IA générative : les clés d’une utilisation professionnelle efficace

This article is featured on HBR France, and is written by Aurélie Jean,Terence Tse,Mark Esposito,Danny Goh,Paul Lee.

Alors que la frénésie autour de ChatGPT s’est calmée, les entreprises se demandent comment exploiter réellement la puissance de l’IA générative.

Près d’un an et demi après la sortie de ChatGPT 3.5, les entreprises et les particuliers se sont précipités pour explorer les technologies d’IA générative (GenAI). Pour beaucoup, il y avait une peur palpable de passer à côté de la prochaine grande nouveauté, d’être dépassés par des concurrents capables de révolutionner leur entreprise, ou d’être pris au dépourvu par un changement radical à l’échelle de leur secteur. Rapport après rapport, certains experts ont vanté le pouvoir transformateur du GenAI dans tous les secteurs et ses implications sur l’avenir du travail (« Artificial intelligence’s promise and peril », de Hervé Tourpe, FMI, 2024).

Pour ajouter de l’huile sur le feu, nombre de médias nous ont rappelé que des emplois allaient probablement être perdus à grande échelle et rapidement.

Aujourd’hui, la frénésie GenAI semble s’être calmée – du moins marginalement. De nombreuses entreprises sont toujours confrontées aux mêmes questions qu’il y a un an : comment tirer parti des économies de coûts promises et des gains d’efficacité substantiels que GenAI est censé offrir ? Comment réellement procéder pour l’utiliser à des fins professionnelles ?

L’IA générative : Prometteuse, mais complexe

Beaucoup d’entreprises semblent être en difficulté. Il y a plusieurs raisons à cela.

• Premièrement, de nombreuses entreprises, peu importe leur taille, se demandent encore comment intégrer les IAs précédemment déployées (comme les algorithmes basés sur des règles explicites ou de l’apprentissage automatique) dans leurs opérations. Au mieux, ils sont dans une phase exploratoire avec ces IAs, et au pire ils se sentent simplement perdus. Une étude récente suggère que plus de 70 % des grandes entreprises interrogées se demandent encore comment tirer parti des avantages potentiels que l’IA peut offrir (« Becoming an AI-fueled organization Deloitte’s State of AI in the Enterprise », Deloitte AI Institute et Deloitte Center for Integrated Research, Deloitte Insights, 2023).
• Deuxièmement, la GenAI est beaucoup plus complexe que les autres IAs et est aujourd’hui conçue pour répondre à des objectifs spécifiques. Bien qu’elle soit capable de rédiger un rapport de 5 000 mots en un rien de temps, elle ne peut pas, par exemple, effectuer une tâche de saisie de données de base, comme extraire et classer les données du permis de conduire, que les autres IAs peuvent effectuer facilement et efficacement. C’est pourquoi les entreprises doivent réfléchir en profondeur à la rentabilité des GenAI en découvrant leurs avantages concrets et pratiques en comparaison aux autres IAs. Naviguer à travers l’IA, c’est comme naviguer dans des eaux agitées avec un navire à la pointe de la technologie mais quelque peu encombrant, et les GenAIs ajoutent plus de tonnage, de puissance et une mer encore plus turbulente. Une entreprise encore instable avec le premier aura bien sûr du mal avec le second.
• Troisièmement, les implications à long terme de l’adoption de GenAI – telles que les coûts à long terme et les impacts de la réglementation actuelle et future – sont encore incertaines. Pour nous, la situation actuelle nous ramène juste avant le millénaire. Même si les entreprises de l’époque avaient peut-être compris la nécessité de créer des sites Web, rares étaient celles qui voyaient clairement les rôles spécifiques que l’Internet au sens large jouerait en tant que partie intégrante des stratégies omnicanales, sans parler des appareils et des applications téléphoniques.

Compte tenu de tout cela, il est logique que la plupart des entreprises soient toujours à la recherche d’une voie à suivre (même si l’on a l’impression que tout le monde l’a compris). Cela ne veut pas dire que la recherche est une folie. Voici comment les entreprises peuvent s’orienter et déterminer la marche à suivre.

Le marché de GenAI

La première décision que la plupart des entreprises doivent prendre est de savoir quel produit GenAI elles souhaitent utiliser. À l’heure actuelle, il existe de nombreux fournisseurs de GenAI – à la fois des titans de l’industrie tels que Meta et Alphabet et de nouveaux venus comme Hugging Face, Anthropic et Stability.ai. Ce marché est appelé à devenir encore plus encombré, avec des sociétés riches en données telles que Bloomberg et JPMorgan Chase signalant leur intention d’entrer dans la mêlée, et Apple travaillant sur sa propre offre, appelée Ajax. Les entreprises devraient prendre en compte quelques facteurs.

D’une part, Open AI et ses rivaux actuels se disputent désormais le premier choix des développeurs de solutions GenAI, et les retardataires ont peut-être déjà raté le coche. L’introduction récente par OpenAI d’un outil simple pour créer des applications basées sur ChatGPT est probablement une tentative de consolider sa position, car les utilisateurs habitués à un système sont susceptibles de l’utiliser à nouveau dans leurs projets futurs. Avec la GenAI la plus grande – et sans doute la meilleure – du marché, OpenAI est la mieux placée pour établir un écosystème.

Cela dit, les développeurs de solutions ne voudront probablement pas prêter allégeance à l’un des fabricants de GenAI afin de conserver la possibilité de sélectionner GenAI pour différents projets. Cela a donné naissance à des boîtes à outils telles que LangChain, une plate-forme open source conçue pour permettre aux utilisateurs de travailler simultanément sur différentes GenAI.

La concurrence qui se joue entre les différentes sociétés GenAI ressemble un peu aux premiers jours du duel entre iOS et Android. Un vaste écosystème permettrait à OpenAI de rester le leader du marché (qui rapporte de l’argent) pendant quelques années jusqu’à ce que ses concurrents parviennent à unir leurs forces. Cela ne signifie pas nécessairement qu’Apple et Google s’uniraient pour concurrencer Microsoft. Plus probablement, nous verrions des concurrents s’entendre sur la même norme sur laquelle collaborer afin de s’opposer à la domination d’OpenAI. Nous pensons que cela n’est pas sans rappeler la situation de 2015, dans laquelle les partisans d’Android ont finalement réussi à établir un écosystème significatif pour rivaliser avec iOS. À mesure que le marché GenAI se consolide, nous pouvons nous attendre à voir deux à trois grandes factions se faire concurrence. Attendez-vous à ce que davantage d’entreprises, grandes entreprises technologiques et startups, redoublent d’efforts pour être au cœur de ces systèmes.

Considérations clés pour tirer parti du GenAI

Compte tenu de la situation actuelle, comment les entreprises pourraient-elles intégrer du GenAI ? Voici quelques suggestions :

➤ Choisissez la performance plutôt que la nouveauté

De notre expérience avec GenAI, ses performances ne proviennent pas de réponses textuelles de type humain de manière conversationnelle ou d’un modèle formé sur une grande quantité de données. Pour tirer le meilleur parti de GenAI, vous devez vous demander s’il s’agit de la bonne technologie pour une tâche ou un objectif particulier.

Par exemple, bien que ChatGPT soit (pour le moment) meilleur dans le traitement des mots et des langues, nous avons constaté que les modèles traditionnels d’apprentissage en profondeur donnent de bien meilleurs résultats dans le traitement des images. Autre découverte : dans un produit que nous construisons, nous avons constaté que ChatGPT-4 est plus efficace pour « comprendre » les requêtes des utilisateurs, tandis que la version 3.5 est plus rapide et plus efficace pour convertir les résultats traités en réponses aux utilisateurs.

En d’autres termes, au lieu d’adopter sans réserve les dernières technologies d’IA, les entreprises doivent comprendre les problèmes commerciaux qu’elles tentent de résoudre et trouver l’outil d’IA le plus approprié en fonction à la fois des forces et des faiblesses de chacune des options disponibles.

➤ Combinez le GenAI avec la puissance des bases de données vectorielles

Il s’agit d’une nouvelle forme de base de données spécialisée dans la récupération des données les plus proches statistiquement afin de répondre au mieux à des requêtes spécifiques (par opposition aux bases de données traditionnelles qui contiennent simplement les données collectées). Les entreprises peuvent utiliser une GenAI telle que ChatGPT pour décomposer les requêtes des utilisateurs, puis utiliser une base de données vectorielles pour rechercher les meilleures réponses correspondant à ces paramètres.

Prenons une analogie : si vous passiez un entretien pour un emploi, ChatGPT et ses concurrents offriraient la possibilité de « lire la salle », en analysant la posture, les expressions faciales, les choix de mots et les tons des intervieweurs. Les bases de données vectorielles, en revanche, agiraient comme des banques de mémoire et de sagesse, constituant la capacité de proposer les meilleures choses à dire.

En d’autres termes, GenAI à lui seul n’est peut-être pas suffisant. Selon les problèmes à résoudre, cela ne peut représenter que la moitié de la solution technologique. La nécessité d’une base de données vectorielles pour rendre GenAI vraiment utile signifie que les entreprises doivent s’attendre à faire face à encore plus de complexité et à des délais de mise en œuvre plus longs lors de la mise en place de la solution.

➤ N’oubliez jamais l’humain (human-in-the-loop)

Comme toujours, quelle que soit la puissance des technologies d’IA, leurs capacités dépendent de l’implication des humains. Ce constat est similaire pour les GenAIs. Les humains jouent un rôle essentiel en guidant les GenAIs vers les objectifs commerciaux, en gérant les interactions au sein des systèmes informatiques, en concevant les actions requises pour que les données entrent et sortent des modèles d’IA ainsi qu’en atténuant les hallucinations – les informations inventées ou carrément fausses produites par GenAI – cela reste aujourd’hui un problème majeur de GenAI.

➤ N’oubliez jamais l’explicabilité

Exploré depuis de nombreuses années, le domaine du XAI (eXplainabiligy AI) s’applique également à l’IA générative et à ses applications. Cela dit, lorsqu’on utilise une telle technologie, on devrait être capable d’expliquer certains (sinon la plupart) résultats, et erreurs possibles (telles que les hallucinations ou les discriminations technologiques) en appliquant les méthodes statistiques développées de XAI. Il convient de noter que XAI est un domaine en constante évolution qui progresse à un rythme rapide dans les laboratoires universitaires, les départements de R&D privés et les startups. Cela implique que chaque acteur utilisant de telles technologies doit mettre à jour ses connaissances.

➤ Tracez vos données

Même si le problème des hallucinations reste encore omniprésent, il est important d’établir une trace claire depuis la source de données jusqu’aux utilisateurs finaux. La traçabilité permet aux utilisateurs de connaître la source originale des données, ce qui renforce la fiabilité et la fiabilité des résultats de GenAI, créant ainsi une base plus solide pour une prise de décision éclairée.

Les entreprises doivent s’assurer que le traçage des données constitue une caractéristique importante à la fois dans leurs piles technologiques ainsi que dans leurs processus et flux de travail. Ce n’est qu’ainsi que les entreprises pourront être pleinement conscientes qu’elles utilisent les bonnes données.

Ayez des attentes réalistes

GenAI est un navire rapide avec beaucoup de choses qui se passent sous le pont. Il est difficile de savoir exactement quoi, dans quelle mesure et à quelle vitesse les entreprises GenAI peuvent réaliser. Croire avec conviction qu’elle peut produire des résultats immédiats et des rendements financiers exceptionnels conduira très probablement à des déceptions. Les dirigeants doivent reconnaître que le parcours exploratoire et expérimental de GenAI sera probablement long.

L’utilisation des technologies GenAI dans les opérations commerciales transcende un simple investissement technologique ; c’est un impératif commercial. Aussi difficile que cela puisse être en tant qu’entreprise, intégrer du GenAI dans les opérations de l’entreprise nécessite de comprendre les nuances des développements actuels de GenAI et d’avoir une conscience aiguë des défis présentés. Pourtant, pour les entreprises qui parviennent à utiliser GenAI avec succès pour atteindre leurs objectifs commerciaux, les récompenses ne peuvent être qu’à la fois prometteuses et énormes.

Aurélie Jean: Docteure en sciences, entrepreneure, et autrice, spécialisée en modélisation algorithmique, vit et travaille entre les Etats-Unis et la France. Elle a fondé deux entreprises : une agence de conseil et développement en data et en algorithmique, et une start-up de deeptech en algorithmique dans le domaine médical. Elle enseigne en formation continue, est investisseure business angel et est chercheuse invitée à la Hult Business School. Aurélie Jean est auteure de plusieurs essais sur la science algorithmique et contribue à de nombreux médias grand public dans le domaine des sciences et des technologies.

Terence Tse: Professeur, auteur et conférencier, il est le cofondateur et le directeur exécutif de Nexus FrontierTech, qui accélère les entreprises en créant des solutions d’IA. Professeur à la Hult International Business School, ses recherches ont donné lieu à de nombreuses communications et publications dans des revues et journaux professionnels. Il est titulaire d’un doctorat obtenu à la Judge Business School de l’université de Cambridge.

Mark Esposito: Professeur en gestion et en économie à la Hult International Business School et à l’université Harvard depuis 2011. Il est stratège en socioéconomie et connaisseur des changements liés à la quatrième révolution industrielle. Auteur de bestsellers sur les grandes tendances, les modèles économiques innovants et la compétitivité, il a cofondé Nexus FrontierTech, une entreprise de création d’IA, et Circular Economy Alliance. Il est également expert global du World Economic Forum depuis 2014 et senior advisor chez Strategy (PwC). Mark Esposito est aussi titulaire d’un doctorat à l’Ecole des Ponts ParisTech. 

Danny Goh: Entrepreneur et investisseur, il est associé et directeur commercial de Nexus Frontier Tech, un cabinet de conseil en intelligence artificielle présent à Londres, Genève, Boston et Tokyo. Il a aussi cofondé Innovatube, un groupe technologique qui comprend un laboratoire de R&D dédié aux logiciels et à l’intelligence artificielle, un fonds d’investissement et un incubateur. Expert à l’Entrepreneurship Centre de la Saïd Business School de l’université d’Oxford, il est aussi chercheur au Center for Policy and Competitiveness, à Paris.

Paul Lee: Paul Lee est cofondateur et PDG d’Aumeo Audio, d’ACE Communications et de Ximplar.