La Silicon Valley en mouvement : la vague de l'IA, les coulisses des grandes entreprises et l'internationalisation des Chinois d'outre-mer
TechFlow SélectionTechFlow Sélection
La Silicon Valley en mouvement : la vague de l'IA, les coulisses des grandes entreprises et l'internationalisation des Chinois d'outre-mer
La Silicon Valley est en mouvement perpétuel : des talents, des informations et des capitaux en circulation permanente, qui apportent vitalité et innovation, en constante évolution, donnant l'impression d'être éternellement jeune.
Dédié à des analyses Web3 approfondiesPar : Melissa
J’ai passé environ six semaines à Silicon Valley. Je suis arrivée en pleine canicule estivale et je suis repartie juste après le début de l’automne. Le soleil californien brille toujours avec éclat, et dans cette région située à la pointe de la technologie, on sent monter la vague de l’intelligence artificielle (IA). Désireuse de mieux comprendre les orientations et l’évolution de l’IA, j’ai rencontré de nombreuses personnes (des amis employés dans de grandes entreprises, des entrepreneurs et des investisseurs), participé à des événements en ligne et hors ligne, ressentant réellement l’effervescence naissante de ce mouvement. Voici quelques observations que je souhaite partager.
Après la pandémie : pénurie de main-d’œuvre et travail à distance
La pandémie appartient désormais au passé, mais peut-être parce que je découvre tout cela pour la première fois, les traces qu’elle a laissées ces trois dernières années me semblent particulièrement visibles. Ce qui m’a le plus marquée, c’est l’impact de la pénurie de personnel et du travail à distance.
Pénurie de main-d’œuvre
La pénurie de main-d’œuvre est manifeste à Silicon Valley, accentuée par l’inflation récente, ce qui rend la main-d’œuvre extrêmement coûteuse. Lorsque j’ai commandé un sandwich Subway via Uber Eats, le sandwich coûtait 8 dollars, mais les frais de livraison divers s’élevaient à 17 dollars au total — plus du double ! J’ai vécu plusieurs années à Seattle et savais déjà que la main-d’œuvre américaine était plus chère qu’en Chine, mais ce montant m’a tout de même surprise. La raison principale ? Pendant la pandémie, beaucoup ont démissionné ou pris une retraite anticipée par crainte de contamination. De plus, grâce aux aides financières massives versées par le gouvernement pendant deux ans, moins de gens ont eu besoin de travailler. Un entrepreneur spécialisé dans l’éducation par l’IA m’a confié que la pénurie d’enseignants était particulièrement grave. Il s’agit d’un problème généralisé aux États-Unis, dont on ignore encore comment il sera résolu.
Travail à distance
L’impact du travail à distance, amorcé pendant la pandémie, est encore plus profond, notamment sur les jeunes diplômés. Deux amis entrepreneurs m’ont tous deux mentionné ce problème. Confinés pendant leurs études, les étudiants n’ont pas pu faire de stages en entreprise. Après l’obtention de leur diplôme, ils ont commencé à travailler à distance sans jamais avoir expérimenté la vie en bureau ni collaboré physiquement avec des collègues. Cela les empêche aujourd’hui de bien fonctionner en équipe, et leurs managers peinent à les encadrer à distance. Ces entrepreneurs ont recruté des diplômés de très bonnes universités (y compris Stanford) dotés d’un grand potentiel, mais faute de compétences relationnelles, ils ont dû malheureusement les licencier.
Actuellement, les grandes entreprises rappellent progressivement leurs employés au bureau, mais on n’est pas encore revenu au niveau d’avant la pandémie. Un ancien diplômé que j’avais recruté chez Expedia est aujourd’hui fondateur d’une entreprise spécialisée dans l’IA. Selon lui, le travail à distance nuit gravement à l’efficacité. Pendant la pandémie, il n’osait pas exiger la présence physique de ses employés, craignant qu’ils démissionnent. Aujourd’hui, il observe la cadence des grands groupes et attend qu’ils prennent une position claire avant d’appliquer la même règle. Dans les grandes entreprises comme dans les startups que j’ai pu observer, peu de gens reviennent effectivement au bureau. Les opinions divergent entre amis. En général, plus quelqu’un dirige une grande équipe, plus il exprime son insatisfaction face au télétravail. Tous pensent qu’on finira par revenir progressivement à la situation antérieure, mais sans retour brutal.
Voici une observation amusante : Google, Meta et d'autres grandes entreprises étant basées à Palo Alto et Mountain View, les prix immobiliers y sont très élevés, tandis qu’ils sont nettement plus bas en périphérie. Or, puisque le travail à distance supprime l’obligation de se rendre au bureau, les zones éloignées ont vu leurs prix de l’immobilier grimper fortement ces deux dernières années.
La vague de l’IA : structure naissante, phase très précoce
Mon attention s’est concentrée sur l’IA. Voici un résumé de mes observations et analyses concernant l’IA à Silicon Valley durant ce dernier mois.
Grands modèles et GPU
Le paysage industriel autour des grands modèles commence à se stabiliser. Contrairement à la Chine, où des centaines de modèles sont en compétition, à Silicon Valley, quelques grands modèles dominent : OpenAI et Google (principalement fermés), Anthropic pouvant aussi être inclus, et Meta Llama-2 pour les modèles open source. L’investissement nécessaire pour développer un modèle généraliste étant extrêmement élevé — en termes de talents, de puissance de calcul et de financement — la configuration actuelle semble assez figée, ne laissant guère de place à de nouveaux entrants.
Les GPU restent en pénurie, tant pour les grandes entreprises que pour les startups. Tout le monde cherche des GPU. Un camarade de promotion de NVIDIA m’a expliqué le processus de fabrication, partant même de l’extraction des minerais. Ce n’est pas mon domaine d’intérêt principal, donc mes connaissances sont limitées. Mais selon lui, le cycle de production long entraîne une pénurie à court terme, qui devrait s’atténuer à long terme.
L’IA en phase très précoce
Un investisseur ami décrit ainsi l’état actuel du secteur de l’IA : « On est encore dans le noir, chacun tient une lampe torche et cherche son chemin. » Ce n’est pas encore l’essor massif qu’a connu Internet mobile. J’ai discuté avec de nombreux professionnels : développeurs de grands modèles, entreprises utilisant ces modèles, startups créant des infrastructures ou outils autour d’eux. Le constat général est que les applications pratiques des grands modèles en sont encore à un stade très précoce.
Voici un exemple représentatif. Une amie, auparavant VP Engineering dans une célèbre entreprise cotée, a lancé sa startup dans le e-commerce avec plus d’une centaine d’employés, soutenue par plusieurs fonds américains renommés. Son activité pourrait bénéficier des grands modèles, mais elle explore encore comment les intégrer efficacement. Elle a fait deux tentatives : fine-tuner un modèle MosaicML avec ses données privées, d’un côté ; de l’autre, utiliser GPT-4 en stockant ses données dans une base vectorielle, puis en récupérant les informations pertinentes pour les inclure dans les prompts. À sa grande surprise, GPT-4 a donné de meilleurs résultats que le modèle fine-tuné. Elle est perplexe : elle ne sait pas comment procéder efficacement au fine-tuning. Quels types de données utiliser ? Combien ? Comment les traiter ? Personne ne maîtrise vraiment ces questions. En outre, les grands modèles restent des boîtes noires, même pour leurs concepteurs. Elle trouve également que l’expérience utilisateur de MosaicML laisse à désirer, mais elle n’a pas d’alternative. Bien que GPT-4 donne de bons résultats, elle ne peut pas exposer ses données confidentielles. Elle peut l’utiliser pour tester, mais pas pour un produit final. Elle envisage donc de recruter un ingénieur IA pour régler ce problème.
J’ai été un peu choquée d’entendre cela. Cette personne est très expérimentée, son équipe est brillante et techniquement solide. Si elle-même ne sait pas comment fine-tuner correctement, on imagine aisément la situation des autres entreprises. Et son expérience (fine-tuning moins performant que retrieval via GPT-4) n’est pas isolée : j’ai entendu plusieurs cas similaires. Un autre ami dirige une startup fournissant des outils d’IA à de grandes entreprises. Selon lui, les grands modèles constituent une technologie entièrement nouvelle pour ces clients, qui commencent tout juste à y réfléchir. Ils sont très attentifs à la précision, à la rapidité, à la qualité des données nécessaires et aux questions de confidentialité. Quant aux cas d’usage concrets, ils sont encore en phase d’exploration. Il pense qu’il faudra au moins 6 à 12 mois avant que ces entreprises puissent déployer l’IA en interne.
On voit donc que cette vague d’IA en est encore à un stade très précoce : aucun killer app n’est apparu côté grand public (à part ChatGPT), et l’intégration en entreprise prendra du temps. Les infrastructures et outils d’IA ont donc encore un fort potentiel de croissance. Par exemple, Databricks a acquis MosaicML pour 1,3 milliard de dollars afin de rapidement renforcer ses capacités IA pour ses clients.
Deux signaux positifs émergent ici :
-
Justement parce que nous sommes en phase précoce, que les outils sont imparfaits et que les grandes entreprises n’ont pas encore de solutions clés en main, les startups disposent d’un espace d’innovation. Si les grandes entreprises pouvaient immédiatement exploiter l’IA avec leurs données et scénarios, les opportunités pour les startups seraient bien moindres. C’est un point soulevé par Howie Xu, un expert de Silicon Valley, avec lequel je suis totalement d’accord.
-
Les grandes entreprises ressentent un besoin urgent, voire une anxiété, d’adopter l’IA. Beaucoup ont mis en place des budgets spécifiques pour cette vague d’IA générative (GenAI). Puisque l’argent est déjà alloué, même si le développement est lent au départ, l’avenir de l’IA reste prometteur et difficile à freiner.
Pourquoi ai-je l’impression que le rythme de l’IA a ralenti ces deux derniers mois ?
Je ne sais pas ce que vous en pensez, mais comparé au début de l’année, j’ai l’impression que le rythme de l’IA a nettement ralenti ces derniers mois. Pourquoi ? Voici mes observations :
-
Cela tient à la stratégie d’OpenAI. Cette dynamique a été largement impulsée par OpenAI, qui a accumulé des avancées pendant deux ou trois ans (comme GPT-3) et les a toutes dévoilées en quelques mois à partir de fin 2022, créant une impression de bouleversement constant. Aujourd’hui, Google est devenu un concurrent sérieux, et OpenAI hésite à sortir des produits non aboutis, craignant de nuire à sa réputation. Il n’y a donc pas eu de grandes annonces récemment, d’où l’impression de ralentissement. Mais en réalité, c’est probablement le rythme normal du progrès technologique — qui n’est pas si rapide que cela.
-
Les entrepreneurs se concentrent désormais sur le développement. J’ai donné une conférence dans une communauté AI à Silicon Valley sur ce sujet. Le retour de la communauté : au début de l’année, les entrepreneurs passaient leur temps à assister à des conférences, webinaires et meetups pour comprendre GenAI. Aujourd’hui, ils ont globalement compris les bases techniques et consacrent leur temps à construire leurs produits. Extérieurement, cela paraît donc moins animé.
-
Dans le domaine de la recherche, la publication d’articles scientifiques continue à un rythme soutenu, sans ralentissement.
Le marché primaire ralentit effectivement
Le rythme global des investissements en capital-risque semble ralentir. Cela est lié au contexte économique : l’incertitude quant à l’évolution future de l’économie, aggravée par la guerre en Ukraine, affecte la confiance des investisseurs. De plus, les injections massives de liquidités pendant la pandémie avaient gonflé les valorisations des startups, qui sont maintenant en correction. Dans ce contexte, le secteur IA reste relativement bien placé. Toutefois, à l’exception des projets compétitifs dans les grands modèles (comme character.ai, qui en fait partie), les autres startups en IA ont du mal à lever des fonds. Beaucoup d’investisseurs adoptent une posture d’attente.
Plongée dans les géants : OpenAI, Google, NVIDIA
Dans cette vague d’IA, OpenAI & Microsoft, Google et NVIDIA sont les acteurs phares. Trois de ces entreprises ont leur siège à Silicon Valley. J’ai cherché à en savoir plus et partage ici quelques éléments.
OpenAI
OpenAI protège scrupuleusement ses informations, et ses employés sont très vigilants à ce sujet. Je n’ai donc pas pu en apprendre beaucoup, mais voici quelques impressions marquantes.
Tous ceux qui collaborent avec OpenAI soulignent que leurs employés sont très compétents et extrêmement efficaces. Leur système de performance et de surveillance est excellent, témoignant d’une forte capacité d’ingénierie. Peut-être que la maîtrise de l’infrastructure — savoir utiliser le matériel plus efficacement, améliorer les performances — constitue l’un de leurs principaux atouts.
OpenAI est obsédé par l’objectif d’une intelligence générale (AGI). Ce n’est qu’en discutant que j’ai vraiment compris cela. À l’interne, ils évaluent la priorité des projets selon leur contribution potentielle à l’AGI. S’il aide à mieux entraîner les modèles ou à améliorer leur apprentissage, ils s’y attaquent. Sinon, ils n’y consacrent pas de ressources. Par exemple, ils ont abandonné la robotique car les contraintes du monde physique limitaient trop leur utilité pour l’AGI. Par déduction, il est peu probable qu’ils se lancent dans des domaines verticaux spécifiques.
Avant ChatGPT, les utilisateurs ne percevaient pas concrètement l’efficacité des grands modèles linguistiques (LLM). Rendre cette efficacité perceptible a été crucial. Outre l’AGI, ChatGPT et les API sont donc des priorités majeures pour OpenAI.
Google avait jusqu’ici progressé lentement en IA, en partie à cause du conflit avec son activité publicitaire, mais aussi à cause de deux affaires. D’abord, un chercheur affirmant qu’un grand modèle avait développé une conscience a été licencié. Avant cela, une chercheuse noire avait intenté un procès à Google après le rejet de son article scientifique. Ces incidents ont rendu Google très prudent, ralentissant son avancée en IA.
Google pensait être en tête jusqu’à l’arrivée de ChatGPT, qui a exercé une forte pression. En décembre, l’entreprise a déclenché un « code rouge » (priorité maximale), une situation rare. Aujourd’hui, toute la société accorde une grande importance à GPT. Une équipe dédiée a été formée (fusion de DeepMind et Google Brain), et les autres équipes sont encouragées à intégrer rapidement l’IA. Mes amis chez Google ont confiance : ils pensent que Google, au moins, ne restera pas en arrière.
NVIDIA
Cette vague de grands modèles linguistiques a fait de NVIDIA le grand gagnant. Moi qui m’intéresse surtout aux logiciels, je n’avais jamais beaucoup suivi cette entreprise. J’ai voulu en savoir plus cette fois-ci, et découvert des choses fascinantes.
Une startup à la tête d’un seul homme
Le style de NVIDIA peut être résumé ainsi : une startup dirigée par un seul homme, Jensen Huang (« Old Huang »). Les employés que j’ai rencontrés admirent profondément Jensen. D’après leurs récits, il ressemble à un Superman. Depuis 2012, il croit fermement au calcul, sans jamais fléchir, quel que soit le cours de l’action. Il maîtrise profondément la technique, connaît parfaitement chaque projet, et reste accessible. Quand une décision bloque, tout le monde va lui demander — ses choix sont rapides et justes.
Il fait preuve d’empathie. Par exemple, alors que les évaluations annuelles ont lieu normalement en septembre, il a décidé de les avancer dès mars au début de la pandémie. Toute l’entreprise a ainsi été évaluée, augmentée et bonusée plus tôt, permettant à chacun de recevoir son argent rapidement. Doté de vision et de sens critique, il est très apprécié. Même quand le cours de l’action baissait, les employés gardaient une haute opinion de lui.
Culture technique et organisation plate
Sa culture d’entreprise diffère nettement de celles que je connais. Malgré ses près de 30 000 employés, NVIDIA n’a toujours pas de « people manager » (managers uniquement chargés de gestion humaine). L’accent est mis sur la compétence technique : tous les managers, quel que soit leur niveau hiérarchique, sont techniquement très forts.
Organisation plate. Apparemment, seul Jensen Huang a un assistant ; tous les autres n’en ont pas. Je lui ai demandé comment étaient gérés les événements d’équipe. Mon ami m’a dit qu’il n’y avait pas d’événements internes, ni de dîner de Noël, seulement une grande assemblée annuelle. Lors de celle-ci, Jensen parle seul, sans notes, pendant deux heures, avec humour. À la fin, beaucoup d’employés viennent le prendre en photo avec lui.
L’écosystème NVIDIA
On entend souvent parler de l’excellence de l’écosystème NVIDIA. J’ai voulu savoir précisément ce que cela signifie. Un ami m’a bien expliqué :
-
Des outils complets. La chaîne technologique des puces est complexe et nécessite de nombreux outils complémentaires : compilateurs, débogueurs, profileurs, etc. Les besoins des développeurs varient : certains veulent optimiser en profondeur, donc il ne suffit pas d’encapsuler les fonctions dans des API.
-
Performance et facilité d’utilisation du système.
-
Une communication horizontale fluide, à l’interne comme à l’externe. Par exemple, une équipe dédiée aux clients comprend aussi bien la technique interne. Dès qu’un client a un besoin, elle en discute directement avec les équipes R&D. À l’interne, les équipes logicielles collaborent étroitement avec les départements matériels, non pas après la conception du hardware, mais tout au long du processus.
Internationalisation des entreprises chinoises
Les relations sino-américaines influencent profondément Silicon Valley. J’ai remarqué deux changements notables : les entrepreneurs se concentrent davantage sur un seul marché, soit américain, soit chinois, rares sont ceux qui visent les deux. De plus, de bons entrepreneurs et fonds chinois viennent ici chercher de nouvelles opportunités.
Comment les entreprises chinoises peuvent-elles réussir leur internationalisation ? C’est une question fréquente. Lors d’un salon privé le week-end dernier, le thème en était justement là. Les intervenants étaient représentatifs : un PDG chinois à la tête d’une entreprise cotée opérant mondialement, un associé de fonds spécialisé dans l’expansion internationale des entreprises chinoises, un entrepreneur dirigeant des équipes aux États-Unis et en Chine, et moi-même. Nous avons partagé de nombreuses perspectives. La Chine dispose d’avantages en coûts de R&D, chaîne d’approvisionnement complète, expertise en produits internet et culture du travail, mais l’internationalisation pose de nouveaux défis : commercialisation, adaptation produit, différences culturelles et management d’équipes. Un point sur lequel tous ont insisté : pour réussir à l’international, l’esprit du fondateur doit d’abord être international.
Mes réflexions vont au-delà de cette discussion. Ce thème ne m’est pas inconnu : il y a des années, on parlait de l’expansion des entreprises américaines en Chine. Aujourd’hui, c’est l’inverse. Le centre du monde change. Grâce à des années d’efforts, la Chine est devenue beaucoup plus forte — une fierté légitime.
Silicon Valley, une entité fluide
J’ai toujours admiré les ressources humaines abondantes et l’atmosphère d’échange libre de Silicon Valley. La densité de talents est impressionnante : souvent, au fil d’une conversation, je découvre que mon interlocuteur est alumni de Tsinghua. Sur les 30 étudiants de ma promotion à l’université, 6 sont ici. Lors d’un barbecue organisé par un ami le week-end dernier, plusieurs participants semblaient discrets, mais en posant une question supplémentaire, je réalisais qu’il s’agissait de personnalités accomplis très influentes.
Ici, l’esprit entrepreneurial est vivace. Conférences, forums et autres événements foisonnent. À mon arrivée, un ami m’a transmis un document Google listant, jour après jour, les événements IA à San Francisco — presque quotidiens. N’ayant pas facilement accès à la ville, je n’en ai suivi que quelques-uns. En cherchant moi-même, j’ai trouvé des webinaires et discussions communautaires en ligne sur tous les sujets qui m’intéressaient. Avec le temps, j’ai découvert que la région de la Baie proposait aussi de nombreuses activités. En ligne ou en présentiel, la qualité est généralement excellente : des membres clés de grandes entreprises ou de startups leaders, de jeunes fondateurs, partagent des informations riches, actualisées et sincères, avec une pensée indépendante et une proximité avec les frontières technologiques. Amateur d’apprentissage, je me suis sentie vivre pleinement ici.
Silicon Valley est fluide : talents, informations et capitaux circulent constamment. Ce flux crée vitalité et innovation, faisant que tout change chaque jour, donnant l’impression d’être éternellement jeune.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
@capital_atom
