Les difficultés croissantes de l'IA : Défis contextuels, préoccupations de sécurité et demandes de ressources émergent
L'intelligence artificielle est confrontée à des difficultés croissantes, car les entreprises s'efforcent d'intégrer cette technologie dans les systèmes existants, de sécuriser les systèmes agentiques et de répondre aux besoins énergétiques de l'infrastructure de l'IA. L'enthousiasme initial pour l'IA générative et agentique a cédé la place à une réalité plus pragmatique, les DSI et les responsables techniques se demandant pourquoi les programmes pilotes ne donnent pas les résultats promis, selon VentureBeat.
L'un des principaux défis est le manque de contexte au sein des systèmes d'IA. Selon VentureBeat, l'IA est en difficulté non pas parce qu'elle manque d'intelligence, mais parce qu'elle manque de contexte. Cela est souvent dû à un "Franken-stack" de solutions ponctuelles déconnectées, d'API fragiles et d'intégrations à forte latence qui piègent le contexte dans un labyrinthe de technologies disparates.
La sécurité est une autre préoccupation majeure. MIT Technology Review a souligné la nécessité d'une gouvernance robuste des systèmes agentiques, en les traitant comme des utilisateurs puissants et semi-autonomes et en appliquant des règles aux frontières où ils interagissent avec l'identité, les outils, les données et les résultats. Cela fait suite à la première campagne d'espionnage orchestrée par l'IA, soulignant l'échec du contrôle au niveau des invites. MIT Technology Review suggère un plan en huit étapes que les entreprises peuvent mettre en œuvre pour gouverner les systèmes agentiques à la frontière.
Les besoins énergétiques de l'IA créent également de nouveaux défis. MIT Technology Review a noté que l'IA entraîne des investissements sans précédent dans des centres de données massifs et un approvisionnement énergétique capable de supporter son énorme appétit computationnel. Les centrales nucléaires de nouvelle génération sont envisagées comme une source potentielle d'électricité pour ces installations, offrant une alternative potentiellement moins chère et plus sûre à l'énergie nucléaire traditionnelle.
De plus, la croissance des centres de données à forte intensité métallique, des voitures électriques et des projets d'énergie renouvelable augmente rapidement la demande de métaux tels que le nickel, le cuivre et les éléments de terres rares, selon MIT Technology Review. Cela se produit à un moment où la production de ces métaux devient plus difficile et plus coûteuse, car les mineurs ont déjà exploité les meilleures ressources. En réponse, les entreprises explorent des solutions innovantes, comme l'utilisation de microbes pour extraire le métal de minerais de qualité inférieure. Par exemple, dans la péninsule supérieure du Michigan, le propriétaire de la mine Eagle teste un nouveau procédé développé par la startup Allonnia, qui utilise un bouillon dérivé de la fermentation pour capturer et éliminer les impuretés du minerai concentré, selon MIT Technology Review. Kent Sorenson, directeur de la technologie d'Allonnia, a déclaré que cette approche pourrait aider les entreprises à continuer d'exploiter des sites dont la qualité du minerai est en baisse.
Discussion
AI Experts & Community
Be the first to comment