L’IA générative peut-elle surmonter les questions d’évolutivité et de coût ?

Économique

Résumé:

Alors que les plus grandes entreprises du monde se livrent une course pour créer l'intelligence artificielle la plus sophistiquée, des questions se posent quant à la mesure dans laquelle et à la vitesse à laquelle la technologie peut être déployée, selon Goldman Sachs Research.

L'avènement de l'IA générative a suscité un regain d'enthousiasme quant à l'avenir de cette technologie. Contrairement à d'autres types d'IA, l'IA générative peut créer ses propres résultats en langage naturel. Parce qu'elle est « multimodale », elle peut également générer des réponses dans d'autres formats, notamment du texte, des chiffres, des vidéos et du son.

Les grandes entreprises technologiques citent des cas d’utilisation initiaux, et certains acteurs du monde des affaires voient une marge de gains de productivité majeurs dans certains domaines tels que l’écriture de code, ce qui pourrait rendre les employés les plus précieux encore plus productifs.

Cependant, l’ampleur exacte des bénéfices économiques futurs fait l’ objet de débats . Le coût de la création d’une IA de génération à grande échelle est extrêmement élevé, les grandes entreprises technologiques investissant des centaines de milliards de dollars – même si le coût par requête a considérablement diminué depuis le lancement de la technologie.

Lors du premier symposium virtuel européen Goldman Sachs sur l’IA et les semi-conducteurs, 20 intervenants — des PDG et des technologues aux macro-économistes — se sont réunis pour évaluer les perspectives de l’IA. Ils ont notamment discuté de sujets clés tels que les cas d’utilisation, le marché potentiel total, les défis liés au développement et à l’adoption de la technologie, ainsi que les implications pour le matériel et les semi-conducteurs européens.

Nous avons discuté avec Alexander Duval, responsable Europe Tech Hardware Semiconductors chez Goldman Sachs Research, des principales conclusions du symposium.

Quel rôle jouent les grandes entreprises technologiques appelées « hyperscalers » dans le développement de l’IA ?

Jusqu'à présent, les géants technologiques américains ont été à l'avant-garde de l'utilisation de l'IA générative. Ils ont développé de grands modèles de langage, qu'ils peuvent utiliser à la fois pour leurs activités existantes et potentiellement pour créer de nouveaux outils commerciaux.

Le symposium a permis d'apprendre que cette technologie permet de générer un quart du code d'un hyperscaler et de gagner un temps d'ingénierie considérable pour un autre. Parmi les cas d'utilisation plus larges dans l'économie réelle, on peut citer son utilisation pour prédire la structure des protéines, et même pour « rajeunir » l'apparence d'un acteur dans un film.

Ce sont des exemples frappants. Mais il convient de garder à l’esprit que les hyperscalers ont dépensé des centaines de milliards de dollars dans ce domaine. Ensemble, ils ont dépensé environ 200 milliards de dollars en IA cette année, et ce chiffre atteindra probablement 250 milliards de dollars l’année prochaine. Le développement de grands modèles linguistiques peut coûter des dizaines, voire des centaines de millions de dollars. C’est pourquoi, lors de ce symposium, nous avons vraiment voulu examiner s’il était possible ou souhaitable que la technologie puisse évoluer pour répondre à un plus grand nombre de cas d’utilisation. Ces hyperscalers disposent de beaucoup de flux de trésorerie disponibles, et nous commençons à voir des exemples de cas d’utilisation, mais un certain nombre d’observateurs du secteur pensent qu’à un moment donné, nous devons voir un retour sur investissement pour un éventail plus large de cas d’utilisation et de secteurs verticaux.

Des cas d’utilisation clés de l’intelligence artificielle ont-ils émergé dans l’économie au sens large ?

L’IA générative étant multimodale, elle pourrait théoriquement s’appliquer à de nombreux domaines : support client, codage, analyse médicale, marketing et bien d’autres. Étant donné que l’IA fait l’objet d’investissements considérables, il faudra démontrer les avantages globaux de ces cas d’utilisation afin de justifier un solide retour sur investissement. Cela étant dit, certains participants au symposium ont déclaré qu’il n’était peut-être pas impératif que l’IA se développe dans un domaine particulier (en d’autres termes, un seul cas d’utilisation clé n’est peut-être pas nécessaire), tant que les avantages économiques de tous les différents cas d’utilisation sont suffisants dans leur ensemble. On pourrait constater des gains d’efficacité à tous les niveaux.

Certains intervenants ont souligné qu'il existe un certain nombre d'exemples de très grandes entreprises technologiques prospères pour lesquelles on pourrait affirmer qu'il n'existait pas de cas d'usage clé au départ. Prenons l'exemple des applications de réservation de taxi. Il existait déjà une solution parfaitement valable : marcher jusqu'au bout de la rue et héler physiquement un taxi. Mais en tirant parti des logiciels et des effets de réseau, on pourrait créer des avantages économiques très importants, ainsi que des avantages pour les consommateurs.

Y a-t-il encore de la place pour que les petites entreprises technologiques puissent être compétitives ?

Certains intervenants du symposium ont apporté des éclairages intéressants sur les petits modèles de langage. Au début, les acteurs technologiques se concentraient sur la création de grands modèles de langage, et ceux-ci sont toujours importants. Mais il existe également une tendance au développement de modèles plus petits et plus efficaces.

Les petits modèles de langage sont plus faciles à ajuster, ils peuvent consommer moins d'énergie et peuvent être personnalisés pour répondre aux besoins spécifiques d'une entreprise dans un domaine donné (par exemple, le droit, la médecine ou la finance). Ils sont également généralement moins coûteux, car ils sont plus petits et consomment moins d'énergie.

Les grands modèles linguistiques resteront importants et les géants de la technologie disposent des ressources, des flux de trésorerie disponibles et des bilans nécessaires pour favoriser leur développement. Mais les intervenants ont souligné qu’il y aura d’autres acteurs, peut-être plus petits, dans l’écosystème qui pourront innover et développer de petits modèles linguistiques qui s’appuieront sur ces grands modèles. Certains intervenants ont estimé que cela représentait une opportunité pour les petites entreprises de stimuler l’innovation au sommet de la pile et ont souligné le grand nombre d’entreprises créées chaque jour pour le faire.

Le coût élevé de l’IA générative pourrait-il freiner son développement ?

La formation des LLM nécessite des investissements en capital très importants. Il faut construire un centre de données, tous les semi-conducteurs (ce qui inclut les GPU et les puces mémoire) et le matériel, l’alimentation et les utilitaires. Les intervenants ont mentionné que le coût par requête dans certains domaines est plusieurs fois plus élevé que pour un algorithme de recherche classique.

Cela dit, des progrès constants ont été réalisés en matière de réduction des coûts. Le coût d’une requête générative d’IA dans certaines grandes entreprises technologiques a considérablement diminué depuis le lancement de la technologie, et une société d’IA de nouvelle génération a déclaré que les revenus générés par la dernière génération de LLM dépassaient le coût de formation des modèles précédents. Si certains intervenants ont déclaré qu’il pourrait y avoir un risque de réduction des dépenses consacrées à l’IA si des retours significatifs ne sont pas générés, le consensus était que les hyperscalers continueront d’investir dans les prochaines années. Au total, Goldman Sachs Research prévoit environ 1 000 milliards de dollars d’investissement dans l’IA au cours des prochaines années.

Quels sont les autres obstacles à la mise à l’échelle de l’IA ?

Le développement de l’IA implique de nombreux défis. Pour développer cette technologie, il faut avoir accès à des semi-conducteurs, à de l’électricité et à de grandes quantités de données.

Les données deviennent une question clé. Nous en arrivons au point où les développeurs ont entraîné ces grands modèles de langage sur pratiquement toutes les données disponibles sur Internet. Les experts en IA tentent de trouver comment surmonter ce problème.

L’apprentissage multimodal est une solution possible : les modèles d’IA apprennent en ingérant non seulement du texte, mais aussi des vidéos et des images. Cela leur fournira beaucoup plus d’informations. Il existe également des réserves de données qui peuvent se trouver dans des silos propriétaires, dans des instituts de recherche ou des entreprises par exemple, et qui pourraient théoriquement être ajoutées au corpus de données sur lequel ces modèles sont formés. Nous avons également entendu parler de la possibilité que l’informatique quantique génère des données de haute fidélité qui pourraient être utilisées pour former des modèles.

Les énormes besoins énergétiques constituent un autre obstacle. La production d’électricité va devoir être multipliée par trois ou quatre d’ici 2030. L’un des intervenants a souligné que les besoins énergétiques accrus des quatre ou cinq plus grands hyperscalers à cette période équivaudront à la consommation énergétique actuelle de la France. Heureusement, des semi-conducteurs plus avancés pourraient également apporter une meilleure infrastructure de transmission et une conversion d’énergie plus efficace. Des efforts sont également en cours pour rendre les semi-conducteurs plus économes en énergie.

Quels sont les risques liés à l’adoption de l’IA à grande échelle et comment pouvons-nous les limiter ?

La prolifération de l’IA a suscité des inquiétudes quant à l’éthique de son utilisation. Cela dit, nos panels ont souligné que les entreprises et les organismes d’éthique surveillent les cas d’utilisation en cours de développement et suggèrent des garde-fous pour garantir que l’IA ne soit pas utilisée à mauvais escient. Par exemple, certains intervenants ont expliqué que le fait qu’un humain connaissant le contexte de la tâche spécifique vérifie les résultats de l’IA réduit le risque que les hallucinations aient un impact négatif.

D’autres risques méritent une attention particulière, notamment la communication des IA entre elles (potentiellement dans une langue que les humains ne peuvent pas comprendre), les problèmes de droits d’auteur, les préjugés et la sécurité.

Les intervenants ont ainsi convenu que l’utilisation de l’IA pourrait être de plus en plus limitée aux domaines les moins risqués et conditionnée à des dispositifs de sécurité et à une supervision humaine.

Comment les entreprises européennes de matériel informatique et de semi-conducteurs pourraient-elles bénéficier du développement de la technologie de l’IA ?

Plusieurs entreprises européennes de matériel informatique et de semi-conducteurs pourraient en bénéficier. Le symposium a notamment permis de découvrir la technologie de dépôt de couches atomiques, un type d'équipement de production de semi-conducteurs qui permet de déposer des matériaux sur une plaquette de silicium avec une grande précision afin de fabriquer une puce. Une entreprise néerlandaise propose cette technologie. À mesure que ces puces deviennent plus puissantes, elles doivent être plus efficaces en termes d'espace et d'énergie. C'est pourquoi les nouvelles conceptions de puces exploitent de plus en plus la technologie de dépôt de couches atomiques.

Plusieurs participants ont également souligné les capacités de l'Europe en matière de conditionnement avancé des semi-conducteurs, nécessaires pour garantir une utilisation efficace de l'espace sur les appareils. La lithographie, le mécanisme d'impression des transistors sur les puces électroniques, continuera également de progresser, offrant des capacités de traitement de plus en plus puissantes. L'Europe est également le principal producteur de ce type de technologie.

Enfin, une conversion d’énergie importante sera nécessaire pour faire fonctionner les serveurs d’IA, et l’Europe dispose également de capacités prometteuses dans ce domaine.

Pour rester informé de tous les événements économiques d'aujourd'hui, veuillez consulter notre Calendrier économique

Avertissements sur les risques et avertissements en matière d'investissement

Vous comprenez et reconnaissez que le trading avec des stratégies comporte un degré élevé de risque. Suivre des stratégies ou des méthodologies d’investissement entraîne un risque de perte. Le contenu du site est fourni par nos contributeurs et analystes à titre informatif uniquement. Vous êtes seul responsable de déterminer si des actifs de négociation, des titres, une stratégie ou tout autre produit vous conviennent en fonction de vos objectifs d'investissement et de votre situation financière.

Divulgation des risques

Le risque de perte dans la négociation d'instruments financiers tels que les actions, les devises, les matières premières, les contrats à terme, les obligations, les ETF et les crypto-monnaies peut être substantiel. Vous pouvez subir une perte totale des fonds que vous déposez auprès de votre courtier. Par conséquent, vous devez examiner attentivement si ce type de négociation vous convient, compte tenu de votre situation et de vos ressources financières.

Aucune décision d'investissement ne doit être prise sans avoir procédé soi-même à une vérification préalable approfondie ou sans avoir consulté ses conseillers financiers. Le contenu de notre site peut ne pas vous convenir car nous ne connaissons pas votre situation financière et vos besoins en matière d'investissement. Nos informations financières peuvent avoir un temps de latence ou contenir des inexactitudes, de sorte que vous devez être entièrement responsable de vos décisions en matière de négociation et d'investissement. La société ne sera pas responsable de vos pertes en capital.

Sans l'autorisation du site web, vous n'êtes pas autorisé à copier les graphiques, les textes ou les marques du site web. Les droits de propriété intellectuelle sur le contenu ou les données incorporées dans ce site web appartiennent à ses fournisseurs et marchands d'échange.

recherches récentes

Principales recherches

Citations

Analyse

Utilisateur

24/7

Calendrier économique

Education

Données