Un nouveau visage de l’IA
Un an après que Mercor ait atteint 500 millions de dollars de revenus annuels, ses jeunes fondateurs viennent de devenir des milliards à seulement 22 ans. Ils rejoignent ainsi une tendance surprenante dans le secteur technologique. Alors que des laboratoires de pointe en intelligence artificielle, tels que OpenAI et Anthropic, dépensent des milliards pour atteindre une superintelligence, les véritables bénéficiaires de cette recherche sont les entreprises qui fournissent la matière première : l’expertise humaine. Actuellement, environ 10 milliards de dollars sont investis chaque année dans les fournisseurs de données d’entraînement, faisant ainsi de ce secteur, qui était loin d’être dynamique, l’une des catégories de startups les plus prometteuses.
Les débuts de Mercor
Mercor a été fondé avec une initialité presque banale. À l’âge de 19 ans, Brendan Foody et deux de ses amis d’école secondaire ont lancé la startup en 2023 pour aider leurs amis entrepreneurs à recruter des développeurs de logiciels à l’étranger. Grâce à des modèles de langage, ils ont pu trier les candidatures et mener des entrevues. Lorsque Scale AI a fait appel à leurs services pour recruter 1 200 codeurs spécialisés début 2024, la startup avait déjà atteint un chiffre d’affaires de 1 million de dollars par mois.
Un tournant décisif
C’est alors que Scale AI a contacté Mercor. À cette époque, Scale était presque l’unique acteur connu dans le domaine des données d’entraînement pour l’IA, ayant atteint une valorisation de 14 milliards de dollars. Cette entreprise a orchestré le travail de centaines de milliers de personnes à travers le monde pour étiqueter des données utilisées dans des véhicules autonomes, des algorithmes pour le commerce électronique et des tâches de codage. Toutefois, avec l’essor des chatbots d’OpenAI et d’Anthropic, qui cherchaient à réaliser des programmes plus complexes, Scale avait besoin de développeurs pour créer des données d’entraînement, une tâche nécessitant des compétences réelles et non simplement du clic de bouton.
Une vision élargie
Observant les difficultés rencontrées par les ingénieurs recrutés en raison de retards de paiement et d’une gestion chaotique chez Scale, Foody a vu une opportunité. En septembre, Mercor annonçait ainsi 500 millions de dollars en revenus annuels. Récemment, sa dernière levée de fonds a valorisé la société à 10 milliards de dollars, faisant de lui et de ses associés les jeunes milliardaires autodidactes les plus riches.
Une tendance plus large
Le succès de Mercor n’est pas un phénomène isolé, mais reflète un changement structuré dans la manière dont les laboratoires de pointe abordent le développement de l’IA. Alors que beaucoup se concentrent sur la construction de centres de données et les pénuries de puces, il existe une course parallèle tout aussi cruciale : celle des données d’entraînement efficaces.
Les laboratoires ont épuisé ce qui était facile. Ils ont déjà intégré dans leurs modèles des siècles de textes accessibles au public. En quête de superintelligence, ils se sont alors tournés vers une méthode différente : l’apprentissage par renforcement, où les modèles sont récompensés pour produire des résultats qui sont jugés bénéfiques par des humains. Contrairement à un crowdsourcing classique, où l’on rémunère quelqu’un pour étiqueter des images, cette approche exige de recruter des experts tels que des avocats, des consultants, des physiciens et des chirurgiens pour définir ce qu’est un bon résultat dans leur domaine respectif.
FAQ
Quels sont les défis rencontrés par les startups d’IA actuellement ?
Les startups d’IA font face à des défis tels que le financement, la concurrence accrue et les exigences croissantes de qualité dans le traitement des données.
Comment fonctionne l’apprentissage par renforcement dans l’IA ?
L’apprentissage par renforcement implique de récompenser les modèles pour leurs réponses probables en fonction des préférences humaines, afin d’améliorer leur efficacité.
Quelles compétences sont nécessaires pour travailler dans l’industrie des données d’entraînement ?
Travailler dans ce secteur nécessite des compétences en analyse de données, en programmation, en psychologie comportementale et en domaines spécifiques tels que le droit ou la médecine.
Comment Mercor se différencie-t-il des autres startups ?
Mercor se distingue en mettant l’accent sur le recrutement d’experts et la création de solutions sur mesure pour les besoins spécifiques de ses clients.
Quel impact la réussite de Mercor peut-elle avoir sur l’écosystème technologique ?
Le succès de Mercor pourrait inciter d’autres startups à explorer des modèles d’affaires basés sur l’expertise humaine plutôt que sur une simple automatisation, redéfinissant ainsi le paysage de l’IA.