« Où que vous alliez, quoi que vous fassiez, l’IA est toujours là, sur toutes les lèvres. Révolution industrielle ou conquête du monde ? N’allez pas croire tout ce que vous entendez ! Aujourd’hui, TechCrunch+ travaille pour comprendre comment les start-ups peuvent trouver leur place sur le marché de l’IA en utilisant les Modèles de Langues de Grande taille (MLL), une méthode récente et très efficace pour créer des logiciels intelligents. »
Rappelez-vous, une conversation avait déjà été engagée quelques années auparavant sur la manière dont les start-ups axées sur l’IA allaient se monétiser. Certains s’interrogeaient alors sur l’impact des coûts liés à l’exécution de ces modèles pour le compte des clients sur leur marge. La conversation s’est depuis tarie, avant de revenir en force récemment. Pourquoi ? Parce que si la technologie MLL progresse vite, elle n’en reste pas moins coûteuse dans sa forme actuelle.
Mais les coûts ne sont qu’un seul aspect du problème. Nous nous posons aussi beaucoup de questions sur la manière dont les start-ups doivent construire leurs outils AI, sur la défensabilité de leur travail d’IA, et sur la manière dont elles doivent facturer leurs outils alimentés par l’IA.
« Il est essentiel de comprendre le marché pour les startups qui travaillent avec et créent de l’IA »
Un grand nombre d’investisseurs actifs dans l’espace d’investissement en IA ont été sondés pour nous aider à comprendre le marché. D’un côté, Rick Grinnell, fondateur et associé directeur de Glasswing Ventures, pense que la plupart des opportunités résident dans la « couche d’application », où les meilleures applications utiliseront leur expertise interne pour construire des outils de traitement spécialisés et les combiner avec des modèles de base appropriés. De l’autre, Edward Tsai, associé directeur chez Alumni Ventures, souligne que le focus des entreprises devraient plus porter sur des produits apportant une valeur ajoutée significative et la rapidité de mise sur le marché. »
Qu’en est-il des grandes entreprises technologiques dans ce panorama ? Il ressort que les entreprises qui introduisent des API alimentées par l’IA et des couches opérationnelles pour des industries spécifiques vont créer de nouveaux cas d’usage et transformer les flux de travail. Cependant, il est important de souligner que le marché est encore loin d’être mature. Les initiatives des startups permettent d’agir rapidement, de trouver des solutions innovantes à des problèmes émergents et de définir ainsi de nouvelles catégories.
Pour garantir la défensabilité des startups spécialisées dans une niche d’AI, elles doivent prioriser la collecte de données propriétaires, l’intégration d’une couche d’application sophistiquée, et assurer la précision des résultats. La sophistication d’une application dépend des données qui lui sont fournies, un élément clé pour obtenir des informations spécifiques et pertinentes et pour garantir la non-réplicabilité du produit final.
Enfin, si la croissance des produits technologiques basés sur la consommation a ralenti ces derniers temps, cela pourrait encourager les startups à se tourner vers un modèle de tarification SaaS plus traditionnel. Il est cependant encore trop tôt pour être catégorique à ce sujet, et rien n’exclut la possibilité de modèles hybrides, combinant des paiements périodiques et des limites d’utilisation pour les petites et moyennes entreprises, et des forfaits illimités basés sur l’utilisation pour les plus grandes entreprises.
Source : Techcrunch
