Les startups d'IA sont confrontées à des défis à mesure que le marché mûrit, et les modèles commerciaux basés sur les LLM deviennent non durables.

Le boom de l'IA générative a conduit à l'émergence rapide de nombreuses startups, mais tous les modèles commerciaux basés sur des modèles de langage de grande taille (LLM) ne s'avèrent pas viables.

Darren Mowry de Google souligne que les startups qui dépendent trop des modèles des autres, comme les wrappers LLM et les agrégateurs d'IA, pourraient rencontrer des problèmes. Les wrappers LLM, qui construisent des interfaces sur des modèles existants, n'offrent pas une valeur défendable, et le simple fait de revendre un modèle n'est plus suffisant. Au lieu de cela, les startups doivent développer une expertise approfondie, des données propriétaires et une intégration des flux de travail. Les agrégateurs d'IA, qui combinent plusieurs LLM, font également face à des pressions, car les fournisseurs de modèles développent des fonctionnalités d'entreprise qui réduisent leurs marges. Mowry compare cette situation aux débuts du cloud, lorsque les startups qui revendaient des services AWS ont disparu face à celles qui ajoutaient une réelle valeur. Néanmoins, il existe des opportunités dans les plateformes pour développeurs, les applications directes pour les consommateurs et les secteurs de la biotechnologie et de la technologie climatique, qui bénéficient d'un accès aux données et aux analyses d'IA.

Le message pour les fondateurs est clair : le succès futur des startups d'IA dépendra de l'intégration intelligente des modèles dans des flux de travail réels et des problèmes spécifiques à l'industrie.