Passer au contenu principal Skip to footer

En bref

La capacité de création a toujours été considérée comme le propre de l’Homme – sans parler d’art, nous sommes les seuls à pouvoir faire une analyse compétitive, une présentation professionnelle ou à développer du code. En novembre 2022, l’arrivée de ChatGPT d’Open AI bouleverse cette croyance. Toute personne connectée via son ordinateur ou son smartphone peut assister à la création ultra rapide de nouveaux contenus et d’idées par des systèmes d’IA générative répondant à une requête (ou prompt en anglais). Nous sommes entrés dans une nouvelle ère, celle de la gen AI. 

À première vue, cela peut sembler menaçant. Mais en regardant de plus près, la promesse de l’IA générative est évidente : plutôt que de remplacer les individus, cette technologie est synonyme d’amélioration et d’augmentation de nos propres capacités. Elle peut nous aider dans la prise de décision et nous rendre plus performants dans ce que nous faisons déjà.

Les entreprises peuvent d'ores et déjà intégrer des outils de gen AI dans leurs flux de travail de manière sûre et responsable. A mesure qu’elle pénètre les différentes couches technologiques, l’IA générative évoluera pour faire plus que de la simple automatisation de tâches élémentaires. De nombreux systèmes de gen AI vont se mettre à collaborer pour orchestrer tous les processus, systèmes et référentiels de connaissances nécessaires à l'exécution d'une série complexe de tâches interdépendantes, allant de la modification du design d'un produit au calcul des congés en fonction de la charge de travail à venir. Et plutôt que d'utiliser des systèmes, applications et données disparates, il suffira de passer par une interface interactive et conversationnelle unique qui établira toutes les connexions nécessaires.

En bref, l'IA générative va changer profondément notre façon de travailler en centralisant toutes les informations d’une entreprise : collaborateurs et clients auront un point d’accès unique et unifié. L'IA générative en évoluant entraînera l’augmentation de notre productivité à des niveaux inégalés. Simultanément, cela modifiera également profondément la façon dont les entreprises innovent, prennent des décisions et s’organisent.

Les risques liés à l'IA générative sont bien connus : sécurité et éthique. De nombreuses entreprises hésitent d’ailleurs dans son adoption pour ces raisons. Cela n'est pas sans rappeler les débuts des ordinateurs, d'internet et de l'informatique mobile. Mais comme ces technologies, l'IA générative va cesser d'être la cause de disruptions majeures pour faire totalement partie de nos outils de travail. Grâce à une gouvernance adaptée et une mise en œuvre progressive - tout en restant attentif à ses impacts – la gen AI pourra et devra être déployée en toute sécurité. L’objectif étant de ne pas en limiter ses bénéfices en termes d'innovation, d'efficacité et de productivité.

Les dirigeants qui comprennent l'ampleur du phénomène et optent pour une adoption précoce et sécurisée dès aujourd'hui, en tireront des avantages extraordinaires, à la hauteur des capacités inouïes de l’IA générative. 

L'IA générative est déjà à l'œuvre :

De la rédaction de FAQ au code informatique, la gen AI booste déjà la productivité.

Poursuivre la lecture
image
Étape suivante, l'orchestration :

Le véritable changement interviendra lorsque les systèmes d'IA générative se connecteront et interagiront entre eux.

Poursuivre la lecture
image
Un facteur d'innovation :

L'IA générative peut renforcer la capacité humaine d’exécution et de création, mais aussi de réflexion. 

Poursuivre la lecture
image
Une aide à la prise de décision :

Une fois la gen AI totalement intégrée aux systèmes de l’entreprise et associée aux bonnes données, la prise de décision sera plus rapide et plus précise.

Poursuivre la lecture
image
Un catalyseur pour l'excellence organisationnelle :

Pour adopter l'IA générative, les entreprises devront modifier leurs structures organisationnelles.

Poursuivre la lecture
image
Gérer les risques :

Il est essentiel de comprendre les problèmes que peut soulever l'IA générative pour réussir cette transition.

Poursuivre la lecture
image
Comment commencer :

Du premier pas au choix du bon modèle, cinq conseils pour un déploiement réussi.

Poursuivre la lecture
image
La voie à suivre :

La gen IA améliore la façon dont l’entreprise fonctionne et celle dont les humains travaillent. 

Poursuivre la lecture
image

IA générative : une avancée en matière d'automatisation

Le grand public a découvert l'IA générative avec ChatGPT et a tout de suite remarqué la fluidité de son interface de discussion avec laquelle les utilisateurs pouvaient échanger naturellement. Le modèle faisait des réponses apparemment réfléchies, qui défilaient sur l'écran comme si elles avaient été saisies par une vraie personne.

Mais l'attention s'est rapidement portée sur ce que l'intelligence artificielle pouvait faire et créer à partir de ces conversations fluides. Contrairement aux systèmes d'IA traditionnelle, qui réagissent aux données en suivant des règles préétablies, les modèles d'IA générative peuvent créer des contenus. Si l'IA traditionnelle d'un service de streaming peut vous recommander un film susceptible de vous plaire, l'IA générative peut, en quelques secondes, écrire un scénario de film original précisément adapté à vos goûts et à vos demandes. Ou une symphonie. Ou même le code d'un logiciel.

Voici quelques cas d’utilisation déjà mis en œuvre en entreprise :

Service client

Certaines entreprises ont recours à l'IA générative pour explorer leurs systèmes de gestion des connaissances à la recherche de données pertinentes, utilisées ensuite pour concevoir et créer de nouveaux FAQ et guides. Si la FAQ ne résout pas le problème du client, l'IA générative peut traiter les demandes sans intervention humaine, en recherchant des informations techniques dans des bases de données complexes ou en suggérant des solutions basées sur des cas antérieurs similaires. Les agents humains peuvent ainsi se consacrer aux demandes plus complexes, ce qui améliore la qualité du service dans son ensemble.

image
Gestion de fortune

Chez Morgan Stanley, les conseillers en gestion de fortune ont commencé à utiliser l'IA générative pour les recommandations d'investissement et des questions générales sur leur activité ou sur les processus. Les réponses sont tirées de son énorme base de rapports de recherche et de données structurées et non structurées, comprenant des textes et des vidéos.

image
Essais cliniques

Les entreprises pharmaceutiques utilisent l'IA générative pour identifier les informations potentiellement négligées dans les données historiques des essais cliniques. Cela pourrait raccourcir les délais de R&D pour les médicaments. Ce serait d’ailleurs une avancée aux conséquences financières majeures et aux effets potentiels encore plus importants sur la santé des patients, voire sur leur durée de vie. 

image
Code et cycle de développement logiciel

L'IA générative peut considérablement raccourcir le cycle de développement logiciel (SDLC) en créant du code et en effectuant d'autres tâches connexes. Associée à de vastes référentiels de code, d'exigences utilisateurs et de scénarios de test, la gen AI peut créer des éléments de code pertinents, élaborer des scénarios utilisateurs conformes aux exigences de l'entreprise et concevoir des tests envisageant de nombreux scénarios fonctionnels. Elle peut également créer des données de synthèse, ce qui répond à l'enjeu de protection de la vie privée, en permettant de réaliser des tests fiables sans recours à des données sensibles du monde réel.

image

Les gains de productivité liés à l'IA générative s'avèrent parfois spectaculaires pour les collaborateurs débutants ou ayant récemment rejoint l'entreprise, car ils peuvent rapidement acquérir une expertise qui nécessiterait autrement des mois d'expérience. Selon une étude récente de Stanford et du MIT, les collaborateurs des centres d'appels qui utilisent l'IA générative sont en moyenne 14 % plus productifs que ceux qui ne l'utilisent pas. Ces gains étaient encore plus importants chez les collaborateurs en poste depuis de quelques mois.

Le véritable changement intervient lorsque les systèmes d'IA générative se connectent et dialoguent entre eux. Alors que les premières utilisations de l'IA portaient sur des tâches spécifiques, telles que la programmation ou la création de logiciels, imaginez un avenir où ces tâches ne seraient plus nécessaires grâce à un prompt détaillé qui permettrait d'éviter d'écrire de longues lignes de code.

Ce nouveau mode d'interaction avec un système numérique nous force à nous interroger sur la nécessité de conserver des applications et sites web traditionnels à l'avenir. À mesure que l'IA générative se perfectionnera, pourrait s'ouvrir une ère où les interactions numériques seraient beaucoup plus intuitives, immédiates et adaptée aux besoins individuels, bien au-delà de ce que les applications et sites web traditionnels peuvent offrir. La véritable révolution de l'IA générative consiste à ouvrir des possibilités jusqu'alors inimaginables.

De l'automatisation à l'orchestration

L'une des principales raisons du succès immense et immédiat de ChatGPT est sa capacité à servir d'interface unique, pour accéder à une profusion de connaissances humaines. Ce modèle de « guichet unique » perdurera avec le développement de l'IA générative, tout en s'étendant. Lorsque différents systèmes d'IA générative collaboreront, ils agiront comme une couche d'orchestration, regroupant systèmes d'entreprise, ensembles de données spécialisées, ressources et processus en une seule unité cohérente. Pour les dirigeants comme pour les collaborateurs, le principal point de contact avec l'organisation sera un assistant conversationnel d'IA fonctionnant comme un sachant, à ceci près qu'il dispose d'un accès instantané et en temps réel aux informations et aux ressources nécessaires pour faire son travail, sous la forme de l'ensemble de données qui alimente l'outil d'IA générative.

Un flux de travail typique pourrait être le suivant : devoir modifier un produit existant pour y intégrer des fonctionnalités destinées aux personnes souffrant d'un handicap visuel, demander à votre système d'IA générative d'analyser les produits

existants et de proposer des alternatives. Si aucune de ses suggestions n'est satisfaisante, lui fournir des informations plus précises sur ce que vous recherchez. Au fur et à mesure que la créativité s'exprime et que les modifications du produit prennent forme, le système d'IA générative continue d'apporter son aide en affinant le produit, en le comparant aux exigences réglementaires, en générant des plans et des prototypes et en tenant informés les autres membres de l'équipe à chaque étape du processus : marketing, promotion, jusqu'au jour du lancement.

Les premières itérations de ce concept sont déjà en cours de développement, avec des projets de gestion des tâches alimentés par l'IA comme AutoGPT et Baby AGI. Ces projets, bien que perfectibles, offrent un aperçu de l'aide que pourra apporter l'IA générative.

Une fois arrivé à maturité, ce modèle de point de contact unique sera plus qu'une simple commodité ou un changement opérationnel. Il modifiera complètement notre façon d'innover, de prendre des décisions et de structurer nos organisations.

Les systèmes d’IA générative traitent la requête, qu’il s’agisse d’améliorer du code, modifier le design d’un produit, répondre à la demande d’un consommateur, notamment. Tâche terminée Différents systèmes d'IA générative collaborent pour accéder aux données, connaissances, systèmes d’entreprise, informations externes et workflows nécessaires pour réaliser la tâche. sind Orchestration Un utilisateur transmet une requête ou prompt à un agent conversationnel d’IA. Prompt

 

L'innovation sans limites

Traditionnellement, l'automatisation des processus entraîne des gains de productivité. Avec l'IA générative, les gains productivité proviendront également de l'innovation, car cette technologie renforce la capacité humaine à produire, créer et penser. En s'appuyant sur de grands modèles de langage (LLM), notamment, les assistants d'IA générative peuvent résumer, extraire des passages et comparer des livres et des articles scientifiques. Ceci augmente considérablement l'offre de « matière première » intellectuelle et suscite de nouvelles idées qui peuvent être transformées en réalités précieuses, par toute personne capable d'exprimer ces idées sous forme de « prompts » et de conversations avec son assistant d'IA générative, infatigable et toujours intéressé.

Innover aujourd'hui signifie souvent se confronter à des systèmes rigides. Il faut modeler ses idées et ses produits pour qu'ils s'adaptent à l'environnement technologique existant, aux systèmes hérités désuets, souvent incompatibles avec l'innovation de rupture. Dans bien des cas, il faut se concentrer sur ce qui est techniquement possible, sur ce que nous pouvons faire, plutôt que sur ce qui permettrait d'atteindre ses objectifs.

L'IA générative fait sauter de nombreux verrous technologiques. Elle apporte une flexibilité inédite, car elle ne dépend pas de configurations systèmes contraignantes et peut traiter des données non structurées. Dans cet environnement, l'innovation entraînera des gains de productivité et pas seulement en faisant les choses plus rapidement grâce à l'automatisation.

La flexibilité de l'IA générative est déjà évidente. Le projet CAMEL, par exemple, comporte plusieurs modèles d'IA générative qui endossent des rôles distincts pour s'attaquer à un problème, comme si vous aviez réuni un mini groupe de réflexion composé d'un microbiologiste et d'un physicien quantique pour réfléchir à une solution.  

En fin de compte, l'IA générative promet d'être un catalyseur de créativité humaine et non de la remplacer. En extrayant et en utilisant efficacement les informations générées par l'IA, les individus peuvent affiner et mettre en œuvre des stratégies qui maximisent leur propre capacité d'innovation, repoussant ainsi les limites de la créativité humaine.

 

De l'innovation à l'impact :
une prise de décision stratégique inégalée

Les idées novatrices ouvrent le champ des possibles ; la prise de décision détermine le résultat. Une entreprise qui intègre l'IA générative à ses systèmes d'entreprise et établit un backend unifié pour l'accès aux données peut considérablement accélérer et affiner les processus de prise de décision stratégique.

Plus d'insights fondés sur des données : l'IA générative permettra d'accéder à un ensemble de données régulier et fiable et améliora la profondeur des données et l'accessibilité des analyses. L'augmentation de données (ou data augmentation en anglais) basée sur de grands modèles de langage (LLM) enrichira les ensembles de données des entreprises et rendra leurs modèles d'IA encore plus intelligents. L'IA générative peut traiter des données structurées et non structurées, ainsi que des données existantes, et identifier des points de données pertinents, auparavant ignorés. Ainsi, les données ne sont plus simplement disponibles mais deviennent vraiment accessibles et utiles.

La cohérence est essentielle : avec l'IA générative comme interface des systèmes d'entreprise, tous les collaborateurs travaillent à partir des mêmes informations. Finies les disparités entre ensembles de données ou les divergences entre départements. Cette utilisation cohérente des données améliore considérablement les performances de l'entreprise et réduit la probabilité d'erreurs ou de manipulations. Ainsi, les processus sont rationalisés et efficaces.

La différenciation par la prise de décision : les leaders cherchant à se différencier de leurs concurrents adopteront l'IA générative pour identifier et atteindre leurs indicateurs clés de performance (KPI) les plus pertinents. En identifiant les KPI qui les distinguent, tout en tenant compte des flux de travail, des politiques, des données existantes et des analyses associées, les dirigeants peuvent utiliser l'IA générative pour les aider à prendre les décisions qui leur permettent d'atteindre ces objectifs.

Vers l'excellence organisationnelle

L'IA générative pourrait transformer fondamentalement les structures organisationnelles rigides en départements qui existent depuis près d'un siècle. Tout comme la révolution industrielle nous a obligés à repenser la structure et le fonctionnement des entreprises, un assistant d'IA capable d'effectuer et de relier de nombreuses tâches – de fonctions comme le marketing, le juridique, l'approvisionnement, les opérations, la R&D et les ventes – incitera les entreprises à réévaluer l'efficacité des configurations traditionnelles en silos.

Il ne s'agit pas de réduire le nombre de collaborateurs mais de repenser le fonctionnement de nos équipes actuelles. En accédant, grâce à des assistants d'IA, à des flux de travail, des applications et des bases de connaissances précédemment déconnectés, les équipes peuvent dépasser les silos pour collaborer à des objectifs communs et apporter des contributions significatives. Au lieu de disparaître, les emplois seront axés sur les résultats et dépendront de l'IA pour l'accès aux compétences et aux connaissances.  

L'IA générative bouleversera également la façon dont nous concevons les rôles au sein des entreprises, alors que certaines compétences techniques deviennent moins nécessaires et que d'autres, plus spécialisées, gagnent en importance. Prenons la cybersécurité. Alors que les acteurs malveillants font preuve de créativité avec les prompts d'IA pour extraire des informations sensibles, les entreprises auront besoin de professionnels capables d'anticiper ces tentatives de fraude. Cela signifie que les fonctions qui étaient autrefois fortement axées sur l'aspect technique de la sécurité requièrent désormais un haut degré de créativité et d'innovation.

Par ailleurs, à mesure que la capacité de l'IA à résoudre des problèmes se développera, il appartiendra aux collaborateurs de mieux identifier les problèmes, car ce sont eux qui inciteront l'IA à trouver des opportunités et des solutions novatrices. De nouvelles compétences seront nécessaires, notamment une compréhension de la nature humaine (sociologie, psychologie, anthropologie), du design et de l'optimisation des processus (design thinking, Six Sigma, connaissances sectorielles) et de l'engagement du public, tant intellectuel qu'émotionnel, grâce au storytelling et au design.

Enfin, la collaboration – entre des collaborateurs aux compétences variées ou entre ces collaborateurs et la technologie – sera essentielle pour exploiter efficacement cette diversité de connaissances. Les entreprises devront expérimenter des structures organisationnelles plus plates et concevoir des cadres flexibles qui encouragent et récompensent la collaboration.

Gérer les risques

Comme toute technologie émergente, l'IA générative présente des écueils. Il est essentiel de comprendre les problèmes qu'elle soulève pour réussir cette transition.

Imprécisions et « hallucinations »

L'IA générative s'appuie sur les données qui lui ont été fournies pour faire des prédictions et générer des résultats. Cependant, elle produit parfois des résultats inexacts ou complètement inventés, appelés « hallucinations ». Ces hallucinations peuvent conduire à des décisions ou à des actions mal avisées, pouvant causer des problèmes importants à l'entreprise.

en interaction
Biais et éthique

L'IA est aussi impartiale que les données sur lesquelles elle a été formée. Si ces données contiennent des biais, l'IA peut les reproduire et les amplifier dans ses résultats. Cela soulève des enjeux éthiques concernant la protection de la vie privée, l'absence de consentement ou d'accord sur l'utilisation de données protégées par des droits d'auteur, pour la formation et l'utilisation abusive du contenu généré. Autant de questions que les entreprises doivent prendre en considération.

en interaction
Impacts sur l'emploi

L'adoption de l'IA générative pourrait rendre certaines fonctions redondantes, en particulier celles impliquant des tâches répétitives ou lourdes en termes de données. Bien que cela puisse accroître l'efficacité, cela soulève également la question des suppressions d'emplois et de la requalification. Il faut toutefois garder à l'esprit que les nouvelles technologies créent également de nouvelles fonctions et opportunités, contribuant ainsi à l'augmentation du revenu par habitant, à la prospérité et à l'ascension sociale.

Une étude récente corrobore l'idée que l'IA n'a pas entraîné de pertes d'emplois. Les économistes du National Bureau of Economic Research ont constaté une augmentation de 5 % du nombre d'emplois hautement qualifiés considérés comme vulnérables à l'IA, tels que les emplois de bureau. L'étude a porté sur la période 2011–2019, durant laquelle les entreprises ont commencé à utiliser le deep learning pour automatiser des tâches. Les chercheurs ont conclu que les nouvelles technologies pouvaient accroître la demande de travailleurs plus qualifiés, même lorsqu'elles remplaçaient ceux qui effectuent des tâches routinières.

Sam Altman, PDG d'OpenAI, a récemment expliqué que si l'IA générative est aujourd'hui capable de réaliser des tâches en partie, elle n'est pas du tout capable de les réaliser entièrement. À court et à moyen terme, voire au-delà, l’intervention humaine sera toujours indispensable à un moment donné de la chaîne de valeur.

en interaction
Sécurité

Comme tout outil numérique, les systèmes d'IA générative sont exposés aux cybermenaces. Comme nous l'avons déjà souligné, il existe un risque que ces systèmes d'IA soient incités à divulguer des informations sensibles. Un protocole de cybersécurité solide s'impose.

Une autre menace émergente est l'injection de prompts, technique utilisant des prompts pour inciter les modèles d'IA à divulguer des informations qu'ils ne devraient pas donner. Et, malheureusement, sa mise en œuvre ne nécessite pas toujours de compétences techniques avancées.

Il est primordial que les responsables de la sécurité saisissent parfaitement toutes les façons dont l'IA générative pourrait être compromise. Ce n'est qu'en comprenant toutes les possibilités d'attaque qu'ils peuvent réellement protéger leurs systèmes et maintenir des défenses solides.

en interaction
Réglementation

L'environnement réglementaire disparate et en plein essor autour de l'IA générative, avec des mesures telles que la proposition de loi de l'UE sur l'IA –lAI ACT, représente un facteur important que les entreprises doivent comprendre et gérer. Si ces réglementations – qui pourraient limiter l'utilisation de certains ensembles de données et introduire des mesures comme le filigrane pour les contenus générés par l'IA – peuvent sembler difficiles, elles ne constituent pas pour autant des obstacles insurmontables. Associées à des normes strictes en matière de confidentialité des données similaires au RGPD, ces réglementations exigent des entreprises qu'elles s'adaptent et innovent, plutôt que d'entraver l'évolution. Les organisations qui ouvrent la voie devront communiquer avec les régulateurs pour s'assurer qu'elles sont entendues et qu'elles ont une compréhension approfondie du cadre réglementaire.

en interaction
Durabilité

L'IA générative peut avoir un impact positif en matière de durabilité, qu'il s'agisse d'aider à la création de rapports réglementaires ou d'analyser des données pour créer des solutions innovantes. Il faut cependant reconnaître son impact négatif lié à la consommation d'énergie et aux capacités de calcul nécessaires. À l'instar de la blockchain, les besoins en énergie de l'IA générative ne sont pas négligeables. Néanmoins, comme pour la blockchain, il faut tenir compte de l'approvisionnement en énergie et de l'usage intelligent de la technologie pour s'assurer que les bénéfices l'emportent sur les préoccupations environnementales. En donnant la priorité aux sources d'énergie durables et aux usages intelligents, l'IA générative peut être exploitée efficacement pour obtenir des résultats positifs.

en interaction

Comment commencer

Ignorer les risques liés à l'IA générative ne serait pas judicieux. Il faut au contraire mettre en place les mesures de protection nécessaires pour les gérer efficacement. Cela signifie comprendre où la prudence s'impose et où des mesures de sécurité doivent être mises en place, tout en tirant parti du potentiel de la technologie. Voici 5 conseils pour débuter avec l’IA générative :

1. Se lancer dès maintenant

Les premiers à adopter l'IA générative auront l'avantage de mieux gérer les données et de développer les compétences nécessaires à une utilisation réussie de la technologie. La compréhension de vos données et de vos modèles d'IA prend du temps, et ce temps perdu par les retardataires ne peut pas être rattrapé, ce qui laisse un net avantage aux précurseurs.

2. Commencer à petite échelle

Identifier les domaines de votre organisation où l'impact potentiel des risques est moindre. Ainsi, vous pouvez simultanément exécuter des processus existants et mettre en place de nouvelles méthodes. Cela vous permet de vous familiariser progressivement avec l'IA générative tout en minimisant les disruptions potentielles. Vous devez vous efforcer de créer un environnement qui encourage l'expérimentation rapide et l'innovation. La clé est de cultiver une culture favorisant les essais.

3. Choisir vos modèles

Différents modèles d'IA générative excellent dans différents types de tâches et se positionnent différemment sur l'échelle du risque et de l'ouverture. Il faut identifier lesquels votre entreprise doit utiliser pour créer le plus de valeur et limiter les risques spécifiques à votre activité. Certains modèles sont accessibles au public, mais les données sur lesquels ils reposent sont opaques, tandis que d'autres sont plus petits et plus spécialisés (sur un secteur ou un sujet particulier) et les données peuvent être entièrement analysées et comprises. Ces choix permettront d'évaluer les risques encourus.

Modèles publics

Il existera entre deux et cinq grands modèles publics « généraux », formés à partir de données publiques, quelques données privées et parfois des données indifférenciées.

Modèles experts

Les entreprises construiront elles-mêmes des modèles, en utilisant des technologies propriétaires, pour répondre à un objectif spécifique ou à une niche.

Modèles sectoriels

Les grands acteurs tels que Microsoft, Google, AWS et OpenAI proposeront des modèles personnalisables et adaptés en tant que service.

4. Donner priorité à la traçabilité et à l'explicabilité

Il est essentiel de comprendre les données que vous utilisez pour former vos modèles d'IA générative. Cela suppose notamment de connaître la qualité des données et les risques potentiels auxquels elles vous exposent en interne ou en externe.

5. Contrôler l'IA générative avec l'IA générative

Les systèmes d'IA générative eux-mêmes peuvent être utilisés pour évaluer les risques potentiels. Vous pouvez, par exemple, les utiliser pour vérifier si une nouvelle production présente des biais éthiques ou si la publication d'un contenu présente un risque pour la réputation de l'entreprise.

La voie à suivre

L'idée souvent citée d'Ernest Hemingway selon laquelle la faillite se produit « de deux façons : progressivement, puis soudainement » est probablement la façon dont l'histoire se souviendra de l'essor de l'IA générative. Les débuts fracassants de ChatGPT en novembre 2022 ont constitué la partie soudaine. En l'espace de quelques jours ou semaines, le grand public a suivi un cours accéléré sur l'IA générative, maîtrisé une nouvelle terminologie (« grand modèle de langage », « ensemble d'entraînement ») et spéculé, souvent de manière sauvage, sur l'impact de cette nouvelle technologie sur les affaires humaines et la société. Le seul point d'accord entre les utopistes et les catastrophistes portait sur la rapidité et l'ampleur du changement : l'IA générative, pour le meilleur ou le pire, représente au moins un point d'inflexion, si ce n'est une disruption totale, dans l'histoire de l'humanité.

Noyée dans le bruit se trouve la partie graduelle. Le développement de l'IA générative sera probablement un processus progressif consistant en des décennies de perfectionnement et d'amélioration continus. L'impact de l'IA sur le monde de l'entreprise et les changements décrits plus haut seront rapides et spectaculaires, dans une direction bien connue : vers une plus grande efficacité, une plus grande productivité et, surtout, une plus grande harmonie. Oui, comme décrit plus haut, l'IA générative fera tomber les cloisonnements entre départements et fonctions de l'entreprise, favorisant le travail de concert vers un objectif commun. Mais cette harmonie collective résulte de meilleures relations, plus harmonieuses, entre les individus et le monde qui les entoure. Un monde que l'IA générative rend beaucoup plus facile à contrôler et à comprendre.

 

Le rôle des dirigeants dans les années à venir consistera à garder cette harmonie à l'esprit et s'en servir de fil directeur pour faire les choix et prendre les risques liés à l'IA générative. L'enthousiasme suscité par cette nouvelle technologie s'explique par son potentiel à créer une relation, presque sans friction, entre les individus et les machines. Lorsque l'on fera le bilan de ces années mouvementées, on retiendra surtout la manière dont l'IA générative aide les êtres humains à collaborer.

À propos des auteurs

Duncan Roberts
Cognizant Research

Membre de Cognizant Research, Duncan Roberts a rejoint Cognizant en 2019 en tant qu'expert en stratégie et transformation digitale cross-sectorielle. Depuis, il aide nos clients à comprendre comment utiliser la technologie pour atteindre leurs objectifs stratégiques et développer leurs capacités l'innovation.

Auparavant, Duncan a travaillé pour l'une des plus grandes maisons d'édition d'Europe, où il a joué un rôle de premier plan dans la révolution de l'édition numérique en contribuant à la transformation de leurs opérations de bout en bout et au lancement de nouveaux produits innovants. Il est titulaire d'une Maîtrise de philosophie et lettres classiques de l'université de St. Andrews.

Email: Duncan.Roberts@cognizant.com
Linkedin : https://linkedin.com/in/duncan-roberts-16586022/

Naveen Sharma
Vice President and Global Practice Head, AI & Analytics, Cognizant

Naveen Sharma est vice-président de la division AI & Analytics de Cognizant. C'est un dirigeant reconnu des services technologiques qui allie vision stratégique et exécution tactique pour atteindre les objectifs de l'entreprise. Il se concentre sur des leviers de croissance tels que le thought leadership, l'innovation, l'avant-vente, développement de l'offre et la gestion de portefeuille.

Naveen a plus de 25 ans d'expérience dans les services et la technologie, au sein d'entreprise de premier plan telles que BMS, Sapient et IQVIA. Il a également l'expérience du conseil auprès d'entreprises du Fortune 500 tout au long de leur parcours data et analytics.

Chez Cognizant, il a occupé plusieurs fonctions, notamment celle de Practice Head pour l'activité de Enterprise Data Management, de Practice Leader Intelligence Artificielle & Analytique et de Service Line Sales Leader pour l’industrie pharmaceutique.

Email: Naveen.Sharma@cognizant.com
Linkedin : https://www.linkedin.com/in/4naveen/

Babak Hodjat
Vice President of Evolutionary AI, Cognizant

Babak Hodjat est Vice President of Evolutionary AI chez Cognizant et ancien cofondateur et PDG de Sentient. Il est responsable de la technologie de base du plus grand système d'intelligence artificielle distribuée au monde. Babak est également le fondateur du premier fonds spéculatif au monde axé sur l'IA, Sentient Investment Management. Entrepreneur en série, il a créé un certain nombre d'entreprises de la Silicon Valley en tant que principal inventeur et technologue.

Avant de cofonder Sentient, Babak était Directeur principal de l'ingénierie chez Sybase iAnywhere, où il dirigeait l'ingénierie des solutions mobiles. Il a également été cofondateur, directeur technique et membre du conseil d'administration de Dejima Inc. Babak est le principal inventeur de la technologie brevetée, axée sur les agents et appliquée aux interfaces intelligentes pour l'informatique mobile et d'entreprise de Dejima, technologie à l'origine de Siri d'Apple.

Auteur de publications dans les domaines de la vie artificielle, de l'ingénierie logicielle orientée agent et de l'intelligence artificielle distribuée, Babak possède 31 brevets enregistrés ou en cours d'enregistrement. Il est expert dans de nombreux domaines de l'IA, notamment le traitement du langage naturel, le machine learning, les algorithmes génétiques et l'IA distribuée, et a fondé plusieurs entreprises dans ces domaines. Babak est titulaire d'un doctorat en intelligence artificielle de l'université de Kyushu, à Fukuoka, au Japon.

Email: Babak.Hodjat@cognizant.com
Linkedin : https://linkedin.com/in/babakhodjat

Remerciements

Les auteurs souhaitent remercier Catrinel Bartolomeu, Director of Storytelling & Content chez Cognizant, Mary Brandel, Editor, Mykola Hayvanovych, AVP of AI, Cognitive Computing & Data Science chez Cognizant et Matthew Smith, AVP & Conversational AI Practice Leader chez Cognizant, pour leurs contributions à ce rapport.

Pour aller plus loin

Améliorer la prise de décision grâce aux données et à l'IA
Poursuivre la lecture
Redéfinir le champ des possibles grâce au pouvoir de transformation de l'IA générative
Poursuivre la lecture
Point de vue du CEO : le potentiel illimité de l'IA générative
Poursuivre la lecture