L’automatisation de l’IA devient réalité avec la Compounding AI Factory d’Oumi

Ce mois-ci, Oumi a lancé sa plateforme Compounding AI Factory, une innovation qui promet de transformer radicalement la manière dont les entreprises développent leurs modèles d’intelligence artificielle. Plutôt que de mobiliser des équipes entières d’ingénieurs en apprentissage automatique pour construire, évaluer et améliorer manuellement des modèles, Oumi propose une solution où l’IA elle-même prend en charge ces tâches. Cette approche permet aux entreprises de développer en continu une intelligence artificielle adaptée à leurs données et opérations spécifiques.

Une vision disruptive du développement de l’IA

Pour Manos Koukoumidis, cofondateur et CEO d’Oumi, cette innovation marque le début d’une nouvelle ère. « Dans six mois ou un an, nous constaterons que l’utilisation de l’IA pour automatiser son propre développement était une évidence », déclare-t-il. Selon lui, cette tâche fastidieuse et répétitive est particulièrement adaptée à l’automatisation par l’IA. Cette évolution pourrait remettre en question une autre hypothèse de l’ère de l’IA générative : la nécessité de louer des modèles auprès de laboratoires spécialisés.

La Compounding AI Factory vise à éliminer les barrières techniques qui ont historiquement limité le développement de modèles d’IA personnalisés. Au lieu de construire manuellement des jeux de données d’évaluation et de générer des données d’entraînement à travers des cycles répétés, Koukoumidis suggère que les entreprises laissent l’IA gérer une grande partie de ce processus. Les organisations décrivent simplement la capacité qu’elles souhaitent, et la plateforme génère des données, évalue les performances, entraîne un modèle spécialisé et continue de l’améliorer en interaction avec la production.

Démocratiser l’IA pour toutes les entreprises

Koukoumidis compare cette évolution à ce que les assistants de codage ont apporté au développement logiciel. « De la même manière que Claude a rendu les ingénieurs logiciels plus efficaces tout en démocratisant le développement de logiciels, nous faisons maintenant cela pour le développement de l’IA. » L’objectif n’est pas seulement d’accélérer le travail des ingénieurs en apprentissage automatique existants. L’automatisation permet également aux entreprises sans expertise approfondie en machine learning de construire leurs propres modèles spécialisés, réduisant ainsi les coûts et la complexité.

Les clients peuvent choisir de travailler indépendamment ou en collaboration avec les ingénieurs d’Oumi. Des tâches qui prenaient auparavant des semaines de travail peuvent désormais être lancées en quelques minutes d’interaction utilisateur, tandis que l’entraînement se déroule automatiquement en arrière-plan.

Repenser la propriété de l’IA dans l’entreprise

Faciliter la création de modèles personnalisés change également les équilibres économiques entre la location et la possession d’IA. Koukoumidis note que de nombreuses entreprises ont initialement adopté des modèles de pointe car ils offraient le moyen le plus rapide d’expérimenter. Cependant, à mesure que l’IA devient centrale pour la différenciation concurrentielle, les entreprises remettent en question la stratégie à long terme de s’appuyer sur des fournisseurs tiers.

« Nous ne pouvons pas louer notre IA », affirme-t-il. « Nous observons un grand changement dans l’industrie où les entreprises explorent d’autres stratégies. » Il compare cette évolution aux vagues précédentes de logiciels d’entreprise : les entreprises commencent par des outils génériques faciles à déployer, puis passent à des systèmes qu’elles possèdent lorsqu’elles commencent à se soucier de la performance, de l’économie et du contrôle.

La possession réduit également l’exposition aux décisions de tarification des fournisseurs, aux changements de feuille de route et aux risques géopolitiques. Elle permet de garder les connaissances propriétaires à l’intérieur des systèmes de l’entreprise plutôt que de les exposer via le modèle de quelqu’un d’autre. « Chaque entreprise devrait construire, posséder et accumuler sa propre intelligence comme propriété intellectuelle », déclare Koukoumidis.

La spécialisation prime sur la taille des modèles

Pour Koukoumidis, le critère le plus important n’est pas la taille du modèle, mais sa spécialisation. « Si vous effectuez une opération sur un être humain, vous n’utilisez pas le plus grand couteau suisse que vous puissiez trouver. Vous utilisez un scalpel. » Un modèle construit spécifiquement pour l’analyse des risques d’une banque ou le traitement des réclamations d’un assureur peut surpasser un modèle de pointe bien plus grand, à une fraction du coût. Cela s’explique par le fait qu’il est entraîné sur les données propriétaires de l’entreprise plutôt que sur le web public, et il prend de la valeur au fil du temps en production.

Cette transition est déjà en cours, selon Koukoumidis. À mesure que l’IA automatise le processus de construction de l’IA, il s’attend à ce que de plus en plus d’entreprises cessent de traiter l’intelligence comme quelque chose qu’elles consomment via une API et commencent à la considérer comme une infrastructure qu’elles possèdent en propre.