Ce que l’IA générative implique pour les entreprises

L’IA générative peut se former à partir d’artefacts existants afin de générer de nouveaux artefacts réalistes (à grande échelle) qui intègrent les caractéristiques des données d’apprentissage sans les répéter. Elle peut générer divers contenus inédits, tels que des images, des vidéos, de la musique, de la parole, des textes, des codes logiciels et des conceptions de produits.

Pour identifier les débouchés de l’IA générative, les entreprises les plus averties se dotent de programmes de formation continue en libre-service et d’initiation à l’IA afin de promouvoir la sensibilisation, d’accroître les connaissances et de mettre en place un processus dynamique et itératif permettant de recueillir des idées et des exemples d’applications de manière méthodique. 

Des équipes multidisciplinaires ciblées utilisent ensuite des cadres de travail (tels que le radar des opportunités offertes par l’IA de Gartner) pour évaluer et confronter les idées en fonction de leur valeur commerciale et de leur viabilité.

Un sondage réalisé par Gartner en janvier 2024 confirme que le niveau d’intérêt porté à l’IA générative ne faiblit pas :

• Près de deux tiers des entreprises utilisent l’IA générative dans plusieurs divisions opérationnelles.
  • Cela représente un progrès de 19 points (en pourcentage) par rapport à septembre 2023.
• 40 % des répondants affirment que leur entreprise a déployé l’IA générative dans plus de trois divisions opérationnelles.

• Une entreprise sur cinq dispose désormais de solutions d’IA générative dans leur phase de production.
• Les principales entités fonctionnelles qui ont adopté ou qui ont l’intention d’investir dans une forme de solution d’IA générative sont :
  • Service client (16 %)
  • Marketing (14 %)
  • Ventes (12 %)
• Le service informatique se concentre principalement sur le déploiement de l’IA générative, sur le cycle de vie du développement des logiciels, ainsi que sur l’infrastructure et les opérations.

Il est important de bien comprendre les avantages et les risques de l’IA générative lorsque vous cherchez à déterminer où et comment elle s’intègre dans les modèles opérationnels et commerciaux existants et futurs. Mais il est également essentiel de déterminer comment expérimenter de manière productive certaines applications.

Les avantages de l’IA générative permettent d’accélérer le développement des produits, d’enrichir l’expérience client et d’accroître la productivité des employés, mais la nature de ces avantages dépend des applications envisagées. Parmi les applications pratiques majeures, citons :

• Enrichissement et création de contenus écrits
• Réponse aux questions et recherche d’informations
• Nuance et ton des messages
• Synthèse
• Simplification
• Classification du contenu pour certaines utilisations spécifiques
• Amélioration des performances des agents conversationnels
• Programmation de logiciels
• Élaboration de produits
• Améliorations de processus
• Aide à l’analyse
• Recommandations personnalisées

Les risques à surveiller sont les suivants :

• Manque de transparence
• Fiabilité
• Hallucinations
• Partis pris
• Exposer par inadvertance des éléments de propriété intellectuelle (PI) et violer des droits d’auteur
• Attaques informatiques et frauduleuses
• Incidence négative sur les objectifs de développement durable

Montrez-vous réaliste quant au délai de rentabilisation/valorisation. Trois catégories de projets d’IA générative permettent d’obtenir un retour sur investissement à trois échéances distinctes :

• Celles qui permettent de générer des résultats rapides, c’est-à-dire des améliorations potentielles de la productivité, qui sont rentabilisées en moins d’un an.
• Les IA génératives génératrices de facteurs de différenciation apportent un avantage concurrentiel avec un temps de retour sur investissement compris entre un et deux ans. 

• Les démarches qui sont par nature transformatrices de l’IA générative peuvent perturber les modèles commerciaux et les marchés. Elles ont tendance à s’appuyer sur un ensemble de techniques d’IA et comprennent souvent une IA générative multimodale. En raison de leur complexité, des résultats concrets ne sont généralement pas observés avant une période supérieure à deux ans.

L’IA générative fait appel à diverses techniques qui continuent de se développer et d’évoluer à un rythme effréné. 

Les modèles de fondation de l’IA sont au premier plan : ils sont formés sur un vaste ensemble de données non cataloguées qui peuvent être utilisées pour différentes tâches, tout en étant perfectionnés au fil de leur développement. Des calculs complexes et une énorme puissance de calcul sont nécessaires pour élaborer ces modèles, mais il s’agit essentiellement d’algorithmes de prédiction. (Consultez également : Les experts Gartner répondent aux principales questions sur l’IA générative applicables à votre entreprise.)

Depuis le lancement fin 2022 de ChatGPT, un agent conversationnel (chatbot) capable d’interactions très proches de celles que peuvent entretenir les humains, les investissements dans l’IA générative ont connu une envolée spectaculaire. Le marché des assistants virtuels et des agents conversationnels exploitant l’IA générative compte aujourd’hui de nombreux acteurs. Cependant, de nombreuses technologies d’IA générative s’étaient déjà retrouvées dans la catégorie « des attentes exagérées » du Hype Cycle de Gartner™ de 2023 pour l’IA générative. 

Dans ce contexte, les chefs d’entreprise risquent de surestimer les retombées et de sous-estimer la complexité de l’IA générative. Gartner s’attend néanmoins à une adoption accrue et prévoit que :

• D’ici 2026, 75 % des entreprises utiliseront l’IA générative pour créer des données client synthétiques, alors que cette proportion était inférieure à 5 % en 2023. 
• D’ici 2027, plus de 50 % des modèles d’IA générative utilisés par les entreprises seront spécifiques à un secteur ou à une division opérationnelle, contre environ 1 % en 2023. (Ces modèles spécifiques à un domaine particulier sont beaucoup plus petits que les modèles génératifs massifs de l’IA utilisés par exemple dans GPT-4, et la plupart seront élaborés à partir de modèles de fondation de l’IA).
• D’ici 2027, plus de la moitié de la sélection des actifs de développement sur les plateformes de vente de technologies sera effectuée par un système basé sur l’IA générative.
• D’ici 2028, un tiers des interactions avec les services d’IA générative fera appel à des modèles basés sur des actions et à des agents autonomes pour l’accomplissement des tâches. 
• D’ici 2028, 30 % des déploiements de l’IA générative seront optimisés grâce à des méthodes informatiques à économie d’énergie, dans le cadre de programmes de développement durable.

Les modèles open-source gagnent en importance et concurrencent vigoureusement les modèles propriétaires. Compte tenu de la multiplication des réglementations liées à l’IA, les clients pourraient privilégier les modèles à code source ouvert, qui offrent une plus grande souplesse de déploiement et de personnalisation, et permettent un meilleur contrôle de la sécurité et de la confidentialité.

L’intelligence artificielle générale (IAG) est un sujet de controverse et un outil de transformation majeur (mais actuellement hypothétique) qui s’inscrit dans le cadre de l’avenir de l’IA générative. 

L’IAG, également appelée « IA avancée », peut (théoriquement) égaler ou dépasser l’intelligence humaine et résoudre des problèmes jamais rencontrés au cours de la phase de développement des modèles. Selon le Hype Cycle de Gartner, l’adoption de l’IAG par le grand public est envisagée dans plus de 10 ans, mais en l’absence d’une percée significative, cette adoption pourrait intervenir dans des décennies, voire des siècles. Néanmoins, les avantages de l’IAG pourraient potentiellement affecter considérablement la vie des utilisateurs. Cependant, l’IAG suscite également des inquiétudes très vives chez de nombreuses parties prenantes, attisant les craintes et suscitant des attentes peu réalistes quant aux capacités réelles de l’IA actuelle. 

Bien que l’IA affiche déjà des comportements émergents parfois surprenants que les hommes n’ont pas programmés, il est essentiel que les chefs d’entreprise évitent d’anthropomorphiser prématurément l’IA. 

Quoi qu’il en soit, les anticipations relatives à l’IAG ont pour conséquence de stimuler la mise en place de réglementations destinées à mieux à encadrer l’IA et influent sur la confiance des utilisateurs et leur volonté de recourir à l’IA aujourd’hui. À long terme, l’IA continue de démontrer des capacités croissantes et, avec ou sans IAG, aura de plus en plus d’incidence sur les entreprises, notamment avec l’avènement des clients-machines et de l’entreprise autonome.