Deux ans après le début de la révolution de l'IA générative, le domaine évolue des réponses rapides pré-entraînées (« penser vite ») à un raisonnement avancé à l'heure de l'inférence (« penser lentement »), permettant une nouvelle classe d'applications intelligentes. En réfléchissant au deuxième anniversaire de notre essai « L'IA générative : Un Nouveau Monde Créatif », nous observons des changements significatifs dans l'écosystème de l'IA et présentons nos prévisions pour l'avenir. La couche fondamentale du marché de l'IA générative se stabilise, caractérisée par des acteurs majeurs tels que Microsoft/OpenAI, AWS/Anthropic, Meta et Google/DeepMind, tous dotés de capitaux substantiels et d'opérations évolutives. Bien que la dynamique concurrentielle reste intense, nous prévoyons une disponibilité accrue de prévisions de next-token à moindre coût. Avec cette stabilisation, l'attention se déplace vers l'amélioration des capacités de raisonnement chez l'IA, surnommé « pensée du Système 2 », qui permet une résolution de problèmes plus délibérée et des fonctions cognitives pendant l'inférence. Inspirée par des innovations comme AlphaGo, cette couche de raisonnement est prête à redéfinir le fonctionnement de l'IA, conduisant à de nouvelles architectures cognitives et interfaces utilisateur. Dans notre dernière analyse du paysage de l'IA, nous abordons comment cette consolidation alimente la course au développement de capacités de raisonnement sophistiquées et explorons les « applications tueuses » émergentes avec des outils cognitifs innovants et des interactions. **La Révolution de la Fraise** Le développement clé de 2024 est l'introduction par OpenAI de o1, anciennement connu sous le nom de Q* ou « Fraise ». Ce modèle renforce non seulement le leadership d'OpenAI en matière de qualité de modèle, mais intègre également de réelles capacités de raisonnement grâce au calcul en temps d'inférence. Contrairement aux modèles traditionnels pré-entraînés qui s'appuient sur d'énormes données pour le raisonnement de base, Fraise améliore la capacité du modèle à faire une pause et à réfléchir avant de répondre. En utilisant l'exemple de la victoire de AlphaGo en 2016 contre le champion de Go Lee Sedol, nous illustrons comment un véritable raisonnement d'IA peut surpasser le simple appariement de motifs. AlphaGo a démontré des processus cognitifs avancés en simulant activement des résultats potentiels, ce qui lui a permis de surpasser de manière significative les joueurs humains lorsqu'elle a eu le temps d'évaluer. En traduisant cela à l'LLM, le défi réside dans la création de mécanismes de notation efficaces pour des tâches diversifiées, telles que l'évaluation de contenus écrits, qui restent problématiques pour les modèles existants. Fraise montre des forces dans les domaines logiques mais lutte avec des tâches plus subjectives en raison de ses mécaniques de base. L'apprentissage profond par renforcement connaît une résurgence car il permet à l'IA de raisonner plus efficacement, présentant des comportements similaires à la pensée humaine, tels que des retours en arrière et des stratégies de résolution de problèmes innovantes. Le domaine explore actuellement diverses méthodes pour affiner les processus en temps d'inférence et améliorer les capacités de raisonnement. **Passage de la Pensée du Système 1 à la Pensée du Système 2** Passer de réponses instinctives (Système 1) à un raisonnement éclairé (Système 2) marque une frontière cruciale pour l'IA. Bien que le pré-entraînement électrique puisse résoudre rapidement des requêtes simples, des problèmes plus complexes nécessitent que l'IA évalue des options et raisonne de manière méthodique à travers des décisions.

Ce processus approfondi est essentiel pour aborder des problèmes importants à travers des disciplines, des mathématiques à la biologie, où la simple reconnaissance de motifs est insuffisante. Dans le domaine des applications IA, les nouveaux modèles émergents illustrent une approche transformative. Des entreprises comme Sierra redéfinissent le service client en résolvant les problèmes efficacement, tandis que l'avènement d'autres applications agentiques — telles que Harvey (juridique), Glean (assistant de travail) et XBOW (tests de pénétration) — illustre un changement dans la manière dont l'IA apporte de la valeur et saisit des opportunités de marché. Au fur et à mesure que ces applications réduisent les coûts de livraison en tirant parti des avancées en matière d'inférence, elles peuvent perturber les modèles de marché traditionnels, améliorant l'efficacité du flux de travail et l'accessibilité. **Le Paysage SaaS Reconsidéré** Des inquiétudes ont surgit quant à savoir si l'IA générative pourrait menacer les entreprises cloud existantes. Cependant, notre position initiale est que les modèles de base resteront accessibles aux titulaires, car ils possèdent déjà des avantages en matière de données et de distribution. Les startups sont mieux positionnées pour cibler des flux de travail automatisables plutôt que de remplacer les entreprises de logiciels établies. Cependant, l'ingénierie et l'innovation substantielles nécessaires pour créer des solutions drivées par l'IA convaincantes peuvent suggérer que nous avons sous-estimé le besoin d'être « natif de l'IA ». Tout comme le passage des logiciels sur site à SaaS a transformé les modèles commerciaux il y a deux décennies, une évolution similaire pourrait redéfinir le paysage pour les applications IA. Day. ai incarne ce potentiel, présentant un CRM natif IA qui génère automatiquement des solutions sur mesure avec une implication humaine minimale. Cela illustre une tendance croissante vers l’automatisation de processus complexes et la reconfiguration des attentes du marché. **Perspectives d'Investissement** D'un point de vue investissement, l'infrastructure centrée sur les hyperscalers est moins attrayante pour les capital-risqueurs, dominée par des acteurs majeurs se concentrant sur des stratégies théoriques de jeux. Le paysage modulaire souffre d'un biais envers les modèles innovants, souvent en négligeant les considérations économiques pratiques. A l'inverse, les outils développeur et les couches applicatives attirent plus d'intérêt, avec une résurgence potentielle de la génération de revenus similaire à celle observée lors de la transition vers le cloud. L'investissement dans les entreprises de couches applicatives reste prometteur, où une richesse d'opportunités peut générer des retours substantiels et de la durabilité. Le passage vers des applications agentiques est prêt à redéfinir la dynamique de l'écosystème de l'IA, ouvrant la voie à une croissance et à une innovation impactantes.