Auteur
Depuis fin 2022, le domaine de l'intelligence artificielle générative est en plein essor. Ce nouveau dynamisme du secteur fait que la plupart des grandes marques soutenues par Artefact envisagent aujourd'hui d'intégrer ces technologies dans leurs applications métiers, pour gagner la course à l'efficacité et à l'adoption par leurs clients et collaborateurs. Leurs niveaux de maturité sur le sujet sont cependant variés : peu d'entreprises ont lancé des cas d'usage (60% ont initié des projets, environ 26% ont lancé des POC), et seulement 3% les ont encore industrialisés. Comment les technologies génératives AI vont-elles créer un impact commercial significatif et immédiat pour les entreprises ?
Chiffres - juin 2023
Une évolution technologique qui accélère l'utilisation de AI par les entreprises
Au cours des six derniers mois, les acteurs de l'intelligence artificielle générative se sont livrés à un véritable marathon, annonçant sans cesse des avancées majeures dans ce domaine. Des géants du web tels que Microsoft avec Open AI, Google avec PaLM, Amazon avec Bedrock et Meta avec LLama, à source ouverte En ce qui concerne les développeurs de logiciels, de nombreux acteurs de la génération AI proposent des technologies qui stimulent l'innovation dans les applications commerciales. Par exemple, GPT intègre le moteur de recherche Bing et la suite bureautique de Microsoft, tandis que tous les produits Google bénéficieront de PaLM 2. Amazon et Meta commencent à intégrer leur AI générative dans leurs produits publicitaires. Et l'émergence récente de centaines de solutions open source facilite l'accès à ce type de technologie pour les développeurs de tous horizons.
Tous les acteurs n'adoptent pas la même approche stratégique. Certains, comme Open AI, se concentrent sur l'ultra-performance de leur modèle, tandis que d'autres acteurs, comme Google, développent également des versions plus légères - mais efficaces - de leurs algorithmes. Ces versions sont plus efficaces pour l'intégration locale sur les appareils des utilisateurs (mobiles, ordinateurs de bureau, enceintes connectées) ainsi que dans les logiciels spécialisés ’business“.
Cet écosystème dynamique encourage l'utilisation de la technologie générative AI sur les marchés B2C et B2B. Pour les entreprises, cela représente de nouvelles opportunités de maximiser leurs performances, ainsi que celles de leurs employés et de leurs clients. Selon un récent rapport de Goldman Sachs, cette technologie pourrait accroître la productivité du travail et le PIB des États-Unis de 7% au cours des dix prochaines années.
Quatre catégories d'applications basées sur la technologie générative AI pour “augmenter” les opérations commerciales
L'utilisation de l'intelligence artificielle générative dans l'ensemble de la chaîne de valeur de l'entreprise n'est pas nouvelle, mais son utilisation est maintenant démocratisée et multipliée. Pour certaines grandes marques et les sociétés de services AI qui les soutiennent, des cas d'utilisation sont déjà conçus et déployés au stade du test.
Bien que les possibilités soient illimitées et que les applications dépendent des besoins de l'entreprise, les principales utilisations peuvent être divisées comme suit quatre catégories.
Au sein du La première concerne l'accessibilité à l'ancien complexe data pour des fonctions n'ayant que peu ou pas d'expertise en matière d'analyse de data. Les capacités de AI permettent de développer des outils intuitifs pour que les utilisateurs professionnels puissent accéder, consulter et trier de très grands volumes de data, obtenir des tableaux de bord et de nouvelles data en quelques secondes. Les progrès récents en matière de traitement du langage naturel (NLP) permettent à ces professions d'interagir encore plus facilement avec data. Les logiciels spécialisés dans des domaines tels que la finance, le marketing ou la logistique peuvent ainsi être “augmentés” grâce à des fonctionnalités génératives qui automatisent les tâches répétitives et/ou chronophages afin d'aider ces rôles dans leur prise de décision. Artefact a permis aux équipes commerciales d'une société de services de s'appuyer sur une solution de qualification des prospects qui identifie les intentions des clients et des prospects en détectant des signaux dans de très grands volumes de data. Les distributeurs internationaux peuvent également mieux gérer leurs stocks et optimiser leurs politiques de prix en croisant de nombreux paramètres pour mieux comprendre les causes de l'augmentation ou de la diminution des ventes d'un produit ou d'une catégorie donnée.
Le second concerne les relations de l'entreprise avec ses différents audience.. Nous travaillons avec un certain nombre de marques pour créer des chatbots et des centres d'appels alimentés par des AI génératives afin de répondre aux demandes des clients de manière plus pertinente et hautement personnalisée, au cours d'interactions qui ressemblent à une conversation entre deux humains. Des informations peuvent également être tirées de ces échanges afin de mieux comprendre les besoins et les attentes des appelants de la marque, ce qui augmente la satisfaction des clients.
La troisième catégorie, déjà largement utilisé aujourd'hui, est génération de contenu. Il s'agit d'une application en plein essor qui permet de développer et d'adapter des textes, des images et des sons pour alimenter les activités marketing des entreprises : contenu de sites, fiches produits, mailings, publicités, présentations, etc. A titre d'exemple, nous travaillons sur un projet de ’content supercharger“ pour un groupe automobile. Cette solution s'appuie sur le data propriétaire du constructeur et capitalise sur une veille avancée des réseaux sociaux pour booster la production de contenus personnalisés pour la marque. Les créatifs peuvent désormais se libérer des tâches chronophages, comme l'adaptation des concepts, et se concentrer sur leur valeur ajoutée : l'idéation et la stratégie.
La quatrième application majeure est l'amélioration de l'efficacité des modèles préexistants ou des processus logistiques. Par exemple, les entreprises du secteur de la bancassurance disposent généralement de plusieurs algorithmes dédiés à la prédiction des risques ou à la détection des fraudes. Ces outils peuvent ne pas avoir la même interprétation des différents signaux qu'ils captent. Dans de telles situations, les agents humains doivent être en mesure de prendre des décisions rapidement et facilement. C'est là qu'une couche de AI générative peut être ajoutée pour résumer - de manière digeste pour un humain - les raisons qui ont conduit les algorithmes initiaux à présenter leurs conclusions.
Une vague de fond qui bouleverse l'économie et les organisations
Nous sommes au tout début d'une révolution des usages, non seulement dans la vie quotidienne, mais aussi dans les applications professionnelles. L'intelligence artificielle générative est tellement intuitive et facile à utiliser qu'elle sera bientôt déployée dans les entreprises, afin d'éviter de créer un fossé trop important entre la fluidité des usages personnels et professionnels.
Toute la chaîne de valeur de l'entreprise sera impactée, et si nous n'en sommes qu'aux prémices, les premières intégrations sont déjà très prometteuses. Pour en tirer le meilleur parti dès aujourd'hui et préparer l'avenir, les marques devront rapidement gagner en maturité sur le sujet. Pour relever les défis techniques, environnementaux et éthiques posés par le AI, elles devront recruter de nouvelles fonctions et acculturer les employés, choisir les bonnes technologies génératrices de AI, mettre en place une gouvernance adaptée, identifier les cas d'usage avec les métiers, s'assurer de la transparence, de l'éthique et de l'impact environnemental des applications développées.
