« Qui veut discuter avec une machine? Des millions de gens, apparemment » telle est la nouvelle réalité avec le lancement de ChatGPT en novembre 2022 ! Cette innovation a marqué le début de l’âge de l’IA et a opéré un bouleversement sans précédent dans le secteur technologique.
Si on en croit le nombre incalculable de présentations d’entreprises en démarrage qui exhibent leur affiliation à l’IA durant les deux premières pages, le reste est de l’histoire. Il semble que personne ne veuille rater le train de l’intelligence artificielle.
Cependant, comme pour toute nouvelle technologie, les capital-risqueurs tels que moi-même ont dû rapidement développer une stratégie pour distinguer les start-ups à fort potentiel de celles qui se perdent dans l’exagération ou sont susceptibles d’affronter des défis insurmontables leur empêchant d’atteindre l’échelle souhaitée.
« La distinction entre ces deux types d’entreprises nécessite une connaissance approfondie des différentes composantes de la valeur de l’IA générative, ce qui permet de déterminer lesquelles sont propices à l’investissement et, au besoin, d’élaborer une stratégie de due diligence pour évaluer les risques et les opportunités d’une start-up en particulier. »
Plus précisément, l’IA générative est composée de : données, middleware, modèles spécialisés, nuage et infrastructure, modèles de base, et couche applicative. Un véritable mille-feuille technologique !
Dans ce gâteau technologique, certaines tranches semblent plus attrayantes pour les investisseurs, alors que d’autres semblent plus ardues pour une entreprise en phase de démarrage. L’un des principaux défis – et donc l’une des principales opportunités – de l’IA générative est la précision et la fiabilité des informations qu’elle fournit. Les modèles d’IA générative d’aujourd’hui sont construits sur des ensembles de données massifs, certains aussi vastes et variés que l’Internet lui-même. Comme disait l’autre : « Tout est dans le cloud ».
En outre, l’accompagnement de la couche de données des technologies IA est le middleware, que nous définissons comme les outils et l’infrastructure qui soutiennent le développement de nouvelles applications de l’IA générative, qui est la seconde partie de notre thèse d’investissement dans ce secteur. Nous sommes particulièrement optimistes en ce qui concerne les entreprises d’infrastructure et d’outils qui évaluent et garantissent la sécurité, la précision et la confidentialité des sorties des modèles.
En conclusion, détenez des données propriétaires à fusionner avec les modèles de base, combinez cette alliance avec une bonne architecture de middleware et vous finirez avec ces modèles spécialisés qui, à notre avis, alimenteront la couche applicative avec laquelle les consommateurs et les entreprises interagissent. En d’autres termes, il semble que l’adaptabilité soit le nom du jeu dans le paysage toujours mouvant de l’IA.
Source : Techcrunch
