Ce cycle de l'IA est à la fois incroyable et très frustrant par moments. J'ai demandé à 250 fondateurs ce qu'ils trouvaient le plus ennuyeux à propos de ce moment dans l'IA. Voici ce qu'ils ont dit : 1. Trop de bruit – "Il y a trop de choses, difficile d'évaluer la qualité par rapport aux déchets." 2. Promesses excessives – "Le niveau de battage rend difficile de comprendre ce qui est réellement utile." 3. Surcharge – "Il se passe juste trop de choses ; difficile de suivre, difficile de savoir sur quoi parier ou attendre la prochaine itération." 4. IA pour l'IA – "Nous avons besoin d'une IA qui évalue d'autres outils d'IA pour le problème que vous essayez de résoudre et vous dit la meilleure solution." 5. Mentalité du tout-en-un – "Je déteste la discussion sur l'IA comme une seule chose." 6. Distraction auto-infligée – "J'ai la capacité de faire BEAUCOUP plus maintenant, mais mon attention est partout." 7. Risques de confidentialité et de sécurité – "La récente fuite de clés API et de données PR de ChatGPT a exposé à quel point l'écosystème est fragile." 8. Escroqueries et fraudes alimentées par l'IA – "L'augmentation des escroqueries, de l'usurpation d'identité et de la fraude alimentées par l'IA... ne va faire qu'empirer." 9. Ignorer les fondations – "Tout le monde court après la prochaine chose brillante, mais personne ne répare les fondations." 10. Éthique contre rapidité – "Les grands laboratoires d'IA parlent d'éthique et de sécurité tout en se précipitant pour sortir de nouveaux modèles." 11. Vertige de l'IA – "Les publications sur des 'équipes de marketing IA entières' donnent le FOMO même si ce sont des vaporwares." 12. Écart entre la démo et la réalité – "Il y a un grand écart entre la création d'une démo et l'intégration de l'IA dans une entreprise." 13. Illusion de la solution miracle – "Beaucoup pensent que l'IA sera la solution miracle, mais leur stratégie est bâtie sur une mauvaise fondation." 14. Taux de changement rapide – "Excitant, mais on a l'impression de boire à un tuyau d'incendie et de construire sur du sable." 15. Surcharge d'outils – "Suivre le nombre écrasant d'outils différents et tous les essayer." 16. Applications superficielles – "La plupart des applications d'IA sont des nouveautés, résolvant rarement le problème central." 17. Coûts cachés – "Les agents IA nécessitent souvent tant d'appels répétés que les coûts dépassent ceux du travail humain." 18. Retard éducatif – "Les écoles ne s'ajustent pas à un marché du travail futur méconnaissable." 19. Sorties indéterministes – "Les LLM sont imprévisibles ; expédier des systèmes prêts pour la production est difficile." 20. Négligence de la latence – "Peu de modèles priorisent la faible latence ; la plupart ne sont pas prêts pour la production." 21. Courbe d'apprentissage des invites – "Apprendre à parler aux LLM est plus difficile que je ne le pensais – c'est parfois comme parler à un adolescent." 22. Écart entre le battage et la réalité – "Le marketing est des années en avance sur ce que la technologie peut livrer de manière fiable." 23. Maux de tête de l'ingénierie contextuelle – "L'ingénierie contextuelle est l'aspect le plus important et en même temps le plus frustrant du développement de bons produits d'IA." 24. Problèmes de qualité de dernier kilomètre – "Les IA de codage peuvent agir comme un ingénieur senior mais 10-20 % du temps, elles déraillent – avec confiance." 25. Surconfiance dans les mauvaises réponses – "Mon examinateur IA senior a changé aléatoirement un fichier pour ajouter 'if false && ...' pour 'réparer' quelque chose." 26. Solutions incomplètes – "C'est comme un stagiaire : 80 % là, puis vous corrigez et optimisez." 27. Chutes de performance avec la complexité – "Ça s'effondre à mesure que les projets deviennent plus compliqués, sauf s'ils sont construits de manière modulaire." 28. Manque de talents IA de haut niveau – "Il est rare de trouver quelqu'un combinant stratégie visionnaire et capacité technique approfondie." 29. Fiabilité de code incohérente – "Nous sommes loin que l'IA fasse coder des juniors comme des seniors." 30. Fragmentation des outils – "Nous devons coller trop d'outils IA avec du ruban adhésif pour obtenir un flux de travail fiable." 31. Obsolescence rapide – "Dès que nous nous installons sur une pile IA, un nouveau modèle oblige à repenser." 32. Précision spécifique au domaine médiocre – "Les modèles généraux ont du mal avec des connaissances de niche même avec beaucoup de contexte." 33. Risque d'hallucination – "Vous ne pouvez pas faire entièrement confiance aux sorties sans révision humaine, ce qui tue les gains de vitesse." 34. Profondeur de raisonnement limitée – "Il a du mal avec le raisonnement multi-étapes où chaque étape s'appuie sur la précédente." 35. Limites de la fenêtre contextuelle – "Nous atteignons des limites de jetons et perdons un contexte important en cours de tâche." 36. Expérimentation coûteuse – "Tester de nouveaux modèles à grande échelle devient rapidement coûteux, surtout lorsque la plupart ne donnent rien." 37. Douleur d'intégration – "Faire en sorte que les outils IA fonctionnent bien avec nos systèmes existants est plus difficile que cela ne devrait l'être." 38. Stabilité API incohérente – "Un jour, une API fonctionne parfaitement, le lendemain, elle génère des erreurs aléatoires." 39. Personnalisation superficielle – "L'IA personnalise des traits de surface mais manque des modèles comportementaux plus profonds." 40. Adoption lente par les entreprises – "Convaincre des clients plus importants de faire confiance aux processus alimentés par l'IA est encore un combat difficile." 41. Tentation de la dépendance excessive – "Il est facile pour les équipes de devenir paresseuses et de faire confiance aveuglément aux sorties de l'IA." 42. Incertitude de conformité – "Les réglementations sont une cible mouvante, rendant la planification à long terme de l'IA délicate."* 43. Trop de bruit sur le marché – "Chaque jour, il y a un nouvel outil prétendant tout résoudre – la plupart sont des vaporwares." 44. Courbes d'apprentissage abruptes – "Les outils sont puissants mais pas intuitifs – l'intégration des équipes est un parcours difficile." 45. Latence dans les cas d'utilisation en temps réel – "Même de légers retards tuent l'expérience utilisateur pour les interactions alimentées par l'IA."