Le secteur IT est réputé pour ses acronymes. Dans le contexte de l’IA générative, il convient désormais d’en retenir un nouveau : FOMO pour fear of missing out. Car si personne ne souhaite rater le train de la GenAI, comment s’y prendre sans tomber dans la précipitation – et se retrouver hors contexte.
En soi, l’intelligence artificielle n’est pas neuve. De même, les entreprises gèrent depuis plusieurs décennies des données, notamment à des fins de traitement statistique. C’était l’époque de l’analytique de données et des tableaux de bord associés. Mais l’IA générative va bien plus loin. Il est en effet question de modèles capables de générer eux-mêmes du contenu au départ des données. C’est spécifiquement l’émergence de ChatGPT qui a rendu l’IA générative plus accessible que jamais. « Autrefois, l’IA était le domaine réservé des data scientists », précise Yashfeen Saiyid, Data & AI Practice Lead chez Proximus NXT. « Or avec un outil comme ChatGPT, il est possible de poser ses questions en langage naturel. En principe donc, tout un chacun peut l’utiliser et en tirer de la valeur ajoutée. »
Les entreprises ont dès lors tout intérêt à exploiter cette technologie. « Il importe surtout d’évaluer correctement la GenAI et d’y voir plutôt un outil qu’une finalité. Certes, il est intéressant que des entreprises affectent des moyens humains dans la GenAI et y investissent des ressources financières. Mais celles-ci doivent y voir surtout une initiative stratégique : un atout dans la recherche d’un avantage concurrentiel. »
Les cas d’usage pertinents
Dans la pratique, cette quête – certainement dans le contexte aussi médiatisé que celui de la GenAI – n’est pas toujours évidente. Ce sentiment généralisé se traduit de manière relativement triviale : il n’y a pas de temps à perdre. Dans le même temps, une trop grande précipitation n’est pas non plus à conseiller. « Il est important de comprendre d’abord ce que la technologie permet », considère Yashfeen Saiyid. « Il faut trouver les bons cas d’usage. Pour ce faire, il faut privilégier une forme de design thinking où le métier et l’IT concrétisent idéalement ensemble leurs idées. »
De même, il importe de rechercher d’abord les résultats les plus facilement abordables. Quoi qu’il en soit, il s’agit là néanmoins souvent d’un exercice complexe. Il faut en effet aller au-delà du concept ou du modèle d’IA proprement dit. « Les données et les hommes sont également à prendre en compte, et donc aussi un important volet de gouvernance et de sécurité. » Le recours à la GenAI doit encore s’intensifier. Certes, on voit émerger de plus en plus d’applications de type entreprise, des applications basées sur la GenAI qui remplacent des processus existants et se positionnent dès lors comme des applications critiques pour le métier. Songez à la page FAQ sur un site web où un moteur de GenAI vous permet de poser des questions en langage humain, après quoi l’application recherche pour vous la réponse demandée sur la page FAQ en question. »
Poser les bonnes questions
N’y a-t-il pas pour les entreprises un moyen nettement plus rapide d’exploiter les potentialités de l’IA générative ? Avec Copilot, par exemple, la solution d’IA de Microsoft désormais intégrée dans des applications existantes. « Copilot se traduit tout d’abord par des gains de productivité », assure encore Yashfeen Saiyid. L’application permet d’abaisser le seuil d’accès à l’utilisation de la GenAI, même si une phase d’apprentissage doit être prise en compte. « Les utilisateurs apprennent ainsi à maîtriser les prompts, ces requêtes adressées à l’application d’IA. Et il s’agit là d’une compétence très importante. Pour tirer le maximum de profit de l’IA, il faut apprendre à poser les bonnes questions. »
En outre, l’IA peut ainsi se déployer de manière véritablement accessible au sein du business. « Il s’agit là aussi d’un aspect très important », pense Yashfeen Saiyid. « Car ce faisant, le recours à l’IA est envisagé sous l’angle de la valeur ajoutée que l’on recherche. » C’est en effet le business qui sollicite l’aide de l’IA, ce qui est une approche totalement différente de celle où un expert en IA s’adresse au métier pour lui présenter les potentialités de la technologie. Dans ce cas en effet, le gain de productivité apparaît clairement comme un but en soi, même si par la suite, il ne reste alors plus qu’une petite étape à franchir pour remodeler et affiner les différents processus métier.
Sur la voie d’une IA réussie
Les données sont la matière première de l’IA. « Dans ce domaine également, le principe du ‘garbage in, garbage out’ s’applique. L’IA ne peut exister sans des données de qualité. Dès lors, se concentrer sur l’élimination des silos de données et sur l’amélioration de la qualité des données est indispensable. Les fondements doivent être bien présents. Les entreprises qui avaient déjà investi dans les données par le passé ont en fait déjà acquis une certaine avance. » Et s’il se révèle relativement facile de mettre en place un projet pilote, il apparaît dans la pratique que déployer par la suite une solution à l’échelle de l’entreprise se révèle souvent être défi de taille.
« Idéalement, l’IA doit être envisagée sous l’angle de la valeur ajoutée que l’on recherche. »
Yashfeen Saiyid, Data & AI Practice Lead chez Proximus NXT
« Comme je l’ai déjà expliqué, il convient dans un premier temps de mettre de l’ordre dans les données, notamment sur le plan de l’intégration, de la qualité et de la gouvernance. Par la suite, les applis doivent être en mesure de supporter la charge de travail. » Cela dit, il ne s’agit là que du début de l’exercice. « Il est essentiel de choisir le modèle d’IA adéquat en fonction du problème. Et en l’occurrence, il importe surtout de vérifier que la gestion d’ensemble soit définie dans les règles de l’art, entendez en privilégiant la sécurité et les principes d’une IA responsable. Et au-delà de ces critères, il ne faut pas perdre de vue que les applications doivent continuer à fonctionner efficacement. »
Toutes ces conditions doivent être remplies par l’entreprise dans un contexte d’évolution ultra-rapide de la technologie. « C’est la combinaison de tous ces éléments qui fait le succès ou l’échec de votre solution d’IA. C’est précisément à ce niveau que nous, chez Proximus NXT, pouvons aider nos clients. Nous capitalisons en effet sur l’expérience que nous avons acquise dans le cadre de plus de mille cas d’usage de l’IA que nous utilisons entre-temps en interne également. »
Stratégie métier
Le fait que la voie d’une application d’IA réussie est jalonnée d’obstacles explique potentiellement pourquoi de nombreux projets ne franchissent pas l’étape du pilote. A moins que l’explication réside dans le fait que les entreprises n’ont pas mis en place une stratégie d’IA. « Il s’agit là d’une question que l’on me pose souvent », conclut Yashfeen Saiyid, « à savoir de se demander si une entreprise doit définir une stratégie d’IA. Mais la réponse est non : en tant qu’entreprise, il faut surtout avoir une stratégie métier, sachant que l’IA n’est que l’un des instruments possibles pour aider à concrétiser cette stratégie. »
Plus d’infos sur www.proximusnxt.be