En dehors du monde des analystes, cependant, le monde assiste à un nouveau cycle de battage médiatique autour de l'intelligence artificielle (IA) avec le buzz autour ChatGPT et l'IA générative Plus généralement, je ne vais pas essayer de prédire l'avenir et de vous dire où en sera l'IA dans dix ans. Ce que je peux vous dire, c'est que l'utilisation de l'IA dans l'entreprise va continuer à croître et à évoluer, avec ou sans ChatGPT, et vous devez l'exploiter pour pouvoir en récolter les bénéfices dans les années à venir.

L’IA générative est-elle la seule IA qui les gouvernera toutes ?

Dans le passé, les difficultés liées à la conception l'intelligence artificielle et la mise en œuvre de l'apprentissage automatique traditionnel a empêché l'implémentation de l'IA dans l'entreprise. Il a fallu beaucoup de travail pour obtenir un corpus de données, le préparer, construire le modèle, l'entraîner, puis le mettre en production. Admettons que vous y parveniez. Cela signifiait seulement que vous deviez consacrer plus d'énergie et de ressources à la maintenance du modèle et à la gestion des différentes formes de « dérive » qui peuvent le rendre moins précis et moins efficace au fil du temps.

Avec l'augmentation de la puissance de calcul et des ensembles de données de plus en plus volumineux, l'IA dans l'entreprise se développe. Diego Lo Guidice, analyste chez Forrester, la mise en œuvre de l’IA, de l’apprentissage automatique ou de l’apprentissage profond est passée de 67 % en 2021 à 73 % en 2022.

Je dirais même que l'adoption de l'IA est plus proche de 100 % au moment où j'écris ces lignes. Cependant, il s'agit de savoir ce que signifie « adoption » ici. L'intelligence artificielle « traditionnelle » alimente déjà, bien sûr, des choses comme

• recommandations dans une grande variété de cas d'utilisation
• traitement automatisé des documents
• trading algorithmique
• Planification de la chaîne d'approvisionnement
• les services de cybersécurité

Les principales applications de l’apprentissage automatique à l’heure actuelle facilitent le travail de routine et, pour les tâches facilement automatisables, sont plus rapides à exécuter que les humains. Ces formes d’IA deviennent rapidement omniprésentes dans la vie professionnelle quotidienne. Elles offrent sans aucun doute des avantages en termes de rapidité, de gain de temps, de respect des normes, etc. Mais ce sont désormais des enjeux de premier ordre pour les entreprises.

Cette nouvelle vague d’intelligence artificielle représentée par l’IA générative – même si elle peut être réellement « intelligente » ou non – a clairement suscité une quantité massive d’exploration et d’investissements. Et pour cause. ChatGPT et d’autres outils d’IA générative comme Bard ou Dall-E sont des merveilles techniques.

L’IA générative a le potentiel de créer une valeur considérable et a d’énormes implications pour toutes les formes de travail. Il est tentant de penser que, parce qu’elle englobe une quantité phénoménale de données et peut faire des choses aussi étonnantes, l’IA générative supplantera les autres formes d’intelligence artificielle. Il suffit d’une « ingénierie rapide » intelligente et d’un « réglage fin » habile pour générer une solution à n’importe quel problème. Pourquoi pas, n’est-ce pas ?

ChatGPT peut accélérer les tâches humaines. J'ai récemment entendu parler d'un testeur de logiciels qui porte plusieurs casquettes et gère les opérations informatiques d'une petite ferme de Nouvelle-Angleterre. La direction de la ferme a demandé au testeur de trouver une solution IoT particulière pour son système d'hydratation. Dans ce qui serait normalement une tâche qui pourrait prendre plusieurs jours, le testeur a utilisé ChatGPT pour créer une liste de près de 60 exigences en quelques heures. Il a pu combiner ses connaissances et son expérience ésotérique du monde informatique agricole avec l'IA générative pour accélérer son travail.

Cependant, l’IA générative ne peut pas le faire seule.

L'IA générative peut améliorer la connaissance des travailleurs. Un cabinet juridique, qui produit une myriade de documents juridiques tout au long de la journée, pourrait éventuellement utiliser l'IA générative pour produire des documents sur mesure en fonction de l'affaire à laquelle il est lié.

Même si les heures économisées dans ces exemples sont bénéfiques, vous ne faites que faciliter le travail de routine. L'IA a bien plus à offrir.

Dans un article récent de Somnath Singh, «Projet de loi Gates : les gens ne se rendent pas compte de ce qui va arriver »  Singh estime que cette nouvelle vague d’IA, stimulée par des outils génératifs comme ChatGPT, va bientôt changer la façon dont les entreprises résolvent leurs problèmes commerciaux.

Singh propose à ses lecteurs l’idée d’un « monde où les frontières entre le travail technique et le travail non technique n’existent plus ». C’est sans aucun doute vrai. Les gens auront besoin de moins de compétences techniques dans un domaine particulier pour faire leur travail et atteindre leurs objectifs.

Cependant, l’IA générative ne peut pas le faire seule.

IA composite : mieux ensemble

Si nous prenons un peu de recul, il est utile de se rappeler que l’intelligence artificielle est un terme large. Et comme pour toutes les technologies naissantes, le buzz associé à une forme particulière d’IA doit être pris avec des pincettes. Vous devez vous demander de quelle sorte d’IA on parle. Cela vous aide à déterminer si une technologie ou une technique d’IA particulière peut être utilisée pour résoudre un défi particulier ou ouvrir une opportunité pour votre organisation.

En pratique, la résolution d’un problème par l’intelligence artificielle est presque toujours multidimensionnelle. Et quelle que soit la richesse ou l’inspiration d’une technique d’IA donnée (et l’IA générative est certainement riche et inspirante), elle ne traite que d’une seule facette de l’augmentation ou de l’automatisation du travail par l’IA. Ainsi, si vous souhaitez résoudre un vrai problème avec l’intelligence artificielle, vous aurez probablement besoin d’une fusion de techniques d’IA, et pas seulement d’une seule. Ou, comme le dit Gartner : IA composite.

L'IA composite réunit plusieurs capacités d'IA et d'analyse avancée, dans le but de produire un résultat meilleur et plus fiable. Par exemple, un graphique de connaissances est souvent utilisé en complément de l'IA générative pour augmenter ou automatiser la prise de décision humaine, ou lors de l'interaction avec des agents virtuels. Comme son nom l'indique, c'est un excellent moyen de capturer l'expérience et le jugement humains. L'intégration du facteur humain, sous forme numérique, permet d'obtenir de meilleurs résultats. Et cela augmente la confiance des utilisateurs dans les réponses générées par le système à leurs questions.

Voici un exemple d'IA composite : une application permet aux clients d'une compagnie d'assurance de prendre une photo de leur voiture après un accident. À partir de là, une évaluation des dommages est automatiquement créée. Sur la base de cette évaluation, un rapport est rédigé. Et si la voiture est considérée comme détruite, un appel à la société de remorquage la plus proche est lancé pour le propriétaire de la voiture.

Dans cet exemple, l'organisme d'assurance utilise un certain nombre de cadres d'IA pour automatiser les tâches manuelles ainsi que la prise de décision humaine. La reconnaissance d'image capture et évalue les dommages. L'apprentissage automatique compare le véhicule endommagé à ce à quoi devrait ressembler un véhicule de cette marque et de ce modèle et détermine les dommages. L'IA générative produit un rapport. Cette IA composite peut alors considérer que la voiture est détruite et déterminer la marche à suivre pour appeler une entreprise de remorquage pour récupérer la voiture.

Causal et efficace

Cela m’amène à l’une des formes les plus intéressantes d’IA composite : l’IA causale.

L'IA causale va au-delà de l'IA générative ou des prédictions et de l'automatisation basées sur l'apprentissage automatique. Ces technologies ne comprennent pas les concepts et ne font pas preuve de discernement. L'IA causale peut analyser les données d'entrée et, à condition que le modèle soit correctement formé, prendre des décisions de type humain. Avec l'IA causale, vous pouvez capturer le jugement de vos employés au sein de certains systèmes ou flux de travail. Ainsi, vous n'automatisez pas simplement une tâche. Vous améliorez la prise de décision.

Grâce à l'IA causale, vous pouvez améliorer les compétences des professionnels et leur donner la possibilité de prendre de meilleures décisions plus rapidement. Avec le temps, vous pourriez même faire confiance à ce modèle pour une catégorie de décisions. Avec le bon ensemble de données et en lui confiant une certaine catégorie de décisions, les organisations peuvent désormais renforcer l'ensemble de leurs effectifs avec des capacités de prise de décision meilleures et plus rapides.

Il faudra encore attendre quelques années, mais c'est la prochaine étape de l'IA. Imaginez la valeur que vous pouvez obtenir avec une telle technologie. L'IA causale représente bien plus que des heures économisées et des dollars gagnés. C'est plus que de la prévision. C'est une prévision accompagnée de recommandations de tactiques de vente suggérées pour certains segments de clientèle. Par exemple, l'IA causale peut analyser les données du marché boursier et aider les institutions financières à prendre des décisions d'investissement éclairées en fonction des relations entre les cours des actions, les indicateurs économiques, les politiques fédérales et les gros titres de l'actualité.

Alors qu'une organisation peut utiliser l'apprentissage automatique pour automatiser une tâche tout au long d'un processus de chaîne d'approvisionnement, l'IA causale ne se contente pas de reproduire une tâche humaine, elle peut reproduire la prise de décision humaine et identifier les goulots d'étranglement et les inefficacités du processus. Non seulement elle peut identifier, mais elle peut également améliorer les performances.

L’IA causale est un autre moyen de créer de meilleurs résultats.

L'IA causale et d'autres implémentations de l'IA composite vont vous aider à brouiller de manière productive les frontières entre le travail technique et non technique, afin que vous puissiez commencer à voir le retour sur investissement que vous avez investi dans le développement d'applications compatibles avec l'IA et applications intelligentes commencer à croître de manière exponentielle.

Soyez excité

« La technologie dans toutes ses conséquences signifie un changement persistant. »

La promesse de la technologie, FFP Kollman

L’IA ne cesse de se dépasser, de changer les règles du jeu qu’elle vient de changer. Comprendre ses conséquences et la valeur que vous pouvez en tirer est la façon dont vous faites toujours avancer votre organisation. Pour moi, l’intérêt de l’IA ne réside pas dans ce qu’elle peut reproduire, mais dans ce que nous pouvons faire avec elle et dans le type de problèmes complexes que nous pouvons résoudre.

Lorsque l’engouement pour l’IA reprendra de plus belle, il se pourrait bien qu’il s’agisse d’une intelligence artificielle capable d’appliquer le jugement humain tout en réduisant l’expertise technique requise pour effectuer le travail. Ainsi, les carrières changeront, les rôles professionnels seront modifiés et les industries seront bouleversées.

Mais c'est la nature de la technologie, n'est-ce pas ?

C'est à vous de déterminer quelles technologies d'IA, et pas seulement une seule très médiatisée, vous aideront à maintenir la viabilité de votre organisation.