ATOS : Esn et ia

Tifoultoute

11:27

Oui, bien! Merci pour cet apport étayé. Le problème des jeunes talents exploités et une chose, (surtout de les voir partir au plus offrant, d'où un turn-over catastrophique), mais que faire des vieux ringards complètement dépassés, (les virer, bien sûr, mais ça a un coût et quand ça se chiffre en milliers, ça devient un passif comptable). Désolé de ne pas faire plus de cas de l'humain que l'IA ou les ESN.

Yannister1

11:54

Pour moi, l'article est totalement déconnecté de la réalité.

C'est un article de quelqu'un qui ne bosse pas dans le milieu, sait à peine se servir d'un LLM, et pense qu'ils vont automatiser toutes les tâches basiques.
C'est un article de technophile cadre qui pense pouvoir mettre 3 racks à la place de son équipe de junior.


Pourquoi je dis ça?

Premièrement, plus les années passent, plus on se rend compte du potentiel de l'IA, mais aussi de sa lenteur d'apprentissage.
Il est désormais clair qu'il faudra au minimum 7 ans pour arriver à obtenir des produits qui commenceront à être sûrs et fiables.
L'exemple du FSD de Tesla, cela fait désormais 12 ans qu'ils développent leur software, et il leur reste au moins 5 ans pour développer quelque chose de commercialisable.

Oui, je sais, les capacités d'entraînement déployées à l'époque n'étaient pas les mêmes, et ils sont passés entre temps progressivement à un réseau de neurones complet, ce qui ne change pas la problématique du temps de développement.
Pour une application précise, il faut concrètement 7 à 10 ans de développement (entraînement) pour obtenir quelque chose d'aussi bien que des juniors, auquel on peut faire confiance sans double-check en permanence.


La majorité des entreprises ne vont JAMAIS dépenser littéralement des MILLIARDS en coût serveur pour développer un modèle en interne qui sera obsolète en quelques années, voir mois. C'est une perte de temps, de capex, et c'est pas demain la veille que les tensors deviendront une commodité.
Une solution interne sera quasiment toujours plus coûteuse que les concurrents dédiés à cela.
Mais pour entraîner un modèle, il faut des données.
À terme, le modèle que je vois c'est les ESN comme une passerelle : le client livrera des données pour obtenir une solution sur-mesure, où l'ESN sera spécialisée dans la livraison d'une solution adaptée au client et à sa data, en passant par un mix ia interne basée sur de l'open source ou sous licence, qu'elle aura entraînée avec son savoir-faire et ses capacités et nécessités opérationnelles.
Pourquoi ne pas le faire en interne pour les clients ?
Pour la même raison que l'on a des pilotes de ligne pour les avions et qu'on ne les pilote pas sois même. Cela prendrait trop de temps, trop coûteux pour le résultat obtenu.

Les ESN et SaaS, elles, seront dédiées à cela au niveau de l'IA (et de l'IA agentique).
Les sociétés ".ai" qui pullulent actuellement seront quasi toutes rachetées à terme par les SaaS et ESN, car ces startups n'ont pas les base clients et la trésorerie pour se développer.
Le résultat est plutôt clair.

Pour ce qui est d'Atos : le futur va se jouer sur la capacité à faire des partenariats ou à racheter des entreprises stratégiques.

Atos est en partenariat avec Mistral, mais ils ne sont pas leader (sauf sur certains secteurs comme l'OCR mais bon la belle affaire).

À voir la suite.