Écartement normal

En IA, une entreprise est souveraine quand elle possède les jointures. Il y en a quatre : nos données, notre propre mesure de ce qu’est un travail bien fait, la mémoire que nos agents accumulent, et la mince interface entre notre travail et le modèle, quel qu’il soit, qui l’exécute. Si nous les possédons, chaque modèle devient un fournisseur. Si nous les louons, même les serveurs de notre propre sous-sol appartiennent à quelqu’un d’autre. Le plus réjouissant, c’est la petite taille de ces jointures. Un bâtisseur peut s’attaquer à l’une d’elles dès ce soir, avec un éditeur de code et une cafetière.

Un train de marchandises rend la chose évidente. Le modèle, c’est la locomotive de tête. C’est elle qu’on prend en photo et qui fait les manchettes, et c’est la partie que nous louons. Tout ce qui suit nous appartient : les wagons, la cargaison, le registre de bord, et l’attelage qui les relie à la locomotive. Un chemin de fer qui possède ses attelages, et qui pose ses rails à l’écartement normal, peut atteler n’importe quelle locomotive qui entre en gare. Un chemin de fer qui a soudé ses wagons à une seule locomotive s’est offert une très longue locomotive.

L’année où les locomotives se sont arrêtées

Le 12 juin, une directive du département du Commerce des États-Unis a obligé Anthropic à couper l’accès de tous ses clients à ses meilleurs modèles¹. Sa déclaration était sans détour : « nous devons désactiver brusquement Fable 5 et Mythos 5 pour tous nos clients ». Les contrôles ont été levés le 30 juin. Michael Geist en a tiré la leçon dans le Globe and Mail : « les États-Unis peuvent ouvrir et fermer l’accès à l’IA à leur discrétion ». Là où le nom du modèle vivait dans un seul fichier de configuration, ces semaines ont été un contretemps. Là où il était éparpillé dans le code comme des confettis après un mariage, elles ont été des semaines de balayage.

La jointure de la mémoire a bougé en août. OpenAI a retiré son API Assistants après un an de préavis, et son guide de migration² résumait la situation en une phrase : « L’appel de l’API Assistants qui récupère les messages des fils de discussion ne fonctionne plus; utilisez plutôt vos messages stockés. » Excellent conseil, et parfait pour quiconque l’avait déjà suivi. Les clients qui avaient gardé leur propre copie de chaque conversation ont gardé leur historique. Les autres ont appris où avait vécu la mémoire de leurs agents.

Nos données ont leurs propres petits caractères, et ces petits caractères voyagent. Depuis le 17 août, Atlassian entraîne son IA sur les métadonnées de ses clients par défaut³, et l’entreprise a précisé au Register qu’en deçà du forfait Enterprise, « la contribution des métadonnées est toujours activée, et ils ne peuvent pas s’y soustraire ». Chaque baie de serveurs est restée exactement où elle était, et la jointure s’est déplacée quand même.

Voilà pourquoi rapatrier le matériel ne fait qu’une partie du chemin. Dans un sondage de Cloudera mené auprès de 1 500 architectes⁴, les deux tiers affirment avoir déplacé des charges de travail d’IA hors du nuage public au cours de la dernière année, un chiffre que nous lisons en haussant un sourcil, puisque Cloudera vend des plateformes hybrides. Après une table ronde d’ALL IN consacrée au choix entre bâtir et acheter, ce mois-ci, l’administratrice de sociétés Muriel McGrath a écrit⁵ que la souveraineté « ne se résume pas à l’endroit où résident vos données ». Elle mettait plutôt l’accent sur « votre autonomie et votre capacité à pérenniser votre entreprise alors que l’IA évolue rapidement ».

Un serveur dans notre propre immeuble, qui fait tourner un agent dont la mémoire loge dans les fils de discussion d’un fournisseur, c’est une gare de triage qui nous appartient, avec le cadenas de quelqu’un d’autre sur la barrière. La possession, dit-on, vaut les neuf dixièmes du droit. En IA, le matériel n’en est que le dixième, et un dixième bien modeste.

Geist ajoute une phrase qui nous ramène à la réalité : « compter uniquement sur les modèles ouverts n’est pas envisageable pour bien des organisations ». Tant mieux. Personne ne nous demande de construire notre propre locomotive. Il nous suffit de posséder les attelages, pour que la meilleure locomotive de la saison tire notre train aujourd’hui et qu’une autre puisse le tirer demain.

Une rente à perpétuité

Le Québec a appris cette leçon au sujet de la terre bien avant que l’un de nous ne rencontre un modèle de langage. Le régime seigneurial a été aboli en 1854, mais les rentes seigneuriales étaient « payables à perpétuité »⁶. En 1928, près de 60 000 familles les payaient encore, et les municipalités ont effectué le dernier versement en 1970. L’abolition a mis fin au régime et laissé subsister la rente. La rente a cessé quand le capital a été racheté.

Une stratégie de souveraineté annoncée dans une présentation fonctionne de la même façon. Nous pouvons abolir notre dépendance un mardi et continuer d’en payer la rente pendant des années, en migrations et en clauses contractuelles signées pour éviter une réécriture. La rente cesse quand le capital loge dans des tables que nous contrôlons. Le prévoir dès le premier jour coûte une fraction du prix de son rachat plus tard, comme ces familles auraient pu nous le dire.

Devenir nativement IA, c’est retirer beaucoup de vieille machinerie, et vite, et la plupart a bien mérité sa retraite. Une clôture dans un champ, pourtant, c’est une question à laquelle quelqu’un a répondu avant notre arrivée. Certaines vieilles clôtures sont des lignes de souveraineté, comme la règle qui dit où les dossiers clients peuvent résider. D’autres ont l’air d’un simple encombrement : un journal d’audit que personne ne lit, ou une tâche de nuit qui écrit un fichier banal dans un stockage qui nous appartient. Ce fichier banal est peut-être la chose la plus souveraine de l’immeuble. Avant de retirer une clôture, nous cherchons qui l’a posée, et pourquoi.

Changer de locomotive

La première expérience tient en une soirée. Nous choisissons un flux de travail en production, le plus petit qui compte, et nous rassemblons de vrais cas du mois dernier, en notant à côté de chacun la réponse que nous accepterions. Ce dossier, c’est notre jeu d’évaluation, la seule chose que nous possédions qui sache ce que « bien fait » veut dire ici, et il vaut plus que n’importe quel modèle que nous louerons jamais. Nous plaçons le modèle derrière une seule fonction qui lit son nom dans la configuration. Cette fonction, c’est notre écartement normal : toute locomotive construite pour s’y ajuster peut rouler sur notre ligne. Nous conservons chaque échange dans notre propre base de données, en lignes simples qu’une personne peut lire. Puis nous soumettons les cas au modèle d’aujourd’hui et à un deuxième.

Quelque chose change dans la pièce quand une deuxième locomotive tire le même train. Proches ou éloignés, les résultats transforment le prix du départ en chiffre, et il est bien plus facile de vivre avec un chiffre qu’avec un vague malaise.

Posséder les jointures a une conséquence plus heureuse, celle qui devrait compter le plus pour une organisation nativement IA : cela nous rend rapides. Le même sondage de Cloudera révèle que 95 % de ces architectes ont retardé ou annulé des projets d’IA pour des raisons de gouvernance. Quand les jointures nous appartiennent, les questions de gouvernance ont une réponse avant même le début de la réunion, et le projet pilote démarre ce mois-ci plutôt qu’au prochain trimestre.

Le trimestre a besoin de responsables. Notre DPI peut parcourir chaque flux de travail en IA, jointure par jointure, et noter qui pourrait exporter chacune dès demain matin; certaines réponses diront personne, et c’est là que commence toute carte honnête. L’approvisionnement a la tâche plus agréable d’inscrire un droit de sortie dans le prochain contrat d’IA, avec une exportation complète dans un format ouvert et un préavis avant le retrait d’un modèle. Les fournisseurs qui ont l’intention de bien nous traiter le signeront sans faire d’histoires, et ceux qui en font nous auront appris quelque chose d’utile. Le droit de partir, c’est ce qui fait que rester devient un choix. Notre responsable technique refait ensuite l’expérience de la soirée, cette fois sur un flux dont des gens dépendent, une fois et pour de vrai.

Quelque part dans notre code, le nom d’un modèle est codé en dur dans une fonction qui n’a jamais eu besoin de le connaître. Ce soir, nous allons le trouver.