Cette semaine à Las Vegas, 30 000 personnes se sont réunies pour découvrir les dernières nouveautés de Google Cloud. Ce qu’ils ont entendu, c’était de l’IA générative, tout le temps. Google Cloud est avant tout un fournisseur d’infrastructure et de plateforme cloud. Si vous ne le saviez pas, vous l’avez peut-être manqué dans le déferlement de l’actualité sur l’IA.
Non pas pour minimiser ce que Google avait exposé, mais tout comme Salesforce l’année dernière lors de son road show itinérant à New York, la société n’a fait qu’un clin d’œil passager à son cœur de métier – sauf dans le contexte de l’IA générative, bien sûr.
Google a annoncé une série d’améliorations de l’IA conçues pour aider les clients à tirer parti du modèle de langage étendu Gemini (LLM) et à améliorer la productivité sur l’ensemble de la plate-forme. C’est bien sûr un objectif louable, et tout au long du discours principal du premier jour et du discours du développeur le lendemain, Google a parsemé les annonces d’un bon nombre de démos pour illustrer la puissance de ces solutions.
Mais beaucoup semblaient un peu trop simplistes, même en tenant compte du fait qu’ils devaient être intégrés dans un discours d’ouverture limité dans le temps. Ils se sont principalement appuyés sur des exemples au sein de l’écosystème Google, alors que presque toutes les entreprises disposent d’une grande partie de leurs données dans des référentiels extérieurs à Google.
Certains exemples donnaient en fait l’impression qu’ils auraient pu être réalisés sans l’IA. Lors d’une démonstration de commerce électronique, par exemple, le présentateur a appelé le vendeur pour finaliser une transaction en ligne. Il a été conçu pour montrer les capacités de communication d’un robot de vente, mais en réalité, l’étape aurait pu être facilement franchie par l’acheteur sur le site Web.
Cela ne veut pas dire que l’IA générative n’a pas de cas d’utilisation puissants, qu’il s’agisse de créer du code, d’analyser un corpus de contenu et de pouvoir l’interroger, ou de pouvoir poser des questions sur les données de journal pour comprendre pourquoi un site Web est tombé en panne. De plus, les agents basés sur les tâches et les rôles que l’entreprise a introduits pour aider les développeurs individuels, les créatifs, les employés et autres, ont le potentiel de tirer parti de l’IA générative de manière tangible.
Mais lorsqu’il s’agit de créer des outils d’IA basés sur les modèles de Google, au lieu d’utiliser ceux que Google et d’autres fournisseurs créent pour ses clients, je ne pouvais m’empêcher de penser qu’ils passaient sous silence de nombreux obstacles qui pourraient se dresser dans le projet. moyen d’une mise en œuvre réussie de l’IA générative. Bien qu’ils aient essayé de rendre les choses faciles, en réalité, la mise en œuvre d’une technologie avancée au sein des grandes organisations constitue un énorme défi.
Un grand changement n’est pas facile
Tout comme d’autres avancées technologiques au cours des 15 dernières années – qu’il s’agisse du mobile, du cloud, de la conteneurisation, de l’automatisation du marketing, etc. – elle a été accompagnée de nombreuses promesses de gains potentiels. Pourtant, ces progrès introduisent chacun leur propre niveau de complexité, et les grandes entreprises agissent avec plus de prudence qu’on ne l’imagine. L’IA semble être un atout bien plus important que ce que Google, ou franchement n’importe lequel des grands fournisseurs, ne laisse entendre.
Ce que nous avons appris de ces changements technologiques précédents, c’est qu’ils suscitent beaucoup de battage médiatique et conduisent à une tonne de désillusion. Même après plusieurs années, nous avons vu de grandes entreprises qui devraient peut-être profiter de ces technologies avancées se contenter d’essayer, voire même ne pas les utiliser, des années après leur introduction.
Il existe de nombreuses raisons pour lesquelles les entreprises peuvent ne pas tirer parti de l’innovation technologique, notamment l’inertie organisationnelle ; une pile technologique fragile qui rend difficile l’adoption de solutions plus récentes ; ou un groupe d’opposants du monde des affaires qui mettent fin aux initiatives les plus bien intentionnées, qu’elles soient juridiques, RH, informatiques ou autres, qui, pour diverses raisons, y compris la politique interne, continuent de dire non à des changements substantiels.
Vineet Jain, PDG d’Egnyte, une entreprise qui se concentre sur le stockage, la gouvernance et la sécurité, voit deux types d’entreprises : celles qui ont déjà effectué un virage significatif vers le cloud et qui auront plus de facilité à adopter l’IA générative, et ceux qui ont été lents à évoluer et qui connaîtront probablement des difficultés.
Il s’entretient avec de nombreuses entreprises qui disposent encore de la majorité de leur technologie sur site et qui ont encore un long chemin à parcourir avant de commencer à réfléchir à la manière dont l’IA peut les aider. « Nous discutons avec de nombreux utilisateurs « tardifs » du cloud qui n’ont pas commencé ou qui sont très tôt dans leur quête de transformation numérique », a déclaré Jain à TechCrunch.
L’IA pourrait obliger ces entreprises à réfléchir sérieusement à la transformation numérique, mais elles pourraient avoir du mal à repartir si loin, a-t-il déclaré. « Ces entreprises devront d’abord résoudre ces problèmes, puis utiliser l’IA une fois qu’elles disposeront d’un modèle de sécurité et de gouvernance des données mature », a-t-il déclaré.
C’était toujours les données
Les grands fournisseurs comme Google donnent l’impression que la mise en œuvre de ces solutions est simple, mais comme toute technologie sophistiquée, paraître simple au niveau du front-end ne signifie pas nécessairement qu’elle est simple au niveau du back-end. Comme je l’ai souvent entendu cette semaine, lorsqu’il s’agit des données utilisées pour entraîner Gemini et d’autres grands modèles de langage, il s’agit toujours d’un cas de « déchets entrants et sortants », et cela est encore plus applicable lorsqu’il s’agit d’IA générative.
Cela commence par les données. Si votre data house n’est pas en ordre, il sera très difficile de la mettre en forme pour former les LLM sur votre cas d’utilisation. Kashif Rahamatullah, directeur de Deloitte et responsable de la pratique Google Cloud dans son entreprise, a été très impressionné par les annonces de Google cette semaine, mais a tout de même reconnu que certaines entreprises qui manquent de données propres auront des difficultés à mettre en œuvre des solutions d’IA générative. « Ces conversations peuvent commencer par une conversation sur l’IA, mais cela se transforme rapidement en : ‘J’ai besoin de réparer mes données, je dois les nettoyer, et je dois les avoir toutes au même endroit, ou presque, avant de commencez à tirer le véritable bénéfice de l’IA générative », a déclaré Rahamatullah.
Du point de vue de Google, la société a créé des outils d’IA générative pour aider plus facilement les ingénieurs de données à créer des pipelines de données pour se connecter aux sources de données à l’intérieur et à l’extérieur de l’écosystème Google. « Il s’agit réellement d’accélérer les équipes d’ingénierie des données, en automatisant de nombreuses tâches très gourmandes en main-d’œuvre impliquées dans le déplacement des données et en les préparant pour ces modèles », Gerrit Kazmaier, vice-président et directeur général des bases de données, de l’analyse des données et de Looker. chez Google, a déclaré à TechCrunch.
Cela devrait être utile pour connecter et nettoyer les données, en particulier dans les entreprises qui sont plus avancées dans le parcours de transformation numérique. Mais pour les entreprises comme celles mentionnées par Jain – celles qui n’ont pas pris de mesures significatives vers la transformation numérique – cela pourrait présenter plus de difficultés, même avec les outils créés par Google.
Tout cela ne tient même pas compte du fait que l’IA comporte son propre ensemble de défis au-delà de la simple mise en œuvre, qu’il s’agisse d’une application basée sur un modèle existant, ou surtout lorsqu’on essaie de créer un modèle personnalisé, explique Andy Thurai, analyste chez Recherche sur les constellations. « Lors de la mise en œuvre de l’une ou l’autre solution, les entreprises doivent réfléchir à la gouvernance, à la responsabilité, à la sécurité, à la confidentialité, à l’utilisation éthique et responsable et à la conformité de ces mises en œuvre », a déclaré Thurai. Et rien de tout cela n’est anodin.
Les dirigeants, les professionnels de l’informatique, les développeurs et autres personnes qui se sont rendus au GCN cette semaine sont peut-être allés chercher les prochaines nouveautés de Google Cloud. Mais s’ils n’ont pas cherché l’IA, ou s’ils ne sont tout simplement pas prêts en tant qu’organisation, ils sont peut-être repartis de Sin City un peu choqués par la concentration totale de Google sur l’IA. Il faudra peut-être beaucoup de temps avant que les organisations manquant de sophistication numérique puissent tirer pleinement parti de ces technologies, au-delà des solutions plus complètes proposées par Google et d’autres fournisseurs.