Après une itération continue des grands modèles, la concurrence des produits se dirige vers les scénarios et l'expérience

Auteur : Frank, PANews

Alors que l’IA passe progressivement du spectacle à l’utilité pratique, la mise en œuvre des applications d’IA s’accélère pour répondre à la demande croissante des consommateurs. Par ailleurs, avec l’amélioration continue des capacités des grands modèles, il semble que l’IA soit entrée dans une ère où « tout le monde peut créer un prototype de produit ».

Pendant la semaine de l’IA de muShanghai, lors de la table ronde organisée par PANews « Innovation pratique et exploration des voies de l’écosystème de consommation de l’IA », l’accent a été mis sur le véritable chemin de mise en œuvre des produits d’IA grand public. Les invités participants comprenaient Feng Wen, responsable du produit de la plateforme ouverte MiniMax, Levy, CEO de FateTell, Anita, responsable d’APAC chez Sentient, ainsi que Gao Jiafeng, musicien électronique et développeur indépendant, issus de domaines variés tels que la plateforme d’ouverture de modèles, les applications d’exportation culturelle, l’écosystème open source d’IA et la pratique de la création musicale.

Selon les invités, le cœur du problème de l’IA grand public ne s’est pas simplifié avec l’évolution technologique. Après la montée en capacité des modèles, les véritables barrières se déplacent vers la compréhension des scénarios, l’organisation des données, l’éducation des utilisateurs, la valeur émotionnelle et la construction d’un écosystème ouvert.

L’IA n’a pas réduit la difficulté de l’entrepreneuriat, la véritable barrière reste le contexte d’application

Une contradiction courante dans l’industrie de l’IA est : des modèles de plus en plus puissants semblent réduire le seuil d’entrée pour l’entrepreneuriat, mais beaucoup de produits ont du mal à trouver des scénarios durables. Les applications qui semblent réalisables aujourd’hui peuvent rapidement perdre leur pertinence avec la sortie de la prochaine version du modèle.

Selon Feng Wen, pour les produits d’IA grand public, l’idée du produit et l’évaluation du scénario restent plus importantes. En tant que fournisseur de modèles larges et plateforme ouverte, MiniMax met davantage l’accent sur la capacité des modèles sous-jacents, la conception de produits liés aux tokens, ainsi que l’expérience de bout en bout pour les développeurs. Mais du point de vue de l’entrepreneur, le produit doit être conçu en fonction du « niveau d’intelligence du modèle après six mois ».

Il estime qu’en contexte où la loi de l’expansion des modèles n’est pas encore invalidée et où leurs capacités continuent de s’améliorer, les entrepreneurs ne doivent pas se limiter excessivement à la vitesse, au coût ou aux limites de capacité actuelles des modèles, mais plutôt penser plus audacieusement aux utilisateurs cibles, aux scénarios spécifiques et aux problèmes à résoudre. Les fournisseurs de modèles continueront à offrir des capacités plus économiques, plus rapides et à meilleur rapport qualité-prix, tandis que la couche applicative doit répondre clairement à la question « pourquoi ce scénario ».

Levy ajoute une autre source de barrière au niveau de l’application. Selon lui, la rapidité des changements technologiques ne supprime pas rapidement la nécessité de données et de compréhension associées aux scénarios. Beaucoup pensaient auparavant que seul le fine-tuning du modèle pouvait créer une barrière de données ; mais avec la maturité de l’ingénierie contextuelle et de l’ingénierie des prompts, les données et structures accumulées dans la gestion du contexte peuvent également influencer la performance du modèle. En particulier, certaines données très verticales, liées à la culture ou à l’expérience personnalisée, ne seront pas nécessairement intégrées dans les poids du modèle général, ce qui pourrait devenir une différenciation pour les produits d’IA grand public face à l’évolution des modèles.

Anita adopte une vision plus prudente sur la « réduction du seuil d’entrée » grâce à l’IA. Elle pense que, même si l’IA facilite la génération d’échantillons de démonstration, la création de prototypes ou le lancement rapide d’un produit initial, les difficultés fondamentales de l’entrepreneuriat ne disparaissent pas, voire deviennent plus visibles : comment attirer des clients, comment construire une communauté fidèle, comment concrétiser une idée en business, comment établir des connexions humaines en dehors de la programmation. Elle mentionne que le concept de super-individu ou de « solo entrepreneur » est très en vogue, mais que ceux qui réussissent réellement doivent posséder des compétences plus complexes, et pas seulement utiliser de grands modèles.

De la Bazi à la musique : une meilleure compréhension des utilisateurs, une barrière pour l’IA grand public

Alors que la capacité technologique progresse, la valeur des produits d’IA grand public doit finalement revenir aux besoins humains.

L’exemple de FateTell illustre ce point. Levy explique que FateTell est une application d’IA + divination orientale / Bazi destinée aux utilisateurs étrangers, comptant aujourd’hui plus de 90 pays. L’équipe a délibérément évité une orientation purement utilitaire, privilégiant la consommation spirituelle et la valeur émotionnelle.

Selon lui, comprendre son destin, rechercher des explications et du réconfort sont des besoins psychologiques fondamentaux, transculturels et durables. L’IA a longtemps eu du mal à instaurer la confiance dans ce contexte, mais avec l’amélioration des capacités de modèles comme DeepSeekR1, il devient objectivement possible d’aider les utilisateurs et investisseurs à comprendre que « de grands modèles peuvent faire des raisonnements complexes et des explications ». Le défi de FateTell ne se limite pas à la capacité du modèle, mais aussi à la traduction et la transposition des concepts culturels chinois comme les tiges célestes et les branches terrestres, le Yi Jing, le Bazi, pour les utilisateurs étrangers, et à faire comprendre leur charme à travers le langage, le visuel et l’interaction, en tenant compte des différences culturelles.

Gao Jiafeng soulève une question similaire du point de vue des créateurs de musique : l’IA ne doit pas seulement produire un résultat, mais aussi préserver le processus créatif. Il mentionne que des outils comme Suno rendent la génération musicale très directe, mais sautent le processus de création, ce qui peut réduire le sentiment de participation et d’appartenance des utilisateurs. Pour les musiciens et les utilisateurs ordinaires, la création n’est pas seulement pour obtenir une « chanson finie », mais le processus lui-même fait partie de l’expérience.

Il utilise la métaphore du football : même si une personne ne pourra jamais surpasser Messi ou Ronaldo, elle continuera à jouer par amour du jeu. La création musicale est similaire. Gao développe MusicAIGameBoy, une console de jeu musicale alimentée par l’IA, qui utilise des modèles grands ou petits pour générer du code musical, combiné à une interaction ludique, permettant à des non-musiciens de participer à la création lors du jeu. Pour lui, le véritable scénario n’est pas « générer automatiquement une chanson », mais rendre le processus interactif de création accessible à tous.

L’essor des agents modifie la logique d’éducation des utilisateurs

Dans les produits d’IA grand public, l’éducation des utilisateurs détermine souvent si le produit sera réellement utilisé.

Feng Wen mentionne que, parmi les utilisateurs de la plateforme MiniMax, certains ont des bases en développement, mais sont encore freinés par la documentation API, les paramètres, les codes d’erreur et l’utilisation des tokens. La plateforme propose donc des essais de modèles, des guides de développement, des exemples de démonstration et des tutoriels vidéo pour accélérer la compréhension et l’utilisation.

Avec le développement des agents, la manière d’éduquer les utilisateurs évolue aussi. Autrefois, il fallait lire la documentation, comprendre l’interface et diagnostiquer les erreurs. Aujourd’hui, avec l’amélioration des performances des agents, beaucoup d’utilisateurs laissent l’agent lire la documentation, rechercher des solutions, choisir le bon modèle et corriger automatiquement le chemin. Les fournisseurs de modèles doivent assurer une bonne expérience à la fois pour le modèle, la documentation et la plateforme, tandis que la communauté, les développeurs et diverses formes de produits contribuent à réduire la barrière d’entrée.

Pour Sentient, l’écosystème ouvert constitue aussi une partie de l’éducation des utilisateurs et de la mise en œuvre du produit. Anita explique que Sentient se concentre sur l’écosystème open source d’IA et les infrastructures associées, en organisant des hackathons, des programmes de financement, etc. Elle insiste sur le fait que le produit doit d’abord bien cibler ses utilisateurs : qui ils sont, où ils apparaissent, par quels canaux établir la confiance. Pour les outils destinés aux développeurs, les hackathons et la coopération écologique sont des portes d’entrée efficaces ; pour les produits de consommation, les influenceurs, KOL, KOC et le contenu sur les réseaux sociaux sont tout aussi importants.

Dans un contexte où le coût de l’AIGC baisse rapidement, les startups peuvent produire à moindre coût des bandes-annonces, des visuels et du contenu promotionnel, pour atteindre plus rapidement leur première base d’utilisateurs. Gao Jiafeng pense également que la conception des produits doit se rapprocher des utilisateurs, permettant un apprentissage naturel à travers l’interaction et le divertissement, plutôt que de dépendre uniquement de manuels volumineux. Cette approche « apprendre en utilisant » pourrait être plus adaptée que les tutoriels traditionnels pour l’IA grand public.

L’entrée du matériel dans le monde réel, la personnalisation et la valeur émotionnelle en expansion

Dans trois à cinq ans, les invités s’accordent à dire que le marché de l’IA grand public est encore en phase d’early adopters, mais que la forme des produits connaîtra des changements significatifs.

Feng Wen prévoit qu’au cours de cette période, les appareils intelligents, les robots et l’intelligence incarnée connaîtront un tournant important. Après l’amélioration des capacités des modèles, l’IA ne sera plus confinée à l’interface logicielle, mais entrera dans le monde physique pour réaliser davantage d’interactions et de tâches. Certains produits seront orientés vers l’humain, apportant efficacité ou valeur émotionnelle. D’autres seront destinés à des agents, fournissant à l’IA un environnement, des outils et une infrastructure pour se connecter au monde physique. Quoi qu’il en soit, tous devront rester centrés sur l’humain, en permettant à chacun de consacrer plus de temps aux relations humaines, à la famille, au monde réel et à des expériences de vie plus riches.

Levy pense que prévoir dans trois à cinq ans dans le secteur de l’IA est déjà très difficile, voire incertain même à trois ou cinq mois. Bien que certains utilisateurs avancés utilisent déjà intensément des outils comme ClaudeCode, la majorité des utilisateurs ordinaires en sont encore à un stade précoce d’intégration de l’IA. Dans les années à venir, l’IA répondra à des besoins plus fragmentés et personnalisés. Par rapport à l’époque du mobile, où les services étaient souvent uniformes, l’IA pourra offrir des services plus spécifiques et segmentés à chaque individu. Par ailleurs, l’anxiété liée au chômage et l’incertitude économique pourraient accentuer la demande de compagnie mentale et de consommation spirituelle.

Anita résume cette évolution par une « égalité technologique ». Elle pense que, dans le futur, la distinction entre sciences humaines, sciences exactes, arts et technologies s’atténuera. Même un petit commerçant pourra utiliser l’IA pour créer des publicités ou cibler des messages, améliorant ainsi ses affaires. La valeur de l’IA ne sera pas forcément de faire de chacun un programmeur de haut niveau, mais d’aider les personnes dans divers contextes de vie à accéder à de meilleurs outils. Par ailleurs, la peur du chômage et la solitude renforceront la demande de valeur émotionnelle, avec des opportunités accrues pour le matériel, les animaux de compagnie IA, les dispositifs d’accompagnement et les produits interactifs multisensoriels.

Gao Jiafeng aborde la question de la transformation des formes culturelles. Il pense que, à l’avenir, la musique, le cinéma, la vidéo et autres contenus seront recomposés, et même la « chanson » pourrait ne plus être l’unité minimale de consommation musicale. Les concepts actuels comme l’audio en plusieurs pistes ou les pistes séparées seront peut-être encore plus atomisés. Mais, en même temps, l’attachement émotionnel aux IP, aux marques et aux personnages réels deviendra encore plus crucial. Ce que les gens recherchent, ce ne sont pas seulement des œuvres parfaites, mais aussi des objets imparfaits, chaleureux, capables de créer une relation émotionnelle.

Bien que les invités n’aient pas fourni une réponse unique sur l’avenir de l’IA grand public, leurs discussions issues de domaines variés — plateforme de modèles, applications culturelles, écosystème open source, création musicale — convergent vers une même tendance : à mesure que la capacité des modèles progresse, la compétition ne se résumera plus à « qui utilise le modèle le plus puissant », mais à la capacité de comprendre des utilisateurs plus spécifiques, des scénarios réels et des besoins émotionnels.

L’écosystème futur de l’IA grand public pourrait combiner une infrastructure ouverte plus avancée, des seuils de développement plus faibles, des services plus personnalisés, du matériel plus empathique, et de nouveaux produits liés à la culture et à la création. Les modèles continueront d’évoluer, mais ce qui restera, ce seront les produits qui répondent aux besoins, qui sont compris et qui créent des connexions avec les humains.