Lyft et la Naissance d'Eventual : Une Solution Révolutionnaire pour le Traitement de Données Multimodales

Comment un problème de traitement de données chez Lyft est devenu la base d'Eventual Lorsque Sammy Sidhu et Jay Chia travaillaient comme ingénieurs logiciels dans le programme de véhicules autonomes de Lyft, ils ont constaté une problématique croissante liée à l'infrastructure de données. Ce défi se manifestait particulièrement en raison de la production de quantités massives de données non structurées, issues de scanners 3D, de photos, de textes et d'audios. L' absence d'un outil capable de comprendre et de traiter simultanément ces différents types de données, et tout en un même lieu, laissait les ingénieurs de Lyft coudre les outils open source existants, ce qui entraînait des problèmes de fiabilité et une perte importante de temps. Le Temps perdu dans l'Infrastructure de Données Sidhu, actuel PDG d'Eventual, a déclaré à TechCrunch lors d'une interview récente : "Nous avions tous ces brillants doctorats, ces experts de l'industrie, qui travaillaient sur les véhicules autonomes mais passaient 80% de leur temps à gérer l'infrastructure au lieu de construire leur application principale." La plupart de ces problèmes étaient liés à l'infrastructure de données, une lacune de plus en plus préoccupante avec l'émergence de l'intelligence artificielle (IA). Pour répondre à ce besoin, Sidhu et Chia ont développé un outil interne de traitement de données multimodales chez Lyft. Ce projet a attiré l'attention de la profession et, lorsqu'il a commencé à postuler à d'autres postes, Sidhu constatait régulièrement que les recruteurs lui posaient des questions sur la construction de solutions de données similaires pour leurs propres entreprises. C'est à partir de cette constatation que l'idée derrière Eventual a pris forme. Naissance d'Eventual et Développement de Daft Eventual a été fondée en janvier 2022, presque un an avant le lancement de ChatGPT et bien avant que la majorité des personnes ne prenne conscience de ce manque dans l'infrastructure de données. L’entreprise a lancé la première version open source de son moteur de traitement de données, Daft, également en 2022. Actuellement, elle prépare le lancement de sa version enterprise au troisième trimestre 2023. Daft est un moteur de traitement de données natif Python, conçu pour fonctionner rapidement avec diverses modalités de données, du texte à l'audio en passant par la vidéo et plus encore. Les fondateurs ambitionnent de rendre Daft aussi transformateur pour l'infrastructure de données non structurées que l'a été SQL pour les jeux de données tabulaires. Extension au-delà des Véhicules Autonomes Bien que l'idée initiale de Daft ait émergé dans le contexte des véhicules autonomes, d'autres secteurs doivent également traiter des données multimodales. Parmi ceux-ci figurent la robotique, la technologie de détail et la santé. Eventual compte maintenant plusieurs clients majeurs, tels qu'Amazon, CloudKitchens, et Together AI. Succès financier et vision de l’avenir Eventual a récemment levé deux tours de financement en huit mois. Le premier tour était une levée de fonds de démarrage de 7,5 millions de dollars dirigée par CRV. Plus récemment, l'entreprise a obtenu un financement en série A de 20 millions de dollars, dirigé par Felicis, avec la participation de Microsoft's M12 et de Citi. Cette dernière levée de fonds sera utilisée pour renforcer l'offre open source d'Eventual et pour développer un produit commercial permettant à ses clients de construire des applications IA à partir des données traitées. Évaluation par l'Industrie Astasia Myers, associée générale chez Felicis, a expliqué à TechCrunch qu'elle avait découvert Eventual lors d'un exercice de cartographie de marché visant à identifier des infrastructures de données capables de soutenir le nombre croissant de modèles IA multimodaux. Myers a souligné que Eventual se distinguait par son positionnement de pionnier dans ce domaine, encore peu exploité, et par l'expérience directe des fondateurs face à ce problème de traitement de données. Le marché de l'IA multimodale est prévu pour connaître une croissance annuelle composite de 35% entre 2023 et 2028, selon le cabinet de conseil MarketsandMarkets. Myers a ajouté que l'augmentation exponentielle de la production de données non structurées au cours des deux dernières années rendait l'offre de Daft extrêmement pertinente. "La quantité de données générées chaque année a été multipliée par 1 000 au cours des 20 dernières années, et 90% des données mondiales ont été produites ces deux dernières années", a-t-elle souligné. "Les applications d'IA génératives sont construites autour du texte, de l'image, de la vidéo et de la voix, et vous avez besoin d'un moteur de traitement de données natif multimodal." Profil et Vision de la Société Fondée par deux ingénieurs logiciels qui ont identifié une problématique critique dans l'infrastructure de données, Eventual vise à simplifier la gestion des données non structurées, facilitant ainsi le développement d'applications IA plus robustes. Avec des investissements significatifs et des clients de renom, la société est bien positionnée pour adresser les besoins croissants des entreprises dans le contexte de l'expansion rapide de l’IA multimodale.