Où l’IA génère-t-elle de la valeur économique réelle?

Evan Zehnal, gestionnaire de portefeuille adjoint, se penche sur les secteurs où les profits liés à l’IA pourraient se concrétiser et explique pourquoi la prochaine phase sera définie par les aspects économiques, et non par le battage médiatique.

Play Video
Click to play video
Transcription

00:04.004 --> 00:06.072

Je crois qu'avant l'an dernier,

 

00:06.072 --> 00:08.141

la valeur d'un chatbot pour

 

00:08.141 --> 00:09.376

le consommateur était

 

00:09.409 --> 00:10.543

raisonnablement élevée.

 

00:10.543 --> 00:12.445

C'était en quelque sorte, ça a

 

00:12.445 --> 00:14.314

remplacé la recherche dans un sens

 

00:14.314 --> 00:15.548

pour certaines personnes, pour

 

00:15.548 --> 00:17.117

certaines tâches, mais c'était plus

 

00:17.117 --> 00:18.351

la collecte d'informations, plutôt

 

00:18.351 --> 00:19.619

que la recherche d'informations

 

00:19.619 --> 00:20.854

nécessairement, cela vous permettait

 

00:20.854 --> 00:22.689

d'aller plus loin.

 

00:22.689 --> 00:24.557

Ce n'est pas un cas d'utilisation

 

00:24.557 --> 00:25.792

particulièrement monétisable de l'IA

 

00:25.792 --> 00:27.660

au fil du temps, surtout en

 

00:27.660 --> 00:29.529

ce qui concerne le prix, qui,

 

00:29.529 --> 00:31.097

comme nous l'avons vu, peut

 

00:31.097 --> 00:32.332

augmenter beaucoup plus rapidement

 

00:32.332 --> 00:33.333

que le consommateur.

 

00:34.467 --> 00:35.535

Pour les cas d'utilisation dans

 

00:35.535 --> 00:37.103

lesquels l'IA est la meilleure.

 

00:37.103 --> 00:39.139

Mais ensuite, lorsque le codage

 

00:39.139 --> 00:41.174

a été débloqué, je pense

 

00:41.174 --> 00:43.176

que cela peut générer beaucoup

 

00:43.176 --> 00:45.211

de dépenses vraiment efficaces et

 

00:45.211 --> 00:46.813

des dépenses intéressantes, des

 

00:46.813 --> 00:48.848

revenus à marge élevée pour

 

00:48.848 --> 00:50.450

ces sociétés modèles.

 

00:50.450 --> 00:52.285

L'une des façons dont je pense à

 

00:52.285 --> 00:54.087

cela est que je crois que les

 

00:54.087 --> 00:55.622

chiffres indiquent qu'il y a environ

 

00:55.622 --> 00:57.190

un billion de dollars de dépenses

 

00:57.190 --> 00:58.491

salariales en logiciels et services

 

00:58.491 --> 01:00.026

à l'échelle mondiale.

 

01:00.026 --> 01:01.127

Si vous y réfléchissez, c'est

 

01:01.127 --> 01:02.395

vraiment l'élément de base de cette

 

01:02.395 --> 01:03.563

dépense.

 

01:03.596 --> 01:05.665

C'était l'offre, et non la demande.

 

01:05.665 --> 01:07.000

Il n'y avait pas assez de

 

01:07.000 --> 01:08.101

développeurs de logiciels, il n'y

 

01:08.101 --> 01:09.202

avait pas de fournisseurs de

 

01:09.202 --> 01:10.303

services pour vraiment augmenter ces

 

01:10.303 --> 01:11.304

dépenses.

 

01:11.905 --> 01:13.840

Et donc, et vous savez, l'une

 

01:13.840 --> 01:15.775

des façons dont vous avez vu

 

01:15.775 --> 01:17.710

cela était, je pense que les

 

01:17.710 --> 01:19.646

salaires en Inde sur trois ou

 

01:19.646 --> 01:21.581

quatre ans au début des années

 

01:21.581 --> 01:23.516

2020, de 2021 à 2023 ou

 

01:23.516 --> 01:25.151

quatre, je pense qu'ils aiment

 

01:25.151 --> 01:26.786

doubler ou tripler, n'est-ce pas ?

 

01:26.786 --> 01:28.288

Comme il n'y avait pas assez

 

01:28.288 --> 01:29.289

d'approvisionnement, ils devaient

juste

 

01:29.289 --> 01:30.523

aller trouver n'importe qui pouvait

 

01:30.523 --> 01:31.758

coder et les intégrer dans

 

01:31.758 --> 01:32.859

l'écosystème.

 

01:32.859 --> 01:34.828

Avec l'avènement des agents

 

01:34.828 --> 01:36.796

de codage et la

 

01:36.796 --> 01:38.765

compétence de l'IA en

 

01:38.765 --> 01:40.733

codage, vous n'êtes plus

 

01:40.733 --> 01:42.702

soumis à une contrainte

 

01:42.702 --> 01:43.636

d'approvisionnement.

 

01:43.636 --> 01:45.371

Disons qu'en réalité, ils ont

 

01:45.371 --> 01:46.739

dépensé mille milliards, ils

 

01:46.739 --> 01:48.108

auraient préféré dépenser deux

 

01:48.108 --> 01:50.143

billions s'il y avait eu une

 

01:50.143 --> 01:51.878

réserve de développeurs de logiciels

 

01:51.878 --> 01:53.012

disponibles.

 

01:53.012 --> 01:54.681

C'est une très grande équipe.

 

01:54.681 --> 01:55.515

Ensuite, l'autre élément concerne

 

01:55.515 --> 01:56.349

ces développeurs de logiciels,

 

01:56.382 --> 01:57.417

peut-être qu'ils ne codent pas

 

01:57.417 --> 01:58.451

efficacement six heures par jour,

 

01:58.451 --> 01:59.719

peut-être que c'est 24 parce que

 

01:59.719 --> 02:00.753

leurs agents peuvent fonctionner 24

 

02:00.753 --> 02:02.655

heures sur 24, 7 jours sur 7 ou ils

 

02:02.655 --> 02:03.923

ont plusieurs agents et donc ils

 

02:03.923 --> 02:05.058

sont plus productifs.

 

02:05.058 --> 02:06.659

Et donc vous pouvez en quelque sorte

 

02:06.659 --> 02:07.794

faire valoir qu'un trillion aurait

 

02:07.794 --> 02:09.162

dû être deux billions de dollars

 

02:09.162 --> 02:10.296

avec une productivité qui pourrait

 

02:10.296 --> 02:11.898

être de six ou 8 billions de

 

02:11.898 --> 02:14.000

dollars. Donc le TAM est

 

02:14.000 --> 02:16.136

là et c'est une sorte de

 

02:16.136 --> 02:17.570

cas d'utilisation monétisable et

 

02:17.570 --> 02:19.672

c'est en partie la raison pour

 

02:19.672 --> 02:21.808

laquelle vous avez vu les ARR

 

02:21.808 --> 02:23.877

du laboratoire. Donc, si vous y

 

02:23.877 --> 02:25.512

réfléchissez, ils appellent ça des

 

02:25.512 --> 02:26.646

revenus récurrents annualisés.

 

02:26.646 --> 02:28.214

Je ne pense pas que ce soit

 

02:28.214 --> 02:29.082

nécessairement récurrent, mais disons

 

02:29.082 --> 02:30.984

que pour ce débat, c'est le cas.

 

02:30.984 --> 02:31.985

C'est environ une centaine de

 

02:31.985 --> 02:32.785

milliards de dollars.

 

02:32.785 --> 02:34.287

Et passer de, vous savez, à la fin

 

02:34.287 --> 02:35.421

de l'année dernière, de 30 000

 

02:35.421 --> 02:36.556

milliards à 100 000 milliards au

 

02:36.556 --> 02:38.057

milieu, il y en a cent millions au

 

02:38.057 --> 02:39.192

milieu, au milieu de cette année,

 

02:39.192 --> 02:40.527

cela vous indique qu'il y a une

 

02:40.527 --> 02:41.461

véritable adéquation au marché des

 

02:41.461 --> 02:42.996

produits et qu'il y a vraiment de la

 

02:42.996 --> 02:44.797

demande. Et la marge devrait être

 

02:44.797 --> 02:46.733

là, surtout parce que la marge mise

 

02:46.733 --> 02:48.701

vraiment sur la loi de Moore selon

 

02:48.701 --> 02:49.536

laquelle les semi-conducteurs

 

02:49.536 --> 02:51.204

produiront des jetons moins chers au

 

02:51.204 --> 02:53.139

fil du temps et que les algorithmes

 

02:53.139 --> 02:54.240

du laboratoire deviendront plus

 

02:54.240 --> 02:56.376

efficaces. Donc, si je prends du

 

02:56.376 --> 02:58.211

recul, c'est que vous avez ce

 

02:58.211 --> 02:59.445

cas d'utilisation qui représente

 

02:59.445 --> 03:00.980

potentiellement des milliards et des

 

03:00.980 --> 03:02.849

billions de dollars de valeur pour

 

03:02.849 --> 03:04.384

les entreprises et qu'elles sont

 

03:04.384 --> 03:05.385

prêtes à dépenser.

 

03:06.920 --> 03:08.755

Je crois que c'est ce que cherchent

 

03:08.755 --> 03:10.056

les hyperscalaires.

 

03:10.056 --> 03:12.158

Le simple argument en tant que

 

03:12.158 --> 03:14.260

bulle est que c'est peut-être vrai,

 

03:14.294 --> 03:16.396

mais que se passe-t-il si l'économie

 

03:16.396 --> 03:18.131

ne revient vraiment à personne

 

03:18.131 --> 03:19.199

d'autre que l'entreprise ?

 

03:21.568 --> 03:23.369

Si vous devez croire que les

 

03:23.369 --> 03:24.270

laboratoires sont l'acheteur

 

03:24.270 --> 03:26.072

marginal de toute la capacité des

 

03:26.072 --> 03:27.273

centres de données d'aujourd'hui,

 

03:27.273 --> 03:28.775

les laboratoires de pointe, cela

 

03:28.775 --> 03:29.976

pourrait être problématique si

 

03:30.009 --> 03:32.111

l'open source arrive et a un impact

 

03:32.111 --> 03:33.913

négatif sur leurs marges parce que

 

03:33.913 --> 03:36.015

l'open source est assez bon ou que

 

03:36.015 --> 03:37.817

les modèles chinois sont assez bons

 

03:37.817 --> 03:39.319

ou que les hyperscalers peuvent

 

03:39.319 --> 03:40.820

développer leurs propres modèles ou

 

03:40.820 --> 03:42.155

modèles en s'éloignant.

 

03:42.155 --> 03:43.756

Cela enlève vraiment l'économie aux

 

03:43.756 --> 03:44.691

laboratoires frontaliers pour

 

03:44.691 --> 03:45.625

vraiment financer cette

 

03:45.658 --> 03:47.093

construction. Peut-être que c'est un

 

03:47.093 --> 03:48.228

endroit beaucoup plus difficile à

 

03:48.228 --> 03:49.796

vivre et vous pouvez en faire valoir

 

03:49.796 --> 03:51.664

une bulle. Même si vous finissez par

 

03:51.664 --> 03:53.166

arriver à une bonne situation, la

 

03:53.166 --> 03:54.667

préparation se fait trop vite par

 

03:54.667 --> 03:55.902

rapport à l'économie du laboratoire,

 

03:55.902 --> 03:57.036

qui se compresse.

 

03:57.036 --> 03:59.105

Donc, je pense que c'est un genre

 

03:59.105 --> 04:00.273

d'impulsion, c'est un cas

 

04:00.273 --> 04:01.441

d'utilisation vraiment précieux et

 

04:01.441 --> 04:03.509

très important, mais il faut qu'il y

 

04:03.509 --> 04:04.677

ait des considérations économiques

 

04:04.677 --> 04:06.145

pour soutenir la construction et

 

04:06.145 --> 04:07.880

nous en sommes aux premières étapes

 

04:07.880 --> 04:08.881

de leur étude.

Écouter le balado