Podcast: Play in new window | Download (Duration: 14:25 — 20.2MB)
Subscribe: Apple Podcasts | Spotify | Android | Blubrry | Email | RSS | More
Où en est l’intelligence artificielle dans les entreprises ? Le salon Big data AI Paris est revenu fin septembre 2023 et j’avais réservé ma matinée pour aller écouter quelques experts IT qui nous parlaient de l’impact de l’IA générative sur les entreprises et le devenir du travail. J’y ai trouvé les échanges intéressants entre experts de l’IA d’horizons divers, et les enseignements riches, notamment pour ce qui est des écueils à éviter lors de la mise en œuvre des technologies d’intelligence artificielle.
Où en est l’intelligence artificielle en entreprise ?
« L’IA n’est pas nouvelle » a déclaré Thomas Pagbé, responsable éditorial des événements d’IT for Business, fort justement. Telle était son introduction de la table ronde sur « le devenir du travail transformé par l’IA ». Et de poser la question de savoir ce qui a véritablement changé dans la vision des entreprises.
Pour répondre à cette question et documenter le thème de la table ronde, il avait rassemblé un panel d’experts de l’IT aux horizons à la fois divers et complémentaires.
Panélistes de cette table ronde (par ordre alphabétique)
- Valentine FERREOL Chief Digital & Information Officer en management de transition
- Nicolas LEVILLAIN, Managing Director BCG.X AI & Software BOSTON CONSULTING GROUP
- Stéphane RODER, CEO AI BUILDERS
- David SEBAOUN, Executive Partner Data & AI – IBM
Ce qui a vraiment changé dans la vision de l’IA par les entreprises
Certes, il y a eu les 100 millions d’utilisateurs quasi instantanés de ChatGPT, mais c’est un peu court. Même si les chiffres sont énormes, la part des visites aux sites d’IA, en comparaison des autres, reste modeste. En outre, les visiteurs de ChatGPT seraient déjà moins nombreux depuis le mois de juillet.
Revenons à notre table ronde avec ce commentaire de Stéphane Roder. « À partir de 2016 nous avons vu des applications d’IA s’insérer dans les processus métier et apporter de la valeur ajoutée. Ce qui donne de bons résultats si on les met aux bons endroits ».
La vraie révolution : la démocratisation de l’IA
Nous sommes donc « sortis de la technique pour entrer dans une vision stratégique de l’IA ». Augmentation de l’efficacité opérationnelle, conception de nouvelles offres … Autant de sujets autrefois réservés aux seuls humains qui se sont trouvé un co-pilote, selon l’expression consacrée.
Là où le rôle de l’IA générative est indéniable, car il ne faut pas le minimiser non plus, c’est dans la « démocratisation de l’intelligence artificielle. Car celle-ci a mis à disposition des modèles aux utilisateurs » a expliqué Nicolas Levillain de BCG.
Il y a donc une indéniable généralisation des accès, mais pour ce qui est du bouleversement, il est somme toute relatif comme le souligne David Sebaoun d’IBM : « tout a changé et rien n’a changé en IA » nous a-t-il dit. « L’IA générative est pour moi incrémentale ». Pour le représentant d’IBM, c’est le quantique qui va « provoquer des disruptions ».
Sans doute que tout cela est affaire de curseur. Serait-ce le signe d’un changement d’ère chez le leader de l’IT américaine ? Watson y a été souvent présenté comme une panacée révolutionnaire qui s’est terminée assez mal récemment. Quoiqu’il en soit, nombre d’experts de l’IA s’accordent sur son diagnostic « incrémental ».
En fait, peu importe que l’on croie ou non que ChatGPT est « révolutionnaire », l’histoire des technologies se chargera très bien de cette question sans notre commentaire, ce qui importe c’est que « l’on puisse proposer aux décisionnaires des solutions pour savoir quoi en faire », ajoute fort à propos Valentine Ferreol.
Le but ultime est donc bien la mise en application « aussi bien sur des sujets opérationnels, que décisionnels, de manière collégiale ». Une tâche pour laquelle Valentine voit les DSI jouer un rôle de « sachants technologues, vis-à-vis des autres directions, marketing ou financières ».
J’y vois pour ma part un rappel à l’ordre de ne pas céder aux sirènes de la « révolution » technologique. Pas plus hier que demain.
A-t-on encore besoin de convaincre les DG ?
Mais s’il faut accompagner ces directions, y a-t-il encore autant besoin d’évangélisation. Selon Stéphane Roder, celle-ci a déjà été faite par OpenAI et Microsoft et pour le coup on ne peut qu’être impressionné par la rapidité de ce travail, même si la maîtrise de ces outils par le grand public reste toute relative.
Le but ultime des technologies d’intelligence artificielle
Comme Valentine, Stéphane Roder insiste sur le but ultime de ces technologies. « La question est de savoir si cela apporte vraiment de la valeur ou si c’est un jouet. Les DG veulent quantifier l’apport des technologies et répondre aux questions de confidentialité ».
Un problème de fond, mais qui serait « en train de se résoudre », nous dit-il. J’ai plutôt l’impression que ces questions ne sont encore que moyennement posées, comme l’a souligné à juste titre notre collègue Michaël Tartar du collectif du contenu 100 % humain dans un podcast récent (voir ci-dessous).
Ceci mis à part, Stéphane nous promet une « adoption massive, car le ML permet de faire des choses extraordinaires ».
Nicolas Levillain confirme « nous sommes passés de la nécessité de convaincre les DG à un effort d’éducation à se demander ce que l’on peut retirer de ces technologies. Repenser comment je travaille et comment j’interagis avec les clients et savoir si je peux envisager de créer de nouveaux business ».
Et d’ajouter que ce sont des travaux que BCG X, la branche techno du fameux cabinet de conseil, mène avec les banques. Reste à savoir si ce mouvement dans les banques, mené parfois de manière plus que discutable du point de vue humain, est dû à la transformation antérieure du business ou à un apport technologique miraculeux et surtout fort opportun.
Où en est l’intelligence Artificielle dans les métiers et les secteurs
David Sebaoun a une autre explication. Pour lui, c’est le fait que les banques et les assurances sont tout entières basées sur de l’informatique et de la technologie. Admettons, mais il ne s’agit sans doute pas de la technologie la plus à la pointe, sinon quel besoin aurait la Société Générale d’acheter Shine, la BNPP le compte nickel, etc. Sans doute une autre s’emparera bientôt de Qonto.
Les banques ont certes été confrontées les premières aux nouveaux entrants comme il le fait remarquer, mais la transformation digitale des banques, que nous appelions de nos vœux il y a dix ans, est encore largement incomplète, et c’est un euphémisme.
[ci-dessus] Les statistiques les plus à jour sur les usages de l’IA générative selon les générations (finalement assez semblables) et les métiers (et non, ce n’est pas la santé qui est la plus intéressée par le sujet)… Quand les panélistes avancent que l’évangélisation est finie, ces chiffres donnent plutôt l’impression d’un travail inachevé.
Si les banques sont si intéressées par l’IA Générative c’est plus, ce me semble, pour rattraper le mouvement indiqué par Chris Skinner, un mouvement entamé au Royaume-Uni et dans le monde depuis la crise de 2008 et accéléré par elle. ChatGPT aura bon dos.
Stéphane Roder nous a vanté le robot conversationnel de Cdiscount qui serait « arrivé au niveau de l’humain et serait un miracle ». Nous réserverons notre jugement pour un test ultérieur, même si Corentin Messerschmidt d’Odigo nous a déjà mis en garde cet été au BtoBEn réalisant ce glossaire Visionary Marketing s'est heurtée de front à un problème de taille : faut-il écrire BtoB ou B2B ? Summit, dans une table ronde organisée par Visionary Marketing, sur la confusion entre Chatbot et IA générative, cette dernière étant largement encline à « halluciner » ses réponses.
Où en est l’intelligence artificielle avec les gains de productivité ?
Alors quel sera l’impact de l’IA générative sur le travail et en particulier sur les gains de productivité ? Celui-ci sera gigantesque selon JP Morgan. Baisse du temps de travail, bouleversement des modes de décision… Un tremblement de terre en somme. Pourtant, il est difficile d’être péremptoire dans ce domaine. Et les changements ne seront pas immédiats, contrairement à ce qu’on entend répéter ici et là.
Je pensais pourtant qu’après les délires de l’Uberisation, au moment où la moitié des start-ups du monde mordent la poussière et où nous vivons l’éclatement d’une nouvelle bulle, les observateurs avaient appris à être prudents. Ignorer l’histoire… je vous laisse finir la phrase.
Les panélistes de Bigdata et AI Paris 2023 observent cependant des gains de productivité. « BCG X a analysé des clients utilisateurs de l’IA générative dans leurs “Software factory” », nous dit Nicolas Levillain, « et nous avons constaté 40 % de gains de productivité, un accroissement de la qualité et une diminution des bugs ». Là encore, tout le monde n’est pas d’accord, à commencer par notre confrère Thomas Gerbaud, Data Scientist, développeur et blogueur IT, également membre de notre collectif 100 % humain.
Les IA génératives produisent du code, certes, mais est-il utile ? Parfois, selon quelques études (Chen et al 2021, Cassano et al 2022, Buscemi et al 2023). Je n’y trouve pas un intérêt fou ! Les data scientists avec qui je travaille préfèrent réfléchir seuls, puis farfouiller sur Stack Overflow quand ils sèchent.
Alt-Gr.tech — la fin du code
Valentine Ferreol nous vient en aide sur ce thème en tempérant ce point de vue. « C’est vrai, mais sur des codes simples », nous dit-elle.
Cela ne veut sans doute pas dire que ChatGPT et ses amis ne peuvent pas nous aider à générer du code. Mais que cela est peut-être surtout intéressant pour les béotiens ou les bricoleurs et que les pros ont d’autres moyens d’arriver à leurs fins.
Cela veut surtout dire qu’il est trop tôt pour s’affoler et que le temps nous dira si le gain de productivité aura été aussi énorme… sur les cols blancs s’entend, c’est-à-dire une partie infime de la main-d’œuvre.
En outre, des métiers disparaissent, d’autres apparaissent, et il en est ainsi depuis la Grèce antique et sans doute même avant (voir notre billet sur les jobs de 2030).
Passons sur l’acculturation et les inquiétudes, nous renverrons nos lecteurs à nos nombreux billets sur le sujet et notamment notre courbe de la digestion des technologies. Allons directement au point qui m’a le plus intéressé dans cette table ronde : les échecs de l’IA.
Que n’apprend-on en effet de ses propres échecs et de ceux des autres ?
Apprendre des post-mortem des projets de l’IA
Voici pêle-mêle les leçons que j’ai retenues de l’analyse de ces échecs de l’IA par les membres du panel.
- Sécuriser l’IA est plus difficile qu’on pense (Nicolas Levillain) : ces technologies semblent d’accès simple avec des « frameworks » ouverts et cela donne la tentation d’aller très vite afin de prendre un avantage concurrentiel. Or, sécuriser ces nouveaux types d’application prend beaucoup de tests et il ne faut pas s’affoler.
- Expérimenter sans ratiociner (Valentine Ferreol) : Valentine nous rappelle une loi de l’innovationL'innovation va de la compréhension (intuitive ou non) du comportement de l’acheteur à la capacité d’adaptation à l'environnement — notamment en digital — qui veut que l’usage soit guidé par l’essai et non par la pensée. D’abord on teste et on se familiarise avec la technologie, puis on se rend compte des applications possibles. Et cette loi est parfaitement vraie. « Cela permet d’aller sur des rythmes plus soutenus, mais avec un œil critique et de manière dynamique », nous dit-elle. Nous ne pouvons que souscrire à ce propos.
- « Les LLMs ne sont pas des bazookas pour tuer des mouches » (Stéphane Roder) : Stéphane nous rappelle que dans l’IA nous avons vu beaucoup de « catastrophes industrielles » jusque 2019. Cela se serait calmé et aurait repris de plus belle. « Tout le monde veut son XXXGPT », a-t-il dit, « mais la SNCF s’est complètement plantée ». Décidément, la SNCF est la tête de Turc de tout le monde, j’ai presque des scrupules à les citer ici. On découvre seulement les sous-jacents de la technologie et si « ces modèles permettent de “jouer”, dans l’entreprise ça ne se passe pas ainsi ». Il insiste sur la courbe d’apprentissage des équipes. « Cdiscount baisse les tailles de ses modèles. 90 % des cas d’usage sont des requêtes sur des bases documentaires », nous dit-il. Un rappel que la taille des modèles de données n’est pas une garantie de succès et que les reculs sont nombreux quand les bases deviennent obèses. Même ChatGPT régresse avec sa version 4 qui serait moins performante que la V3.
- Il y a trois facteurs d’échecs et on n’en parle pas assez (David Sebaoun) : 1/le manque d’adoption nous dit-il 2/adopter une logique de POC sans industrialiser (un vieux classique pour lequel nous avions rédigé un livre noir et blanc pour le compte de Jems Group) 3/le manque de gouvernance (par exemple, ces états des USA qui ont utilisé de systèmes de détection de fraude au chômage par IA et qui ont fini par favoriser les fraudeurs).
Comme le conclut Nicolas Levillain, à juste titre, « les critères de réussite de ce type de projets sont à 75 % humains. Il convient de penser en amont comment changer la façon de travailler . Les 25 % restants sont dépendants de la technologie ».
Jusque-là, j’ai l’impression d’être revenu dans les années 80.
Mais il ajoute : « Ce qui a changé, c’est que ces modèles réunissent des gens qui ne se parlaient pas avant : les data scientists, les métiers et les développeurs »
Alors oui, dans ce cas, je veux bien parler de révolution, une révolution que l’on attend même depuis des décennies. Pourvu qu’il ait raison.
————————————————————
Yann Gourvennec a créé visionarymarketing.com en 1996. Il est conférencier et auteur de 6 livres. En 2014, il est passé d'intrapreneur à entrepreneur en créant son agence de marketing numériqueDéfinition marketing digital, un terme utilisé en permanence et pourtant bien mal compris car mal défini.
- Synchroniser Onedrive, Google drive et les autres - 25/04/2024
- Vivre (de) la photographie - 23/04/2024
- Histoire des réseaux de neurones : le perceptron - 22/04/2024
