Comment la quête de l'IA à grande échelle prend de l'ampleur dans l'entreprise

Cet article fait partie d'un numéro spécial de VB. Lisez la série complète ici : La quête du nirvana : appliquer l'IA à grande échelle.

Les grandes entreprises expérimentent l'intelligence artificielle (IA) depuis des années : un projet pilote ici, un cas d'utilisation là. Mais les chefs d'entreprise rêvent depuis longtemps de devenir plus grands, meilleurs et plus rapides en matière d'IA.

C'est-à-dire appliquer l'IA à échelle.

Les objectifs de cette quête peuvent varier. L'espoir est peut-être de stimuler l'engagement des clients, d'améliorer l'efficacité opérationnelle et d'unifier les charges de travail de l'IA et des données. Peut-être que l'objectif est une croissance plus élevée, plus de flux de revenus et des informations en temps réel.

Mais la quête de l'IA Nirvana n'a jamais été uniquement une question d'IA. Il s'agit d'aller au-delà de son exploitation dans des applications spécifiques pour la mettre en œuvre à grande échelle, en générant de la valeur dans toute l'organisation.

La tendance à l'IA à grande échelle s'est considérablement accélérée au cours de l'année écoulée. En juillet dernier, par exemple, l'analyste de recherche de Gartner, Whit Andrews, a déclaré à VentureBeat que la tendance "colossale" de l'IA qui sous-tend toutes les autres tendances de l'IA aujourd'hui est l'augmentation de l'intelligence artificielle dans les organisations.

"De plus en plus de personnes entrent dans une ère où l'IA est un aspect de chaque nouveau projet", a-t-il déclaré. En effet, les outils technologiques sont meilleurs et moins chers, les talents dotés des bonnes compétences en IA existent et il est plus facile d'accéder aux bonnes données, a-t-il expliqué.

Selon un article de janvier du Boston Consulting Group, les leaders de la mise à l'échelle et de la création de valeur à partir de l'IA font trois choses mieux que les autres entreprises : ils donnent la priorité aux cas d'utilisation les plus impactants et les mettent à l'échelle rapidement pour maximiser la valeur ; ils rendent les données et la technologie accessibles dans toute l'organisation, en évitant les piles technologiques cloisonnées et incompatibles qui entravent la mise à l'échelle ; et ils reconnaissent l'importance d'aligner le leadership et les employés qui créent et utilisent l'IA.

Mais l'article affirme également que, même si la mise à l'échelle des cas d'utilisation est essentielle pour générer et maintenir la valeur de l'IA, la plupart des entreprises ne tirent pas encore pleinement parti du potentiel de cette approche.

Dans ce numéro spécial de VentureBeat, nous examinerons les opportunités et les défis de l'application de l'IA à grande échelle et comment les organisations peuvent se rapprocher de l'IA Nirvana. Il comprend un aperçu de la façon dont certaines entreprises exploitent la puissance des MLOps pour faire évoluer l'IA dans toute l'organisation, et comment les experts disent que les organisations peuvent faire évoluer l'IA de manière responsable. Nous nous penchons également sur la manière dont les entreprises utilisent les données synthétiques pour renforcer leurs efforts de mise en œuvre de l'IA à grande échelle.

Enfin, ce numéro met en lumière la manière dont plusieurs entreprises utilisatrices finales ont pu lancer l'IA à grande échelle en mettant en œuvre la technologie, les processus, la gouvernance et la stratégie dans l'ensemble de l'organisation.

Arsalan Tavakoli, vice-président directeur de l'ingénierie sur le terrain et cofondateur de la plate-forme Databricks, a déclaré à VentureBeat que l'application de l'IA à grande échelle consiste à savoir si l'IA est devenue essentielle pour tous les secteurs d'activité de l'entreprise.

"Il s'agit de savoir si l'IA est essentielle pour vous aider à générer une nouvelle expérience client, le développement de produits ou l'efficacité opérationnelle", a-t-il déclaré. "[si] elle est devenue une partie intrinsèque de la capacité de votre organisation à se transformer."

De nombreux clients Databricks, a-t-il souligné, font des expériences avec l'IA, mais n'ont aucune idée de la façon de passer à l'échelle. D'autres sont plus avancés, avec des modèles en production, mais ils se rendent compte que ce n'est pas efficace.

Avoir les bonnes données avec la bonne technologie alimentant les bons modèles est également essentiel, a déclaré Justin Hotard, vice-président exécutif et directeur général du groupe commercial HPC et IA.

"Nous constatons un intérêt beaucoup plus large pour l'IA à grande échelle, pas seulement à cause des LLM et