Récemment, il est devenu presque impossible de passer une journée sans voir des gros titres sur l’IA générative ou ChatGPT. Soudain, l’IA est devenue très en vogue, et tout le monde veut sauter dans le train en marche : les entrepreneurs veulent créer une entreprise d’IA, les cadres d’entreprise veulent adopter l’IA pour leur entreprise, et les investisseurs veulent investir dans l’IA.
En tant que défenseur du pouvoir des grands modèles de langage (LLM), je crois que l’IA générative offre un immense potentiel. Ces modèles ont déjà démontré leur valeur pratique en améliorant la productivité personnelle. Par exemple, j’ai incorporé du code généré par des LLM dans mon travail et j’ai même utilisé GPT-4 pour relire cet article.
L’IA générative est-elle une solution miracle pour les entreprises ?
La question qui se pose maintenant est la suivante : comment les entreprises, petites ou grandes, qui ne sont pas impliquées dans la création de LLM peuvent-elles tirer parti du pouvoir de l’IA générative pour améliorer leurs résultats financiers ?
Malheureusement, il y a un fossé entre l’utilisation des LLM pour gagner en productivité personnelle et pour réaliser des profits commerciaux. Comme pour le développement de toute solution logicielle commerciale, il y a beaucoup plus à prendre en compte. Prenons simplement l’exemple de la création d’une solution de chatbot avec GPT-4, cela pourrait prendre facilement des mois et coûter des millions de dollars pour créer un seul chatbot !
Cet article mettra en évidence les défis et les opportunités pour tirer parti de l’IA générative dans un objectif commercial, en dévoilant les enjeux de l’IA pour les entrepreneurs, les cadres d’entreprise et les investisseurs qui cherchent à exploiter la valeur de cette technologie pour les entreprises.
Les attentes des entreprises par rapport à l’IA
La technologie est une partie intégrante des entreprises aujourd’hui. Lorsqu’une entreprise adopte une nouvelle technologie, elle s’attend à ce qu’elle améliore l’efficacité opérationnelle et entraîne de meilleurs résultats commerciaux. Les entreprises attendent la même chose de l’IA, quel que soit le domaine d’application.
D’un autre côté, le succès d’une entreprise ne dépend pas uniquement de la technologie. Une entreprise bien gérée continuera de prospérer, et une entreprise mal gérée continuera de lutter, indépendamment de l’émergence de l’IA générative ou des outils comme ChatGPT.
Tout comme pour la mise en œuvre de toute solution logicielle commerciale, une adoption réussie de l’IA par une entreprise nécessite deux ingrédients essentiels : la technologie doit fournir une valeur commerciale concrète comme prévu, et l’organisation adoptante doit savoir comment gérer l’IA, tout comme elle gère toute autre opération commerciale, pour obtenir le succès.
Le cycle engouement puis désillusion autour de l’IA générative
Comme toute nouvelle technologie, l’IA générative est destinée à suivre un cycle d’engouement et de désillusion, connu sous le nom de “cycle de l’engouement” de Gartner. Avec des applications populaires comme ChatGPT qui suscitent l’intérêt du grand public pour l’IA générative, nous avons presque atteint le sommet des attentes démesurées. Bientôt, la “période de désillusion” s’installera alors que l’intérêt s’estompe, que les expériences échouent et que les investissements sont anéantis.
Bien que la “période de désillusion” puisse être causée par plusieurs raisons, telles que l’immaturité technologique et les applications mal adaptées, voici deux désillusions courantes de l’IA générative qui pourraient briser le cœur de nombreux entrepreneurs, cadres d’entreprise et investisseurs. Sans reconnaître ces désillusions, on risque de sous-estimer les défis pratiques de l’adoption de cette technologie pour les entreprises ou de manquer les opportunités de réaliser des investissements avisés en temps opportun.
Une désillusion courante : l’IA générative égalise les chances
Alors que des millions de personnes interagissent avec des outils d’IA générative pour effectuer une grande variété de tâches, de l’accès à l’information à l’écriture de code, il semble que l’IA générative égalise les chances pour toutes les entreprises : tout le monde peut l’utiliser, et l’anglais devient le nouveau langage de programmation.
Bien que cela puisse être vrai pour certains cas d’utilisation de création de contenu (rédaction publicitaire), l’IA générative se concentre avant tout sur la compréhension du langage naturel (NLU) et la génération de langage naturel (NLG). En raison de la nature de la technologie, elle rencontre des difficultés pour les tâches qui nécessitent une connaissance approfondie d’un domaine spécifique. Par exemple, ChatGPT a généré un article médical avec des “inexactitudes significatives” et a échoué à un examen CFA.
Alors que les experts d’un domaine possèdent une connaissance approfondie, ils ne sont peut-être pas experts en IA ou en informatique, et ne comprennent pas le fonctionnement interne de l’IA générative. Par exemple, ils peuvent ne pas savoir comment solliciter efficacement ChatGPT pour obtenir les résultats souhaités, sans parler de l’utilisation d’une API d’IA pour programmer une solution.
Les avancées rapides et la concurrence intense dans les domaines de l’IA rendent également les LLM fondamentaux de plus en plus courants. L’avantage concurrentiel de toute solution commerciale basée sur les LLM devrait donc se trouver ailleurs, soit par la possession de données exclusives à forte valeur ajoutée, soit par la maîtrise d’une expertise spécifique à un domaine.
Les acteurs déjà présents dans les entreprises sont plus susceptibles d’avoir déjà accumulé une telle expertise spécifique à un domaine. Bien qu’ils aient cet avantage, ils peuvent également avoir des processus hérités qui entravent l’adoption rapide de l’IA générative. Les nouvelles entreprises ont l’avantage de partir d’une page blanche pour exploiter pleinement la puissance de la technologie, mais elles doivent lancer rapidement leur activité pour acquérir un répertoire critique de connaissances spécifiques à un domaine. Les deux font face au même défi fondamental.
Le défi clé est de permettre aux experts métier de former et de superviser l’IA sans exiger d’eux qu’ils deviennent des experts en IA, tout en tirant parti de leurs données ou de leur expertise spécifique à un domaine. Voici quelques éléments clés à prendre en compte pour relever un tel défi.
Considérations clés pour une adoption réussie de l’IA générative
Bien que l’IA générative ait considérablement avancé dans les technologies de compréhension et de génération de langage, elle ne peut pas tout faire. Il est important de tirer parti de la technologie tout en évitant ses limites. Je souligne plusieurs considérations techniques clés pour les entrepreneurs, les cadres d’entreprise et les investisseurs qui envisagent d’investir dans l’IA générative.
Expertise en IA
L’IA générative est loin d’être parfaite. Si vous décidez de développer des solutions internes, assurez-vous de disposer d’experts internes qui comprennent réellement le fonctionnement interne de l’IA et peuvent l’améliorer chaque fois que nécessaire. Si vous décidez de collaborer avec des sociétés externes pour créer des solutions, assurez-vous que ces sociétés possèdent une expertise approfondie qui peut vous aider à tirer le meilleur parti de l’IA générative.
Expertise en ingénierie logicielle
La création de solutions d’IA générative est similaire à la création de toute autre solution logicielle. Cela nécessite des efforts d’ingénierie dédiés. Si vous décidez de développer des solutions internes, vous aurez besoin de talents en ingénierie logicielle sophistiqués pour créer, maintenir et mettre à jour ces solutions. Si vous décidez de travailler avec des sociétés externes, assurez-vous qu’elles feront le gros du travail pour vous (en vous fournissant une plateforme sans code pour construire, maintenir et mettre à jour facilement votre solution).
Expertise dans le domaine
La création de solutions d’IA générative nécessite souvent l’intégration de connaissances spécifiques à un domaine et la personnalisation de la technologie en utilisant ces connaissances. Assurez-vous d’avoir une expertise dans le domaine qui peut fournir et savoir comment utiliser ces connaissances dans une solution, que vous la construisiez en interne ou que vous collaboriez avec un partenaire externe. Il est essentiel que vous (ou votre fournisseur de solutions) permettiez aux experts métier, qui ne sont souvent pas des experts en informatique, d’intégrer, de personnaliser et de maintenir facilement des solutions d’IA générative sans codage supplémentaire ou sans support informatique supplémentaire.
Points à retenir
Alors que l’IA générative continue de remodeler le paysage des affaires, il est utile d’avoir une vision impartiale de cette technologie. Il est important de se rappeler les points suivants :
L’IA générative résout principalement des problèmes liés au langage, mais pas tous les problèmes. La mise en œuvre d’une solution réussie pour les entreprises est plus complexe que simplement utiliser un modèle de langage. Les entreprises doivent tirer parti de leurs connaissances spécifiques à un domaine pour créer des avantages concurrentiels durables. L’adoption réussie de l’IA générative nécessite des compétences en IA, en ingénierie logicielle et dans le domaine. La désillusion qui accompagne souvent l’engouement initial pour l’IA générative peut être évitée en reconnaissant ces réalités et en prenant des mesures éclairées.
En résumé, l’IA générative offre un potentiel énorme pour les entreprises, mais son adoption réussie nécessite une compréhension approfondie de ses limites, ainsi que des compétences techniques et spécialisées pour l’intégrer efficacement dans les opérations commerciales. En surmontant ces défis, les entreprises peuvent tirer parti de l’IA générative pour améliorer leur efficacité, leur productivité et leurs résultats financiers.
