La plate-forme MLOps Seldon lève 20 millions de livres sterling de série B pour améliorer les productions de modèles d’IA

L’essor de ChatGPT a alimenté la sensibilisation du public à l’IA, ainsi que le discours croissant sur l’éthique de l’IA. Comment utiliser l’IA ? Quelles sont ses implications pour la société, et pas seulement pour les entreprises ?

Le biais inhérent aux applications d’IA – rappelez-vous, ce n’est pas seulement la façon dont l’algorithme est construit et par qui, c’est aussi la façon dont le modèle lui-même est construit – signifie que nous devons être prudents dans ce nouveau monde de l’IA.

Après tout, il y a eu des exemples très publics de préjugés politiques et sexistes présentés par les plateformes d’IA. Le PDG d’OpenAI, Sam Altman, n’a admis que le mois dernier que ChatGPT présentait des “lacunes en matière de biais”. Mais ces biais et défauts peuvent avoir des effets considérables lorsqu’ils sont appliqués à des domaines tels que les plateformes d’assurance ou la découverte de médicaments, où les implications d’une mauvaise décision pourraient être énormes.

MLOps (un mashup de “Machine learning” et DevOps) est un ensemble de pratiques qui vise à déployer et à maintenir des modèles d’apprentissage automatique en production de manière fiable et efficace, et à surveiller ces biais. En termes simples, les pratiques MLOps sont utilisées par les scientifiques des données, les ingénieurs DevOps et Machine Learning pour transformer un algorithme d’IA en modèles de production fonctionnels quotidiens. L’idée ici est d’améliorer l’automatisation du modèle tout en gardant un œil sur les exigences commerciales et réglementaires en matière de biais, ainsi que sur d’autres aspects de l’IA. L’amélioration de l’efficacité a également un impact positif sur l’environnement.

Seldon est une startup britannique spécialisée dans ce monde raréfié des outils de développement pour optimiser les modèles d’apprentissage automatique. Il a des concurrents sous la forme de Arise, Fiddler (45,2 millions de dollars de financement), Dataiku (846,8 millions de dollars de financement) et DataRobot (1 milliard de dollars de financement).

La plate-forme de déploiement d’apprentissage automatique indépendante du cloud de Seldon a obtenu une série A de 7,1 millions de livres sterling d’AlbionVC et de Cambridge Innovation Capital en 2020.

Il a maintenant levé un tour de financement de série B de 20 millions de dollars dirigé par le nouvel investisseur Bright Pixel (anciennement Sonae IM). Étaient également présents les investisseurs existants AlbionVC, Cambridge Innovation Capital et Amadeus Capital Partners.

Les fondateurs Alex Housley (PDG) Clive Cox (CTO) affirment avoir atteint un taux de croissance annuel de 400 % pour les frameworks open source de Seldon depuis sa série A en novembre 2020. C’est important, car son réseau open source lui permet de distribuer ses solutions propriétaires loin plus efficacement et à moindre coût.

“Seldon s’est différencié en présentant une solution unique capable de réduire les frictions pour les utilisateurs qui déploient et expliquent des modèles ML dans n’importe quel secteur. Cela signifie plus de productivité pour ses clients, un retour sur investissement plus rapide combiné à des capacités de gouvernance, de risque et de conformité », a déclaré Pedro Carreira, directeur de Bright Pixel dans un communiqué.

Les clients actuels de Seldon incluent PayPal, Johnson & Johnson, Audi et Experian, entre autres.

Dans une interview, Alex Housley, fondateur et PDG de Seldon, m’a dit : « L’IA est présente dans tout, et Seldon occupe une position unique. « Nous avons déjà une position forte dans notre distribution open source, et ce que nous venons de valider est un nouveau concept de MLOps centré sur les données, avec une intégration étroite autour des flux de données et de la production. En termes simples, vous pouvez améliorer un modèle d’IA via son algorithme, mais cela a de petites améliorations. Alternativement – et c’est notre approche – vous pouvez obtenir beaucoup plus de performances en améliorant la production de la qualité des données. C’est ce que nous avons travaillé avec l’Université de Cambridge, avec un succès significatif.

Selon l’« enquête sur l’état de l’infrastructure de l’IA, 2023 » de Run:ai, dans 88 % des entreprises, plus de la moitié de ces modèles n’arrivent jamais en production. Pourquoi? Parce que les projets stagnent ou qu’il y a une duplication des efforts entre les silos commerciaux.

Seldon affirme qu’il peut aider les équipes à mieux collaborer pour accélérer le temps de déploiement de 84 % en moyenne. Cela pourrait être important, étant donné qu’il y a beaucoup plus de réglementations concernant l’IA (comme via l’EU AI ACT et l’US EEOC). Seldon – et ses concurrents – s’efforcent d’aider les entreprises à rester conformes à ces réglementations, mais améliorent ces modèles d’IA en interne.

L’entreprise a collaboré étroitement avec Neil Lawrence, le premier professeur DeepMind d’apprentissage automatique à l’Université de Cambridge.

Laisser un commentaire