Dans le monde de l’intelligence artificielle, la start-up Lovelace fait sensation en présentant son outil de recherche qui rivalise avec le célèbre Gemini Deep Research Max de Google, mais à un coût bien moindre. Grâce à son moteur de contextualisation YottaGraph, Lovelace affirme avoir obtenu des résultats comparables avec une efficacité remarquable.
Des résultats impressionnants à moindre coût
Dans un récent benchmark, Lovelace a évalué son agent de recherche à travers 12 tâches financières et métiers, démontrant qu’il pouvait atteindre une performance presque équivalente à celle de Google pour moins de 1 % du coût. Le test a été réalisé en utilisant YottaGraph et Gemini 3.1 Flash Lite, sans recourir à d’autres mécanismes de grounding que celui fourni par YottaGraph lui-même.
Les résultats montrent que l’agent de Lovelace a obtenu une note moyenne de 9,67 contre 9,87 pour le modèle de Google, mais à un coût exorbitant de six centimes par rapport à sept dollars pour Google, et en un temps de réponse de moins de cinq minutes contre 17 minutes. Cela soulève des questions cruciales sur l’efficacité des modèles IA actuels et leur coût.
Une crise imminente liée aux coûts des IA
Andrew Moore, CEO de Lovelace et ancien responsable IA chez Google Cloud, met en avant une crise potentielle au regard des coûts liés à l’IA. Il souligne que les grands fournisseurs semblent ignorer l’impact économique de l’IA, obsédés par la performance brute. D’autre part, il affirme que la gestion du contexte est essentielle pour réduire les coûts des systèmes IA et se demande si l’augmentation de la taille et de la puissance des modèles est réellement la solution.
Réflexions sur l’avenir de l’IA
Carmi Levy, analyste indépendant, critique cette course à la puissance et souligne que les solutions doivent être adaptées aux besoins spécifiques des entreprises, promouvant une approche plus efficient plutôt qu’une quête insatiable de performance. La question de l’efficacité ne doit pas être négligée dans la création de modèles IA.
Sanchit Vir Gogia de Greyhound Research insiste sur le fait que la recherche ne devrait plus se concentrer uniquement sur la taille des modèles, mais plutôt sur la capacité des systèmes à fournir des réponses fiables à des coûts raisonnables. Dans ce contexte, les entreprises doivent réévaluer leur approche de l’IA, prenant en compte des aspects comme la qualité du contexte et la gouvernance des workflows.
Conclusion
Lovelace ouvre donc la voie à une vision renouvelée de l’intelligence artificielle, où la rentabilité et l’efficacité priment sur les simples performances matérielles. À mesure que les organisations chercheront à utiliser l’IA de manière efficace, la nécessité d’un changement de paradigme devient évidente. Une réflexion approfondie sur les modèles opérationnels de l’IA est à l’ordre du jour.
Sources : Le Monde Informatique
