Intelligence artificielle générative ?

Si elle fait parler d’elle depuis plusieurs années déjà, l’intelligence artificielle a connu une notoriété fulgurante avec l’arrivée très médiatisée sur le marché de ChatGPT. En quelques jours, tout le monde avait entendu parler l’IA, et de ses capacités génératives.

Car dans ce cas, on parle bien d’intelligence artificielle générative, c’est-à-dire capable de créer de l’information sous différentes formes (texte, photos, code, etc.) à partir de sources qu’elle a préalablement intégrées. Des informations et du contenu qui peuvent prendre de multiples formes : du texte, des images, des vidéos ou encore du code, une cartographie d’un système d’information, etc.

Les capacités de l’intelligence artificielle générative résultent de progrès fulgurants ces dernières décennies, avec le déploiement ultra rapide d’Internet, des données (big data), mais aussi des capacités de calcul des machines. Au-delà des résultats (les contenus générés), c’est aussi et surtout sur sa capacité d’absorption rapide et complète d’immenses quantités d’informations que ses prouesses sont à saluer. En quelques secondes, la machine est en mesure de « lire » et d’enregistrer une quantité phénoménale de sources, afin de s’en servir plus tard.

Par ce fonctionnement qui surpasse largement les capacités humaines, l’intelligence artificielle générative permet d’entrevoir des possibilités infinies en termes d’accompagnement des activités humaines : identification rapide et sûre de signaux faibles dans les sources d’information, aide à la décision, etc.

La génération de valeur et l’amélioration de l’expérience utilisateur constituent d’ailleurs l’objectif principal de l’intelligence artificielle générative. Ainsi, la suppression de tâches laborieuses ou répétitives améliore considérablement le quotidien et permet aux collaborateurs de se consacrer à des actions à plus forte valeur ajoutée.

À ce titre, tous les secteurs d’activité et les fonctions des organisations sont potentiellement concernés - y compris la DSI, qui ne doit pas s’oublier dans le déploiement de projets d’IA générative.

Derrière ChatGPT, des usages professionnels à sécuriser

Pour des projets personnels ou même professionnels non sensibles, ChatGPT est en mesure de répondre aux besoins sans risque. Car dans sa version gratuite destinée au grand public, ChatGPT prévoit d’absorber les informations transmises par les utilisateurs, afin de potentiellement les réutiliser pour les requêtes d’autres utilisateurs.

C’est toute la raison d’être de la version payante de GPT d’Open AI : également développée sur Microsoft Azure, elle prévoit, au contraire de sa version gratuite, de sécuriser les données des organisations utilisatrices sur des instances privées, utilisables via API.

Cette confidentialité des données sources a pour but de supprimer tout risque de fuite ou de vol d’information. Mais pas seulement : ce sont aussi les contenus générés qu’il s’agit de protéger. En termes de propriété intellectuelle tout d’abord : la génération du code d’un nouveau programme doit rester la propriété de l’entreprise.

C’est aussi le cas en termes d’informations à protéger : une cartographie de système d’information rendue publique pourrait entraîner des conséquences dramatiques pour l’organisation, qui se verrait alors exposée à des malveillances potentielles, capables de s’introduire aisément dans le SI.

Plus généralement, il faut aussi raison garder : l’IA générative n’est pas la réponse à tout. Elle trouve une véritable utilité dans certains cas, mais peut s’avérer parfaitement stérile dans d’autres. Il s’agit donc de définir prioritairement les cas d’usage les plus pertinents, pour que les projets d’IA soient à la fois efficaces quant au service attendu, et surtout rentables. Sans oublier de conserver une certaine éthique malgré l’absence d’encadrement réglementaire, qui ne manquera sans doute pas de se développer dans les prochaines années.

Valeur business et ROI au cœur des projets professionnels d’IA générative

Outre l’attrait pour la technologie en tant que telle, c’est avant tout la valeur business potentielle qui est à rechercher dans les projets d’intelligence artificielle générative. En l’occurrence, quels que soient les processus, les métiers ou les secteurs d’activité concernés, ces projets ont tous un point commun : ils ont pour but de faciliter, accélérer ou rendre possibles (ou plus rapides) des actions humaines.

Ce qui se concrétise, au départ, par une question, une problématique. Immédiatement suivie de l’analyse d’une importante quantité d’informations exogènes (c’est le cas de Chat GPT) ou endogènes (informations de l’entreprise elle-même). Avec l’objectif d’obtenir une réponse à la question ou à la problématique par une création d’informations utiles à l’humain : aider à la prise de décision, détecter une anomalie, analyser un schéma créé à main levée, prioriser de problèmes à lever, etc.

De façon plus globale, la génération automatisée d’informations permet de faciliter et de sécuriser certains processus, telle que le passage d’une idée à une première version : validation ou constatation d’échec plus rapide, A/B testing, ré-expérimentation simplifiée, etc. De même, l’IA générative peut constituer une aide précieuse pour l’identification d’anomalies ou d’incidents dans un processus industriel ou informatique par exemple.

Dans tous les cas, l’objectif est souvent le même : gagner en efficacité, en productivité et en valeur ajoutée. Ou tout simplement aider les équipes dans leurs tâches quotidiennes, opérer certaines actions et lever une dose de charge mentale : on commence même à penser que l’intelligence artificielle générative pourrait aller jusqu’à réduire les risques de burnout.

Il s’agit toutefois de garder la tête froide : la technologie d’intelligence artificielle générative et ses usages sont encore balbutiants, et un regard critique quant aux réponses ou recommandations apportées demeure indispensable. La formation des utilisateurs devra nécessairement accompagner le déploiement des projets d’IA générative, tandis que des études d’impact devront être menées quant à leurs conséquences éventuelles sur l’emploi.

Enfin, avant d’investir dans de tels projets, c’est aussi la question du ROI qu’il s’agit de se poser. En tenant compte des coûts et des bénéfices directs, tels que les coûts technologiques, le temps passé, l’efficacité et productivité gagnées, etc. Sans oublier les coûts et bénéfices indirects, telle que la compensation de difficultés de recrutement par exemple.

Par Eva Jaidan, Lead Data Scientist – AI & Analytics, MEGA International