Je voudrais commencer par le commencement. Au départ, je dirais que l'Internet dont nos parents nous avaient mis en garde était gratuit, expérimental et extrêmement utile si l'on y passait suffisamment de temps. Pour le prix de la gratuité ou presque, il y avait une abondance d'informations, de communautés ou de tout ce que vous recherchiez qui surgissait dans tous les coins que vous pouviez trouver - des blogs d'idées, des forums, des navigateurs Internet gratuits et des courriels gratuits. Le concept de paiement pour ces nouveaux médias et informations était relativement nouveau. Un « emploi sur l'Internet » était une denrée rare.

Les premiers jours de l'Internet ont été marqués par une grande excitation. Le monde entier était connecté en ligne et les possibilités semblaient infinies. Les gens créaient des sites web personnels sur des plateformes comme Geocities, partageant leurs pensées, leurs expériences et leurs passions avec un public mondial. Des services de courrier électronique comme Hotmail et Yahoo! Mail permettaient aux gens de communiquer instantanément au-delà des frontières, tandis que des plateformes de messagerie instantanée comme ICQ et AIM favorisaient les conversations en temps réel et les communautés en ligne.

L'Internet initial était un Far West numérique, avec peu de règles et de réglementations. C'était un terrain de jeu pour l'expérimentation, où tout semblait possible sur une échelle massive. Bien entendu, cela a déclenché une ruée vers cet espace vierge, qui a entraîné d'importants investissements et, inévitablement, une bulle suivie d'un éclatement. C'est l'histoire de la bulle Internet, une période que nous n'aurons pas le temps de revisiter en détail aujourd'hui.

Mais à mesure que l'Internet grandissait et mûrissait, une transition nette vers de nouvelles possibilités s'est opérée. Cette transition est largement désignée sous le nom de Web 2.0, marquant une véritable expansion des affaires sur Internet. C'est à ce moment-là que le contenu généré par les utilisateurs a explosé, que l'interactivité du web a pris forme et que, bien sûr, les médias sociaux ont pris leur essor.

C'était la nouvelle ruée vers la terre qui a finalement établi les grands gardiens technologiques d'aujourd'hui. Je qualifierais le Web 2.0 de période d'agrégation, marquant le début des jardins clos.

Des entreprises telles que Google, Facebook, YouTube et Amazon incarnent les classiques du Web 2.0. Chaque entreprise a développé un modèle d'affaires distinct, mais les entreprises de médias sociaux en particulier ont commencé avec un produit gratuit, utilisant ensuite l'agrégation du contenu et le pouvoir sur les utilisateurs pour capturer l'attention et vendre de la publicité. L'agrégation de ces bases d'utilisateurs était puissante, car le coût marginal pour ces entreprises était pratiquement nul. C'est cette ère qui est mieux comprise à travers le cadre de la Théorie de l'Agrégation de Ben Thompson.

Durant cette période, le mot d'ordre était d'attirer les utilisateurs. Des produits gratuits ont été créés pour rassembler de vastes bases d'utilisateurs, puis les murs autour de ces "jardins gratuits" ont commencé à s'élever lentement. Les avantages du Web 2.0 étaient, bien sûr, une distribution massive et l'accès à d'énormes quantités de données. Ces éléments ont préparé ces entreprises à tirer profit du paradigme suivant.

À cette époque, l'objectif était de partager votre contenu avec d'autres jardins et de capturer finalement l'attention des utilisateurs sur votre propre territoire. C'est la raison pour laquelle certaines entreprises de médias sociaux, comme TikTok, ont été à plusieurs reprises les plus grands annonceurs sur d'autres plateformes. Je soutiens que ces déplacements de parts de marché se sont poursuivis bien dans les années 2010, et que la vision la plus mature de l'ère du Web 2.0 a été atteinte à la fin des années 2010. L'année 2019, juste avant la pandémie, est peut-être l'exemple le plus stable du Web 2.0.

Ce qui est arrivé ensuite fut la COVID-19, qui a créé une flambée de la demande ayant entraîné des dépenses excessives dans les jardins d'Internet. Finalement, le crash est survenu, résultant de cette frénésie dépensière.

Cependant, au milieu de ce passage du hors-ligne à l'online, un autre changement discret a commencé à préparer le terrain pour la prochaine transition : GPT. J'avais déjà écrit sur GPT et ses implications pour le calcul, mais je n'avais jamais envisagé ce que cela signifierait pour l'intégralité de l'Internet. Cela nous amène à aujourd'hui. Nous atteignons la maturité de l'Internet, et il est nécessaire de pousser ces entreprises matures à se monétiser. À présent, la méthode la plus évidente pour monétiser l'échelle de vos données est l'utilisation de ces données pour l'entraînement de l'IA.

L'Internet et l'adoption des utilisateurs dans le monde ne sont plus à leurs débuts. Selon certaines estimations, 70 % de la population mondiale utilise l'Internet, et ce graphique montre que la pénétration de l'Internet ralentit. La COVID-19 pourrait avoir été la dernière grande poussée vers une adoption complète, et maintenant nous approchons de l'asymptote. Cela oblige les entreprises à ne plus se précipiter pour acquérir des utilisateurs, mais plutôt à chercher des modèles d'affaires plus viables.

Vous ne pouvez pas gagner simplement en attirant plus d'utilisateurs ; tous les nouveaux utilisateurs ont probablement déjà rejoint. Vous vous battez dans un jeu relativement fixe, pas dans celui où nous ajoutons encore des dizaines de millions d'utilisateurs chaque année.

L'exemple le plus parlant est Reddit, qui, selon Similarweb, figure parmi les 20 sites web les plus visités au monde et est numéro 10 aux États-Unis. Reddit a autant d'influence sur l'Internet qu'on peut en espérer, mais Reddit a perdu des sommes considérables jusqu'à ce que des accords récents de licence de données pour l'IA viennent renflouer ses caisses. Si Reddit, l'un des modèles d'affaires les plus développés, ne peut pas gagner d'argent avec plus d'utilisateurs, alors avoir plus d'utilisateurs n'est pas une promesse viable de modèle d'affaires. Cela implique un besoin de maturité et de monétisation, et cette monétisation se trouve justement dans la récolte de données pour l'entraînement.

Reddit en est conscient et a complètement réorienté son modèle d'affaires vers la vente de données de haute qualité pour l'entraînement des LLM. Dans son prospectus d'introduction en bourse, Reddit a enregistré 203 millions de dollars de valeur contractuelle pour ses données et les a récemment licenciées à OpenAI.

En janvier 2024, nous avons conclu certains accords de licence de données d'une valeur contractuelle totale de 203,0 millions de dollars, avec des termes allant de deux à trois ans. Nous prévoyons qu'un minimum de 66,4 millions de dollars de revenus seront reconnus au cours de l'année se terminant le 31 décembre 2024, le reste étant reconnu par la suite. Les données de Reddit croissent et se régénèrent constamment à mesure que les utilisateurs viennent et interagissent avec leurs communautés et les uns avec les autres. Nous pensons que nos données de plateforme croissantes seront un élément clé dans la formation des principaux modèles de langage de grande taille (« LLM ») et serviront de canal de monétisation supplémentaire pour Reddit.

Je pense que, à mesure que les modèles deviennent plus grands et les ensembles de données plus précieux, le renouvellement de ces accords de données sera comme les nouveaux droits sportifs. Chaque année, la valeur contractuelle devrait être plus élevée, et payer pour les données représentera une partie significative de vos coûts d'exploitation dans l'économie de l'IA.

Reddit, je pense, réalise cela. Le prospectus de leur introduction en bourse est un document très axé sur l'IA, et vous penseriez que pour une entreprise de médias sociaux destinée à l'interaction entre humains, ils auraient un focus différent, mais l'IA va vraiment être le modèle économique à l'avenir. Il est temps de changer notre façon de penser l'Internet, de la collecte d'utilisateurs à la collecte de données auprès de votre vaste ensemble d'utilisateurs.

Enfin, l'archive vaste et inégalée de Reddit de conversations humaines réelles, opportunes et pertinentes sur pratiquement n'importe quel sujet est un ensemble de données inestimable pour diverses applications, y compris la recherche, la formation de l'IA et la recherche. Reddit est l'une des plus grandes corpus de l'Internet de l'expérience humaine générée authentiquement et constamment mise à jour. À mesure que le monde devient de plus en plus axé sur les données, nous offrons des solutions axées sur l'humain et l'expérience. Nous nous attendons à ce que notre avantage en matière de données et notre propriété intellectuelle continuent d'être un élément clé dans la formation des futurs LLM.

Reddit est presque un exemple parfait d'un modèle d'affaires Web 2.0 devenant un modèle Web 3.0. Avec cette mentalité de capturer des données provenant des humains pour former des modèles, je pense que nous pouvons entrevoir ce qui est à venir. Bienvenue dans le Web 3.0.

L'essence de ma thèse est la suivante : le Web 3.0 sera défini par l'insertion de l'IA dans l'Internet, ce qui changera massivement notre expérience de l'Internet. Cela signifie soit un désir de collecter des données des utilisateurs, soit une interaction des agents IA déchaînés sur le web. Comme l'IA a déjà passé le célèbre test de Turing, nous serons de plus en plus incertains de savoir si la personne de l'autre côté du texte est un humain ou une IA.

Le Web 2.0 concernait souvent la collecte d'informations sur vos habitudes de visionnage, d'achat ou personnelles, puis l'utilisation de ces données pour cibler davantage de publicités pour des produits que vous pourriez acheter. Cela s'est amélioré jusqu'à des suppositions ou des besoins presque choquamment précis. Le Web 3.0 ne consistera pas seulement à collecter des données vous concernant, mais à partir de vous. Cela signifie un corpus plus large et plus détaillé de votre discours et de vos pensées, le tout pour alimenter la future machine divine.

Comme dans le Web 2.0, vos données seront utilisées individuellement d'une manière probablement proche de l'anonymat ; en agrégat, nos données seront utilisées pour former des modèles. Au lieu de collecter des informations vous concernant, elles collecteront des informations à partir de vous. C'est le changement crucial. Ce troll qui vous énerve et qui a une altercation sur Facebook à propos d'être dans l'erreur pourrait être un bot IA conçu pour vous garder engagé pour obtenir davantage de données d'entraînement.

Je pense qu'il est juste de dire que le Web 2.0 ressemblera probablement à une belle version idéalisée du passé, et que la relative liberté et utilité de l'Internet seront considérées comme l'une des périodes les plus grandes et les plus naïves de notre vie technologique. Nous avons créé, gambadé et échangé des informations librement. Il n'y avait pas de miroir sombre nous regardant de l'autre côté, et maintenant nous ne pouvons pas être sûrs de qui est humain.

Alors, jetons un coup d'œil au Web 3.0. Je n'ai aucune idée de ce que l'avenir sera, mais j'ai quelques opinions fortes et spécifiques. L'une est que l'Internet futur sera le terrain de jeu des humains et de l'IA.