Buy vs. Build : le bon choix technologique en IA

Il existe de nombreux services et produits d'IA disponibles aujourd'hui : ChatGPT et GPT-4 d'OpenAI, Claude d'Anthropic, AWS Bedrock, Azure OpenAI, Google Cloud Vertex AI, des modèles open source sur Huggingface, et plus encore. Devez-vous utiliser ces services via leurs API ? Faut-il déployer des modèles open source ? Ou devriez-vous former votre propre modèle d’IA ? Explorons ces options.

La décision d’achat ou de construction

Choisir entre acheter et construire une technologie est une décision clé pour la direction. Cela affecte les efforts de développement, les coûts de support futurs ainsi que les risques et limites potentiels. En achetant (en utilisant un produit prêt à l'emploi ou une API tierce), vous pouvez en bénéficier immédiatement, contrairement aux avantages différés de la création du vôtre. Avec les technologies achetées, les risques de développement sont minimes et les efforts de support sont faibles. Souvent, l’achat est également moins cher à grande échelle si l’on considère les coûts de support des solutions internes. Alors, pourquoi envisager de créer votre propre technologie ?

Créer un avantage concurrentiel

Les innovations technologiques peuvent accélérer les processus, réduire les coûts et améliorer vos résultats : pensez à de nouvelles bases de données, à des services cloud ou même à de meilleurs ordinateurs portables pour le personnel. L’IA peut aussi le faire. Cependant, contrairement aux bases de données ou aux technologies cloud, l’IA peut offrir un avantage concurrentiel en rendant votre produit plus difficile à copier.

L'IA moderne s'appuie sur l'apprentissage automatique, qui combine des données et des algorithmes : l'architecture du modèle, la configuration de la formation, etc. Nous formons des modèles d'apprentissage automatique avec des données pour produire le modèle final formé. Dans cette combinaison, les données sont primordiales.

Prenons l’exemple de deux entreprises, A et B, qui visent toutes deux à former leurs propres modèles d’IA. La société A investit massivement dans la recherche interne, développant des architectures de réseaux neuronaux propriétaires, en utilisant des ensembles de données accessibles au public. La société B investit dans la génération et l’acquisition de grands ensembles de données propriétaires de haute qualité et prévoit de former une architecture open source avec ces données. Quelle entreprise se retrouvera avec le meilleur modèle ?

La réponse est l’entreprise B. Les données de haute qualité l’emportent sur la conception des algorithmes. Entraîner un algorithme inférieur avec des données supérieures donne un meilleur modèle que former un algorithme supérieur avec des données inférieures.

Considérons maintenant la stratégie produit suivante :

1. Votre produit génère des données à partir des interactions des utilisateurs.
2. Vous utilisez ces données pour entraîner vos modèles d'IA.
3. Vos modèles d'IA améliorent votre produit.
4. Le produit amélioré attire plus d'utilisateurs et génère plus de données.

This creates a positive feedback loop\u2014a network effect. The more users you have, the better your AI models become. And the better your models, the more users you attract. Using this approach, products like Google Search and YouTube have conquered their hundred-billion-dollar market shares.

Décision d'achat ou de construction dans l'IA

Lorsque vous décidez d’acheter ou de créer des solutions d’IA, il est crucial de définir vos objectifs commerciaux. Souhaitez-vous accélérer les processus, réduire les coûts et améliorer vos résultats ? Ou souhaitez-vous rendre votre produit plus difficile à copier et obtenir un avantage concurrentiel ?

Si votre objectif est d'améliorer vos résultats, achetez

Pour optimiser les coûts et les délais de commercialisation, envisagez d’acheter. Utilisez des produits et des API prêts à l'emploi comme GPT-4 et Claude autant que possible. Si la sécurité des données est un problème, déployez des modèles open source tels que Llama 3.2 et Mistral sur votre cloud privé ou sur des serveurs GPU sur site. N’envisagez de former votre propre modèle d’IA que si rien de similaire n’est disponible sur le marché, et même dans ce cas, préférez les plateformes de formation de modèles low-code ou sans code.

Si votre objectif est de créer un avantage concurrentiel, construisez

Si vous souhaitez rendre votre produit plus difficile à copier, créer votre propre IA est la voie à suivre. L'établissement de votre propre cycle vertueux d'IA nécessite une collaboration étroite entre vos équipes produit et IA. Ils doivent garantir que votre produit collecte les bonnes données et que vos modèles d'IA améliorent la qualité du produit pour attirer davantage d'utilisateurs.

Il est essentiel de recycler régulièrement vos modèles, peut-être hebdomadairement ou mensuellement. Cela signifie mettre en place des pratiques internes pour la surveillance et le nettoyage des données, la formation des modèles, l'assurance qualité, la surveillance et le support.

Puisque vos données deviennent votre actif clé et le fondement de votre avantage concurrentiel, vous ne devez pas les partager avec des API ou des produits tiers. Après tout, vous ne pouvez pas acheter un avantage concurrentiel dans le commerce.

Articles connexes

• Vous souhaitez donc explorer l’IA pour votre entreprise. Par où commencer ?
• Tout ce dont vous avez besoin est un effet de réseau
• Des stratégies d'IA qui offrent un avantage concurrentiel durable