Sequoia États-Unis : l'IA générative est une révolution de productivité à dix fois la vitesse
TechFlow SélectionTechFlow Sélection
Sequoia États-Unis : l'IA générative est une révolution de productivité à dix fois la vitesse
L'année dernière, GenAI a généré environ 3 milliards de dollars de revenus, alors que SaaS a mis 10 ans pour atteindre ce chiffre.
Dédié à des analyses Web3 approfondiesTraduction : Lavida
En septembre 2022, la publication par Sequoia Capital US du rapport « Generative AI : A Creative New World » a déclenché la première vague de discussions sur l'IA générative (GenAI). L'apparition rapide de ChatGPT puis de GPT-4 a ensuite accéléré le développement du domaine GenAI. Lors du sommet AI Ascent organisé par Sequoia US, plusieurs partenaires ont procédé à un examen systématique des progrès accomplis dans ce secteur au cours de l'année et demie écoulée, révélant que les avancées ont été bien plus rapides que prévu.
Contrairement aux précédentes vagues d'innovation en IA, la GenAI a déjà produit des résultats impressionnants au cours de l'année écoulée : environ 3 milliards de dollars de revenus totaux ont été générés durant la première année suivant son émergence — sans compter les revenus indirects des géants technologiques et des fournisseurs de cloud via l'IA. Pour comparaison, le secteur SaaS a mis près de 10 ans pour atteindre ce niveau. Concrètement, la GenAI génère déjà des retombées économiques tangibles dans des domaines comme le service client, le droit ou la rédaction.
Bien que l'explosion anticipée au niveau des applications n'ait pas été aussi rapide qu'escompté il y a un an, les partenaires de Sequoia soulignent que l'avènement de modèles fondamentaux (foundation models) plus intelligents, tels que Sora ou Claude-3 récemment lancés, accélérera inévitablement le cycle de product-market fit (PMF) des produits d'IA. De nouvelles technologies mettent du temps à mûrir, tout comme les applications révolutionnaires nécessitent un délai avant d'émerger : Instagram et Doordash, emblématiques de leur époque, sont apparées plusieurs années après l'iPhone et l'App Store.
Voici la table des matières de cet article, à consulter selon vos centres d’intérêt.
01 Pourquoi maintenant : du cloud à l’IA
02 Présent : l’IA est partout
03 Futur : tout sera généré
Au cours de l'année passée, le marché a traversé un cycle complet de surestimations liées à l'IA : période de surenchère irrationnelle, puis phase de désillusion et de scepticisme, avant de remonter progressivement vers une phase de stabilisation productive (Plateau of Productivity). On réalise désormais que les grands modèles linguistiques (LLM) et l'IA exercent leur impact réel à travers trois fonctions clés : création, raisonnement et interaction, intégrées aujourd’hui dans diverses applications.
Les trois capacités de l’IA : créer, raisonner et interagir
L’IA dispose désormais de capacités de création et de raisonnement : elle peut générer du texte, des images, des vidéos ou des sons ; les chatbots répondent à nos questions ou agissent comme des agents capables de planifier des tâches complexes en plusieurs étapes. Ces fonctionnalités étaient impossibles avec les logiciels traditionnels. Cela signifie que les logiciels peuvent désormais gérer à la fois les tâches créatives (associées au cerveau droit) et les tâches logiques (cerveau gauche), marquant ainsi la première fois dans l’histoire où les logiciels peuvent interagir avec les humains de manière quasi humaine, ce qui a des implications profondes sur les modèles économiques.
Pourquoi maintenant : du cloud à l’IA
Le partenaire de Sequoia Pat Grady explique pourquoi la technologie IA explose aujourd’hui en retraçant l’évolution du cloud au cours des 20 dernières années.
Selon Pat, le cloud a constitué une transformation majeure dans le secteur technologique, bouleversant les anciens paradigmes et donnant naissance à de nouveaux modèles économiques, applications et modes d’interaction homme-machine. En 2010, alors que le cloud en était à ses balbutiements, la capitalisation mondiale totale des logiciels s’élevait à environ 350 milliards de dollars, dont seulement 6 milliards provenaient du cloud. En 2023, cette capitalisation a atteint 650 milliards de dollars, dont 400 milliards issus du cloud. Ce qui signifie que le cloud a connu un taux de croissance annuel composé (CAGR) de 40 % sur 15 ans, une performance remarquable.
Le cloud constitue donc une analogie pertinente pour comprendre l’IA actuelle. Le cloud a supplanté les logiciels traditionnels grâce à des interactions plus naturelles avec l’humain ; de même, l’IA d’aujourd’hui repousse encore davantage les limites en matière de créativité, de raisonnement logique et d’interaction. À l’avenir, l’une des grandes opportunités de l’IA sera de remplacer les services humains. Si cette transition réussit, le potentiel du marché ne se chiffrera plus en milliers de milliards, mais en dizaines de milliers de milliards de dollars. Nous nous trouvons donc probablement au moment le plus prometteur et le plus riche en potentiel de création de valeur de toute l’histoire.
Les grandes transitions technologiques depuis les années 1960 et leurs entreprises représentatives
Pourquoi considère-t-on aujourd’hui un moment crucial pour s’engager dans l’IA ? Pat Grady rappelle que Sequoia, depuis sa création, a observé et profité de multiples transitions technologiques, acquérant ainsi une vision claire de la manière dont chaque vague technologique s’appuie sur la précédente pour faire avancer le monde :
-
Années 1960 : Don Valentine, fondateur de Sequoia, travaillait chez Fairchild Semiconductor en charge du marketing ; c’est là que le terme « Silicon Valley » trouve son origine, lié aux transistors au silicium de Fairchild ;
-
Années 1970 : sur la base des puces, les systèmes informatiques sont construits ;
-
Années 1980 : les réseaux connectent les PC entre eux, tandis que l’industrie logicielle naît ;
-
Années 1990 : l’internet apparaît, transformant la communication et la consommation ;
-
Années 2000 : l’internet mature permet des applications complexes, le cloud fait son entrée ;
-
Années 2010 : l’essor des appareils mobiles marque l’avènement de l’internet mobile, redéfinissant notre manière de travailler.
Chaque vague technologique s’appuie sur celle qui la précède. Bien que le concept d’IA date des années 1940, ce n’est que récemment qu’il est passé de simple idée à réalité commerciale capable de résoudre des problèmes concrets. Cette percée repose sur plusieurs conditions préalables :
-
Une puissance de calcul abondante et peu coûteuse ;
-
Des réseaux rapides, efficaces et fiables ;
-
La diffusion mondiale des smartphones ;
-
La tendance à la numérisation accélérée par la pandémie de Covid ;
-
Tous ces facteurs ont généré une quantité massive de données pour entraîner les modèles d’IA.
Pat Grady affirme que l’IA sera le thème dominant des 10 à 20 prochaines années, conviction forte chez Sequoia, même si cette hypothèse reste à confirmer.
Des époques Cloud et Mobile à celle de l’IA : entreprises représentatives
Concernant l’avenir du paysage industriel, Pat Grady commence par analyser les entreprises des ères Cloud et Mobile ayant dépassé le seuil de 1 milliard de dollars de revenus (voir graphique ci-dessus à gauche). Bien que la colonne la plus à droite, représentant l’IA, soit presque vide, elle symbolise justement un potentiel énorme d’opportunités. Pat prédit que dans les 10 à 15 prochaines années, cette zone vide sera comblée par 40 à 50 nouveaux logos d’entreprises — précisément ce qui suscite tant d’enthousiasme.
Présent : l’IA est partout
Le partenaire de Sequoia Sonya Huang revient d’abord sur l’évolution de l’IA au cours de l’année dernière dans des domaines tels que le service client, le droit, la programmation ou la génération vidéo.
Domaines d’application de l’IA
L’année 2023 a été particulièrement importante dans l’histoire de l’IA. Un an et demi après l’arrivée de ChatGPT, l’industrie a connu des transformations radicales. Alors qu’on spéculait auparavant sur la manière dont l’IA allait transformer radicalement différents secteurs et améliorer massivement la productivité, l’IA est désormais au cœur des préoccupations.
Tweet de Sebastian Siemiatkowski, PDG de Klarna, sur X
Dans le domaine du service client, le PDG de Klarna, Sebastain, a déclaré publiquement que l’entreprise utilise désormais OpenAI pour traiter deux tiers des demandes clients, remplaçant ainsi l’équivalent de 700 agents à plein temps. Avec des dizaines de millions d’agents de centre d’appels dans le monde, Sonya estime que l’IA a déjà trouvé son PMF sur ce marché.
Un secteur comme les services juridiques, perçu il y a un an comme très conservateur et réticent au risque, voit désormais apparaître des entreprises comme Harvey, capables d’automatiser de nombreuses tâches des avocats, du traitement administratif aux analyses avancées.
En programmation, on est passé en un an de l’écriture assistée de code à l’émergence d’ingénieurs logiciels entièrement pilotés par l’IA. Des sociétés comme HeyGen, spécialisées dans la génération vidéo par IA, permettent désormais de créer des avatars capables de participer à des réunions Zoom.
Représentation de l’avatar généré par HeyGen utilisé par Pat Grady de Sequoia lors d’une réunion Zoom
La croissance exponentielle de la GenAI
Comparaison de la croissance des revenus entre l’IA et le SaaS
D’après les estimations, la GenAI a généré environ 3 milliards de dollars de revenus au cours de sa première année d’existence, sans compter les revenus indirects des géants technologiques et des fournisseurs de cloud. À titre de comparaison, le SaaS a mis près de 10 ans pour atteindre ce chiffre. Cette vitesse et cette échelle renforcent la conviction que la GenAI est ici pour rester.
Taille réelle des utilisateurs des principaux produits GenAI
Comme le montre le graphique ci-dessus, la demande pour l’IA concerne tous les secteurs, bien au-delà d’une ou deux applications. Tous connaissent le nombre d’utilisateurs de ChatGPT, mais en analysant les données d’utilisation et de revenus de nombreuses applications IA, on constate que, qu’elles soient B2B ou B2C, startups ou entreprises technologiques établies, de nombreux produits IA ont trouvé leur PMF dans divers domaines, avec des cas d’usage extrêmement variés.
Répartition des financements entre modèles fondamentaux et couches applicatives
Du point de vue des investissements, un déséquilibre notable apparaît. Si l’on compare la GenAI à un gâteau, la couche inférieure représente les modèles fondamentaux (foundation models), la couche intermédiaire les outils développeurs et l'infrastructure, et la couche supérieure les applications. Il y a un an, on pensait que les progrès au niveau des modèles fondamentaux allaient entraîner une floraison de nouvelles entreprises applicatives. La réalité s’est avérée inverse : de plus en plus d’entreprises de modèles fondamentaux émergent et lèvent d’importants capitaux, tandis que la couche applicative semble à peine commencer.
La question des 200 milliards de dollars de l’IA
Le partenaire de Sequoia US David a publié l’an dernier une analyse intitulée « AI’s $200 Billion Question ». En regardant les investissements actuels dans les GPU, rien qu’en 2023, environ 50 milliards de dollars ont été dépensés uniquement pour les puces Nvidia. Or, les revenus confirmés du secteur IA ne s’élèvent actuellement qu’à 3 milliards de dollars. Ces chiffres montrent que l’industrie de l’IA en est encore à ses débuts, avec un faible retour sur investissement et de nombreux défis pratiques à relever.
MAU, DAU et taux de rétention mensuel des produits IA vs applications mobiles
Bien que le nombre d’utilisateurs et les revenus des produits IA semblent impressionnants, leurs performances en termes de DAU, MAU et de rétention mensuelle restent largement inférieures à celles des applications mobiles. De nombreux utilisateurs signalent un écart entre leurs attentes et l’expérience réelle. Certains démos paraissent impressionnants, mais l’usage quotidien déçoit, ce qui empêche une adoption durable.
Amélioration des capacités des modèles fondamentaux
Ces problèmes, bien réels, constituent aussi des opportunités. Les lourds investissements réalisés par les entreprises dans les GPU l’an dernier ont conduit à des modèles fondamentaux plus intelligents. Les récents modèles comme Sora, Claude-3 ou Grok montrent que le niveau de compétence de base de l’IA progresse, ce qui devrait accélérer le PMF futur des produits d’IA.
Évolution du développement de l’iPhone et de l’App Store
Le passage d’une technologie émergente à une technologie mature prend du temps, tout comme l’apparition d’applications pionnières. Prenons l’exemple de l’iPhone : les premières applications de l’App Store étaient rudimentaires, montrant simplement la nouveauté technologique sans résoudre de véritables besoins. Des applications comme des torches ou des jeux simples (ex. jeu de bière) sont devenues par la suite des fonctions intégrées ou des gadgets superflus. Ce n’est que plusieurs années après le lancement de l’iPhone et de l’App Store qu’ont émergé des applications véritablement influentes comme Instagram ou Doordash.
L’IA traverse aujourd’hui un processus similaire. Beaucoup d’applications IA actuelles sont encore au stade de démo ou d’exploration, comme les premières applications de l’App Store. Mais peut-être que les légendaires entreprises de la prochaine génération sont déjà nées.
Les cas d’usage de l’IA sont déjà très étendus, notamment dans le support client, l’amitié artificielle (IA Companion) et la gestion des connaissances internes aux entreprises. Le service client est l’un des premiers domaines où l’IA a trouvé un vrai PMF en entreprise. Klarna n’est pas une exception, mais une tendance généralisée. L’amitié artificielle est l’une des applications les plus surprenantes, avec des indicateurs d’utilisation et d’attachement très élevés. Enfin, le partage horizontal des connaissances dans l’entreprise présente un fort potentiel.
Futur : tout sera généré
Quatre prévisions sur l’IA en 2024
Sur la base de ces analyses, les partenaires de Sequoia formulent des prévisions sur l’évolution de l’IA en 2024.
Prévision 1 : les copilotes évolueront progressivement vers des agents autonomes.
En 2024, l’IA passera du rôle de copilote assistant à celui d’agent capable de remplacer certaines tâches humaines. L’IA ressemblera davantage à un collègue qu’à un simple outil, une tendance déjà perceptible en ingénierie logicielle et dans le service client.
Prévision 2 : les modèles gagneront en capacité de planification et de raisonnement.
On reproche souvent aux LLM de simplement reproduire des motifs statistiques présents dans leurs données d’entraînement, sans véritable pensée ni raisonnement logique. Cette limite devrait être atténuée grâce à de nouvelles directions de recherche. Certaines approches visent à améliorer le raisonnement via des mécanismes inspirés de l’itération de valeur dans les jeux (« gameplay-style value iteration »), permettant au modèle de disposer d’un « temps de réflexion » avant de décider. Ces avancées devraient rendre l’IA capable de tâches cognitives plus complexes, telles que la planification stratégique, dès l’année prochaine.
L’itération de valeur inspirée des jeux (gameplay-style value iteration) est un concept issu de l’apprentissage par renforcement, selon lequel un modèle évalue la valeur à long terme de différentes actions et planifie ses décisions en conséquence, à l’instar d’une stratégie d’échecs ou de jeu vidéo.
Prévision 3 : les LLM gagneront en précision, passant progressivement des applications grand public aux usages professionnels.
Dans les applications B2C, les erreurs de l’IA sont généralement tolérées car l’utilisateur cherche surtout à s’amuser. En revanche, dans les secteurs critiques comme la santé ou la défense, la précision et la fiabilité deviennent essentielles. Les chercheurs développent des techniques comme le RLHF, le Prompt Training et les bases de données vectorielles pour atteindre une fiabilité proche de « cinq neuf » (99,999 % de disponibilité).
Prévision 4 : de nombreux prototypes et projets expérimentaux d’IA seront déployés.
De nombreux prototypes et projets expérimentaux d’IA devraient être commercialisés en 2024. Contrairement à la phase d’expérimentation, le déploiement réel implique de prendre en compte la latence, le coût, la propriété du modèle et la gestion de la propriété des données. Cela signifie que l’effort computationnel devrait progressivement passer de la phase d’entraînement préliminaire à celle de l’inférence. L’année 2024 sera donc cruciale : les attentes sont élevées, et cette transition doit être maîtrisée avec rigueur.
L’impact à long terme de l’IA
Jugement 1 : l’IA est une révolution de productivité massive, conduite par la baisse des coûts.
Les révolutions technologiques prennent diverses formes : la révolution des télécommunications avec le téléphone, celle des transports avec le train, ou celle de la productivité avec la mécanisation agricole. L’IA inaugure clairement une révolution de productivité.
Les révolutions de productivité passées suivaient un schéma commun : d’abord l’homme utilise un outil, puis travaille avec une machine, puis collabore avec un réseau d’outils interconnectés. L’IA suivra donc une évolution similaire, passant de solutions ponctuelles à des réseaux hautement intégrés, transformant radicalement nos méthodes de travail et de production.
Évolution historique de la faucille à la moissonneuse-batteuse
Dans l’agriculture, l’outil initial était la faucille, utilisé depuis plus de 10 000 ans, puis est arrivée la moissonneuse mécanique en 1831, et aujourd’hui, nous disposons de moissonneuses-batteuses sophistiquées, réseaux de dizaines de machines interconnectées, où chaque unité constitue un agent autonome.
Un schéma similaire existe dans le travail intellectuel et l’écriture. Initialement basé sur papier-crayon, puis sur la programmation, aujourd’hui les ordinateurs et les environnements de développement (IDE) assistent massivement la conception logicielle. Le développement ne sera plus un processus isolé, mais une collaboration de réseaux de machines construisant ensemble des systèmes complexes, avec plusieurs agents générant conjointement du code.
L’écriture, autrefois entièrement manuelle, est passée à une collaboration homme-machine, et aujourd’hui, on utilise plusieurs outils en synergie. Par exemple, les assistants IA actuels combinent GPT-4, Mistral-Large, Claude-3, etc., en les faisant valider mutuellement pour obtenir de meilleures réponses.
Baisse généralisée des coûts induite par l’IA dans divers secteurs
L’impact économique d’une telle révolution est profond et généralisé. D’un point de vue économique, cela signifie une baisse significative des coûts. Le graphique ci-dessus montre que le nombre d’employés requis par tranche de 1 million de dollars de revenus dans les entreprises du S&P 500 diminue rapidement. Cette tendance indique que nous pouvons accomplir plus de travail, plus vite, avec moins de personnes. Cela ne veut pas dire que nous avons moins de choses à faire, mais que nous pouvons en faire davantage dans le même laps de temps.
Historiquement, les progrès technologiques entraînent une déflation. Dans le logiciel, par exemple, les prix baissent continuellement grâce à l’innovation. Mais dans les domaines les plus importants socialement — éducation, santé, logement — les prix augmentent bien plus vite que l’inflation. L’IA peut justement contribuer à réduire ces coûts.
Ainsi, le premier jugement clé sur l’impact à long terme de l’IA est le suivant : l’IA sera une révolution de productivité massive, portée par la baisse des coûts, nous permettant de faire plus avec moins dans les domaines essentiels de la société.
Jugement 2 : tout sera généré
Ce second jugement porte sur ce que l’IA peut vraiment accomplir.
Il y a un an, Jensen Huang lançait une prédiction : à l’avenir, les images ne seront plus rendues, mais générées. Cela signifie que nous passons d’un stockage de l’information sous forme de matrices de pixels à une représentation multidimensionnelle. Prenons la lettre « a » : autrefois stockée comme le code ASCII 97, les ordinateurs ne se contentent plus de représenter les pixels, mais comprennent désormais la lettre « a » comme un concept linguistique dans un contexte donné.
Plus encore, l’ordinateur peut non seulement interpréter cette représentation multidimensionnelle et la convertir en image, mais aussi la contextualiser — comprendre la lettre « a » dans son usage linguistique spécifique, et non comme un symbole isolé. Par exemple, en voyant le mot « multidimensional », l’ordinateur ne regarde pas la lettre « a », mais saisit le sens global du mot et de son contexte.
Ce processus reflète précisément le noyau de la pensée humaine. Quand nous apprenons la lettre « a », nous n’enregistrons pas une matrice de pixels, mais un concept abstrait. Cette idée remonte à Platon il y a 2 500 ans : selon lui, derrière chaque chose terrestre existe un « monde des Idées », parfait et immuable, dont les objets du monde réel ne sont que des copies imparfaites. Ce parallèle avec l’apprentissage de l’IA est frappant.
Cette évolution aura un impact majeur sur les entreprises. Celles-ci intègrent déjà l’IA dans des processus spécifiques et des indicateurs clés (KPI), comme Klarna améliorant la performance de son service client via l’IA, ou en créant des systèmes de recherche automatisée pour offrir une meilleure expérience utilisateur. Ce changement s’accompagne de nouvelles interfaces, radicalement différentes des canaux de communication traditionnels.
Cette tendance est cruciale : elle signifie que les entreprises pourraient finalement fonctionner comme des réseaux neuronaux, avec des parties interconnectées collaborant, s’adaptant et s’optimisant mutuellement pour accroître continuellement leur efficacité.
Prenons l’exemple du service client : le schéma ci-dessus illustre un processus simplifié. Le département a plusieurs KPI, influencés par la génération vocale, la génération de langage, la personnalisation client, etc. Ces facteurs forment un arbre d’optimisation avec des sous-modèles interconnectés, aboutissant à un système hiérarchisé et cohérent, où les retours de la génération de langage influencent directement les KPI finaux. Grâce à cette abstraction, l’ensemble du processus pourra être géré, optimisé et amélioré par un réseau neuronal.
Considérons également l’acquisition client. Grâce à la génération de langage, aux moteurs de croissance, à la publicité personnalisée et optimisée par l’IA, les entreprises peuvent mieux répondre aux besoins individuels de chaque client. L’interaction entre ces technologies permettra aux entreprises de s’adapter et d’apprendre de manière autonome, comme un réseau neuronal. Chaque individu pourra accomplir davantage, favorisant l’émergence de nombreuses entreprises individuelles.
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
