En deux mois seulement, Chat GPT est devenu le produit le plus téléchargé au monde. Ce qui démarque cette solution de ses prédécesseurs : son interface ultra-simple reposant sur des « prompts » semblables à une conversation. L’IA permet aux humains de se libérer de tâches répétitives et chronophages pour se concentrer sur des activités à plus forte valeur ajoutée. L’humain ne sera pas remplacé, il sera « augmenté » grâce à l’IA générative.
Selon des études récentes, 78 % des employés estiment que l'IA générative a eu un impact positif sur leur productivité[1]. Pour les tâches liées à l’acquisition de connaissance, les professionnels gagneraient 37 % de vitesse d’exécution[2] et les développeurs 55 % sur les tâches de code[3]. Voilà six mois qu’une véritable course à l’innovation entre les acteurs de l’IA générative est lancée. Pour en tirer le meilleur parti et rester compétitives, les entreprises doivent faire vite, sans perdre de vue les défis restant à relever.

Transparence et confiance, les grands défis de l’IA générative

La performance des solutions d’IA générative est indéniable, mais elles ont toutefois des limites dont il convient d’avoir conscience pour en réduire au maximum l’impact. Ils sont principalement de 4 ordres :

  • L’éthique : les biais, les « hallucinations », l’absence de sources ou encore le manque de transparence quant à l’utilisation de données à caractère personnel peuvent se refléter dans le contenu généré. Des processus d’identification des biais sont donc à systématiser, comme nous l’intégrons dans tous nos traitements de données chez Artefact, conformément à notre charte éthique. 

  • L’environnement : l’entraînement des modèles d’IA les plus récents sur des milliards de paramètres ont une empreinte carbone sans précédent. A titre d’exemple, il a fallu l'équivalent de 502 tonnes d'émissions de CO2 pour entraîner GPT-3[4], soit près de dix fois la quantité correspondant au cycle de vie d'une voiture moyenne. Les usages ne font que débuter : le CO2 émis par les IA sera-t-il compensé par celui qui ne sera plus généré par les activités humaines qu’elles remplacent ?

  • L’emploi : Si la grande majorité des tâches humaines ne seront pas remplacées mais assistées par l’IA, elles se verront indéniablement transformées. Il est crucial que les actifs – tous âges et professions confondus – soient formés à ces changements. En outre, ces technologies ouvrent de nouvelles opportunités de carrière pour lesquelles nous constatons déjà une pénurie de profils. Des formations telles que l’Artefact School of Data proposent un moyen de reconversion rapide et concret dans ces métiers d’avenir.

  • La réglementation : compte-tenu des enjeux cités ci-dessus, il est évident que l’IA générative sera prochainement soumise à une réglementation forte, sur le modèle de celle relative au traitement des données personnelles. L'Union européenne travaille actuellement à l'élaboration de l'IA Act, qui devrait entrer en vigueur en 2025. En attendant de pouvoir se reposer sur un cadre clair, les entreprises qui se lancent doivent compter sur les textes existants en matière de données, de propriété intellectuelle, de droit du travail, de protection de l’environnement ; mais aussi sur la soft law.

Une méthodologie propre à Artefact pour réduire ces risques et optimiser sa transformation business

Les progrès fulgurants et continus en matière d’IA générative demandent aux entreprises d’agir vite, mais avec discernement. C’est pourquoi nous recommandons à nos clients d’adopter un mode opératoire progressif et de mettre en œuvre un cadre solide autour de leur projet de transformation.

Pour embarquer l’ensemble de l’entreprise, les résultats d’un premier POC sont souvent décisifs. Il est préférable de mener ce premier test sur un cas d’usage interne ou en passant par la médiation humaine (par exemple : un agent humain s’appuie sur les informations d’une IA pour mieux servir le client) pour minimiser les risques d’incidents. Il s’agit en parallèle d’identifier les applications potentielles dans toute l’entreprise, en s’appuyant sur les besoins des métiers et sur l’ensemble des données qu’elle détient.

En parallèle, une feuille de route doit être définie en matière de :

  • Organisation : il convient de définir les rôles et les responsabilités, ainsi que la gouvernance et les processus permettant de créer et d'étendre les cas d'usage. Un plan d’urgence pour se prémunir des risques et des biais doit être mis en place.

  • Stack technique et données : les entreprises doivent s'assurer qu'elles disposent de données 1st-party de qualité pour servir les cas d'utilisation identifiés et d’une architecture technique robuste pour les industrialiser. Il est crucial de sélectionner le bon modèle pour la bonne utilisation, en matière de coûts, d'impact ou de performance.

  •  Ressources humaines : des programmes d'acculturation et de formation doivent être mis en place le plus tôt possible pour que la transition soit un succès.

La confiance n’exclut pas le contrôle

Bien que nous soyons convaincus que l’IA générative a et aura un impact positif sur la performance opérationnelle des entreprises et la productivité de leurs salariés, il est nécessaire de se lancer avec discernement. La progression doit être continue et contrôlée, l’humain doit conserver la maîtrise des modèles, avant de pouvoir tirer pleinement profit des cas d’usage illimités offerts par ces nouvelles technologies ultra performantes. 

Artefact Newsletter

Vous êtes intéressé par le conseil en données, le marketing digital et l'ecommerce ?
Lisez notre newsletter mensuelle pour obtenir des conseils pratiques, des idées, des études de cas, de la part de tous nos experts en données du monde entier !