Article spécial de l'avocat Lin Shanglun : les professionnels qui comprennent l'IA seront-ils les gagnants de l'ère de l'IA ?

Depuis un an ou deux, l'IA industrielle est devenue presque une évidence. Du droit, de l'architecture, de la médecine à la finance, chaque secteur a ses acteurs, mais les produits qui parviennent vraiment à convaincre les clients de payer et à se vendre sont en réalité peu nombreux. L'avocat Lin Shanglun décompose, depuis l'échec de la règle des 80/20, le piège des points de douleur, la différence entre « génération » et « organisation », qui doit faire face aux clients, jusqu'à la composition de l'équipe, les raisons pour lesquelles la plupart des IA industrielles n'avancent pas, tandis que quelques équipes réussissent réellement à se démarquer.

(Contexte précédent : Article spécial de l'avocat Lin Shanglun > Amplifier et accélérer : la véritable capacité de l'IA que 99 % des juristes manquent) (Contexte complémentaire : Microsoft investit 2,5 milliards de dollars pour créer « Frontier Company » et va envoyer 6 000 ingénieurs dans les bureaux des clients pour que l'IA devienne vraiment concrète)

Table des matières

Toggle

• I. La règle des 80/20 n'est peut-être plus aussi applicable
• II. Ne vous laissez pas enfermer par un seul point de douleur
• III. Le clé réside dans la « génération », pas dans l'« organisation »
• IV. La personne en face du client ne doit pas être un profane
• V. Le vrai point décisif est en fait l'« équipe »

Résumé des points clés

• La plupart des équipes d'IA industrielle maîtrisent bien la technique mais finissent coincées à la porte du marché. Le problème n'est pas la technique mais d'avoir ou non réalisé de la « génération » plutôt que de l'« organisation ».
• À l'ère de l'IA, la règle des 80/20 pourrait devenir obsolète. Le coût marginal de faire l'ensemble complet chute considérablement ; ne faire que ces 20 % revient à se freiner soi-même.
• Le vrai fossé revient sur les « personnes » : le noyau technique qui comprend l'IA, l'expert du domaine crédible, et le commercial qui connaît bien les points de douleur de première ligne, ces trois rôles sont indispensables.

Tags : Lin Shanglun, IA industrielle, IA générative, règle des 80/20, fossé

Depuis un an ou deux, l'IA industrielle est devenue presque une évidence. Du droit, de l'architecture, de la médecine à la finance, chaque secteur a ses acteurs dans l'IA. Mais si l'on observe calmement, on constate : ceux qui parviennent vraiment à faire payer les clients, à entrer avec succès sur le marché et à se vendre sont en réalité peu nombreux.

La plupart des équipes maîtrisent bien la technique mais finissent coincées à la porte du marché. Ce que je veux aborder, c'est ce qui a bien pu se passer entre les deux. Les concepts suivants pourraient expliquer pourquoi la plupart des IA industrielles n'avancent pas, alors que quelques équipes réussissent réellement à se démarquer.

I. La règle des 80/20 n'est peut-être plus aussi applicable

Commençons par une idée fondamentale : à l'ère de l'IA, la règle des 80/20 n'est peut-être plus aussi applicable.

La règle des 80/20 a longtemps été un credo dans le domaine de l'ingénierie : avec 20 % d'efforts, résoudre 80 % des problèmes. Sa logique originale est la suivante : pour écrire un logiciel, vous identifiez d'abord le plus grand point de douleur, utilisez la force d'ingénierie la plus rapide pour réaliser ces 20 %, répondre à 80 % des besoins, et le reste, trop complexe, est mis de côté.

Par le passé, c'était raisonnable. Car développer une fonctionnalité nécessitait de traverser les étapes « idée, développement, validation, itération », chacune coûteuse, donc vous ne faisiez naturellement que les 20 % les plus critiques.

Mais aujourd'hui, cette prémisse a été ébranlée, pour deux raisons.

Premièrement, l'IA a rendu « créer un logiciel » beaucoup trop facile. Avant, il fallait une équipe de trois personnes, passer par les réglementations, calculer les volumes, intégrer les plans, long et coûteux, pour produire une étude de faisabilité de développement foncier. Maintenant, avec l'IA, une seule personne peut faire le travail de trois, et le coût a considérablement baissé. Puisque le coût de faire l'ensemble complet a déjà été réduit, s'entêter à ne faire que ces 20 % revient à se freiner soi-même.

Deuxièmement, et c'est un point plus facile à négliger : la règle des 80/20 est souvent mal utilisée. Vous pensez avoir capté 80 % des besoins, ce qui correspond bien à des fonctions que tout le monde utilise, mais « avoir ce besoin » n'est pas égal à « avoir un point de douleur ici ». Le vrai point qui pousse quelqu'un à payer et à laisser l'IA le remplacer se trouve peut-être en dehors de ces 80 % que vous avez captés. Résultat : vous produisez une série de choses « qui répondent à un besoin mais sans sensation de douleur ».

Donc à l'ère de l'IA, l'approche devrait peut-être s'inverser : profiter du fait que « l'ingénierie peut rapidement produire un produit fini » pour réaliser les besoins le plus complètement possible en une seule fois. Quand le coût de faire l'ensemble complet est déjà très bas, il n'y a pas beaucoup de raisons de ne faire que du partiel.

II. Ne vous laissez pas enfermer par un seul point de douleur

Ci-dessus, j'ai dit de faire complet. Ici, j'ajoute une idée apparemment contradictoire mais en réalité complémentaire.

Pour entrer sur le marché, il est vrai qu'il faut choisir le « point le plus douloureux » comme porte d'entrée, c'est correct, le point de douleur est le couteau le plus tranchant. Mais trop de produits s'arrêtent là une fois qu'ils sont entrés.

Par exemple, créer une « analyse de faisabilité de développement foncier » est effectivement le point le plus douloureux pour les promoteurs immobiliers, et aussi le plus lucratif. Mais si vous vous arrêtez là, vous vous enfermez dans un petit segment de l'activité de construction. En réalité, la chaîne de valeur d'un architecte est longue : le développement foncier en amont, le renouvellement urbain en phase intermédiaire, la supervision de la construction en aval, même les rapports quotidiens de chantier et les rapports d'avancement peuvent être pris en charge par l'IA. Et le point clé est qu'une fois le moteur central construit, le coût marginal pour en faire plus est incroyablement bas.

De même pour le droit. Une bonne IA juridique ne s'arrêtera pas à « la rédaction de requêtes est le point le plus douloureux », elle couvrira aussi les contrats, la révision de conformité des textes, les rapports d'audience, les demandes de propriété intellectuelle, etc.

En d'autres termes : utilisez le point le plus douloureux comme porte d'entrée, mais ne vous arrêtez pas à l'entrée. Capturez toute la chaîne de valeur, sinon vous fixez vous-même votre plafond.

III. Le clé réside dans la « génération », pas dans l'« organisation »

C'est le point le plus central.

Beaucoup d'IA industrielles ne sont au fond qu'un outil de classement de données : numériser des documents, réorganiser des plans, en bref, appliquer un modèle. Et ce genre de travail peut être fait avec les modèles les plus basiques, même par le secteur public, cela ne suffit pas à créer un fossé.

Sur le marché, il existe pas mal de tels outils, qui en fait sont connectés à des modèles locaux très faibles, spécialisés dans le classement de texte, la reconnaissance d'image, sans jamais entrer dans le cœur de la « génération ». Les rapports produits ne font que bourrer les données dans des modèles fixes.

Ce qui a vraiment de la valeur, c'est d'utiliser la compréhension linguistique la plus puissante pour faire des jugements approfondis et de la génération.

Ce rapport de faisabilité de développement foncier ne doit pas se contenter de bien aligner les plans cadastraux et les levés topographiques ; il doit simultanément lire trois ensembles de réglementations (construction, incendie, rénovation urbaine), intégrer textes, lois et plans pour produire quelque chose qu'un architecte approuvera en disant « c'est bon à 98 %, je n'ai qu'à ajuster un peu ».

Ce genre de résultat, un modèle ne pourra jamais l'atteindre, seul un véritable noyau génératif le peut. C'est aussi la plus grande différence entre un modèle grand public et une IA professionnelle : l'un organise des données, l'autre génère des résultats pour les professionnels.

IV. La personne en face du client ne doit pas être un profane

Voici un point que beaucoup d'équipes techniques négligent facilement mais qui est assez fatal : qui va faire face aux clients.

Pour vendre de l'IA à des clients professionnels, il faut d'abord reconnaître une chose : ce sont des personnes très exigeantes : avocats, architectes, médecins, chefs d'entreprise. Envoyer un ingénieur leur parler de « base de données vectorielles » a un effet limité, l'interlocuteur se rendra vite compte que vous n'êtes pas familier avec le secteur.

Celui qui doit vraiment se tenir devant le client, c'est un professionnel du domaine qui comprend l'IA. Il peut discuter avec le client de chaque étape du processus, comment l'optimiser, traiter les détails du dossier, et même démontrer sur place comment accomplir directement une partie du travail.

Pour faire une analogie : un architecte qui comprend l'IA parle à un promoteur. Il peut expliquer chaque processus de développement du promoteur de manière plus détaillée que le client lui-même, puis prouver sur place « tout cela, mon produit IA peut le faire ». C'est le véritable moment décisif.

V. Le vrai point décisif est en fait l'« équipe »

Au final, il faut admettre une chose : la technique est trop facile à copier.

Ce que vous arrivez à faire, d'autres peuvent le faire quelques semaines plus tard. Donc le fossé revient sur les « personnes ».

Les équipes d'IA industrielle meurent le plus souvent dans trois situations :

Premièrement, le leader n'est pas à la hauteur. Si la personne qui dirige n'a pas un vrai poids dans le secteur, pas de licence, pas d'expérience pratique, juste un titre, elle sera mise en difficulté dès la première question difficile du client. Le ton, le professionnalisme, la tenue, tout est évalué par le client. Après tout, ce type de produit doit convaincre un groupe de professionnels avisés.

Deuxièmement, la personne qui entre en jeu n'est pas une figure clé. Pour pénétrer le marché de la construction, on engage un représentant commercial en développement foncier, pas un architecte agréé et crédible. Dès que le client parle, il saura que l'équipe manque de substance.

Troisièmement, dépendance excessive à l'ingénierie. L'équipe est composée uniquement de profils techniques, elle fabrique un produit très performant mais ne parvient pas à le vendre, car personne n'arrive à « traduire » la valeur du produit pour le client.

Et il y a une difficulté plus profonde : même si l'équipe trouve vraiment un expert compétent, il ne sera peut-être pas prêt à s'investir.

Un architecte de talent, un bon avocat, sont déjà bien occupés et bien payés par leur métier principal. Lui demander de prendre le temps de comprendre l'IA, les bases de données vectorielles, et même d'atteindre un niveau suffisant pour convaincre les clients, c'est très difficile. Même avec des parts, l'intensité réelle de la collaboration est souvent limitée.

Donc, la combinaison idéale est que ces trois rôles sont indispensables :

• Le noyau technique qui comprend l'IA
• L'expert du domaine qui a du poids
• Le commercial qui connaît bien les points de douleur de première ligne

Et ces trois personnes doivent pouvoir se présenter ensemble devant le client et prononcer la phrase la plus percutante :

Même notre propre profession a déjà été remplacée par l'IA que nous avons créée nous-mêmes.

Questions fréquentes

Pourquoi la plupart des IA industrielles ne se vendent-elles pas ?

La plupart des produits ne font que classer des données et appliquer des modèles, sans atteindre le cœur du jugement profond et de la génération. Ils utilisent les modèles les plus basiques et ne peuvent pas créer un fossé. Ils confondent souvent « avoir un besoin » avec « avoir un point de douleur », produisant une série de choses qui répondent à un besoin mais sans sensation de douleur.

De quels rôles une équipe d'IA industrielle a-t-elle besoin ?

Trois rôles sont indispensables : le noyau technique qui comprend l'IA, l'expert du domaine qui a une voix dans le secteur, et le commercial qui connaît bien les points de douleur de première ligne. Et ils doivent pouvoir se présenter ensemble devant les clients professionnels les plus exigeants et expliquer clairement la valeur du produit.