En seulement deux mois, ChatGPT est devenu le produit le plus téléchargé au monde. Ce qui distingue cette solution de ses prédécesseurs, c'est son interface ultra-simple basée sur des "prompts" de type conversationnel. Cette utilisation intuitive, associée à la capacité de l'IA à traiter de grandes quantités de données ( data ) et à fournir des résultats rapides et précis, décuple la vitesse d'exécution et de prise de décision des professionnels. L'IA libère les personnes des tâches répétitives et chronophages et leur permet de se concentrer sur des activités à plus forte valeur ajoutée. Les humains ne seront pas remplacés, ils seront "augmentés", 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. Pour les tâches liées à l'acquisition de connaissances, les professionnels gagneraient 37 % en vitesse d'exécution et les développeurs 55 % sur les tâches de codage. Il y a six mois, une véritable course à l'innovation a été lancée entre les acteurs de l'IA générative. Pour en tirer tous les bénéfices et rester compétitives, les entreprises doivent aller vite, sans perdre de vue les défis qui restent à relever.

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

Les performances des solutions d'IA générative sont indéniables, mais elles présentent des limites dont il faut être conscient pour en minimiser l'impact. Elles sont de quatre types principaux :

  • Ethique: les biais, les "hallucinations", l'absence de sources ou le manque de transparence dans l'utilisation du site personnel data peuvent se refléter dans le contenu généré. Nous devons donc systématiser les processus d'identification des biais, comme nous le faisons pour l'ensemble de nos traitements data à Artefact, dans le respect de notre charte éthique.

  • Environnement: l'entraînement des derniers modèles d'IA sur des milliards de paramètres a une empreinte carbone sans précédent. Par 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 nécessaire pour le cycle de vie d'une voiture moyenne. Les applications ne font que commencer : le CO2 émis par les IA sera-t-il compensé par le CO2 que ne génèrent plus les activités humaines qu'elles remplacent ?

  • L'emploi: Si la grande majorité des tâches humaines ne seront pas remplacées, mais plutôt assistées par l'IA, elles seront indéniablement transformées. Il est crucial que les personnes de tous âges et de toutes professions soient formées à ces changements. De plus, ces technologies ouvrent de nouvelles perspectives de carrière pour lesquelles nous constatons déjà une pénurie de profils. Les formations telles que l'école Artefact de Data offrent un moyen rapide et pratique de se reconvertir dans ces métiers d'avenir.

  • Réglementation: compte tenu des défis susmentionnés, il est clair que l'IA générative fera bientôt l'objet d'une réglementation stricte, à l'instar de celle qui régit le traitement des données à caractère personnel data. L'Union européenne travaille actuellement à l'élaboration d'une loi sur l'IA, qui devrait entrer en vigueur en 2025. Dans l'attente d'un cadre clair, les entreprises doivent s'appuyer sur les textes existants en matière de data, de propriété intellectuelle, de droit du travail et de protection de l'environnement, ainsi que sur la soft law.

ArtefactLa méthodologie de réduction des risques et d'optimisation de la transformation de l'entreprise propre à l'UE

Les progrès époustouflants et continus de l'IA générative obligent les entreprises à agir rapidement, mais avec discernement. C'est pourquoi nous recommandons à nos clients d'adopter un mode de fonctionnement progressif et de mettre en place un cadre solide autour de leur projet de transformation.

Pour obtenir l'adhésion de l'ensemble de l'entreprise, les résultats d'un premier POC sont souvent déterminants. Pour minimiser les risques d'incidents, il est préférable de réaliser ce premier test sur un cas d'usage interne, ou par le biais d'une médiation humaine (ex : un agent humain utilise les informations de l'IA pour mieux servir le client). Dans le même temps, nous devons identifier les applications potentielles dans l'ensemble de l'entreprise, en fonction des besoins commerciaux et de l'ensemble du site data que nous détenons.

Dans le même temps, une feuille de route doit être définie :

  • Organisation : les rôles et les responsabilités doivent être définis, de même que la gouvernance et les processus de création et d'extension des cas d'utilisation. Un plan d'urgence pour se prémunir contre les risques et les biais doit être mis en place.

  • Pile technologique et data: les entreprises doivent s'assurer qu'elles disposent dedata first-party de grande qualité pour servir les cas d'utilisation identifiés, et d'une architecture technique robuste pour les industrialiser. Il est essentiel de sélectionner le bon modèle pour le bon usage, en termes de coût, d'impact ou de performance.

  • Ressources humaines : des programmes d'acculturation et de formation doivent être mis en place dès que possible pour assurer une transition réussie.

La confiance n'exclut pas le contrôle

Si nous sommes convaincus que l'IA générative a et aura un impact positif sur la performance opérationnelle des entreprises et la productivité de leurs collaborateurs, il est important de se lancer avec prudence. Le progrès doit être continu et maîtrisé, et l'humain doit garder le contrôle des modèles, avant de pouvoir profiter pleinement des cas d'usage illimités offerts par ces nouvelles technologies ultra-performantes.