Pourquoi Google, Meta et Amazon s'Arrachent Tous le Même Profil (Analyse) – Transcript

00:00En 2018, pour créer une application qui utilise l'intelligence artificielle, il vous fallait une équipe de chercheurs, des millions de dollars et des années de développement. Aujourd'hui, il vous suffit d'un weekend, une bonne stratégie et une carte de crédit. C'est un constat documenté dans les analyses les plus sérieuses du secteur. Et ce changement, il a créé une nouvelle discipline, un nouveau métier, quelque chose qui n'existait pas il y a 3 ans et qui est déjà en train de

00:27devenir l'une des compétences les plus recherchées au monde. Ça s'appelle l'AI Engineering. Et attention, ce n'est pas juste savoir coder, c'est la compétence critique qui va décider qui profite de cette révolution et qui se fait écraser par elle. Si je devais résumer l'IA après 2020 en un seul mot, ce serait échelle. Les modèles derrière Chat GPT, Gémini, Claude, Mid-journée,

00:51ils sont tellement massifs qu'ils consomment une part négligeable de l'électricité mondiale et on commence à manquer de données sur internet pour les entraîner. Mais cette échelle gigantesque, elle a deux conséquences majeures. Première conséquence, ces modèles sont capables de faire des choses qu'on pensait impossible il y a 5 ans. écrire du code, analyser des contrats, générer des images, résumer des documents de 1000 pages. La liste s'allonge chaque semaine. Deuxième

01:19conséquence, et c'est celle qui nous intéresse vraiment, entraîner ces modèles coûte tellement cher que seul quelques organisations dans le monde peuvent se le permettre. On parle de centaines de millions de dollars, des data centers entiers, des équipes de chercheurs qu'on peut compter sur les doigts de deux mains à l'échelle mondiale. Résultat, ces organisations ont fait un choix stratégique. Au lieu de garder leur modèle pour elles, elles les vendent comme un service. C'est

01:48ce qu'on appelle le modèle AS à service. Avant, si vous vouliez utiliser l'intelligence artificielle dans votre produit, vous deviez construire votre propre modèle. collecter vos données, recruter des data scientistes, investir pendant des mois, parfois des années. C'était long, c'était coûteux, c'était difficile. Or maintenant, il vous suffit d'un simple appel, une petite ligne de code et voilà, vous avez accès au même modèle qu'utilisent Google et Microsoft. C'est comme si

02:18du jour au lendemain, tout le monde avait accès aux cuisines d'un restaurant trois étoiles. Vous n'êtes plus obligé de cultiver vos propres légumes et d'élever vos propres poulets. Vous arrivez, les ingrédients sont prêts et votre job, c'est de créer le plat. Ce job, ce nouveau métier de créer des applications en utilisant des modèles que d'autres ont construit pour vous. C'est ça l'ingénierie d'intelligence artificielle. C'est ce qui rend possible l'explosion cambrienne des

02:43produits IA. Attendez-vous à une multiplication soudaine de services et à une compétition féroce. L'histoire ne fait que commencer. Concrètement, un AI engineer fait quoi ? Première compétence, le prompt engineering. Ça consiste à donner les bonnes instructions au modèle pour qu'il fassent exactement ce que vous voulez. Ça paraît simple, dit comme ça, mais c'est un art.

03:08La différence entre un bon prompt et un mauvais prompt peut faire passer votre application de inutilisable à magique. Google a montré que juste en changeant la façon de poser des questions à Gémini, ses performances sur un benchmark standard passaient de 83 % à 90 %. 7 points de différence juste avec des mots. Deuxième compétence, la construction de contexte. Les modèles comme GPT ou Claude ne savent que ce qu'on leur dit. Si vous voulez qu'il répondent à des questions sur vos

03:38documents, vos clients, vos produits, il faut leur donner ce contexte. Cela peut par exemple passer par ce qu'on appelle un rag. Retrieval augmented generation. Vous connectez le modèle à vos bases de données, vos fichiers, vos systèmes et d'un coup, il devient expert de votre domaine. Un dossier complet et une vidéo dédiée est disponible sur Patreéon. C'est une industrie naissante qui vaut déjà des milliards. Pour les curieux, je vous invite à aller voir ça. Troisème compétence,

04:08l'évaluation. Et c'est peut-être la plus sous-estimée. Les modèles DI génèrent des réponses ouvertes. Il n'y a pas une seule bonne réponse comme dans un QCM. Alors, comment vous savez si votre application marche bien ? Comment vous mesurez le progrès ? Comment vous détectez les hallucinations avant qu'elle n'arrive devant vos clients ? Évaluez correctement ce nouveau type d'application. C'est devenu une discipline à part entière. Et si ces compétences sont nouvelles,

04:34c'est parce qu'on a changé de paradigme. On n'est plus dans le développement de logiciel des années 2010. Les recommandations Netflix, la détection de fraude bancaires, le filtre antispam, tout ça relève d'une discipline, le machine learning traditionnel. Beaucoup confondent ces deux domaines, mais le principe du machine learning est différent. Pour faire simple, avant 2022, le but des entreprises de software était de développer un logiciel utile. Celui-ci collecter des données

05:03utilisateur. C'est alors que ces entreprises font tout pour grossir et avoir le plus de données possibles. C'est le fameux big data. Puis c'est seulement là, grâce à des armées de data engineers et de data scientist que vous pouviez développer votre propre modèle. Vous entraînez ces poids mathématiques et vous vérifiez qu'il résolvait un problème unique parfaitement défini dès le départ.

05:27Or, tout a basculé en 2022 avec la naissance de l'ingénierie de l'intelligence artificielle. Ici, la logique est inversée. Vous partez d'un modèle général qui sait déjà faire énormément de choses et vous l'adaptez à votre besoin spécifique. C'est toute la différence entre devoir construire une voiture de zéro et simplement customiser un modèle de série. Et cette différence, elle a une conséquence énorme. La barrière à l'entrée s'effondre. Vous n'avez plus besoin d'un doctorat

05:56en machine learning pour créer des applications IA. Des développeurs web, des analystes, des consultants, même des gens sans formation technique arrivent à créer des prototypes fonctionnels en quelques jours. C'est un véritable choc culturel et il crée une friction énorme. D'un côté, l'élite technique grince des dents en voyant la barrière à l'entrée s'effondrer. De l'autre, les entreprises sont perdues et recrutent les mauvais profils. Et au milieu, vous avez une foule

06:25de créateurs potentiel qui reste sur la touche tétanisée par une complexité qui n'existe plus. Si vous comprenez que cette barrière est devenue une illusion, vous avez déjà une longueur d'avance sur 90 % du marché. Et pour ceux qui ont compris que la barrière technique s'est effondrée, le champ des possibles est immense. Mais attention, ici on ne parle plus de technique, on parle de stratégie.

06:50Et décoder cette stratégie, c'est exactement la mission de cette chaîne. Si vous voulez comprendre les règles du jeu plutôt que de juste regarder le match, c'est le moment de vous abonner. En effet, maintenant que la question n'est plus de savoir comment construire, mais quoi construire, il faut regarder les données. En analysant plus de 200 applications IA et des dizaines d'entreprises, on identifie huit grandes catégories qui concentrent la valeur. Première catégorie,

07:19le code. C'est le cas d'usage numéro 1. Cursor valorisé près de 30 milliards de dollars dépasse désormais le milliard de revenus annuels. et la SAS qui croit le plus vite de l'histoire. Claude Code, Windsurf et leur concurrents se battent pour transformer nos éditeurs en véritable codéveloppeur IA. Mckinze a mesuré que l'IA peut doubler la productivité des développeurs sur la

07:43documentation et l'augmenter de 25 à 50 % sur la génération de code. Par contre, attention, sur les tâches vraiment complexes, le gain est minimal. L'IA est excellente pour le code répétitif, beaucoup moins pour l'architecture. Deuxième catégorie, la création d'images et de vidéos. Midourné génère 200 millions de dollars par an. Adobe Firefly, Runway,

08:09Sora. L'explosion créative est réelle et ce n'est pas que pour les artistes. Les équipes marketing utilisent l'intelligence artificielle pour générer des visuels publicitaire, les e-commerçants pour créer des photos de produits, les agences pour tester des concepts. Trè catégorie, l'écriture. Une étude du MIT a montré que les professionnels exposés à Chat GPT réduisent leur

08:32temps d'écriture de 40 % et améliore la qualité de 18 %. Et surtout l'intelligence artificielle aide davantage ceux qui écrivent moins bien naturellement. Elle nivellent par le haut. 4e catégorie l'éducation. Duolingo can academie le gouvernement chinois. Tous intègrent maintenant des applications éducatives qui expérimentent massivement avec Lia pour personnaliser l'apprentissage. L'intelligence artificielle génère des exercices spécifiques pour vous. C'est

09:02la fin du cours magistral identique pour tout le monde, ce qui au passage devrait vous donner un indice sur la valeur de l'université de nos jours. 5e catégorie, les chatbot conversationnels support clients, assistant virtuel, compagnons numériques. Oui, les AI Girlfriend existent et génèrent des revenus significatifs. Certaines personnes passent déjà plus de temps à parler à des bottes qu'à des

09:27humains. On peut trouver ça triste ou fascinant, mais c'est une réalité économique. 6e catégorie, l'agrégation d'information. Résumé des documents, synthétiser des recherches, transformer 100 pages en trois paragraphes. Selon Sals Force, 74 % des utilisateurs de l'IA générative l'utilise pour ça. C'est peut-être le cas d'usage le plus immédiatement utile pour les professionnels. 7e

09:54catégorie, l'organisation des données. Lia peut maintenant extraire automatiquement des informations de vos factures, contrat, email. Elle peut taguer vos photos, classifier vos documents, structurer le chaos. Le marché du traitement intelligent de documents devrait atteindre 13 milliards de dollars d'ici 2030. 8e catégorie, l'automatisation des workflow. C'est le singral,

10:19des agents IA qui peuvent réserver vos voyages, remplir vos formulaires, gérer vos emails. On n'y est pas encore complètement. Les agents autonomes restent fragiles, mais c'est la direction vers laquelle tout le monde se dirige. C'est donc tout logiquement que si vous souhaitez vous lancer, je vous conseille de vous lancer dans l'une de ces huit catégories. Mais attention, ne confondez pas. Il est facile de démarrer sa transition dans l'IA et il est facile de réussir. C'est

10:48précisément parce que c'est accessible que c'est devenu trompeur. Et c'est sur cette ambiguïté que jouent tous les opportunistes de l'influence. pour essayer de vous vendre des méthodes miracles. Maintenant, voici ce que les vendeurs de rêve ne vous disent pas. Ce n'est pas parce qu'une démo est impressionnante que le produit est viable. Il y a une expression qui résume tout. Le défi du dernier kilomètre. Il facile de construire une démo qui marche à 81 % en un weekend,

11:17mais passé de 80 à 95 %, LinkedIn a témoigné que ça leur a pris 4 mois supplémentaires. 4 mois pour 15 points de pourcentage. C'est pour ça que beaucoup de start-up IA impressionnent en démo et échouent en production. Le gap entre ça marche sur mon ordinateur et sa marche pour 10000 clients est immense. Vous avez probablement déjà entendu des promesses sur des technologies qui allaient

11:43tout changer et vous avez raison d'être sceptique. Mais voici ce qui rend Lia différente. Elle suit des lois de puissance. Qu'est-ce que ça veut dire ? Dans une distribution normale, la fameuse courbe en cloche, la plupart des gens sont au milieu. Il y a quelques excellents, quelques mauvais et une grosse masse au centre. C'est le monde dans lequel on a grandit, le monde où être dans la moyenne

12:07suffisait pour avoir une carrière correcte. Les lois de puissance, c'est l'inverse. Une petite minorité capture l'essentiel de la valeur. Le top 1 % des créateurs YouTube génère plus de revenus que les 99 % restants combinés. Les 10 plus grandes entreprises tech valent plus que les 1000 suivantes. Lia accélère cette dynamique de manière brutale. Pourquoi ? parce qu'elle amplifie

12:31les écarts. Si vous savez utiliser l'IA pour être deux fois plus productif, vous ne gagnez pas juste deux fois plus. Vous captez les opportunités que ceux qui ne l'utilisent pas auraient eu. Et comme les meilleurs s'améliorent plus vite, l'écart se creuse exponentiellement. Prenons un exemple concret. Avant LIA, un consultant moyen pouvait facturer correctement en faisant un travail correct. Il y avait assez de demandes pour tout le monde. Le marché était fragmenté. Maintenant,

13:00un consultant qui maîtrise l'IA peut produire en une journée ce qu'un autre produit en une semaine. Il peut servir plus de clients avec une meilleure qualité à un prix inférieur et les clients le savent, ils comparent. Le consultant moyen ne devient pas juste moins compétitif, il devient invisible. Parce que dans un monde connecté, vous n'êtes pas en compétition avec vos voisins. Vous êtes en compétition avec le meilleur du monde. C'est vrai pour les consultants, c'est vrai pour