Pour ajouter de l’huile sur le feu, nombre de medias nous ont rappele que des emplois allaient probablement etre perdus
a grande echelle
et
rapidement
.
Aujourd’hui, la
frenesie GenAI
semble s’etre calmee ? du moins marginalement. De nombreuses entreprises sont toujours confrontees aux memes questions qu’il y a un an?: comment tirer parti des economies de couts promises et des gains d’efficacite substantiels que
GenAI
est cense offrir?? Comment reellement proceder pour l’utiliser a des fins professionnelles??
L'IA generative?: Prometteuse, mais complexe
Beaucoup d’entreprises semblent etre en difficulte. Il y a plusieurs raisons a cela.
- Premierement, de nombreuses entreprises, peu importe leur taille, se demandent encore comment integrer les IAs precedemment deployees (comme les algorithmes bases sur des regles explicites ou de l’apprentissage automatique) dans leurs operations. Au mieux, ils sont dans une phase exploratoire avec ces IAs, et au pire ils se sentent simplement perdus. Une etude recente suggere que plus de 70 % des grandes entreprises interrogees se demandent encore comment tirer parti des avantages potentiels que l’IA peut offrir (≪?
Becoming an AI-fueled organization Deloitte’s State of AI in the Enterprise
?≫, Deloitte AI Institute et Deloitte Center for Integrated Research, Deloitte Insights, 2023).
- Deuxiemement, la GenAI est beaucoup plus complexe que les autres IAs et est aujourd’hui concue pour repondre a des objectifs specifiques. Bien qu’elle soit capable de rediger un rapport de 5 000 mots en un rien de temps, elle ne peut pas, par exemple, effectuer une tache de saisie de donnees de base, comme extraire et classer les donnees du permis de conduire, que les autres IAs peuvent effectuer facilement et efficacement. C’est pourquoi les entreprises doivent reflechir en profondeur a la rentabilite des GenAI en decouvrant leurs avantages concrets et pratiques en comparaison aux autres IAs. Naviguer a travers l'IA, c'est comme naviguer dans des eaux agitees avec un navire a la pointe de la technologie mais quelque peu encombrant, et les GenAIs ajoutent plus de tonnage, de puissance et une mer encore plus turbulente. Une entreprise encore instable avec le premier aura bien sur du mal avec le second.
- Troisiemement, les implications a long terme de l’adoption de GenAI ? telles que les couts a long terme et les impacts de la reglementation actuelle et future ? sont encore incertaines. Pour nous, la situation actuelle nous ramene juste avant le millenaire. Meme si les entreprises de l’epoque avaient peut-etre compris la necessite de creer des sites Web, rares etaient celles qui voyaient clairement les roles specifiques que l’Internet au sens large jouerait en tant que partie integrante des strategies omnicanales, sans parler des appareils et des applications telephoniques.
Compte tenu de tout cela, il est logique que la plupart des entreprises soient toujours a la recherche d’une voie a suivre (meme si l’on a l’impression que tout le monde l’a compris). Cela ne veut pas dire que la recherche est une folie. Voici comment les entreprises peuvent s’orienter et determiner la marche a suivre.
Le marche de GenAI
La premiere decision que la plupart des entreprises doivent prendre est de savoir quel produit GenAI elles souhaitent utiliser. A l’heure actuelle, il existe de nombreux fournisseurs de GenAI ? a la fois des titans de l’industrie tels que Meta et Alphabet et de nouveaux venus comme Hugging Face, Anthropic et Stability.ai. Ce marche est appele a devenir encore plus encombre, avec des societes riches en donnees telles que Bloomberg et JPMorgan Chase signalant leur intention d'entrer dans la melee, et Apple travaillant sur sa propre offre, appelee Ajax. Les entreprises devraient prendre en compte quelques facteurs.
D’une part, Open AI et ses rivaux actuels se disputent desormais le premier choix des developpeurs de solutions GenAI, et les retardataires ont peut-etre deja rate le coche. L'introduction recente par OpenAI d'un outil simple pour creer des applications basees sur ChatGPT est probablement une tentative de consolider sa position, car les utilisateurs habitues a un systeme sont susceptibles de l'utiliser a nouveau dans leurs projets futurs. Avec la GenAI la plus grande ? et sans doute la meilleure ? du marche, OpenAI est la mieux placee pour etablir un ecosysteme.
Cela dit, les developpeurs de solutions ne voudront probablement pas preter allegeance a l’un des fabricants de GenAI afin de conserver la possibilite de selectionner GenAI pour differents projets. Cela a donne naissance a des boites a outils telles que LangChain, une plate-forme open source concue pour permettre aux utilisateurs de travailler simultanement sur differentes GenAI.
La concurrence qui se joue entre les differentes societes GenAI ressemble un peu aux premiers jours du duel entre iOS et Android. Un vaste ecosysteme permettrait a OpenAI de rester le leader du marche (qui rapporte de l’argent) pendant quelques annees jusqu’a ce que ses concurrents parviennent a unir leurs forces. Cela ne signifie pas necessairement qu’Apple et Google s’uniraient pour concurrencer Microsoft. Plus probablement, nous verrions des concurrents s’entendre sur la meme norme sur laquelle collaborer afin de s’opposer a la domination d’OpenAI. Nous pensons que cela n’est pas sans rappeler la situation de 2015, dans laquelle les partisans d’Android ont finalement reussi a etablir un ecosysteme significatif pour rivaliser avec iOS. A mesure que le marche GenAI se consolide, nous pouvons nous attendre a voir deux a trois grandes factions se faire concurrence. Attendez-vous a ce que davantage d’entreprises, grandes entreprises technologiques et startups, redoublent d’efforts pour etre au cœur de ces systemes.
Considerations cles pour tirer parti du GenAI
Compte tenu de la situation actuelle, comment les entreprises pourraient-elles integrer du GenAI?? Voici quelques suggestions?:
?
Choisissez la performance plutot que la nouveaute
De notre experience avec GenAI, ses performances ne proviennent pas de reponses textuelles de type humain de maniere conversationnelle ou d’un modele forme sur une grande quantite de donnees. Pour tirer le meilleur parti de GenAI, vous devez vous demander s'il s'agit de la bonne technologie pour une tache ou un objectif particulier.
Par exemple, bien que ChatGPT soit (pour le moment) meilleur dans le traitement des mots et des langues, nous avons constate que les modeles traditionnels d'apprentissage en profondeur donnent de bien meilleurs resultats dans le traitement des images. Autre decouverte?: dans un produit que nous construisons, nous avons constate que ChatGPT-4 est plus efficace pour ≪?comprendre?≫ les requetes des utilisateurs, tandis que la version 3.5 est plus rapide et plus efficace pour convertir les resultats traites en reponses aux utilisateurs.
En d’autres termes, au lieu d’adopter sans reserve les dernieres technologies d’IA, les entreprises doivent comprendre les problemes commerciaux qu’elles tentent de resoudre et trouver l’outil d’IA le plus approprie en fonction a la fois des forces et des faiblesses de chacune des options disponibles.
?
Combinez le GenAI avec la puissance des bases de donnees vectorielles
Il s'agit d'une nouvelle forme de base de donnees specialisee dans la recuperation des donnees les plus proches statistiquement afin de repondre au mieux a des requetes specifiques (par opposition aux bases de donnees traditionnelles qui contiennent simplement les donnees collectees). Les entreprises peuvent utiliser une GenAI telle que ChatGPT pour decomposer les requetes des utilisateurs, puis utiliser une base de donnees vectorielles pour rechercher les meilleures reponses correspondant a ces parametres.
Prenons une analogie?: si vous passiez un entretien pour un emploi, ChatGPT et ses concurrents offriraient la possibilite de ≪?lire la salle?≫, en analysant la posture, les expressions faciales, les choix de mots et les tons des intervieweurs. Les bases de donnees vectorielles, en revanche, agiraient comme des banques de memoire et de sagesse, constituant la capacite de proposer les meilleures choses a dire.
En d’autres termes, GenAI a lui seul n’est peut-etre pas suffisant. Selon les problemes a resoudre, cela ne peut representer que la moitie de la solution technologique. La necessite d’une base de donnees vectorielles pour rendre GenAI vraiment utile signifie que les entreprises doivent s’attendre a faire face a encore plus de complexite et a des delais de mise en œuvre plus longs lors de la mise en place de la solution.
?
N’oubliez jamais l’humain (
human-in-the-loop
)
Comme toujours, quelle que soit la puissance des technologies d’IA, leurs capacites dependent de l’implication des humains. Ce constat est similaire pour les GenAIs. Les humains jouent un role essentiel en guidant les GenAIs vers les objectifs commerciaux, en gerant les interactions au sein des systemes informatiques, en concevant les actions requises pour que les donnees entrent et sortent des modeles d'IA ainsi qu'en attenuant les hallucinations - les informations inventees ou carrement fausses produites par GenAI - cela reste aujourd’hui un probleme majeur de GenAI.
?
N'oubliez jamais l'explicabilite
Explore depuis de nombreuses annees, le domaine du
XAI
(
eXplainabiligy AI
) s’applique egalement a l’IA generative et a ses applications. Cela dit, lorsqu’on utilise une telle technologie, on devrait etre capable d’expliquer certains (sinon la plupart) resultats, et erreurs possibles (telles que les hallucinations ou les discriminations technologiques) en appliquant les methodes statistiques developpees de
XAI
. Il convient de noter que
XAI
est un domaine en constante evolution qui progresse a un rythme rapide dans les laboratoires universitaires, les departements de R&D prives et les startups. Cela implique que chaque acteur utilisant de telles technologies doit mettre a jour ses connaissances.
?
Tracez vos donnees
Meme si le probleme des hallucinations reste encore omnipresent, il est important d'etablir une trace claire depuis la source de donnees jusqu'aux utilisateurs finaux. La tracabilite permet aux utilisateurs de connaitre la source originale des donnees, ce qui renforce la fiabilite et la fiabilite des resultats de GenAI, creant ainsi une base plus solide pour une prise de decision eclairee.
Les entreprises doivent s’assurer que le tracage des donnees constitue une caracteristique importante a la fois dans leurs piles technologiques ainsi que dans leurs processus et flux de travail. Ce n’est qu’ainsi que les entreprises pourront etre pleinement conscientes qu’elles utilisent les bonnes donnees.
Ayez des attentes realistes
GenAI est un navire rapide avec beaucoup de choses qui se passent sous le pont. Il est difficile de savoir exactement quoi, dans quelle mesure et a quelle vitesse les entreprises GenAI peuvent realiser. Croire avec conviction qu’elle peut produire des resultats immediats et des rendements financiers exceptionnels conduira tres probablement a des deceptions. Les dirigeants doivent reconnaitre que le parcours exploratoire et experimental de GenAI sera probablement long.
L'utilisation des technologies GenAI dans les operations commerciales transcende un simple investissement technologique ; c'est un imperatif commercial. Aussi difficile que cela puisse etre en tant qu'entreprise, integrer du GenAI dans les operations de l'entreprise necessite de comprendre les nuances des developpements actuels de GenAI et d'avoir une conscience aigue des defis presentes. Pourtant, pour les entreprises qui parviennent a utiliser GenAI avec succes pour atteindre leurs objectifs commerciaux, les recompenses ne peuvent etre qu’a la fois prometteuses et enormes.
Pres d'un an et demi apres la sortie de ChatGPT 3.5, les entreprises et les particuliers se sont precipites pour explorer les
technologies d'IA generative
(GenAI). Pour beaucoup, il y avait une peur palpable de passer a cote de la prochaine grande nouveaute, d'etre depasses par des concurrents capables de revolutionner leur entreprise, ou d'etre pris au depourvu par un changement radical a l'echelle de leur secteur. Rapport apres
rapport
, certains experts ont vante le pouvoir transformateur du GenAI dans tous les secteurs et ses implications sur l'avenir du travail (≪?
Artificial intelligence’s promise and peril
?≫, de Herve Tourpe, FMI, 2024).