Comment devenir une entreprise d’ingénierie IA

• L’IA n’est plus une technologie du futur, mais une technologie clé du présent, et les entreprises doivent redéfinir leur activité autour d’elle
• Vercel s’appuie sur ses propres points forts pour permettre une intégration naturelle de l’IA avec des outils comme AI SDK et v0
• Les anciennes méthodes de développement IA (Software 1.0) s’effondrent, et une ère s’ouvre où chacun peut créer rapidement un MVP et l’améliorer
• Les données propriétaires, des boucles de feedback rapides et l’expertise métier sont les éléments clés qui permettent aux startups de rivaliser avec la big tech
• L’IA ne doit pas remplacer les développeurs, mais agir comme un outil qui amplifie leurs capacités
• Le développement IA devient accessible aux entreprises de toute taille grâce à une approche itérative consistant à commencer simplement puis à optimiser progressivement

---

Comment devenir une entreprise centrée sur l’IA – la stratégie selon Vercel

La vitesse de l’innovation en IA dépasse celle de la révolution du smartphone

• Il a fallu des années pour démocratiser le smartphone, mais l’IA a été adoptée par le grand public en quelques mois
• GPT-3 → GPT-4 → de nombreux modèles de pointe ont progressé de façon exponentielle
• La vraie question n’est plus « l’IA va-t-elle nous impacter ? », mais « comment l’intégrer ? »

La stratégie de Vercel : ajouter naturellement l’IA à ses forces existantes

• Vercel conserve son identité d’entreprise de frameworks web tout en intégrant naturellement l’IA
  • AI SDK : un outil de développement centré sur JavaScript qui permet de connecter facilement différents modèles
  • v0 : un outil génératif de front-end web qui crée des interfaces utilisateur à partir d’instructions en langage naturel
    > L’essentiel est de ne pas déformer ses points forts, mais de les renforcer avec l’IA

Changement de paradigme dans l’ingénierie IA

• Les anciennes méthodes de développement IA (ce qu’on appelait Software 1.0) avaient les caractéristiques suivantes :
  • on utilisait surtout Python, un langage principalement employé dans les universités,
  • il fallait d’abord mettre en place une infrastructure complexe avant même de développer,
  • il fallait entraîner soi-même de petits modèles adaptés à un usage spécifique,
  • l’entraînement prenait de quelques mois à plusieurs années,
  • ce type de travail relevait surtout de docteurs ou de groupes d’experts,
  • et obtenir des résultats concrets demandait aussi de plusieurs mois à plusieurs années.
• Mais l’ère actuelle de l’IA fonctionne d’une manière totalement différente :
  • on peut travailler l’IA avec des langages familiers comme TypeScript,
  • on pense d’abord à l’expérience utilisateur avec une approche centrée front-end,
  • on utilise les grands modèles de langage (LLM) via des appels API,
  • de simples prompts suffisent pour piloter les modèles,
  • tout le monde peut y accéder, même sans être expert,
  • et il est possible de déployer un produit et d’expérimenter en quelques jours ou quelques semaines.
• Désormais, la vitesse entre l’idée, l’expérimentation et l’amélioration est devenue l’avantage compétitif
• Nous sommes dans une époque où la capacité d’exécution compte plus que les diplômes

Il est aussi possible de rivaliser avec la big tech

1. Données propriétaires : des actifs de données comme les documents internes ou les informations clients auxquels les grands modèles n’ont pas accès
2. Boucle de feedback : les startups peuvent expérimenter vite et améliorer en continu
3. Complexité métier : il est possible de rivaliser en se concentrant sur des domaines que les modèles généralistes ne savent pas résoudre

> « Vous avez déjà les armes pour rivaliser »

Cycle d’optimisation IA : commencer simplement puis améliorer progressivement

1. Créer d’abord quelque chose qui fonctionne (même si cela coûte un peu plus cher)
2. Déployer rapidement et recueillir du feedback
3. Passer à un modèle intermédiaire pour réduire les coûts
4. Maintenir la qualité grâce à la validation des performances (eval)
5. Réduire davantage les coûts avec du fine-tuning, etc.

Cette méthode s’applique aussi bien aux grandes entreprises qu’aux startups

Intégrer l’IA au cœur du produit

• L’IA doit être intégrée naturellement comme un composant de l’application, au-delà d’une simple interface de chatbot
• Exemple : avec une ou deux lignes d’une fonction comme generateText(), les capacités d’IA peuvent être absorbées au niveau du système
• L’expérience devient réelle lorsque l’utilisateur ne perçoit plus l’IA comme un “interlocuteur”, mais comme une partie de la fonctionnalité

v0 : un exemple concret d’application

• Les designers, PM et non-développeurs aussi peuvent générer des interfaces interactives à partir de prompts
• « Un outil qui permet de créer des prototypes d’UI sans connaître le code »
• L’IA ne remplace pas l’expertise de l’utilisateur, elle agit comme un moyen d’amplification

À l’ère de l’IA, quelle est la place du développeur ?

• Les outils d’IA facilitent seulement le démarrage ; la réflexion reste toujours du ressort de l’humain
• L’important est d’identifier les domaines dans lesquels l’IA peut me permettre d’être meilleur
• Il faut avancer avec un état d’esprit d’expérimentation et d’amélioration, plutôt que de peur

> La révolution de l’IA a déjà commencé, et chacun peut en faire partie
> Ce qu’il faut maintenant, c’est de la capacité d’exécution et l’envie d’apprendre