DeepMind, le laboratoire d’IA basé au Royaume-Uni qui cherche à développer intelligence générale artificielle, est enfin devenu rentable, selon le dernier rapport financier de la société.

Depuis son acquisition par Google (maintenant Alphabet Inc.) en 2014, DeepMind a lutté pour atteindre l’équilibre avec ses dépenses croissantes. Et maintenant, il donne enfin à sa société mère et à ses actionnaires des signes encourageants qu’il a gagné sa place parmi la constellation d’entreprises rentables d’Alphabet.

Cela pourrait être une excellente nouvelle pour le laboratoire d’IA, qui a saigné des sommes importantes tout au long de sa vie.

Mais le rapport financier est également entouré d’imprécisions qui suggèrent si DeepMind a en effet trouvé le chemin de la rentabilité, il l’a fait d’une manière qui le rend inextricablement lié aux produits et au modèle commercial de Google.

Un chiffre d’affaires multiplié par trois

Selon le dossier de DeepMind, il a engrangé 826 millions de livres sterling (1,13 milliard de dollars US) de revenus en 2020, plus de trois fois les 265 millions de livres sterling (361 millions de dollars US) déposés en 2019. Au cours de la même période, ses dépenses ont légèrement augmenté par rapport à 717 millions de livres sterling (976 millions de dollars US) à 780 millions de livres sterling (1,06 milliard de dollars US). La société a terminé l’exercice avec un bénéfice de 44 millions de livres sterling (60 millions de dollars US), contre une perte de 477 millions de livres sterling (650 millions de dollars US) en 2019.

Le dossier ne fournit pas beaucoup de détails sur les sources de revenus de DeepMind, à l’exception d’un paragraphe qui dit : « La société génère des revenus grâce à un accord de service avec une autre entreprise du groupe pour la fourniture de services de recherche et développement. »

DeepMind ne vend pas directement de produits ou de services aux consommateurs et aux entreprises. Ses clients sont Alphabet et ses filiales. Il n’est pas clair laquelle des entreprises de DeepMind a causé la hausse de ses revenus.

Une source qui a parlé à CNBC a déclaré que l’augmentation soudaine des revenus de DeepMind pourrait être une « comptabilité créative ». Fondamentalement, cela signifie que, étant donné qu’Alphabet et ses filiales sont les seuls clients de DeepMind, celle-ci pourrait modifier arbitrairement le prix de ses services pour donner l’impression qu’elle devient rentable. DeepMind n’a pas commenté la réclamation.

Vendre l’apprentissage par renforcement

Le principal domaine d’intérêt de DeepMind est apprentissage par renforcement profond, une branche de l’apprentissage automatique très utile dans la recherche scientifique. DeepMind et d’autres laboratoires d’IA ont utilisé Deep RL pour maîtriser des jeux compliqués, former des mains robotiques, prédire les structures des protéines et simuler la conduite autonome. Les scientifiques de DeepMind pensent que les progrès dans apprentissage par renforcement va éventuellement conduire au développement de l’AGI.

Mais la recherche sur l’apprentissage par renforcement en profondeur est également très coûteuse et ses applications commerciales sont limitées. contrairement à d’autres systèmes d’apprentissage en profondeur, tels que les classificateurs d’images et les systèmes de reconnaissance vocale, qui peuvent être directement portés et intégrés dans de nouvelles applications, les modèles d’apprentissage par renforcement profond doivent souvent être formés dans l’environnement où ils seront utilisés. Cela impose des coûts techniques et financiers que de nombreuses organisations ne peuvent pas se permettre.

Un autre problème est que le type de recherche dans lequel DeepMind est engagé ne se traduit pas directement par des modèles commerciaux rentables. Prenez, par exemple, AlphaStar, le système d’apprentissage par renforcement qui maîtrisait le jeu de stratégie en temps réel StarCraft 2. C’est un exploit scientifique impressionnant qui coûte des millions de dollars (probablement subventionné par Google, qui possède de vastes ressources de calcul en nuage). Mais il a peu d’utilité dans l’IA appliquée sans être réutilisé (à hauteur de millions supplémentaires).

Alphabet a adapté la technologie RL de DeepMind dans certaines de ses opérations, telles que la réduction de la consommation d’énergie dans les centres de données Google et le développement de la technologie de Waymo, L’entreprise de conduite autonome d’Alphabet. Mais bien que nous ne connaissions pas les détails de la façon dont la technologie est appliquée, je suppose qu’Alphabet sous-traite certaines de ses tâches d’IA appliquées à DeepMind plutôt que d’intégrer directement la technologie du laboratoire d’IA dans ses produits.

En fait, une division distincte de DeepMind est engagée dans IA appliquée projets pour Google et Alphabet, mais cet effort n’est pas directement lié à la recherche AGI effectuée par le laboratoire DeepMind principal.

Les coûts des talents et de la recherche en IA

Avec de grandes entreprises technologiques telles que Facebook, Microsoft et Apple qui s’intéressent à l’apprentissage en profondeur, l’embauche de talents en IA a devenir une course aux armements qui a fait grimper les salaires des chercheurs. Les principaux chercheurs en IA peuvent facilement gagner des salaires à sept chiffres dans les grandes entreprises technologiques, ce qui rend difficile pour les institutions universitaires et les laboratoires de recherche à but non lucratif de conserver leurs talents.

En 2020, DeepMind a payé 467 millions de livres sterling en frais de personnel, soit près des deux tiers de ses dépenses totales. L’entreprise compte environ 1 000 employés, dont un petit pourcentage sont des scientifiques, des chercheurs et des ingénieurs hautement rémunérés.

Les coûts croissants de la recherche et des talents en IA opposeront DeepMind à des défis exacerbés à mesure qu’il avance. Il dépendra de Google pour financer ses opérations et subventionner les coûts de ses recherches.

Pendant ce temps, en tant que filiale d’une société cotée en bourse, elle sera examinée pour déterminer la rentabilité de sa technologie. Et pour le moment, sa seule source de profit est Alphabet, elle deviendra donc de plus en plus dépendante de l’achat de ses services par Google. Cela peut à son tour pousser DeepMind à orienter ses recherches dans des domaines qui peuvent rapidement se transformer en entreprises rentables, ce qui n’est pas nécessairement conforme à ses objectifs scientifiques.

Pour une entreprise qui court après le rêve à long terme d’intelligence artificielle générale et dont la mission déclarée est « de faire progresser la science et de profiter à l’humanité », les distractions des profits à court terme et des gains progressifs peuvent s’avérer préjudiciables.

L’exemple le plus proche que je puisse trouver pour le travail que des entreprises comme DeepMind et son quasi-rival OpenAI est Bell Labs, l’ancienne équipe de recherche d’AT&T. Bell Labs était la filiale d’une très grande entreprise à but lucratif, mais son travail n’était pas lié aux objectifs de bénéfices du trimestre suivant ou aux incitations des actionnaires. Bien que généreusement récompensés pour leur travail, ses scientifiques étaient motivés par la curiosité scientifique et non par l’argent. Ils recherchaient des idées fondamentales qui repoussaient les limites de la science, créant des innovations qui ne porteraient pas leurs fruits pendant des années et des décennies à venir. Et c’est ainsi que les Bell Labs sont devenus le berceau de certaines des idées et technologies qui ont changé le vingtième siècle, notamment les transistors, les satellites, les lasers, les fibres optiques, la téléphonie cellulaire et la théorie de l’information. Les Bell Labs avaient la liberté de découvrir et d’innover.

Pour le moment, Alphabet s’est avéré être un patient propriétaire de DeepMind. Il a renoncé à une dette de 1,1 milliard de livres sterling (1,5 milliard de dollars US) en 2019 et a aidé DeepMind à déclarer des bénéfices positifs en 2020. Alphabet restera-t-il généreux et fidèle à la mission de DeepMind à long terme ? et c’est long – ça reste à voir. Mais si la patience d’Alphabet s’épuise, DeepMind se retrouvera sans clients, sans financement et sans la concurrence féroce des géants de la technologie qui voudront débaucher ses scientifiques talentueux pour atteindre des objectifs fondamentalement différents.

Ben Dickson est ingénieur logiciel et fondateur de TechTalks. Il écrit sur la technologie, les affaires et la politique.

Cette histoire est apparue à l’origine sur Bdtech pourparlers.com. Droit d’auteur 2021