MtoM Mag - Le journal de l'MtoM.

Si les modèles génératifs de langue (Large Language Models) existent depuis des décennies, ces dernières années ont été marquées par des avancées technologiques impressionnantes telles que GPT-3 en 2020 et DALL-E en 2021, qui démontrent l’utilisation concrète de l’intelligence artificielle au quotidien. Samaipata, le fonds d’investissement des startups tech en amorçage, suit depuis des années ces applications et imagine l’impact de l’IA générative.

Le fonds d’investissement dévoile aujourd’hui les différents leviers à actionner d’après son expertise pour créer de la valeur sur un marché où les capitaux affluent.

La nécessité d’adresser une verticale en particulier

Jusqu’à présent, les applications les plus courantes ont été le marketing, les ventes et le développement logiciel. Samaipata remarque que les secteurs qui ne sont pas réglementés ou qui tolèrent une plus grande flexibilité en termes de précision du modèle semblent plus ouverts et plus adaptés aux produits IA. À l’inverse, être le premier à s’attaquer à un secteur réglementé ou plus exposé au risque, comme le secteur médical ou juridique, constitue un avantage concurrentiel. Cependant, il est nécessaire que cette utilisation soit validée par les professionnels du secteur pour garantir le succès de cette dernière.

La profondeur de l’IA, un enjeu clé

La "profondeur” de l’aide apportée par l’IA générative aux utilisateurs est une autre variable permettant de différencier les applications. Celle-ci peut varier en fonction de la verticale traitée, de la proposition de valeur et même de la maturité du modèle sous-jacent.

Aurore Falque-Pierrotin explique : “Pour l’IA, lorsque nous parlons de profondeur, nous entendons l’étendue de l’aide apportée par cette dernière à une tâche en particulier. Ici, l’autonomie complète représenterait le niveau le plus profond, tandis qu’un support pour établir des premières ébauches ou brainstormer agirait à un niveau plus superficiel. Commencer par une version peu profonde peut être une manière d’abaisser les barrières à l’entrée, pour s’améliorer au fil du temps en vue d’atteindre une IA générative quasi-autonome. Par exemple, un outil permettant d’établir une première version de termes juridiques plutôt qu’un contrat final a plus de chance d’être adopté.”

Accessibilité, intégration et outillage

Le dernier levier à analyser est la mesure dans laquelle l’IA générative est accessible, intégrée dans les flux de travail existants et complétée par des outils. On peut également parler de l’interface UX de l’IA générative, c’est-à-dire l’expérience utilisateur. Dans quelle mesure l’utilisateur peut facilement tirer parti de l’IA générative dans son rôle ? Telle est la question à se poser.

Le lancement de ChatGPT est un exemple de l’importance considérable de cette interface. En dépit de l’update de la technologie en 2020 (avec GPT3.5), c’est l’intégration d’une fenêtre de chat conversationnelle qui a fait soudainement bondir l’adoption en quelques jours.

Samaipata met donc l’accent sur l’importance de cette “couche” UX, facteur clef pour la réussite du projet. En effet, c’est l’un des rares moyens de se différencier des concurrents, surtout s’ils s’appuient sur les mêmes modèles d’IA sous-jacents.

Un outil d’IA générative “unique” risquerait de devenir une "fonctionnalité d’une plateforme existante, qui aurait un avantage comparatif énorme grâce à une base d’utilisateurs existante. Aurore Falque Pierrotin prend ici l’exemple de Notion : “Notion a introduit depuis quelque temps un assistant d’IA pour faire du brainstorming, rédiger des premiers jets, résumer et éditer des articles. Cette société est extrêmement bien positionnée pour adresser la verticale du traitement de texte collaboratif car la fonctionnalité est directement intégrée dans son produit actuel, elle bénéficie de toute la valeur de ses outils existants et dispose d’une base d’utilisateurs établie et solide.”

Samaipata remarque que de nombreux secteurs et cas d’utilisation restent inexploités pour le moment. S’il semble difficile de venir concurrencer les Big Tech sur les modèles sous jacents entraînés sur d’énormes ensembles de données, une startup peut avoir un angle en intégrant une IA dans une plateforme ou un flux de travail existant, capitalisant sur une approche métier, de la donnée propriétaire, des intégrations propre au secteur et une interface utilisateur optimisée.

Ainsi, selon le fonds d’investissement, l’IA générative est un secteur à suivre de près et qui devrait connaître d’importantes levées de fonds dans les mois à venir. La rapidité et la manière dont les entreprises se lancent sur le marché constitueront sur le long terme d’énormes avantages concurrentiels. L’équipe d’investissement de Samaipata est très enthousiaste à l’idée d’accompagner prochainement des startups dans ce secteur et d’y apporter toute son expertise et son réseau.

https://www.samaipata.vc/