La barrière défensive de l'IA, c'est la boucle de rétroaction, pas le modèle

L’accès à un modèle performant est aujourd’hui presque universel. N’importe quelle équipe peut y faire appel, et l’écart de qualité brute entre le modèle d’une jeune pousse bien financée et celui d’un grand acteur établi s’est réduit au point de rarement décider qui gagne. Le modèle n’est pas la barrière défensive. Ce qui dure, c’est le système construit autour de lui : des données propriétaires que le modèle peut exploiter et que les concurrents n’ont pas, une boucle de rétroaction qui vérifie si les décisions du modèle étaient réellement bonnes, et la discipline opérationnelle nécessaire pour agir sur ce que cette boucle révèle.

Pourquoi le modèle a cessé d’être le facteur différenciant

Quand seules quelques organisations pouvaient construire ou s’offrir un modèle performant, en posséder un suffisait à donner un avantage. Cette période est révolue. L’avantage s’est déplacé plus haut dans la pile, vers ce qu’une entreprise fournit au modèle et ce qu’elle fait du résultat, car deux concurrents qui font appel à des modèles fonctionnellement similaires vont diverger selon tout ce qui entoure l’appel, pas selon l’appel lui-même.

Trois éléments composent ce « tout ce qui entoure l’appel ». D’abord, les données propriétaires : des informations spécifiques à votre entreprise, à vos clients ou à votre historique opérationnel, sur lesquelles aucun modèle généraliste n’a été entraîné et qu’aucun concurrent ne peut interroger. Ensuite, une boucle de rétroaction : un mécanisme qui compare la recommandation du modèle à un résultat réel et réinjecte ce résultat dans le système, pour que celui-ci s’améliore mesurablement sur la tâche précise plutôt que de rester statique. Enfin, la discipline opérationnelle : l’habitude organisationnelle d’agir réellement sur ce que rapporte la boucle de rétroaction, à un rythme constant, plutôt que de laisser une bonne recommandation dormir, non lue, dans un tableau de bord.

Chacun de ces éléments pris isolément ne forme qu’un système partiel. Des données sans boucle de rétroaction sont un actif statique. Une boucle de rétroaction sans discipline opérationnelle est un rapport que personne ne lit. La discipline sans données ni boucle n’est qu’une équipe qui travaille dur sur des suppositions.

Un exemple concret dans la publicité

Deux annonceurs gèrent la même catégorie de campagnes Meta, et les deux utilisent des outils assistés par IA pour les y aider. L’annonceur A fournit à un modèle un brief de marché général et lui demande de suggérer des pistes créatives. L’annonceur B fournit à un modèle l’historique de performance de son propre compte, la dépense par ensemble de publicités, et un relevé continu des angles créatifs qui ont tenu la route au cours du trimestre précédent, puis compare chaque semaine les suggestions du modèle aux résultats réels et ajuste ce qu’il lui fournit en fonction de ce qui s’est révélé faux la semaine précédente.

Les deux annonceurs avaient accès au modèle. Seul l’annonceur B disposait d’un système. Les suggestions de A sont génériquement plausibles et ressembleront, n’importe quel jour donné, à ce qu’obtiendrait un concurrent faisant la même chose. Les suggestions de B s’ancrent dans ce qui a précisément fonctionné ou échoué sur ce compte, sont vérifiées face à la réalité chaque semaine, et se composent, car le résultat de chaque cycle devient l’entrée du cycle suivant. Sur un trimestre, les deux comptes ne convergent pas. Les décisions de B sur ses ensembles de publicités s’affinent à mesure que son historique s’étoffe ; celles de A restent à peu près aussi génériques qu’au premier jour, parce que rien dans le processus de A n’apprend des résultats propres au compte.

L’implication stratégique

Si l’accès au modèle n’est pas le facteur différenciant, alors la feuille de route d’une entreprise ne devrait pas se concentrer sur le modèle qu’elle peut licencier ou la vitesse à laquelle elle en adopte un plus récent. Elle devrait se concentrer sur la construction de l’actif de données qu’un concurrent ne peut pas voir, la mise en place d’une boucle de rétroaction honnête qui mesure des résultats réels plutôt qu’un résultat au ton plausible, et la construction de l’habitude organisationnelle d’agir en conséquence. Ces trois éléments deviennent plus difficiles à copier plus ils fonctionnent longtemps, d’une manière que l’accès au modèle n’a jamais permise, car un concurrent peut s’abonner au même modèle dès demain sans rien gagner qui ait pris du temps à construire.

C’est aussi, discrètement, pourquoi « nous utilisons l’IA » a cessé d’être une affirmation porteuse de sens à elle seule. Elle décrit une ressource que tout le monde possède. L’affirmation qui compte porte sur ce que le système fait de cette ressource : ce qu’il apprend, ce qu’il vérifie, et si l’organisation qui le fait tourner bouge réellement quand le système signale quelque chose. Voir ce qu’est un système d’exploitation de croissance et comment l’IA transforme la publicité Meta pour voir comment cela se joue concrètement dans les comptes publicitaires.

Les annonceurs qui composeront leur avantage au cours des prochaines années ne seront pas ceux qui ont le modèle le plus récent. Ce seront ceux dont le système est devenu mesurablement plus intelligent chaque semaine de fonctionnement, parce qu’il a été conçu pour se vérifier lui-même et que quelqu’un prêtait attention au résultat.