Le marché de l’Intelligence Artificielle connaît une effervescence sans précédent, soulevant la question d’une possible surchauffe ou d’une « bulle » financière. Selon Clem Delangue, co-fondateur et PDG de la plateforme communautaire Hugging Face, la bulle existe bel et bien, mais elle est mal identifiée. Il ne s'agit pas de l’IA dans son ensemble, mais spécifiquement des Grands Modèles de Langage (LLM), ces systèmes popularisés par des outils comme ChatGPT ou Gemini. L’entrepreneur français estime que cette concentration d'attention et de capitaux sur les modèles monolithiques pourrait mener à une correction dès l’année prochaine. Une analyse qui force à repenser l’avenir de l’IA, en privilégiant la spécialisation et la diversité des modèles plutôt que la course au plus grand modèle généraliste
La distinction fondamentale : LLM contre IA globale
L'argument central de Clem Delangue, lors d'une récente intervention, repose sur une nuance que le public et les investisseurs ont tendance à ignorer : l’Intelligence Artificielle est un domaine extrêmement vaste, dont les Grands Modèles de Langage (LLM) ne constituent qu'un sous-ensemble. Pour le PDG de Hugging Face, l'emballement actuel du marché et les valorisations stratosphériques ne concernent qu’une petite partie de l’innovation.
« Je pense que nous sommes dans une bulle des LLM, et je pense que cette bulle pourrait éclater l'année prochaine », a-t-il déclaré. Cependant, l’homme d’affaires se montre résolument optimiste pour l’avenir de l'IA elle-même. Il rappelle que le potentiel de l'Intelligence Artificielle est encore à ses prémices dans des domaines cruciaux et diversifiés. L’IA s’applique notamment :
- À la recherche en biologie et en chimie ;
- Au traitement et à la génération d'images ;
- À l'analyse et à la création d'audio ;
- À la reconnaissance et à la production de vidéo.
Selon cette analyse, un éventuel effondrement des valorisations dans le secteur des LLM n’aurait donc pas d'impact majeur sur la trajectoire de l’IA dans son ensemble.
La course aux modèles massifs est-elle vaine ?
Clem Delangue pointe du doigt la concentration excessive des investissements et des efforts de recherche sur l’idée qu’« un seul modèle, construit grâce à une quantité massive de puissance de calcul, va résoudre tous les problèmes pour toutes les entreprises et tous les individus ». Cette approche, qui a dominé l'actualité de ces dernières années, atteint selon lui ses limites pratiques et économiques.
Le coût et le besoin de spécialisation
Pour le dirigeant, l'un des problèmes majeurs des LLM généralistes réside dans leur gourmandise en ressources. Ces modèles, par nature conçus pour couvrir un spectre de connaissances quasi illimité (jusqu’à pouvoir débattre du « sens de la vie »), deviennent disproportionnés pour des tâches spécifiques en entreprise.
Pour illustrer son propos, il prend l’exemple d’un robot conversationnel destiné à la clientèle d’une banque. « Vous n’avez pas besoin qu’il vous parle du sens de la vie », souligne-t-il. Pour une telle application, un modèle plus petit et spécialisé présente des avantages manifestes :
- Il est moins coûteux à entraîner et à maintenir ;
- Il est plus rapide dans ses réponses ;
- Il peut être exécuté directement sur l’infrastructure de l’entreprise, offrant plus de contrôle et de confidentialité ;
- Il est plus précis pour la tâche visée grâce à sa spécialisation.
Cette conviction amène le PDG à prédire qu'au cours des prochains mois et années, nous assisterons à une « multiplicité de modèles plus personnalisés et spécialisés » qui apporteront des solutions concrètes à des problèmes ciblés.
Hugging Face : une stratégie anti-bulle
Si l'éclatement de la bulle des LLM pourrait impacter une partie de l'industrie, le co-fondateur de Hugging Face se dit serein. Son entreprise, qui est à la fois une plateforme collaborative et un hub pour les modèles ouverts, a adopté une approche financière prudente. Sur les 400 millions de dollars levés, la moitié serait encore en banque.
Ce positionnement contraste fortement avec celui d’autres acteurs majeurs du secteur, qui dépensent des milliards de dollars dans une course effrénée au modèle le plus grand et le plus coûteux. Clem Delangue, qui évolue dans l’IA depuis quinze ans, évoque une stratégie de « construction à long terme » et une « approche plus économe en capital » pour éviter les pièges d'une période d’emballement. C’est, selon lui, la clé pour bâtir une entreprise « durable et impactante » pour le monde.
Pour en savoir plus sur l'analyse de Clem Delangue, vous pouvez consulter l'intégralité de sa déclaration.
À retenir
- Distinction cruciale : La bulle financière ne concerne que les Grands Modèles de Langage (LLM), un sous-ensemble de l'IA.
- Avenir de l'IA : Le secteur de l'IA appliqué (biologie, image, audio, etc.) est jugé sain et prometteur, car il est encore à ses débuts.
- Spécialisation : Le marché se dirige vers une adoption croissante de modèles d’IA plus petits, plus rapides et spécialisés, plus adaptés aux besoins des entreprises.
- Limites des LLM : Les modèles généralistes monolithiques sont jugés trop coûteux et inadaptés pour une grande partie des cas d'usage professionnels.
- Stratégie : Hugging Face adopte une gestion prudente des capitaux (capital-efficace), anticipant une correction des valorisations sur le segment des LLM.
