OpenAI et Google : rivalité pour l'IA en entreprise

OpenAI se lance dans le déploiement massif de l'IA

OpenAI a récemment annoncé un projet ambitieux visant à créer une nouvelle entreprise avec un investissement initial de plus de 4 milliards de dollars. Cette initiative a pour but d'aider les organisations à construire et déployer des systèmes d'intelligence artificielle. Dans le cadre de cette stratégie, OpenAI a également décidé d'acquérir Tomoro, une société de conseil en IA, pour accélérer le développement de cette nouvelle unité.

Depuis que ses premiers modèles ont capté l'attention du public, OpenAI s'efforce de conclure des contrats avec des entreprises et d'établir une forte présence dans le monde des affaires. L'objectif est de déployer son IA à grande échelle. Ce projet, qui sera principalement sous le contrôle d'OpenAI, arrive à un moment où son concurrent Anthropic connaît un succès notable avec ses modèles Claude, rapidement adoptés par les entreprises. La nouvelle entité, baptisée OpenAI Deployment Company, vise à intégrer des ingénieurs spécialisés dans le déploiement d'IA de pointe au sein des organisations. Ces ingénieurs travailleront en étroite collaboration avec diverses équipes pour identifier les domaines où l'IA peut avoir le plus d'impact, selon OpenAI.

L'acquisition de Tomoro, une société de conseil qui aide les entreprises à intégrer l'IA, apportera environ 150 ingénieurs IA expérimentés et des "spécialistes du déploiement" à la nouvelle unité dès le premier jour. Fondée en 2023 en partenariat avec OpenAI, Tomoro compte parmi ses clients des entreprises telles que Mattel, Red Bull, Tesco et Virgin Atlantic, selon son site web.

Google renforce son équipe d'ingénieurs IA

Selon The Information, Google prévoit d'embaucher des centaines d'ingénieurs pour aider ses clients à adopter ses produits d'IA axés sur les entreprises. Ces nouveaux "ingénieurs déployés en avant" formeront une nouvelle équipe au sein de Google Cloud, comme l'a indiqué Thomas Kurian, le responsable de l'unité, sur LinkedIn. Matt Renner, directeur des revenus de Google Cloud, a ajouté dans un post séparé que cette initiative permettrait à Google de se présenter à ses clients avec plus de ressources techniques, plutôt qu'un grand nombre de commerciaux.

Cette annonce s'inscrit dans une série d'initiatives récentes dans le secteur, alors que les entreprises technologiques mobilisent des équipes humaines, souvent appelées "ingénieurs déployés en avant", et établissent des partenariats avec des sociétés de conseil pour encourager l'utilisation de technologies basées sur l'IA destinées à automatiser le travail. Récemment, OpenAI a lancé l'OpenAI Deployment Company en partenariat avec des sociétés de conseil et d'investissement. La semaine précédente, Anthropic avait annoncé la création d'une coentreprise avec des sociétés de capital-investissement pour vendre son IA aux clients de ces firmes.

L'IA et les entreprises : une perspective historique

Il est tentant de faire des remarques sarcastiques sur le fait que l'intelligence artificielle générale (AGI) ne semble pas encore prête à déployer l'IA, mais je préfère dire "comme prévu". Dans l'article "Philosophie de l'entreprise et la première vague d'IA" de 2024, j'ai soutenu que l'analogie appropriée pour l'IA dans l'entreprise n'était pas le SaaS, mais plutôt la première vague de l'informatique dans les années 1970.

Les agents d'IA ne sont pas de simples copilotes ; ils remplacent les humains. Ils effectuent des tâches à la place des humains, comme dans les centres d'appels, et bénéficient de tous les avantages des logiciels : disponibilité constante et évolutivité selon la demande. Benioff ne parle pas d'améliorer la productivité des employés, mais celle des entreprises ; le terme utilisé pour les employés est "augmenté", ce qui sonne mieux que "remplacé". L'objectif ultime est d'améliorer les résultats commerciaux. Cette philosophie technologique vise à améliorer le résultat net des grandes entreprises.

Ce cadre s'applique bien à la vague des mainframes : les logiciels de comptabilité et d'ERP ont rendu les entreprises plus productives et ont généré des résultats commerciaux positifs. Les employés "augmentés" étaient des managers recevant des rapports plus précis et rapides, tandis que ceux qui effectuaient ce travail ont été remplacés. La décision de procéder à ce changement ne dépendait pas des employés de base, mais des dirigeants qui décidaient de se lancer.

Je ne pense pas que la Deployment Company soit là pour aider les employés à utiliser des chatbots ; c'est encore plus évident avec les sociétés de capital-investissement avec lesquelles OpenAI et Anthropic concluent des accords. Je m'attends à un nombre croissant d'accords où des sociétés de capital-investissement achètent des entreprises de logiciels avec des flux de trésorerie fiables et procèdent à des licenciements significatifs, forçant l'IA à compenser, tout en résolvant les problèmes de compensation basés sur les actions.

Je ne sais pas si le mandat de la Deployment Company sera aussi sévère, mais je suppose qu'il s'agit d'une entreprise engagée par la direction pour repenser fondamentalement les processus commerciaux d'une manière qui n'a pas été faite depuis l'ère des mainframes.

Le rôle crucial des données

Cela laisse la question des données, et bien que Benioff se vante de toutes les données que Salesforce possède, il n'a pas tout, et ce qu'il a est éparpillé à travers la multitude d'applications et de couches de stockage qui composent la plateforme Salesforce. En effet, Microsoft fait face au même problème : bien que leur vision de Copilot inclue des API pour des "agents" tiers — dans ce cas, des données d'autres entreprises — la réalité est qu'un agent efficace — c'est-à-dire un remplacement de travailleur — doit avoir accès à tout d'une manière qui lui permet de raisonner. La capacité des grands modèles de langage à gérer des données non structurées est révolutionnaire, mais le fait demeure que de meilleures données entraînent de meilleurs résultats ; des données explicites et raisonnées, par exemple, font partie intégrante du fonctionnement d'o1. À cet égard, l'entreprise qui m'intrigue le plus, pour ce que je pense être la première vague d'IA, est Palantir.

Cette intégration ressemble à cette illustration provenant de la page web de l'entreprise pour Foundry, ce qu'ils appellent "Le système d'exploitation alimenté par l'ontologie pour l'entreprise moderne" :

Ce qui est notable dans cette illustration, c'est à quel point Palantir doit s'impliquer profondément dans les opérations d'une entreprise pour atteindre ses objectifs. Ce n'est pas une application SaaS consommateur que votre chef d'équipe paie avec sa carte de crédit ; c'est un LOGICIEL du type que Salesforce cherchait à dépasser.

Comparaisons et réflexions sur Palantir

Kurian de Google, d'ailleurs, a rejeté toute comparaison avec Palantir lors d'une interview Stratechery le mois dernier :

Tout cela a parfaitement du sens, en particulier cette partie concernant le Knowledge Catalog, qui correspond à ma réflexion. J'ai écrit il y a quelques années sur l'importance de cette couche entière et sur la nécessité de la comprendre ; c'est un peu un grand défi de mettre cela en place. Vous avez une sorte d'analogie, disons, avec un Palantir qui met en place leur ontologie. Ils ont des FDE sur le site, des projets de plusieurs mois pour cela. Vous avez OpenAI qui parle de Frontier, leur couche d'agents, et ils s'associent à toutes les sociétés de conseil technologique pour développer cela. Cela va-t-il nécessiter beaucoup de présence sur le terrain pour que ce graphe fonctionne et soit fonctionnel d'une manière qui permette à vos agents d'opérer efficacement à travers celui-ci ?

TK : Nous ne sommes pas en concurrence avec Palantir, nous ne construisons pas de dictionnaire sémantique ou d'ontologie. Ce que nous faisons, c'est que, aujourd'hui, je vais vous donner l'analogie la plus proche.

TK : Aujourd'hui, lorsque vous utilisez un modèle, disons que vous utilisez Gemini, et que vous posez une question, Gemini passe par un raisonnement, puis il vous montre une citation. Une citation est : "Comment ai-je répondu à la question et quelle est la source dont je me suis inspiré ?"

Imaginez maintenant que cette citation soit une requête qui doit aller dans un dossier dans, par exemple, un système de stockage, car il y a des documents là-bas, et une base de données parce que, par exemple, dans un numéro de pièce, pensez simplement qu'il y a un document de numéro de pièce qui liste tous les numéros de pièce et se trouve dans un disque, et ce numéro de pièce que vous devez extraire pour dire que c'est le modem que la personne vient réparer, et cela est mappé à une table dans une base de données.

Ainsi, ce que fait le graphe, nous utilisons Gemini, donc nous n'avons pas besoin d'humains, nous utilisons Gemini pour dire : "Hé, va lire tous ces documents dans ces disques et extraire les informations de ceux-ci, puis fais correspondre cela à la table de base de données qui a la référence au numéro de pièce", et donc quand Gemini se retourne et dit : "J'ai cette requête sur combien d'inventaire de modems ils ont", la première chose qu'il fait, c'est qu'il dit : "D'accord, va au Knowledge Catalog et il dit que le modem est le numéro de pièce un, deux, trois, quatre, cinq", puis il dit : "Au fait, la table dans la base de données qui a les informations d'inventaire sur ce numéro de pièce est cette table, voici un SQL", cela améliore la qualité de ce que nous générons et quand il répond à la question, il montre de nouveau — de retour à votre, "Faites confiance à mes données", il montre une citation de fondation disant : "C'est d'où nous l'avons obtenu".