Votre startup peut-elle prendre en charge un workflow basé sur la recherche ?

João Graça est CTO et co-fondateur d’Unbabel, une plate-forme d’opérations linguistiques basée sur l’IA qui permet à n’importe quel agent de communiquer dans n’importe quelle langue.

Le President’s Council of Advisors on Science and Technology prévoit que les entreprises américaines dépenseront plus de 100 milliards de dollars en R&D en IA par an d’ici 2025. Une grande partie de ces dépenses est aujourd’hui effectuée par six entreprises technologiques – Microsoft, Google, Amazon, IBM, Facebook et Apple , selon une étude récente du CSET à l’Université de Georgetown. Mais que se passe-t-il si vous êtes une startup dont le produit repose sur l’IA en son cœur ?

Les entreprises en démarrage peuvent-elles prendre en charge un flux de travail basé sur la recherche ? Dans une start-up ou une mise à l’échelle, l’accent est souvent davantage mis sur le développement de produits concrets que sur la recherche. Pour des raisons évidentes, les entreprises veulent faire des choses qui comptent pour leurs clients, investisseurs et parties prenantes. Idéalement, il existe un moyen de faire les deux.

Avant d’investir dans la dotation en personnel d’un laboratoire de recherche en IA, tenez compte de ces conseils pour déterminer si vous êtes prêt à commencer.

Composez la bonne équipe de recherche

En supposant que la priorité de votre organisation soit de mener des recherches innovantes sur l’IA, la première étape consiste à embaucher un ou deux chercheurs. Chez Unbabel, nous l’avons fait très tôt en recrutant des docteurs et en nous lançant rapidement dans la recherche d’un produit qui n’avait pas encore été développé. Certains chercheurs construiront à partir de zéro et d’autres prendront vos données et essaieront de trouver un modèle préexistant qui correspond à vos besoins.

Alors que la division X de Google peut avoir le capital pour se concentrer sur les moonshots, la plupart des startups ne peuvent investir que dans l’innovation qui leur fournit un avantage concurrentiel ou améliore leur produit.

À partir de là, vous devrez embaucher des ingénieurs de recherche ou des professionnels des opérations d’apprentissage automatique. La recherche n’est qu’une petite partie de l’utilisation de l’IA en production. Les ingénieurs de recherche publieront ensuite vos recherches en production, surveilleront les résultats de votre modèle et affineront le modèle s’il cesse de bien prédire (ou ne fonctionne pas comme prévu). Souvent, ils utilisent l’automatisation pour simplifier les procédures de surveillance et de déploiement au lieu de tout faire manuellement.

Rien de tout cela ne relève de la compétence d’un chercheur scientifique – ils sont plus habitués à travailler avec les ensembles de données et les modèles en formation. Cela dit, les chercheurs et les ingénieurs devront travailler ensemble dans une boucle de rétroaction continue pour affiner et recycler les modèles en fonction des performances réelles de l’inférence.

Choisissez les problèmes que vous souhaitez résoudre

La recherche du CSET citée ci-dessus montre que 85 % des laboratoires d’IA en Amérique du Nord et en Europe effectuent une forme de recherche fondamentale en IA, et moins de 15 % se concentrent sur le développement. Le reste du monde est différent : une majorité de laboratoires dans d’autres pays, comme l’Inde et Israël, se concentrent sur le développement.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *