique que la majorité des PDG déclarent ne pas en tirer de bénéfices financiers

J.P. Morgan dénonce les dépenses consacrées à l'IA : il faudra environ 650 milliards de dollars de revenus annuel pour obtenir un rendement de seulement 10 % sur le développement de l'IA

[OuftiBoy]

à toutes et tous,

Etant de la génération qui a connu les débuts de la révolution informatique, je vois également un // avec la révolution IA.

Le soucis du pourquoi l'informatique n'a pas tenu les immenses attentent qu'on en attendait, c'est étrangement, me semble-t-il parce qu'on l'a trop souvent utilisée, que l'on a ajouté des couches informatiques sur d'autres couches informatique, au lieu d'utiliser cette dernière comme un outil de simplification. Au lieu de "remanier" des procédures (à tout niveau), inutilement "complexes", on a utilisé l'informatique pour ne pas "toucher" à ces "procédures".

Et comme il est "facile" de "générer" du papier ou des "documents" via l'informatique, on se retrouve avec 24 pages A4 pour expliquer ci "une facturation", ci "une inscription", etc alors qu'une fiche en carton et et un crayon est juste ce dont on aurait besoin si la "procédure" avait été analysée et "modifiée". Avant d'informatiser, il aurait fallu mieux définir et simplifier nombre de ces "procédures" AVANT d'éventuellement les "informatiser". L'informatique a été mal utilisée bien souvent pour ne rien remettre en cause dans tout un fatras de domaines.

Un exemple. Pourquoi "informatiser" une petite bibliothèque d'un "petit village" ? Au lieu d'un bon bibliothécaire, on se retrouve face à une "personne" qui est "derrière" son écran, et la fiche "papier" de mon "enfance" est maintenant un réseaux d'ordinateurs qu'il faut acheter, installer, maintenir, etc... Il n'y a là aucune simplification, mais bien une complexification inutile.

Alors, entre ce qui a été complexifié et ce qui n'a pas été simplifié, il n'est pas étonnant que le ressenti d'une "amélioration" quelconque, à quel niveau que ce soit.

Et il me semble que c'est un peu pareil avec l'IA. On l'utilise pour faire ce qu'on faisant avant "autrement", mais sans remettre en cause le "pourquoi" ces choses étaient faites ainsi. On a jamais utilisé autant de "papier" que depuis les débuts de l'informatiques, ni autant d'électricité que depuis les débuts de l'IA...

BàV et Peace & Love.

[Fagus]

Donc 30-40% de salariés qui ne servaient à rien bien avant que l'IA fasse son apparition!!!

Donc votre argument, "avec l'introduction de l'IA, des sociétés ont licencié 30-40% des salariés sans que l'on constate une différence" ne tient tout simplement pas la route: Ce n'est pas l'IA qui fait le job de ces 30-40% de salariés, c'est tout simplement que ces 30-40% ne produisaient rien... pas plus avant l'IA que après l'IA

Et donc, dans vos exemples et comme l'indique la plupart des études, l'IA n'améliore pas la productivité de l'entreprise

Je plussoie Calvaire, il y a des boîtes où c'est hallucinant le nombre de personnes qui ne contribuent pas au résultats (baronnies internes avec leurs querelles de pouvoir, tâches mal définies, équipes sans mission pendant 1 an qui doivent s'inventer pour servir à quelque chose , couches délirantes de management) Pavel Durov dans son entrevue explique qu'avec un noyau d'ingénierie central de 40 personnes ils arrivent à faire mieux sur Telegram que Facebook avec ses dizaines de milliers d'employés, justement en simplifiant toutes les couches, en ne gardant que les gens sur-productifs et en automatisant tout.

Je connais quelqu'un dans une boîte où ils font leurs tests à la main avec des outils maison, parce qu'ils n'ont pas automatisé tout leur système de test. Ils embauchent du monde après bootcamp pour ça (des gens qui au final ne programment rien et dépriment au bout de quelques années).

Alors, ce n'est pas la faute à l'IA, mais quand l'IA arrive, il peut y avoir une restructuration en même temps et en fait ça passe en améliorant les tâches robotisables.

Ensuite, ça me semble malhonnête de dire qu'on ne peut pas gagner en productivité avec l'IA.
Par ex, comme dit calvaire, pour utiliser une lib mal ou pas documentée, l'IA peut lire tout le code et générer des exemples minimaux fonctionnels pour une tâche donnée à titre pédagogique et c'est bien pratique.

Pour générer du code pas original, avec un bon cadrage, ça passe. Tout le code n'est pas original.

Ensuite, je suis curieux de savoir ce que calvaire donne à ses agents : une spécification riche de ce qu'il veut ? (avec l'architecture du projet et du code, voire les prototypes des fonctions..., )? C'est la seule chose qui m'a donné un résultat correct (je n'ai pas accès aux offres commerciales d'IA haut de gamme).
(par correct, je veux dire un code à l'architecture compréhensible par moi puisque c'est encore moi qui l'ai faite ; versus le vibe coding qui me semble à proscrire autant pour la santé mentale que pour la qualité du code).

[floyer]

Nul besoin de souris pour ajouter de la productivité.

Le tableur évite de nombreuses manipulations de calculatrice, le traitement de texte évite de demander à la dactylo de retaper la page pour ajouter un paragraphe (c’est d’ailleurs tellement efficace que l’on a supprimé pas mal de poste de dactylo).

[calvaire]

Ensuite, je suis curieux de savoir ce que calvaire donne à ses agents : une spécification riche de ce qu'il veut ? (avec l'architecture du projet et du code, voire les prototypes des fonctions..., )? C'est la seule chose qui m'a donné un résultat correct (je n'ai pas accès aux offres commerciales d'IA haut de gamme).
(par correct, je veux dire un code à l'architecture compréhensible par moi puisque c'est encore moi qui l'ai faite ; versus le vibe coding qui me semble à proscrire autant pour la santé mentale que pour la qualité du code).

Le projet ou je suis c'est un projet développé de 0 à la base, donc récent et sans dette technique ni code legacy obscure. On utilise néanmoins des appels à des projets interne à la boite via des webservices/api.
Donc il a dans sa base de connaissance la doc des apis interne de ces outils et très honnêtement il gère bien sans halluciner.

Le code c'est des microservices dockerisé et déployer sur du k8s, tous est automatisé, a chaque commit sur master la ci/cd se mets en marche et ça générè les images dockers qui sont envoyé dans un repo.
les déploiements sur les env y compris en prod sont aussi automatique.


on avait 3 environnement avant (integration, preprod et prod) mais on a réduit à 2: intégration et prod.
alors les modèles ont accès à tous dans le projet (repo git, conversation teams, réunion teams, mail outlook, doc, toute la suite atlassian...)
L'ia fait tous dans le projet, elle code, elle gère le projet niveau fonctionnelle comme un scrum master, et elle à le role de devops, elle fait les déploiements.

la 1ere étape, elle transforme les réunions teams et mails interne à l'équipe/avec les clients en tache jira, le po les valident/les reformulent quand ça va pas.
Ensuite pour le code, on fait du TDD, je lui donne une série de tests et la nuit elle doit réaliser la tache avec comme but d'avoir tous les tests aux vert et toute la ci/cd au vert aussi.
Une fois que c'est fait, elle génère une merge request et je la revoit le matin.
Si c'est bon je valide, et ce sera déployé dans la prochaine release (toute les 2 semaines)

On a comme ambition dans les prochains mois de monter un serveur interne et d'utiliser Qwen en self hosting pour réduire la facture, car pour l'heure on utilise des modeles payant qui coute cher (claude opus et codex)

Alors oui c'est pas 100% automatique, il y'a de la relecture, mais on a un vrai gain en productivité et on a pu réduire l'équipe de 10 à 8 personne, donc 20% de personne en moins pour le projet. En parallèle le projet à énormément monter en CA (plus de client, plus de charge serveur, plus de partie prenante à écouter pour les futur fonctionnalités...)

Le faite de virer des gens et aussi très bénéfique pour l'équipe, car ca permet d’être plus agile et réactif. Une équipe plus petite c'est des décisions prise plus rapidement, moins de procédure/bureaucratie ça va plus droit au but.
Ca fait pas plaisir à entendre pour beaucoup ici je sais, mais c'est la différence entre les grosses boites et les startup, les boites qui virent massivement ca permet de retrouver cette réactivité qu'on a dans les startup. Moins de management, moins de dev qui glande rien, on garde que ceux qui font avancer le projet.

[Ryu2000]

Si neuf entreprises sur dix n'observent aucun gain de productivité après trois ans d'adoption de l'IA, à quel moment les conseils d'administration devraient-ils revoir leur stratégie d'investissement et sur la base de quels indicateurs concrets ?

Il y a des entreprises qui vont persévérer, les outils IA deviendront peut-être réellement performant à partir des années 2030.
Dans le doute, il vaut mieux être le plus prêt possible

L'écart de prévisions entre dirigeants (qui anticipent des suppressions d'emplois) et salariés (qui anticipent des créations) révèle-t-il un déficit de communication interne, ou traduit-il des intérêts structurellement opposés dans le déploiement de l'IA ?

Les salariés n'anticipent absolument pas des créations d'emplois...
Quels emplois pourraient être créés ?

Les entreprises veulent virer des travailleurs car ce sont des lignes de dépenses.
Les entreprises devraient systématiquement dire : "Nous allons optimisé notre organisation afin d'être plus efficace et employer moins de monde" (restructuration, optimisation des coûts et recherche de rentabilité).

En 2022, 2023 le motif numéro 1 pour justifier les licenciements massif était "nous avons embauché trop de gens en 2020, 2021".
Après il y a la raison du ralentissement économique, avec l'inflation, tout ça. Et enfin l'IA.

[pyros]

Ensuite pour le code, on fait du TDD, je lui donne une série de tests et la nuit elle doit réaliser la tache avec comme but d'avoir tous les tests aux vert et toute la ci/cd au vert aussi.
Une fois que c'est fait, elle génère une merge request et je la revoit le matin.

Il y a 15 ans, on faisait pareil avec des Indiens. On écrivait les tests d'acceptance, on envoyait tout ça en Inde et ils nous renvoyait le code avec tous les tests vert. Ceux qui ont connu cette époque savent très bien comment ça s'est fini...

[Fagus]

L'ia fait tous dans le projet, elle code, elle gère le projet niveau fonctionnelle comme un scrum master, et elle à le role de devops, elle fait les déploiements.

la 1ere étape, elle transforme les réunions teams et mails interne à l'équipe/avec les clients en tache jira, le po les valident/les reformulent quand ça va pas.

Ah oui, c'est impressionnant. Mais l'architecture globale du code, le choix des techno c'est décidé aux réunions ou par les humaines quand même ?

N'hésitez pas à faire un retour sur vos résultats avec qwen3. Il paraît que leurs modèles sont sobres. Il y a même des gens qui ont fait tourner un modèle qwen3 30B sur un raspberry 5 8Go... (c'est quantitized dit avec 98-99% d'accuracy...)

[OuftiBoy]

calvaire,

Ton expérience dans ces domaines semble excellente, à n'en point douter. J'ai cependant quelques questions. Je suis un Développeur, et la gestion d'une infrastructure n'est pas ma tasse de thé. Mais j'aime aussi comprendre...ce que je ne comprend pas

Les déploiements sur les env y compris en prod sont aussi automatique. on avait 3 environnement avant (integration, preprod et prod) mais on a réduit à 2: intégration et prod.

Pourquoi, si l'IA et la manière dont tu l'utilise permet d'automatiser assez loin votre processus de mise en production, se passer d'une étape pré-production qui pourrait détecter des soucis avant la mise en production effective ? Quelle est le gain par rapport à ce risque assumé ?

Ensuite pour le code, on fait du TDD, je lui donne une série de tests et la nuit elle doit réaliser la tache avec comme but d'avoir tous les tests aux vert et toute la ci/cd au vert aussi. Une fois que c'est fait, elle génère une merge request et je la revoit le matin. Si c'est bon je valide, et ce sera déployé dans la prochaine release (toute les 2 semaines)

Tu arrives en une matinée a vérifier ce qu'une IA a produit durant la nuit ? Chapeau, vraiment. Je suppose que d'autres menbres de ton équipe sont eux-aussi capable de cela, sinon c'est tout de même un grand risque pour une entreprise qu'une partie de son activité repose sur les épaules d'un seul cador, non ?

J'ai vu souvent du code qui passait les tests, mais qui posaient quand même problème. Il faut aussi être certains que les tests couvrent bien l'ensemble des possibilités. Si je comprend bien, c'est toi qui crée ces tests. Comment t'assure-tu qu'ils sont complets et suffisants ? Comme l'a dit pyros, donner des tests à des indiens, ou un sous-traitant quelconque même, ne donne aucune assurance sur la qualité ni sur la conformité totale du code reçu en retour. Leurs buts je parle des sous-traitants (pas tous, mais nombre d'entre-eux), étant de fournir quelque chose qui sera accepté par leur client, et cela à moindre frais. Au détriment de la futur maintenance (ils ont même un intérêt pour cela, cela leur promet un futur travail de maintenance), de la sécurité (en terme de failles), ou de la performance du code. Un test peux par exemple vérifier si le résultat d'un tri est correct, mais peut-il assurer que ce tri ne soit pas un tri à bulle peu performant et non scalable ? C'est juste un exemple.

On a comme ambition dans les prochains mois de monter un serveur interne et d'utiliser Qwen en self hosting pour réduire la facture, car pour l'heure on utilise des modeles payant qui coute cher (claude opus et codex).

Concernant la facture, quel est le modèle ? Faut-il repayer le fournisseur de l'IA lors de chaque utilisation de l'automatisation faite, ou bien seulement une fois pour faire l'automatisation ? Comment cela se passe-t-il lorsqu'il faut revenir sur une automatisation qui doit changer (même d'un rien) pour une raison quelconque ? L'IA peut-elle effectuer ces changements ? Quelqu'un de l'équipe peut-il faire une petite retouche dans le processus d'automatisation, que l'IA gardera et/ou reprendra (ou pas) lors d'un prochain cycle, et cette reprise sera-t-elle payante ? Parce que payer pour quelque chose que tu as fait toi-même, c'est rarement vu... Comment tout cela est-il gérer ?

Moins de management, moins de dev qui glande rien, on garde que ceux qui font avancer le projet.

Des couches de management qui ne servent à rien, qui sont au-dessus de toi (niveau hiérarchique), il doit y en avoir (il y'en a toujours eus), tu as le pouvoir de les virer ? Peux-tu dire à ton PDG que lui-même ne sert à rien, ne produit rien et l'éjecter, prendre son poste, et donc être aussi éjecter par la suite ? Les mêmes causes produisant les mêmes effets ?

Bon, il y'a un rien de provocation dans cette dernière question (et peut-être dans d'autres), mais je sais que tu aimes ça

Sinon toutes ces questions me semble pertinentes, du moins pour moi.

BàT et Peace & Love.

[Matthieu Vergne]

Dan Adika, PDG et cofondateur de WalkMe, résume le problème avec clarté : le défi n'est pas technologique. « Le problème n'est pas la capacité de l'IA. La technologie continuera de s'améliorer. Ce qui ne s'améliorera pas seul, c'est le côté humain : le fossé de confiance, le fossé de gouvernance, la question de qui agit, quand, et avec quelles balises. »

Et plus généralement comment les humains adaptent leurs process, car comme le dit OuftiBoy :

Le soucis du pourquoi l'informatique n'a pas tenu les immenses attentent qu'on en attendait, c'est étrangement, me semble-t-il parce qu'on l'a trop souvent utilisée, que l'on a ajouté des couches informatiques sur d'autres couches informatique, au lieu d'utiliser cette dernière comme un outil de simplification. Au lieu de "remanier" des procédures (à tout niveau), inutilement "complexes", on a utilisé l'informatique pour ne pas "toucher" à ces "procédures".

J'ai la chance au sein de mon ESN de participer à un projet en mode vibe coding pour produire une vrai plateforme de formation (qu'on souhaite mettre en prod). On est toute une équipe dessus, avec un formateur vibe coding. Et personnellement je profite de l'expérience pour essayer de pousser la pratique aussi loin que possible, en visant la dark software factory. Pas convaincu qu'on y arrive, mais c'est l'occasion de pratiquer et voir jusqu'où on peut aller et les frictions sur le chemin. Mais clairement sans formation c'est difficile de se rendre compte des possibilités tellement on peut vite partir dans tous les sens et tirer des conclusions hâtives. Il est impératif de s'appuyer sur ce que d'autres ont appris de leurs erreurs pour éviter de se reprendre les même murs, et d'être prêt à revoir en profondeur les process traditionnels. C'est beaucoup plus facile à faire sur des projets nouveaux (pas de friction amené par l'existant) et vu le gros travail à faire sur le testing et la validation en général, c'est très difficile à concevoir sur du legacy si on ne s'y prend pas tôt et par petits pas.

Donc je peux comprendre l'apparent contradiction entre les discours. Car sans même parler de gens qui ont des choses à vendre et donc du lobbying à faire, la pratique du truc nécessite assez de recul pour arriver à l'exploiter pleinement, de la discipline pour ne pas se tirer une balle dans le pied pour plus tard, et un focus pour ne pas se perdre dans la masse des discours tous azimuts.

pour utiliser une lib mal ou pas documentée, l'IA peut lire tout le code et générer des exemples minimaux fonctionnels pour une tâche donnée à titre pédagogique et c'est bien pratique.

Ça c'est un usage productif : en produisant du code basée sur la doc, on peut le tester directement pour voir si ça fait ce qu'il annonce, sinon on sait tout de suite qu'il a halluciné le truc. Alors qu'en ne lui demandant que d'expliquer pour le faire soi-même, ça prend plus de temps et on ne sait pas s'il a halluciné ou si on a mal compris. Faut faire des demandes qui permettent un feedback rapide pour être plus productif. Mais ça n'empêche pas de lire soi-même la doc plus tard pour acquérir les détails.

[calvaire]

Ah oui, c'est impressionnant. Mais l'architecture globale du code, le choix des techno c'est décidé aux réunions ou par les humaines quand même ?

oui il y'a un architecte humain... mais bon même l'architecte passe par l'ia... on réinvente pas la roue, 99% des nouveaux projets sont les mêmes de nos jours: microservices et déploiement dans le cloud sur un serveur k8s.
le vrai role de l'architect a vrai dire de nos jours de ce que j'en vois c'est plus de répondre aux contrainte budgétaires, nos 1ere versions étaient basé sur du K3s par exemple, qui a comme avanatge d'etre plus simple et plus léger à gérer.
Aujourd'hui on doit davantage scaler, on est sur un eks sur aws.

Pourquoi, si l'IA et la manière dont tu l'utilise permet d'automatiser assez loin votre processus de mise en production, se passer d'une étape pré-production qui pourrait détecter des soucis avant la mise en production effective ? Quelle est le gain par rapport à ce risque assumé ?

c'est une excellente question, la réponse c'est simplement réduire les couts et accélérer les mises en prod. Le préprod coutais plus de 10k/mois juste en infra, j'ai fais le choix de la virer.
C'est une autre façon de travailler, ca requiert une infra robuste, tous est monitoré par exemple.
Et une autre façon de codé le produit aussi, avec des canary releases des feature flags et une procédure de rollback tres rapide avec kubernetes (rollback d'un pod avec helm en quelques secondes)

la préprod c'est des couts en infra, c'est des couts humains aussi, quand des humains sont payé a utiliser/maintenir/réparer la préprod ils sont pas payé sur des taches a plus forte valeurs ajoutés.
Un ops sa coute plus de 10000$ singapourien par mois, il faut le payer pour des taches réellement utile.

Ca ne sort pas de mon chapeau, j'ai la chance que ma boite me permette d'aller à des conférences, notamment orienté infra et ia. Que ce soit a Singapour ou en chine. Je rencontre beaucoup de CTO et des directeurs d'infras et j'échange sur mes façons de faire et sur leurs leurs.
Ca crée une émulsion et permet de s'améliorer.

L'ia et d'ailleurs un excellent outil, quand je rentre d'une conférence à Hong Kong, l'ia me permet de tester "mes" nouvelles idées en quelques heure a peine, je peux vite monter un poc et si c'est prometteur en parler aux équipes.
C'est d'ailleurs une grosse partie que j'oublie souvent de mettre en avant quand je vante les avantage de l'ia, avant on présentait des slides powerpoint dans des réunions bien chiante et avec un risque que ce soit une fausse bonne idée.
Aujourd'hui plus personne ne fait cela et présente en réunion une démo/un poc coder avec l'ia. Ça donne du concret, ca permet de valider la faisabilité du concept et de voir des limites auquel on aurait même pas pensé.

J'ai un exemple de cette semaine, on devait concevoir et lancer un gros batch sur notre sgbd, on s'attendait à traiter 2000 requête/heures, finalement l'ia nous a proposé un refacto du framework et le code pondu par l'ia en 1 nuit on a eu la bonne surprise d’avoir doublé les performances.

[SurferIX]

En tous les cas, au vu de tous les commentaires de gens qui prônent l'IA, la seule chose qu'ils ne savent pas du tout faire, c'est juste copier-coller leur texte pour demander à l'IA de corriger leur faute d'orthographe...

A chaque fois que je vois les commentaires des gars qui disent que c'est super, c'est génial, "ça me permet d'être 10 milliards de fois plus productif". En tous les cas, en termes d'orthographe, ça n'a pas du tout augmenté la qualité de leurs écrits. ...

[thal1]

Création des grandes surfaces => Pas d'impact sur le petit commerce , vente en ligne => Pas d'impact sur les commerces réels , robotique => Pas d'impact sur le travail ouvriers , Délocalisations => Pas d'impact sur le chômage , IA pas d'impact sur les licenciement , Consumérisme => Pas d'impact sur la planète , Importation => Pas d'impact sur le marché intérieur , Culture intensive => Pas d'impact sur les sols etc,,etc ... .et bientôt le robot avec iA intégrée => Pas d'impact sur l'humanité . Toujours le même discours de ceux qui tirent profit de leur implication et qui après diront on ne savait pas ... en jouant les humanistes . Dans le commerce il n'y a pas de morale

[Mathis Lucas]

L'IA coûte trop cher et n'est rentable pour personne : seuls Nvidia, les fabricants de matériel et le BTP en tirent profit, portés par la frénésie des centres de données
selon un analyste

L'analyste Edward Zitron étrille à nouveau le modèle économique de l'IA. Dans une analyse critique, il affirme que le secteur traverse actuellement une bulle financière insoutenable en raison de coûts d'infrastructure et d'exploitation démesurés. Les acteurs investissent des milliers de milliards de dollars sans générer de revenus réels capables de justifier de telles dépenses. Anthropic et OpenAI sont critiqués pour leurs pertes massives et l'absence de modèle économique rentable à long terme. L'éclatement de la bulle serait un carnage. En fin de compte, des analyses suggèrent que Google pourrait être le seul gagnant, grâce à son importante réserve de liquidités.

Edward Zitron est auteur, podcasteur et spécialiste des relations publiques anglais. Il est connu pour ses analystes critiques sur le secteur technologique, notamment l'essor de l'IA générative. Il dénonce le battage médiatique intense autour des entreprises spécialisées dans l'IA générative. D'après lui, le secteur de l'IA utilise les médias pour dissimuler une croissance des infrastructures beaucoup plus lente que ce qui est annoncé officiellement.

Dans sa nouvelle analyse, il souligne le fardeau financier pour les entreprises clientes qui épuisent leurs budgets en jetons informatiques pour des résultats parfois médiocres. L'article dénonce une bulle spéculative alimentée par des dirigeants déconnectés des réalités techniques et opérationnelles.

L'analyste confirme un constat : l'IA n'est actuellement pas viable sur le plan économique, à l'exception de quelques acteurs très spécifiques. Nvidia est l'un des rares véritables bénéficiaires de cette course technologique. Nvidia et les entreprises de construction s'enrichissent en profitant de « l'exubérance irrationnelle » qui pousse les géants du cloud à investir des sommes colossales dans la construction massive de centres de données.

L'industrie fonce dans le mur sans croissance explosive des revenus

Edward (Ed) Zitron soutient que « l'IA n'est actuellement viable sur le plan économique pour aucun acteur », à l'exception des constructeurs de centres de données et des fabricants de matériel comme Nvidia. Selon les rapports financiers, les startups du secteur perdent des sommes colossales chaque année, tandis que les géants de la technologie investissent des centaines de milliards de dollars sans aucune perspective de rentabilité à long terme.

Des entreprises telles que Microsoft, Meta, Amazon et Google engagent des dépenses en capital faramineuses pour soutenir l'infrastructure de l'IA. À titre d'exemple, Microsoft a dépensé environ 100 milliards de dollars dans le cadre de son partenariat avec OpenAI. Ce chiffre est tiré du témoignage d'un dirigeant lors du procès Musk-OpenAI. Selon l'analyse d'Ed Zitron, cette information est particulièrement intéressante pour plusieurs raisons :

• Microsoft a dépensé au total 293,8 milliards de dollars en dépenses d'investissement depuis le début de l'exercice 2023 (qui a débuté au second semestre 2022) ;
• cela signifie qu'environ 30 % des dépenses d'investissement de Microsoft (87 milliards de dollars) ont été consacrés à la mise en place de l'infrastructure d'OpenAI ;
• d'après des discussions avec des sources proches de l'architecture Azure, cela représente la grande majorité de la capacité opérationnelle de Microsoft.

Selon l'analyste, l'avenir reste incertain. Plus précisément, pour que ces investissements soient rentabilisés, il faudrait que les revenus liés à l'IA explosent de manière irréaliste dans des délais très courts, ce qui n'est absolument pas le cas. En réalité, la croissance des revenus de ces géants du cloud computing repose presque exclusivement sur l'argent qu'ils injectent eux-mêmes dans des entreprises non rentables comme OpenAI et Anthropic.

Les défenseurs de l'IA affirment souvent que le matériel coûtera moins cher à l'avenir ou que les entreprises sont déjà rentables sur l'inférence, c'est-à-dire l'utilisation des modèles. Cependant, Ed Zitron rejette cet argument, estimant que si le traitement des requêtes était réellement profitable, des acteurs comme Anthropic ne perdraient pas des milliards de dollars et ne chercheraient pas à imposer des abonnements mensuels coûteux à leurs clients.

L'IA est trop chère pour qu'un laboratoire puisse surmonter ce défi

Anthropic et OpenAI brûlent leurs réserves de liquidités sans aucun plan viable pour arrêter cette hémorragie financière. Ed Zitron estime que les deux entreprises doivent générer ou lever plus de 1,25 billion de dollars au cours des quatre prochaines années. L'analyste soutient aussi que « les prévisions selon lesquelles ces laboratoires deviendraient rentables d'ici 2027 ou 2028 sont purement fantaisistes et destinées à tromper les investisseurs ».

À en croire son analyse, la réalité montre que les marges brutes de ces entreprises se détériorent, car ces dernières sont contraintes d'acheter des capacités de calcul en urgence et au prix fort pour répondre à une demande difficile à anticiper. Ed Zitron estime qu'Anthropic semble ainsi dépenser trois dollars pour chaque dollar gagné, tout en accumulant des centaines de milliards de dollars d'engagements financiers envers les fournisseurs de cloud.

Les centres de données ont besoin d’électricité pour fonctionner, et ceux dédiés à l’IA, en particulier, en consomment énormément. Il faut aussi du personnel pour s’occuper de la maintenance, des réparations et de l’exploitation. À cela s’ajoutent les impôts, les assurances et les autres frais courants qui, une fois additionnés, donnent un chiffre colossal et effrayant. Pour que tout ceci soit rentable à l'avenir, ces quatre conditions doivent être remplies :

• les revenus liés à l'IA doivent exploser ;
• il faut cesser d’investir en dépenses d’investissement ;
• les GPU doivent générer une marge positive, en tenant compte à la fois de leur coût et de la dette liée à leur mise en service ;
• les revenus de l’IA doivent rester stables avant et après l’arrêt de ces dépenses d’investissement.

Si les dépenses d'investissement ne cessent jamais, il faut que les revenus explosent de manière spectaculaire, à hauteur de presque le double de l'ensemble des activités de Microsoft, Meta et Google, et le triple du chiffre d'affaires annuel d'AWS (128 milliards de dollars). Par ailleurs, il faut que ces revenus soient aussi rentables, car sinon, d'autres activités saines pourraient finir par ralentir, laissant l'IA creuser un trou dans les marges globales.

Comment Anthropic ou OpenAI peuvent-ils devenir rentables ?

La réponse d'Ed Zitron à cette question est cinglante. Selon l'analyste, « il n'existe tout simplement aucun moyen pour ces entreprises de devenir rentables », car une utilisation accrue de leurs services ne fait pas baisser les coûts opérationnels. À l'heure actuelle, la croissance de leurs revenus s'accompagne d'une augmentation dramatique de leurs dépenses, ce qui explique pourquoi elles absorbent la majorité du capital-risque disponible pour survivre.

Il estime que le fait qu'aucun de ces deux acteurs ne semble préparer sérieusement une introduction en bourse suggère que leurs dirigeants refusent de dévoiler publiquement leurs marges financières désastreuses. Dans le même temps, l'IA est trop chère pour ses clients et sans retour sur investissement.

Les entreprises qui adoptent l'IA dépensent des millions de dollars et épuisent leurs budgets annuels alloués aux tokens en quelques mois seulement. L'engouement actuel pour l'achat de tokens relève d'une panique liée à la peur de manquer une révolution plutôt que d'une stratégie économique rationnelle. Des géants comme Uber ou ServiceNow s'inquiètent déjà de ces coûts imprévus et cherchent des solutions pour contenir l'explosion de leurs factures.

Ed Zitron décrit Zillow AI comme le Tchernobyl du l'industrie de l'IA

Pour Ed Zitron, la société immobilière Zillow AI illustre parfaitement cette dérive, ayant dépensé plus d'un million de dollars en services d'IA au seul premier trimestre 2026, avec des prévisions atteignant 10 millions pour l'année, soit près de la moitié de ses bénéfices nets de l'année précédente. La direction de Zillow souffre de ce que l'analyste appelle une "psychose induite par l'IA", forçant les ingénieurs à utiliser les modèles d'IA pour la moindre tâche.

Les employés se plaignent du fait que « l'IA génère du code de mauvaise qualité » qui nécessite de longues heures de relecture humaine, créant ainsi « une surcharge de travail ». D'après Ed Zitron, la combustion des tokens augmente et le retour sur investissement est impossible à mesurer.

Les entreprises sont accusées d'exploiter et de tirer le plus de valeur possible de leurs clients. Il est reproché à Anthropic de manquer de transparence en ne fournissant pas à ses clients d'outils précis pour analyser comment et par qui les tokens sont utilisés au sein de leurs entreprises. Plus grave encore, il est impossible de mesurer correctement le coût réel d'une tâche précise, car les modèles de langage réagissent différemment d'une requête à l'autre.

Ainsi, fixer des objectifs d'utilisation de l'IA pousse simplement les employés à trouver des moyens artificiels de gaspiller des tokens pour satisfaire la direction, sans aucune amélioration réelle de la productivité. Quelque chose ne va pas chez Zillow. Les modèles de langage auraient eu un effet sur ses responsables techniques, les poussant à tenir des propos étranges et à envoyer des présentations bizarres contenant des phrases confuses et mal ficelées.

Google pourrait sortir grand vainqueur de cette course effrénée

Geoffrey Hinton, parrain de l'IA, estime que Google est en train de rattraper et même de dépasser OpenAI dans la course à l'IA. Selon lui, l'entreprise finira par remporter cette bataille. Cette dynamique s'appuie sur des lancements récents très remarqués, comme la plateforme de développement avec des agents « Google Antigravity » et le modèle d'IA Gemini, qui nécessite moins d'indications de la part des utilisateurs pour générer des résultats.

Le succès de ces outils, couplé à celui du générateur d'images Nano Banana Pro AI, aurait permis à Google de prendre l'avantage sur le modèle GPT-5 d'OpenAI, marquant un retournement de situation environ quatre ans après l'alerte interne déclenchée par Google face au premier lancement de ChatGPT.

Bien que Google ait été historiquement prudent pour protéger sa réputation suite aux déboires de certains de ses concurrents, l'entreprise déploie désormais pleinement son expertise historique, ses immenses centres de données et ses chercheurs de pointe. Selon Geoffrey Hinton, l'un des atouts déterminants de Google réside dans sa maîtrise matérielle, notamment sa capacité à développer ses propres puces spécialisées pour l'IA.

Cet avantage stratégique se concrétise financièrement, le cours de l'action de Google ayant grimpé suite aux rumeurs d'un accord potentiel d'un milliard de dollars pour équiper les centres de données de Meta avec ses unités de traitement (TPU) d'ici 2027. Par contre, le concurrent OpenAI fait face à des défis financiers titanesques et devrait lever au moins 207 milliards de dollars d'ici 2030 pour simplement maintenir son rythme de développement.

Conclusion

À l'heure actuelle, le succès de l'IA générative repose sur son immense pouvoir de séduction auprès de cadres et de dirigeants déconnectés du travail réel. Les modèles de langage sont capables de simuler parfaitement le travail accompli, flattant l'ego des managers en ne refusant jamais aucune directive, aussi absurde soit-elle. Selon Ed Zitron, ces dirigeants imposent une technologie extrêmement coûteuse simplement parce que la concurrence le fait.

Pour Ed Zitron, cela prouve que cette industrie s'apparente davantage à une gigantesque escroquerie validée par l'ignorance d'une partie du monde de l'entreprise. Les entreprises investissent des fortunes non pas parce que l'IA est efficace, mais parce que leurs dirigeants agissent par mimétisme et ignorance.

Sam Altman, PDG d'OpenAI, et Dario Amodei, PDG d'Anthropic, sont décrits comme de grands arnaqueurs ayant bâti un produit gaspillant 1 000 milliards de dollars pour générer un résultat médiocre, dont le succès ne repose que sur la paresse d'une culture d'entreprise dominée par des dirigeants qui ne travaillent pas réellement. Certains analystes estiment que Google pourrait bien être le seul acteur capable d'aller au bout de cette course.

Source : billet de blogue

Et vous ?

Quel est votre avis sur le sujet ?
Que pensez-vous des conclusions de l'analyste Ed Zitron ?
Comment Anthropic ou OpenAI peuvent-ils devenir rentables ?
Pensez-vous que Google ressortira gagnant de cette course à l'IA ?
Les entreprises d'IA sont accusées d'escroquer leurs clients. Qu'en pensez-vous ?

Voir aussi

Nvidia avait 95 % du marché chinois de GPU dédié à l'IA, mais sa part a désormais chuté à moins de 60 % tandis que le gouvernement encourage les centres de données à utiliser des puces nationales

« Le secteur de l'IA vous ment. La bulle de l'IA repose sur un mirage soigneusement entretenu pour masquer des défaillances structurelles et logistiques majeures », selon un critique

Geoffrey Hinton, le « parrain de l'IA », affirme que Google « commence à dépasser » OpenAI : « Je pense que Google va gagner »

[Anselme45]

Bravo à cet analyste qui va à contre-courant du blabla ambiant de pseudo-experts de l'IA qui ont pris pour argent comptant les promesses des acteurs de l'IA de la Silicon Valley... Ceux-ci promettent que l'IA, c'est:

• une augmentation de 120% de la productivité de l'entreprise
• une diminution de 40% du nombre de salariés
• une division par 2 du temps de création des nouveaux produits ou services

Ces promesses ne se sont jamais concrétisées dans la réalité jusqu'à ce jour quelque soit le domaine d'activité de l'entreprise!

Par contre, la gloutonnerie de ces acteurs de l'IA pour dépenser des milliards de dollars est avérée, elle!

---

Ceci dit, pas sûr que Google soit le vrai gagnant au final ou alors un gagnant à la Pyrrhus (Pour ceux qui auraient gardé le nez sur leur smartphone pendant le cours d'histoire, Pyrrhus était un roi de l'Antiquité ayant obtenu une victoire sur les armées romaines avec des pertes catastrophiques pour lui et une "victoire à la Pyrrhus" désigne un succès obtenu à un coût si exorbitant qu'il équivaut quasiment à une défaite.).

En réalité, Google en introduisant l'IA à grande échelle est en train de scier la branche qui a fait sa fortune, le référencement de site internet! Qui va encore payer des sommes astronomiques pour de la pub alors que Google ne mentionne plus votre site internet???

Google est certes assis actuellement sur un tas de dollar, mais quand le tas n'est plus approvisionné et dans le même temps est siphonné par les dépenses stratosphériques liées à l'IA, la victoire sera amère...

[calvaire]

Bravo à cet analyste qui va à contre-courant du blabla ambiant de pseudo-experts de l'IA qui ont pris pour argent comptant les promesses des acteurs de l'IA de la Silicon Valley... Ceux-ci promettent que l'IA, c'est:

• une augmentation de 120% de la productivité de l'entreprise
• une diminution de 40% du nombre de salariés
• une division par 2 du temps de création des nouveaux produits ou services

Ces promesses ne se sont jamais concrétisées dans la réalité jusqu'à ce jour quelque soit le domaine d'activité de l'entreprise!

Pour moi les promesses sont concrète et chaque jours, pas dans ces proportions, mais je dirais que l'ia nous fait gagner 30% de productivité en plus.

En réalité, Google en introduisant l'IA à grande échelle est en train de scier la branche qui a fait sa fortune, le référencement de site internet! Qui va encore payer des sommes astronomiques pour de la pub alors que Google ne mentionne plus votre site internet???

Alors déjà google est mort si elle ne fait pas cette révolution, c'est une nécessité.
Ensuite c'est que tu es toujours pas à jours dans l'ia, aujourd'hui les sites web et apps se font référencer dans les outils ia et adapte leurs contenus pour l'ia !
Les crawlers IA aiment bien le HTML rendu serveur (SSR), contenu visible sans JS complexe, sitemap.xml, robots.txt propre et nouveau le fichier llms.txt.
on est passé d'un SEO = optimiser pour Google à SEO + optimisation pour moteurs IA conversationnels.
Le SEO dans les ia est même devenue prioritaire à google pour beaucoup de produit.

Bientôt il y'a aura un modèle économique la dessus, il faudra payer pour que l'ia mettent en avant ta solution dans le chat. Comme payer pour être en avant sur google.

[pyros]

Bientôt il y'a aura un modèle économique la dessus, il faudra payer pour que l'ia mettent en avant ta solution dans le chat. Comme payer pour être en avant sur google.

Pour une boutique en ligne, oui. L'important est qu'elle vende ses produit/service. Le trafic sur son site elle s'en fout.
Mais ennormément de site générateur de contenu (blog, journaux, forum, etc...) vivent du trafic arrivant sur leur site. Si l'utilisateur n'arrive pas sur leur site, ils n'ont pas de revenu. Donc ne générerons plus le contenu servant à entrainer les IA.

Google est en train de créer un checkpoint qui sera difficile de franchire. Plus aucune nouvelles données ne sera créé et à moyen terme, ça vas poser de très gros problèmes.