Comment bénéficier d’une technologie en constante évolution : l’IA ?

Share this post:

Difficile d’échapper aux nouveautés que l’intelligence artificielle apporte ! Même si elle est de plus en plus mature et ancrée dans le quotidien des entreprises, on est encore loin d’en tirer tout le potentiel et elles doivent apprendre à s’organiser pour développer leur innovation.

Les entreprises ont multiplié les cas d’usage de l’intelligence artificielle. Le secteur public lui-même s’en est emparé. Il lui reste encore beaucoup à faire, comme le soulignait fin août un rapport du Conseil d’État remis au Premier ministre. Il constate ainsi que l’IA est de plus en plus expérimentée au cœur même de “ la gestion de la circulation automobile, la défense et la sécurité, la lutte contre la fraude ou les politiques de l’emploi ”.

Face émergée de l’iceberg, secteurs privé et public ont aussi massivement adopté par exemple les chatbots pour assurer un service clients et usagers en 24×7. Pourrait-on dès lors en conclure que l’intelligence artificielle est devenue une commodité et que ses usages relèvent désormais du «business as usual» ? L’innovation dans ce secteur est au contraire loin d’avoir atteint son apogée. Elle va vivre une nouvelle vague d’innovations grâce un changement d’approche important par rapport à la génération « deep learning » : les « foundations models » ou modèles fondamentaux. Ils vont servir de base à un ensemble de nouvelles applications qu’on imaginait il y a quelques années, encore du domaine de la recherche.

L’IA, une recherche et développement source d’évolution permanente

Les agents conversationnels, innovants sept ans plus tôt, sont devenus des standards de la relation client. Mais cette technologie continue d’évoluer significativement. Chatbots ou voicebots ne visent plus uniquement à répondre à des questions simples et récurrentes. Ces outils sont en capacité de prendre en compte un nombre toujours plus large d’information contextuelles. Grâce aux progrès apportés par les modèles de type «transformers», l’analyse du langage naturel (NLP), l’IA est aussi en mesure d’apporter des réponses plus riches et plus précises. Et le NLP n’est qu’un des champs d’application de l’intelligence artificielle dans lesquels l’innovation bouillonne. De ce constat émergent deux conclusions :

• Au risque d’être rapidement distancées ou de ne plus répondre aux attentes de leurs clients, les entreprises doivent s’assurer de maîtriser l’état de l’art de l’IA.
• D’autre part, il est capital pour les entreprises d’anticiper les innovations et usages futurs offerts par l’évolution permanente des technologies d’intelligence artificielle. La transformation numérique est un cheminement. Remporter une étape sur ce parcours n’est pas la garantie de laisser définitivement ses concurrents dans son sillage.

Étendre l’adoption de l’IA grâce à l’AutoML et au low code

Les marges de progrès sont conséquentes. Pour s’en convaincre, il suffit de s’intéresser à la proportion des données disponibles au sein de l’entreprise qui sont exploitées par l’IA : cette proportion est encore très limitée. D’autant que le volume de nouvelles données générées progresse très rapidement.

Ce «tsunami Data», tel qui est parfois qualifié, est source de complexité pour les organisations. Elles doivent trouver les moyens de rapprocher le rythme de croissance des données à celui de leur exploitation par l’IA. Plusieurs leviers peuvent y contribuer pour démultiplier la capacité de traitement des organisations.

ll peut s’agir par exemple de confier plus de tâches d’enrichissement des données à l’IA via l’AutoML (Automated Machine Learning). Les approches les plus récentes permettent aussi d’utiliser l’IA comme assistance à la qualité de données et à la préparation des données. Cette automatisation présente l’avantage de réduire le risque de contention sur cette ressource précieuse que sont les data scientists et data engineers, pour les focaliser sur ce que l’IA ne sait pas résoudre aujourd’hui.

Le low code est aussi un autre levier de démocratisation de la data et de l’IA hors des cercles d’experts. Des outils proposent ainsi à des métiers sans maîtrise technique avancée de concevoir, en plus ou moins grande autonomie, des solutions au plus proche de leurs besoins, dans une approche self-service. L’innovation par l’IA ne doit pas être élitiste. 

On le constate, le capital stratégique que constitue le patrimoine de données gagnerait à être plus largement exploité pour nourrir des modèles d’intelligence artificielle. Ces usages ouvrent le champ des possibles en termes d’innovations de rupture, que ce soit au service de l’expérience utilisateur ou employé, ou d’autres finalités business. Se saisir de ce potentiel suppose préalablement de maîtriser en production l’état de l’art actuel de l’IA, mais aussi de mener un travail de veille et d’expérimentation sur ses avancées.

IA multimodale, temps réel, quantique… leviers des prochaines disruptions

Jamais une technologie n’a autant mobilisé les métiers ni offert un spectre aussi large en termes d’usages. La reconnaissance d’image dans des environnements 3D ou bien de la parole dans un environnement bruyant sont des exemples de ce dont peuvent se saisir les entreprises. La précision de la reconnaissance vocale permet d’ores et déjà de repenser les interactions avec les clients et d’imaginer de nouvelles expériences utilisateur.

Les IA génératives, et notamment de texte comme GPT3, commencent à se déployer à l’échelle. Ces algorithmes viennent déjà augmenter les collaborateurs dans la rédaction de contenus. Le très médiatisé algorithme Stable Diffusion, permettant de générer une image à partir de texte, pourrait aussi offrir de nouvelles opportunités aux entreprises dans le domaine de la créativité.

L’IA multimodale, capable de croiser différents types de données et sources, promettent aussi des ruptures et de nouvelles innovations business. Une IA optimisée peut être non seulement temps réel, mais aussi embarquée, ouvrant à des nouvelles expériences d’interaction. Elles iront au-delà du traitement du texte et de l’image, offrant des capacités dans la 3D, la vidéo, les données de capteurs, temporelles ou géospatiales.

Enfin l’informatique quantique va apporter des nouvelles approches pour l’apprentissage machine, permettant d’adresser certains cas d’utilisation ou l’approche classique avait ses limites.

Encore faut-il comprendre ces évolutions de l’IA, leurs limites, et surtout leur intérêt business potentiel. C’est là qu’intervient le technologiste en IA. Son rôle, grâce à sa connaissance de l’état de l’art, est de faire un lien entre la technologie et le business afin que l’entreprise tire profit des progrès accomplis. Sa fonction est également de maîtriser le niveau de complexité inhérent à l’IA.

Cette complexification nécessite des organisations qu’elles créent les conditions de la confiance, en développant la transparence et l’explicabilité : quelles données ont été utilisées, est-ce que la source est fiable, quel est le raisonnement derrière la décision ? L’Ethique en IA devient plus que jamais clef dans l’adoption.

La quête de performance économique ne peut pas être le seul enjeu de l’IA. La crise climatique impose des obligations en faveur d’une IA plus responsable, soutenable sur le plan environnemental. Des solutions existent pour réduire d’un facteur très important le coût énergétique sans sacrifier la performance.

Une stratégie pour nourrir l’innovation à base d’IA

Concilier à la fois l’exploration en matière d’IA et le maintien en condition opérationnelle des systèmes en production est un défi d’envergure pour une majorité d’entreprises. Pour des raisons de compétitivité, d’amélioration continue et de diffusion de l’innovation, il est essentiel d’allouer des ressources à la recherche et à l’expérimentation.

Cet objectif peut être atteint grâce à un renforcement de l’industrialisation et à l’automatisation de différentes opérations du cycle de vie de l’IA au travers du DataOps et du ModelOps. Les gains obtenus pourront alors être investis dans l’innovation.

L’innovation est aussi une culture à insuffler au sein de l’organisation, un objectif formel et valorisé pour les collaborateurs. Les équipes IA ont aussi tout à gagner à se nourrir de catalyseurs via des collaborations croisées avec des laboratoires de recherche ou par le biais de hackathons. L’intelligence artificielle touche l’ensemble de l’économie. Elle n’a pas de frontières et ses experts ne devraient pas s’en imposer !

Téléchargez l’ouvrage   » DÉFIS : Pour une performance réinventée  » dans lequel 70 décideurs transmettent les clés d’une transformation digitale et durable