Benedict Evans, analyste indépendant avec plus de 20 ans d'expérience dans les secteurs de la téléphonie mobile, des médias et de la technologie, analyse l'impact de l'IA générative, en particulier des modèles de langage (LLM) comme ChatGPT. Bien que ces technologies aient été adoptées rapidement, leur utilité reste encore limitée pour beaucoup d’utilisateurs. Malgré des millions de tests initiaux, de nombreuses personnes n'ont pas continué à les utiliser régulièrement, suggérant que l'IA générative n'est pas encore perçue comme indispensable.Alors que les discussions sur les éventuelles limites de l’intelligence artificielle (IA) s’intensifient, Jensen Huang, PDG de Nvidia, leader mondial dans la fabrication de puces graphiques et d’infrastructures dédiées à l’IA, a réfuté l’idée que cette technologie aurait atteint un plateau. Lors d’une récente intervention, Huang a souligné l’importance de poursuivre l’innovation pour faire avancer l’IA, tout en mettant en lumière l’urgence de surmonter des défis majeurs.
Evans souligne que bien que ChatGPT ait atteint des millions d'utilisateurs, une majorité ne l’utilise plus régulièrement. De nombreuses entreprises ont lancé des projets pilotes avec des LLM, mais leur adoption à grande échelle reste encore modeste. Cela dit, selon lui, cela ne fait que retarder l’inévitable évolution. Il avertit que bien que les LLM semblent offrir des solutions « magiques », ils n’en sont pas encore à un stade où ils peuvent transformer réellement les usages. Il faudra sans doute un long processus pour arriver à une véritable adéquation produit-marché.
En s'inspirant de son ancien patron Marc Andreessen, Evans fait un parallèle avec les échecs de la bulle Dotcom, qui sont aujourd’hui considérés comme des succès après avoir mûri. Il rappelle que, tout comme il a fallu des années pour rendre le haut débit courant ou établir le commerce électronique, l'adoption des nouvelles technologies prend du temps. L'exemple du commerce en ligne aux États-Unis, où il a fallu plus de 20 ans pour que 20 % des ventes soient réalisées en ligne, en est une illustration.
Commerce électronique en % du commerce de détail
Aujourd'hui, avec l'émergence de l’iPhone, il est facile d’oublier que ce produit a également nécessité du temps pour s’imposer. Durant ses 12 premiers mois, Apple n’a vendu que 5,4 millions d'unités, et ce n’est qu’en 2010 que les ventes ont explosé. Le cloud, par exemple, semble désormais obsolète, mais il ne représente encore qu'un tiers des flux de travail des entreprises, même 25 ans après les premiers efforts de Marc Benioff pour convaincre d'utiliser les logiciels dans le cloud.
ChatGPT a capté toute l'attention à la fin de 2022 et a rapidement fait son entrée dans le monde de la technologie. En deux mois, il a atteint 100 millions d’utilisateurs, un exploit sans précédent. Cependant, Evans met en garde contre la tentation de voir cette adoption comme un signe d’une révolution imminente. En réalité, beaucoup de gens l’ont testé une ou deux fois, mais peu l’utilisent de manière régulière. Ce phénomène peut être vu comme un verre à moitié plein ou à moitié vide : un quart ou un tiers de la population des pays développés a essayé le produit, mais la majorité n’a pas vu en quoi cela pouvait réellement leur être utile.
Malgré son succès initial, l'adoption de ChatGPT reste freinée par le manque de compréhension de son utilité concrète et le fait que ce n'est pas encore un produit complet, mais une technologie qui nécessite encore des améliorations. Evans compare cette situation à d'autres innovations passées, comme l’iPhone et le commerce en ligne, qui ont mis du temps à se transformer en produits réellement utiles et largement adoptés.
L’analyste note aussi que, bien que l’enthousiasme soit fort, la technologie derrière les LLM est encore en phase expérimentale, en particulier pour les entreprises. Les déploiements à grande échelle sont rares et les cas d’utilisation sont encore en test. Les investissements massifs dans l’IA générative semblent prématurés, car les entreprises n’ont pas encore trouvé les applications pratiques concrètes de ces technologies.
Evans suggère que la bulle actuelle autour de l'IA générative repose sur l'idée que les LLM pourraient tout automatiser, mais il reconnaît que cette réalité pourrait prendre encore plusieurs années. Il appelle à la patience et rappelle que les promesses de l'IA ne se réaliseront pas immédiatement, nécessitant encore des ajustements pour parvenir à une véritable adéquation produit-marché.
Benedict Evans souligne que l’adaptation aux nouvelles technologies prend du temps, tout comme ce fut le cas dans le passé avec des innovations majeures. Prenez l'exemple de l'époque où l'on imprimait nos e-mails ! Les modèles de langage (LLM) s’amélioreront à mesure que l’intelligence artificielle élargira ses capacités à résoudre divers problèmes. Toutefois, un LLM n'est pas un produit en soi : c’est une technologie qui nécessite d'être intégrée dans des cadres nouveaux, avec des expériences utilisateur repensées, pour devenir véritablement utile. Ce processus prendra encore du temps.
Les données de Bain sur l’adoption des LLM par les entreprises illustrent bien cette réalité. Il y a beaucoup d'intérêt et quelques déploiements, mais la situation varie largement en fonction du cas d’usage. Contrairement à d’autres enquêtes qui se contentent de savoir si quelqu'un utilise cette technologie, Bain distingue entre les pilotes, les expériences et les déploiements réels. Bien que de nombreuses entreprises aient testé les LLM, peu ont réellement confiance dans cette technologie à grande échelle, et l’adoption reste limitée dans certains secteurs comme le droit ou les ressources humaines, où les avocats, par exemple, sont particulièrement lents à adopter de nouvelles technologies.
Accenture fournit un autre exemple pertinent : bien qu'ils aient généré 300 millions de dollars avec l’IA générative l’année dernière, cela reste principalement dû à des projets pilotes et non à des déploiements à grande échelle. Cela montre que nous en sommes encore aux premiers stades de l’adoption. L'essentiel des revenus dans ce domaine pourrait provenir de consultants qui conseillent les entreprises sur l'IA générative elle-même.
L'exemple de ChatGPT, qui est passé d’un projet scientifique à 100 millions d’utilisateurs, montre la rapidité de son adoption, mais aussi les pièges d’une technologie qui semble être un produit fini alors qu’elle ne l'est pas. La tentative de Microsoft d’intégrer ChatGPT à Bing pour concurrencer Google illustre bien ce problème : bien que les LLM soient plus puissants que de simples moteurs de recherche, leur utilisation nécessite une construction approfondie autour d’eux pour être réellement utile. La précipitation des entreprises à adopter ces technologies découle de la pression concurrentielle et du sentiment qu’il s’agit d’un changement de plateforme imminent.
Intérêt dans le temps
Toutefois, cette précipitation nous empêche d'explorer la phase difficile de la courbe en S, où il faut déterminer l'adéquation produit-marché. Le web, le commerce électronique et l’iPhone ont dû traverser ce processus long et complexe avant de devenir réellement utiles. Dans le cas des LLM, la Silicon Valley parie peut-être sur l’idée que ces technologies évolueront pour parvenir à une adéquation produit-marché, mais ce processus est encore loin d’être achevé. L'enthousiasme autour de l’IA générative repose sur l’idée que ces technologies peuvent résoudre tout, mais cela reste une vision utopique pour l’instant.
L’IA générative peut-elle transformer la société comme l’Internet
L’émergence des modèles de langage à grande échelle (LLM) et de l’IA générative suscite un engouement qui rappelle les débuts d’Internet. Cependant, leur adoption réelle reste limitée, et leur impact sur le quotidien de la majorité des utilisateurs semble encore loin de leur potentiel théorique. Les parallèles historiques montrent que les révolutions technologiques nécessitent souvent une maturation, tant sur le plan technique que dans les usages. Si l’IA générative s’appuie sur une infrastructure numérique préexistante, ce qui accélère sa diffusion, son intégration profonde dans la société dépendra de son aptitude à répondre à des besoins variés et pratiques.
L’un des principaux défis des LLM réside dans leur fiabilité. Bien qu’ils soient impressionnants, leur tendance à produire des réponses inexactes ou non vérifiables limite leur adoption pour des tâches critiques. Ce problème soulève la nécessité de systèmes capables de valider les informations générées. Toutefois, imposer une vérification centralisée pourrait introduire des biais et restreindre leur flexibilité. Comme pour l’Internet, il est possible que des systèmes fiables émergent à partir de bases imparfaites, mais cela nécessitera des solutions créatives et robustes.
Un autre obstacle majeur est la perception de l’utilité. Si les professionnels de la technologie intègrent déjà l’IA dans leur travail, la plupart des utilisateurs peinent à identifier des cas d’usage clairs et quotidiens. Les LLM, en l’état, sont souvent perçus comme des outils impressionnants mais accessoires. Pour dépasser cette impression, les entreprises doivent développer des applications concrètes et user-friendly, adaptées à des contextes variés, plutôt que de se concentrer uniquement sur des usages spécifiques comme le codage ou le marketing.
Enfin, il est important de considérer l’effet de la "hype". L’histoire récente regorge de technologies annoncées comme révolutionnaires mais qui n’ont pas tenu leurs promesses à grande échelle. Si l’IA générative peut potentiellement transformer des secteurs entiers, elle risque de devenir une simple commodité si elle ne dépasse pas le rôle d’assistant intelligent. Les entreprises doivent donc adopter une approche pragmatique, en évaluant avec rigueur les opportunités réelles et les limites actuelles, plutôt que de s’appuyer uniquement sur des attentes élevées et des investissements massifs.
Bien que l’IA générative ait le potentiel de transformer les usages, son développement nécessitera du temps, des ajustements techniques et une réflexion approfondie sur les besoins des utilisateurs. Elle ne deviendra une véritable révolution que si elle s’intègre harmonieusement dans les pratiques existantes, tout en créant de nouveaux paradigmes d’interaction.
Source : Vidéo
Et vous ?
Quel est votre avis sur le sujet ? ChatGPT et la courbe en S de l’innovation : patience ou risque de déclin ?Voir aussi :
L'IA loin d'avoir atteint ses limites : le PDG de Nvidia rejette les craintes que l'IA se heurte à un mur, Jensen Huang appelle toutefois à des efforts immédiats pour atteindre le prochain niveau d'innovation Un tribunal affirme qu'un établissement n'a commis aucune faute en sanctionnant un élève pour utilisation de l'IA, cette décision pourrait faire office de jurisprudence face aux plaintes des parents 
