Le cas contre l'enshittification : pourquoi une IA spécialisée et souveraine bat à chaque fois les prototypes génériques

Dans un article publié cette semaine, le laboratoire d'IA allemand Aleph Alpha examine de près l'état de l'intelligence artificielle en entreprise. Il emprunte le terme « d'enshittification », inventé par l'écrivain Cory Doctorow et mis en lumière au Gartner IT Symposium/XPO à Barcelone par l'analyste Gabriela Vogel, pour décrire une spirale descendante où les plateformes sacrifient la qualité et la confiance au profit de la croissance et de l'engagement.

« Pour un travail sérieux, un échec confiant coûte plus de crédibilité que dix succès ne peuvent en apporter », écrit l'entreprise, citant le praticien Tanmai Gopal. Le propos est cinglant : lorsque les systèmes promettent la fiabilité puis trébuchent, les dégâts sur la confiance organisationnelle sont rapides et durables.

Fondé en 2019, Aleph Alpha se positionne comme un champion européen de l'IA souveraine, une posture que l'entreprise insiste pour dire qu'il ne s'agit pas d'un slogan marketing mais d'une stratégie technique. L'article oppose les projets pilotes génériques, qui, selon l'entreprise, « promettent trop et livrent trop peu », à une approche plus étroite et plus disciplinée : des agents d'IA spécialisés et spécifiques à un domaine, construits en co-création avec les clients.

La souveraineté comme infrastructure de confiance

L'entreprise définit la souveraineté selon trois dimensions : la souveraineté des données, gardant la propriété intellectuelle sous le contrôle du client ; la souveraineté technologique, évitant l'intelligence en boîte noire ; et la souveraineté opérationnelle, éliminant la dépendance à une plateforme. L'argument est que cette triade transforme les données d'un passif en un actif stratégique.

Pour illustrer son propos, Aleph Alpha relate une session en direct au congrès de Barcelone, Why AI Pilots Fail: Generalists Don’t Succeed, Specialists Do, présentée par le vice-président de la communauté Sven Körner. La session mettait en scène un client dont l'équipe d'ingénierie était confrontée à des volumes massifs de rapports, des systèmes fragmentés et une documentation hautement technique. Au lieu d'un grand modèle de langage générique, l'équipe a déployé des agents d'IA spécifiques au domaine qui combinent un graphe de connaissances avec des réseaux neuronaux, permettant des tâches d'analyse et d'administration autonomes, fusionnant et contextualisant les rapports de problèmes à travers les systèmes.

« Nos clients confient leurs données opérationnelles réelles et leur propriété intellectuelle à notre plateforme d'IA souveraine PhariaAI. Ils s'engagent à partager leur expertise et leurs processus afin que nous puissions construire une solution qui leur convienne parfaitement. »

Le résultat, selon l'entreprise, est un système de niveau production qui fonctionne au niveau des experts humains dans son domaine spécifique. Le client aurait été surpris de l'efficacité avec laquelle l'IA pouvait simplifier la complexité, découvrant des cas d'usage bien au-delà des quelques-uns qu'ils avaient initialement envisagés.

Le coût de la crédibilité

Aleph Alpha avance un argument plus large pour le secteur : les modèles universels échouent non pas parce que la technologie n'est pas prête, mais parce qu'ils ignorent ce qui rend chaque organisation unique. Lorsqu'ils échouent, prévient l'entreprise, ils ne se contentent pas de bloquer un projet, ils brisent la confiance. L'article de blog se conclut par une déclaration cinglante sur les relations avec les fournisseurs : « Lorsque les organisations confient leurs connaissances à des systèmes en boîte noire, elles échangent la dignité contre la dépendance. Pour nous, c'est le contraire de la souveraineté. C'est une capitulation complète, et franchement, une erreur coûteuse. »

La position de l'entreprise fait écho à un sentiment croissant parmi les développeurs européens d'IA : que l'adoption par les entreprises ne se généralisera pas uniquement grâce à des modèles de base génériques, mais grâce à des systèmes délibérément contraints à des domaines spécifiques, construits sur une infrastructure transparente, auditable et contrôlable. Reste à savoir si cette approche gagne suffisamment de terrain pour modifier les pratiques du secteur.