Le « hard­ware », la par­tie im­mer­gée de l’IA-ce­berg

La Tribune Hebdomadaire - - TRIBUNES - ALEXIS HOUSSOU CEO ET FON­DA­TEUR DE HARD­WARE CLUB, UN FONDS D’IN­VES­TIS­SE­MENT SPÉ­CIA­LI­SÉ DANS LE HARD­WARE

TECH­NO­LO­GIE

Il y a quelques se­maines, Elon Musk dé­voi­lait avec fier­té la toute der­nière créa­tion de Tes­la : une puce bap­ti­sée FSD. Se­lon lui, celle-ci de­vrait per­mettre aux vé­hi­cules de la marque d’ac­cé­der à l’au­to­no­mie com­plète d’ici quelques mois, af­fir­ma­tion aus­si­tôt mise en doute par son an­cien four­nis­seur, Nvi­dia, qui en a pro­fi­té pour van­ter son propre sys­tème in­té­gré consa­cré à la conduite au­to­nome. S’il est dif­fi­cile de tran­cher cette po­lé­mique, elle au­ra au moins eu un mérite : mettre en lu­mière l’im­por­tance cru­ciale du hard­ware pour les ap­pli­ca­tions de l’in­tel­li­gence ar­ti­fi­cielle (IA). En réa­li­té, en cher­chant à dé­ve­lop­per sa propre puce spé­cia­li­sée dans l’IA, Tes­la ne fait que re­joindre la plu­part des grands noms de la tech­no­lo­gie. De­puis l’iP­hone 8, Apple in­tègre à ses puces ce qu’il ap­pelle un « Neu­ral En­gine ». Google a, de son cô­té, spé­ci­fi­que­ment conçu une puce bap­ti­sée Ten­sor Pro­ces­sing Unit (TPU) pour sa pla­te­forme de ma­chine lear­ning Ten­sorF­low. Ama­zon a pro­cé­dé à plu­sieurs ac­qui­si­tions en ce sens pour ren­for­cer les ca­pa­ci­tés de son en­ceinte connec­tée Echo, tan­dis que Fa­ce­book a éga­le­ment fait part de ses in­ten­tions en la ma­tière. De leur cô­té, les spé­cia­listes du se­mi-conduc­teur ne sont pas en reste, à l’image d’In­tel, qui a pro­cé­dé à d’im­por­tantes ac­qui­si­tions ces der­nières an­nées (Ner­va­na, Mo­bi­leye) ou de Sam­sung, qui vient d’an­non­cer un co­los­sal plan d’in­ves­tis­se­ment de plus de 100 mil­liards de dol­lars sur dix ans. Pour­tant, ces grandes ma­noeuvres passent quelque peu in­aper­çues, tant ce sont les perspectiv­es d’ap­pli­ca­tion qui mo­no­po­lisent toute l’at­ten­tion en ma­tière d’IA. Dans l’ef­fer­ves­cence ac­tuelle, il n’est ques­tion que de dé­tec­tion de si­gnaux faibles ou de cor­ré­la­tions in­soup­çon­nées, d’aide à la dé­ci­sion et d’au­to­ma­ti­sa­tion, de pré­dic­tion et de per­son­na­li­sa­tion. Pour les startups, l’IA est même pratiqueme­nt de­ve­nue un pas­sage obli­gé. La qua­si­to­ta­li­té d’entre elles la mettent au me­nu de leur bu­si­ness plan et de leur feuille de route tech­no­lo­gique, bien que, pour les trois quarts, ce­la ne re­flète au­cune réa­li­té. Cha­cun pro­met monts et mer­veilles, et le ca­rac­tère un peu mys­té­rieux du terme ne fait qu’am­pli­fier la confu­sion. Ce­pen­dant, s’il est d’ores et dé­jà pos­sible de ti­rer des bé­né­fices si­gni­fi­ca­tifs de l’IA, ceux-ci sont en­core bien mo­destes au re­gard de son po­ten­tiel. Ce sont, comme on dit en an­glais, les « low-han­ging fruits », les fruits les plus fa­ci­le­ment ac­ces­sibles. Mais les plus nom­breux, et les plus ju­teux, se trouvent plus loin. Pour les at­teindre, il fau­dra d’autres échelles que les sys­tèmes ac­tuels. Et c’est là tout l’en­jeu de la course moins mé­dia­ti­sée, mais non moins achar­née, à l’in­no­va­tion ma­té­rielle. Les prin­cipes sous-ja­cents des sys­tèmes in­for­ma­tiques or­di­naires, y com­pris les plus puis­sants, ont été dé­fi­nis à une autre époque et pour d’autres contextes d’uti­li­sa­tion : ma­chines iso­lées et peu nom­breuses, vo­lumes de don­nées res­treints, tech­no­lo­gies de pro­duc­tion li­mi­tées, faibles contrainte­s éner­gé­tiques et de sé­cu­ri­té… Ces ar­chi­tec­tures gé­né­ra­listes ne peuvent pas tout à fait ré­pondre aux exi­gences de l’IA, qui re­quiert des sys­tèmes de pointe à tous les ni­veaux : pour bâ­tir les mo­dèles, pour les édu­quer et les opé­rer, que ce soit à dis­tance, dans le cloud, ou de fa­çon em­bar­quée, et pour prendre les dé­ci­sions au plus près de la don­née, avec une la­tence mi­ni­male (edge com­pu­ting). À cha­cune de ces si­tua­tions cor­res­pond une équa­tion où in­ter­viennent, dans des pro­por­tions va­riables, la puis­sance de trai­te­ment, la pré­ci­sion des cal­culs, la consom­ma­tion d’éner­gie, l’en­ve­loppe ther­mique, les vo­lumes de don­nées, la sé­cu­ri­té et le coût. En outre, ces exi­gences, et donc les so­lu­tions, peuvent va­rier en fonc­tion du do­maine d’ap­pli­ca­tion, qu’il s’agisse de conduite au­to­nome, de robotique in­dus­trielle, d’ob­jets connec­tés ou d’ap­pli­ca­tions di­gi­tales. Dès lors, on com­prend que tous les grands noms de la tech­no­lo­gie se penchent sur le su­jet. Dis­po­ser de son propre ma­té­riel n’est pas seule­ment une ques­tion d’in­dé­pen­dance vis-à-vis de ses four­nis­seurs, c’est aus­si un avan­tage stra­té­gique. Ce­la per­met d’op­ti­mi­ser son sys­tème en l’in­té­grant de bout en bout ( full stack), mais aus­si de le fer­mer, de ma­nière à y conser­ver toutes ses pré­cieuses don­nées. Dans l’ombre des grands, de nom­breuses startups tra­vaillent elles aus­si à créer les briques ma­té­rielles qui, de­main, se­ront in­dis­pen­sables aux ap­pli­ca­tions d’IA avan­cées. C’est, par exemple, le cas du Fran­çais LightOn, qui dé­ve­loppe des pro­ces­seurs uti­li­sant la lu­mière, ou en­core de la li­corne bri­tan­nique Gra­ph­core, dont l’In­tel­li­gence Pro­ces­sing Unit (IPU) est ex­clu­si­ve­ment conçu pour le ma­chine lear­ning.

Pour ces nou­veaux ac­teurs, l’en­vi­ron­ne­ment n’est pas simple, car ils sont confron­tés à une pé­nu­rie de com­pé­tences et à des in­ves­tis­seurs par­fois fri­leux face à une ac­ti­vi­té ré­pu­tée très ca­pi­ta­lis­tique et à la ren­ta­bi­li­té in­cer­taine. Mais ces deep tech ont pour elles un atout ma­jeur : la dis­rup­tion. À l’in­verse des grandes en­tre­prises, elles ne sont pas te­nues de s’ins­crire dans une feuille de route stra­té­gique ou de s’ac­cor­der à un exis­tant. Elles peuvent par­tir d’une feuille blanche, ex­plo­rer de nou­velles voies, as­so­cier des com­pé­tences is­sues de la recherche aca­dé­mique et in­ven­ter de nou­veaux pa­ra­digmes. Et si elles bé­né­fi­cient au­jourd’hui de moins d’ex­po­si­tion que toutes les startups qui af­firment uti­li­ser l’IA, ce sont bien elles qui en pré­parent le fu­tur.

« S’il est pos­sible de ti­rer des bé­né­fices si­gni­fi­ca­tifs de l’IA, ceux-ci sont en­core bien mo­destes au re­gard de son po­ten­tiel »

« Dis­po­ser de son propre ma­té­riel n’est pas qu’une ques­tion d’in­dé­pen­dance, c’est aus­si un avan­tage stra­té­gique »

[DR]

La course à l’in­no­va­tion ma­té­rielle est moins mé­dia­ti­sée, mais non moins achar­née.

Newspapers in French

Newspapers from France

© PressReader. All rights reserved.