De l'internet à l'intelligence artificielle : comment tirer les leçons de la dernière transformation technologique (et éviter de reproduire les mêmes erreurs)

Au plus fort de l'essor des dot.com, ajouter « .com » au nom d'une entreprise suffisait à faire grimper le cours de son action, même si l'entreprise n'avait ni clients réels, ni chiffre d'affaires, ni perspective de rentabilité. Aujourd'hui, l'histoire se répète. Remplacez « .com » par « IA » et l'histoire vous semble étrangement familière.

Les entreprises s'empressent d'intégrer l'« IA » à leurs pitch decks, descriptions de produits et noms de domaine, espérant profiter de l'engouement. Comme le rapporte Domain Name Stat , les enregistrements de domaines « .ai » ont bondi d'environ 77,1 % sur un an en 2024, portés par les startups et les acteurs historiques qui se précipitent pour s'associer à l'intelligence artificielle, qu'ils disposent ou non d'un réel avantage en matière d'IA.

La fin des années 1990 a clairement démontré une chose : utiliser des technologies de pointe ne suffit pas. Les entreprises qui ont survécu à l'éclatement de la bulle Internet ne couraient pas après le battage médiatique, mais cherchaient à résoudre des problèmes concrets et à se développer avec détermination.

L'IA ne fait pas exception. Elle transformera les secteurs d'activité, mais les gagnants ne seront pas ceux qui afficheront le mot « IA » sur une page d'accueil ; ils seront ceux qui sauront dépasser le battage médiatique et se concentrer sur l'essentiel.

Les premiers pas ? Commencez petit, trouvez votre point d'équilibre et évoluez consciemment.

L’une des erreurs les plus coûteuses de l’ère des dot-com a été de vouloir devenir grand trop tôt – une leçon que les créateurs de produits d’IA d’aujourd’hui ne peuvent pas se permettre d’ignorer.

Prenons l'exemple d'eBay. À ses débuts, il s'agissait d'un simple site d'enchères en ligne d'objets de collection, avec un créneau aussi pointu que les distributeurs de Pez. Les premiers utilisateurs l'ont apprécié car il résolvait un problème bien précis : il mettait en relation des amateurs qui ne parvenaient pas à se trouver hors ligne. Ce n'est qu'après avoir dominé ce marché vertical initial qu'eBay s'est étendu à des catégories plus larges comme l'électronique, la mode et, finalement, à presque tout ce que l'on peut acheter aujourd'hui.

Comparez cela à Webvan , une autre start-up de l'ère des dot.com avec une stratégie bien différente. Webvan visait à révolutionner les courses alimentaires grâce à la commande en ligne et à la livraison rapide à domicile, le tout simultanément, dans plusieurs villes. Elle a investi des centaines de millions de dollars dans la construction d'entrepôts gigantesques et de flottes de livraison complexes avant même de connaître une forte demande. La croissance ne s'étant pas matérialisée assez rapidement, l'entreprise s'est effondrée sous son propre poids.

La tendance est claire : commencez par un besoin utilisateur précis et précis. Concentrez-vous sur un segment précis que vous pouvez dominer. N'étendez votre activité que lorsque vous avez la preuve d'une forte demande.

Pour les concepteurs de produits d'IA, cela signifie résister à l'envie de créer une « IA qui fait tout ». Prenons l'exemple d'un outil d'IA générative pour l'analyse de données. Vous adressez-vous à des chefs de produit, des concepteurs ou des data scientists ? Vous adressez-vous à des personnes qui ne maîtrisent pas SQL, à des personnes ayant une expérience limitée ou à des analystes chevronnés ?

Chacun de ces utilisateurs a des besoins, des workflows et des attentes très différents. Commencer par une cohorte restreinte et bien définie – comme des chefs de projet techniques (PM) avec une expérience SQL limitée et ayant besoin d'informations rapides pour orienter les décisions produit – vous permet de comprendre en profondeur vos utilisateurs, d'affiner l'expérience et de créer quelque chose de véritablement indispensable. À partir de là, vous pouvez étendre intentionnellement vos produits à des personas ou des capacités adjacentes. Dans la course à la création de produits d'IA pérennes, les gagnants ne seront pas ceux qui tenteront de servir tout le monde en même temps ; ce seront ceux qui commenceront modestement et qui serviront quelqu'un de manière exceptionnelle.

Commencer petit vous aide à trouver l'adéquation produit-marché. Mais une fois que vous avez gagné en popularité, votre priorité est de renforcer votre capacité de défense ; dans le monde de l'IA de génération , cela signifie être propriétaire de vos données.

Les entreprises qui ont survécu à l'essor des dot.com n'ont pas seulement capté les utilisateurs : elles ont également capté des données propriétaires. Amazon, par exemple, ne s'est pas limité à la vente de livres. L'entreprise a suivi les achats et les vues de produits pour améliorer les recommandations, puis a utilisé les données de commande régionales pour optimiser le traitement des commandes. En analysant les habitudes d'achat selon les villes et les codes postaux, elle a anticipé la demande, approvisionné les entrepôts de manière plus intelligente et rationalisé les itinéraires d'expédition, jetant ainsi les bases de la livraison en deux jours de Prime, un avantage clé que la concurrence ne pouvait égaler. Rien de tout cela n'aurait été possible sans une stratégie de données intégrée au produit dès le départ.

Google a suivi une voie similaire. Chaque requête, chaque clic et chaque correction sont devenus des données d'entraînement pour améliorer les résultats de recherche, et plus tard, les publicités. Ils n'ont pas seulement créé un moteur de recherche ; ils ont mis en place une boucle de rétroaction en temps réel qui apprenait constamment des utilisateurs, créant ainsi un fossé qui rendait leurs résultats et leur ciblage plus difficiles à surpasser.

La leçon pour les créateurs de produits d'IA de génération est claire : l'avantage à long terme ne viendra pas simplement du simple accès à un modèle puissant, mais de la création de boucles de données propriétaires qui améliorent leur produit au fil du temps.

Aujourd'hui, toute personne disposant de ressources suffisantes peut affiner un modèle de langage étendu (LLM) open source ou payer pour accéder à une API. Ce qui est beaucoup plus difficile, et bien plus précieux, est de collecter des données d'interaction utilisateur réelles et à fort potentiel, qui s'accumulent au fil du temps.

Si vous créez un produit d'IA de génération, vous devez poser des questions cruciales dès le début :

• Quelles données uniques allons-nous capturer lorsque les utilisateurs interagissent avec nous ?
• Comment pouvons-nous concevoir des boucles de rétroaction qui affinent continuellement le produit ?
• Existe-t-il des données spécifiques à un domaine que nous pouvons collecter (de manière éthique et sécurisée) que les concurrents n'auront pas ?

Prenons l'exemple de Duolingo. Avec GPT-4, ils sont allés au-delà de la simple personnalisation . Des fonctionnalités comme « Expliquez ma réponse » et le jeu de rôle basé sur l'IA créent des interactions utilisateur plus riches, capturant non seulement les réponses, mais aussi la façon dont les apprenants pensent et discutent. Duolingo combine ces données avec sa propre IA pour affiner l'expérience, créant ainsi un avantage concurrentiel difficile à égaler.

À l'ère de l'IA, les données devraient constituer un atout majeur. Les entreprises qui conçoivent leurs produits pour exploiter et exploiter des données propriétaires seront celles qui survivront et domineront le marché.

L'ère des dot.com nous a montré que l'engouement s'estompe vite, mais que les fondamentaux perdurent. L'essor de l'IA de demain ne fait pas exception. Les entreprises qui prospéreront ne seront pas celles qui courent après les gros titres, mais celles qui résoudront de vrais problèmes, évolueront avec discipline et se créeront de véritables barrières.

L’avenir de l’IA appartiendra aux constructeurs qui comprendront qu’il s’agit d’un marathon et qui auront le courage de le courir.

Kailiang Fu est chef de produit IA chez Uber.