Un développement récent dans le monde de l’IA attire l’attention.
Un tableau de bord pour l’ère de l’IA
La question que me posent tous les directeurs financiers est simple : comment tirer davantage de valeur de nos investissements dans l’IA ?
À noter également, pendant des années, le marché a évalué le succès des logiciels en fonction de leur adoption : nombre de postes achetés, d’utilisateurs actifs, de licences renouvelées. Pour appréhender la valeur de l’IA, il faut recourir à un indicateur plus pertinent : le travail accompli.
L’indicateur de performance par excellence à l’ère de l’IA pourrait être défini comme « l’intelligence utile par dollar ».
La question économique fondamentale à laquelle sont confrontés les directeurs financiers et autres dirigeants d’entreprise est de savoir si la valeur du travail accompli par l’IA augmente plus sans tarder que le coût de sa production.
Point notable, pour répondre à cette question, il faut aller au-delà d’un indicateur tel que le coût par token. Un système moins coûteux peut proposer des tokens moins chers, cependant l’obtention de résultats de qualité peut nécessiter davantage de tentatives, plus de temps ou davantage de vérification humaine. Un modèle plus performant peut avoir des tokens plus chers, mais accomplir la même tâche en un seul passage. Ce qui importe, c’est le coût total de la réalisation d’un résultat positif, rapporté à la valeur que ce résultat génère.
Notons par ailleurs, l’indicateur de performance par excellence à l’ère de l’IA pourrait être défini comme « l’intelligence utile par dollar ». Cet indicateur répond à quatre questions clés :
Dans la foulée, combien de problèmes rencontrés par les clients l’IA a-t-elle permis de résoudre ? Combien de modifications de code a-t-elle permis de mettre en production ? Combien de contrats a-t-elle examinés ? Combien de temps a-t-elle permis de faire gagner aux collaborateurs ? Combien de décisions ont été améliorées grâce à la mise à disposition du bon contexte au bon moment ?
Parallèlement, les tokens créent de la valeur lorsqu’ils se transforment en tâches utiles pour les usagers. À mesure que les modèles gagnent en performances techniques, ils peuvent se charger de tâches plus longues et plus complexes : gérer le contexte, mener un raisonnement en plusieurs étapes, utiliser différents outils et s’adapter au fur et à mesure.
Pour les professionnels du domaine, cette annonce mérite d’être surveillée.
À lire également :
D’après OpenAI : OpenAI