Après une période d’investissements massifs, les entreprises américaines réévaluent désormais leurs dépenses en intelligence artificielle générative. L’enthousiasme initial pour les grands modèles de langage (LLM) et les projets ambitieux cède la place à une approche plus pragmatique, axée sur le retour sur investissement.
De nombreuses initiatives n’ont pas encore démontré leur valeur ajoutée ou généré les bénéfices escomptés. Les coûts opérationnels élevés, notamment pour l’inférence, ainsi que les préoccupations liées à la confidentialité des données, poussent les entreprises à exiger des cas d’usage plus clairs et des résultats mesurables.
La tendance s’oriente vers l’adoption de modèles plus petits et spécialisés, ou l’ajustement de solutions existantes, plutôt que le développement de modèles personnalisés coûteux. L’objectif est de rendre les investissements en IA plus stratégiques et efficients, en privilégiant les applications concrètes aux projets de grande envergure.
Cette réorientation marque un passage de l’expérimentation à une intégration plus réfléchie de l’IA dans les opérations commerciales.
Source : Hacker News (Algolia)