Focus Universal Inc. (NASDAQ : FCUV) a annoncé le développement de l'IA déterministe, une nouvelle classe d'intelligence artificielle conçue pour pallier les limites de l'IA générative, notamment dans le contexte de l'automatisation des rapports financiers à la SEC. L'entreprise, qui fournit des technologies matérielles et logicielles brevetées pour l'IoT, la 5G et les logiciels financiers pilotés par l'IA, vise à combler le fossé entre la résolution de problèmes probabiliste et non probabiliste dans les flux de travail des entreprises.
Selon l'entreprise, il existe une idée reçue courante qui assimile l'IA uniquement aux modèles génératifs comme ChatGPT. Cependant, l'IA générative est intrinsèquement probabiliste, tandis que les problèmes du monde réel comprennent à la fois des éléments probabilistes et non probabilistes. Le problème fondamental, explique l'entreprise, est que les systèmes probabilistes ne sont pas adaptés pour résoudre des problèmes non probabilistes. L'IA générative traditionnelle ne peut pas garantir une exactitude parfaite dans les scénarios qui nécessitent des règles strictes, une cohérence et une validation. L'IA déterministe est spécifiquement conçue pour ces domaines de problèmes non probabilistes, en imposant des règles et contraintes explicites, en garantissant la cohérence entre les documents et en validant les sorties par rapport à des structures formelles.
Alors que l'IA générative excelle dans l'interprétation du langage, la génération de brouillons et l'identification de motifs, elle ne fournit pas intrinsèquement de garanties d'exactitude, d'auditabilité ou de défendabilité réglementaire. L'IA déterministe, en revanche, offre une exactitude reproductible, un raisonnement traçable et une responsabilité légale. L'entreprise estime que les deux types d'IA sont essentiels et que les applications concrètes nécessitent une combinaison des deux. Dans les flux de travail d'entreprise tels que les rapports à la SEC, la tâche la plus gourmande en ressources n'est pas la génération d'idées, mais la vérification que chaque chiffre, divulgation et déclaration est cohérent, rapproché et prêt à être audité.
Pour illustrer la puissance de l'IA déterministe, l'entreprise a fourni des exemples où elle a identifié des incohérences dans les documents publics déposés auprès de la SEC. Par exemple, dans les dossiers disponibles sur le site Web de la SEC (exemple 1 et exemple 2), l'IA a détecté des incohérences dans les valeurs « Total » de certains tableaux, où les chiffres ne se recoupaient pas correctement. Ces exemples montrent comment l'IA déterministe peut détecter des erreurs qui auraient pu passer les contrôles de validation rigoureux de sources fiables, soulignant son potentiel pour améliorer l'intégrité des données dans la communauté financière.
Le PDG Desheng Wang a commenté : « Ce n'est pas une progression incrémentale - c'est un changement de paradigme fondamental. Notre technologie va bien au-delà de l'IA générative, en répondant au défi central de l'exactitude dans l'industrie et en permettant une exécution entièrement automatisée et de haute précision de flux de travail complexes d'informations financières. » L'entreprise estime que sa plateforme pilotée par l'IA est bien positionnée pour répondre à la demande croissante d'automatisation sur le marché mondial des logiciels de rapports financiers, qui était évalué à environ 13,9 milliards de dollars en 2022 et devrait atteindre 36,6 milliards de dollars d'ici 2030, sous l'effet de la complexité réglementaire croissante.
Les implications de cette annonce sont importantes pour le secteur financier. En combinant l'IA générative avec l'IA déterministe, l'entreprise vise à éliminer des couches entières de rapprochement et de validation manuels dans les systèmes de rapports d'entreprise existants. Ce modèle hybride pourrait réduire les erreurs, améliorer l'efficacité et renforcer la conformité réglementaire, bénéficiant ainsi aux investisseurs, aux auditeurs et aux régulateurs qui s'appuient sur des données financières précises pour prendre des décisions.
