Les entreprises hésitent à adopter l’intelligence artificielle générative en raison des coûts récurrents liés aux services cloud. Une étude récente du cabinet d’analyse Canalys met en lumière cette problématique, soulignant que le potentiel de l’IA générative demeure largement inexploré.
Les défis de l’adoption de l’IA générative
À mesure que les entreprises passent de la phase de test des outils d’IA générative à leur utilisation concrète, également appelée « inférence », beaucoup éprouvent des difficultés à anticiper les coûts associés. Contrairement aux frais d’apprentissage, qui représentent un investissement ponctuel, l’inférence génère des coûts opérationnels récurrents. Rachel Brindley, directrice principale chez Canalys, indique que cela constitue une contrainte majeure pour la commercialisation de l’IA.
Les préoccupations autour des coûts cloud
Les entreprises se concentrent de plus en plus sur la rentabilité de l’inférence, en comparant divers modèles, plateformes cloud et architectures matérielles, notamment les GPU par rapport aux accélérateurs personnalisés. Selon Yi Zhang, chercheur chez Canalys, de nombreux services d’IA appliquent des modèles de tarification basés sur l’utilisation, facturant par jeton ou par appel API. Cette approche complique la prévision des coûts, particulièrement lors d’une augmentation de l’utilisation.
Un impact sur l’innovation
Lorsque les coûts d’inférence deviennent trop volatils ou élevés, les entreprises sont souvent contraintes de restreindre leur utilisation, de simplifier les modèles ou de limiter leur mise en œuvre à des projets à forte valeur ajoutée. Par conséquent, les possibilités offertes par l’IA générative restent sous-exploitées, freinant ainsi l’innovation dans ce domaine crucial.
Conclusion
Les entreprises doivent naviguer prudemment dans le paysage des coûts associés à l’IA générative pour pleinement réaliser son potentiel. Comprendre et gérer ces coûts sera essentiel pour favoriser une adoption plus large de cette technologie prometteuse.
