Les experts Gartner répondent aux principales questions sur l’IA générative applicables à votre entreprise

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.  

L’IA générative fait appel à diverses techniques qui ne cessent d’évoluer. Les modèles de fondation de l’IA sont au premier plan : ils sont formés à partir d’un vaste ensemble de données brutes qui peuvent être utilisées pour différentes tâches, tout en étant ultérieurement adaptées.  Des calculs complexes et une énorme puissance de calcul sont nécessaires pour créer ces modèles de base, mais il s’agit essentiellement d’algorithmes de prédiction. 

Aujourd’hui, l’IA générative crée le plus souvent du contenu en réponse à des requêtes en langage naturel, elle ne suppose pas la connaissance ou la saisie de code, mais les applications en entreprise sont nombreuses et incluent entre autres des avancées dans la conception de médicaments et de puces, ainsi que dans le développement en science des matériaux. (Consultez également « Quelles sont les utilisations pratiques de l’IA générative ? »)

Gartner recense l’IA générative depuis 2020 dans son Hype Cycle™ sur l’intelligence artificielle (par ailleurs, l’IA générative figurait parmi nos principales tendances technologiques stratégiques pour 2022) et la technologie est ainsi passée de la phase initiale de lancement à celle des attentes démesurées. Mais l’IA générative n’a fait les gros titres que fin 2022 avec le lancement de ChatGPT, un chatbot capable de réaliser des interactions qui s’apparentent à celles d’un être humain.

ChatGPT, développé par OpenAI, a connu une popularité fulgurante du jour au lendemain et a galvanisé l’attention du public. (L’outil DALL-E 2 d’OpenAI génère de la même manière des images à partir d’un texte grâce à un procédé innovant connexe faisant appel à l’IA générative).

Gartner estime que l’IA générative est appelée à devenir une technologie largement répandue, dont les conséquences seront comparables à celles engendrées par la machine à vapeur, l’électricité et le réseau Internet. Le battage médiatique s’estompera à mesure que le déploiement de cette technologie se concrétisera, mais son incidence ira croissante au fur et à mesure que les utilisateurs et les entreprises découvriront des applications novatrices de cette technologie applicables dans leur vie et leur travail quotidiens.

Les modèles fondateurs, y compris les transformateurs génératifs pré-entraînés (qui animent ChatGPT), font partie des innovations technologiques de l’architecture de l’IA qui peuvent être utilisées pour automatiser, renforcer les capacités des êtres humains ou des machines, et exécuter de manière autonome des processus métier et informatiques. 

Les avantages de l’IA générative permettent d’accélérer le développement des produits, d’améliorer l’expérience client et la productivité des employés, mais la nature de ces avantages dépend du cas d’utilisation. Les utilisateurs finaux doivent bien mesurer leur attente et se montrer pragmatiques quant aux bénéfices qu’ils cherchent à obtenir, tout particulièrement lorsqu’ils ont recours à un service dans sa configuration actuelle, qui présente d’importantes limites. L’IA générative génère des artefacts qui sont susceptibles d’être inexacts ou biaisés, ce qui impose une validation humaine et limite potentiellement les gains de temps qu’elle procure aux travailleurs. Gartner préconise de corréler les applications potentielles aux indicateurs de rendement clés pour veiller à ce que chaque projet contribue à l’amélioration de l’efficacité opérationnelle, à la création de nouveaux revenus nets ou à de meilleures expériences.

Lors d’un récent sondage réalisé dans le cadre d’un webinaire de Gartner auprès de plus de 2 500 dirigeants, 38 % d’entre eux ont indiqué que leurs investissements dans l’IA générative avaient pour objectif principal de servir l’expérience client et leur fidélisation. Viennent ensuite la croissance du chiffre d’affaires (26 %), l’optimisation des coûts (17 %) et la continuité des opérations (7 %).

Les risques associés à l’IA générative sont considérables et ne cessent d’évoluer. De nombreux acteurs dangereux ont déjà utilisé cette technologie pour créer des « deep fakes » (hypertrucages) ou des copies de produits, et générer des artefacts pour mener à bien des escroqueries de plus en plus complexes.

ChatGPT et d’autres outils similaires sont formés à partir de grandes quantités de données accessibles au public. Ils ne sont pas conçus pour être conformes au règlement général sur la protection des données (RGPD) et à d’autres lois sur le droit d’auteur, il est donc impératif de prêter une attention particulière aux utilisations de ces plateformes par vos entreprises. 

Les risques à surveiller sont les suivants :

• Une transparence insuffisante. Les modèles d’IA générative et de ChatGPT sont imprévisibles, et même les entreprises qui les conçoivent ne maîtrisent pas toujours tous les rouages de leur fonctionnement.

• Fiabilité. Les systèmes d’IA générative produisent parfois des réponses inexactes et inventées. Il convient d’évaluer l’exactitude, la pertinence et l’utilité réelle de tous les résultats avant de s’appuyer sur ces informations ou de les diffuser publiquement. 

• Partis pris. Vous devez mettre en place des politiques ou des contrôles pour détecter les résultats qui sont susceptibles de présenter un risque de partialité et les traiter d’une manière conforme à la politique de l’entreprise et à toute exigence légale pertinente.

• Propriété intellectuelle et droits d’auteur. À l’heure actuelle, vous ne disposez d’aucune mesure concrète permettant d’assurer la gouvernance et protection des données pour ce qui a trait aux informations confidentielles de l’entreprise. Les utilisateurs doivent partir du principe que toutes les données ou requêtes qu’ils saisissent dans ChatGPT et ses concurrents peuvent être rendues publiques, et nous conseillons aux entreprises de mettre en place des procédures de contrôle afin d’éviter d’exposer par inadvertance des données confidentielles. 

• Cybersécurité et fraude. Les entreprises doivent se préparer à l’utilisation par des acteurs malveillants de systèmes d’IA générative lors de cyberattaques et tentatives de fraude, comme celles qui ont recours à des deep fakes dans le cadre de manipulations psychosociales du personnel, et s’assurer que des mesures de contrôle destinées à atténuer ces risques sont mises en place. Consultez votre prestataire d’assurance contre les risques de cybersécurité pour vérifier dans quelle mesure votre police d’assurance actuelle couvre les violations liées à l’IA.

• Durabilité. L’IA générative consomme d’importantes ressources énergétiques. Sélectionnez des fournisseurs qui minimisent leur consommation d’énergie et exploitent des énergies renouvelables de haute qualité afin d’atténuer les incidences de ces technologies sur vos objectifs en matière de développement durable.

Gartner recommande également de se poser les questions suivantes :

• À qui incombe la définition d’une utilisation responsable de l’IA générative, en particulier lorsque les normes culturelles évoluent et que les approches relatives à la manipulation psychosociale varient d’une zone géographique à l’autre ? Qui veille au respect des règles ? Quelles sont les conséquences pour une utilisation irresponsable ou abusive ?

• En cas de problème, comment les acteurs concernés sont-ils censés agir ?

• Comment les utilisateurs accordent-ils et révoquent-ils leur consentement ? Quels enseignements peut-on tirer de la réflexion sur la protection de la vie privée ?

• L’utilisation de l’IA générative renforcera-t-elle ou nuira-t-elle à la confiance dans votre entreprise et dans les institutions en général ?

• Comment pouvons-nous garantir que les créateurs et les détenteurs de contenus conservent la maîtrise de leur propriété intellectuelle et soient rémunérés équitablement ? À quoi devraient ressembler les nouveaux modèles économiques ? 

• Qui veillera au respect de bonnes conditions opérationnelles tout au long du cycle de vie et comment procédera-t-on ? Les conseils d’administration doivent-ils se doter d’un responsable de l’éthique de l’IA, à titre d’exemple ?

Enfin, un suivi permanent de l’évolution de la réglementation et des litiges relatifs à l’IA générative s’impose. La Chine et Singapour ont déjà mis en place de nouvelles réglementations concernant l’utilisation de l’IA générative, tandis que l’Italie a adopté une réglementation temporaire (venant restreindre l’utilisation de ChatGPT). Les États-Unis, le Canada, l’Inde, le Royaume-Uni et l’Union européenne travaillent actuellement à l’élaboration de leur cadre réglementaire.

Consultez également « Quelles pratiques exemplaires adopter lors de l’utilisation de l’IA générative ? » et « Dois-je élaborer une politique d’utilisation de l’IA générative ? »

Le domaine de l’IA générative progressera rapidement tant sur le plan des découvertes scientifiques que de la commercialisation des technologies, mais des applications apparaissent rapidement dans les domaines des contenus créatifs, de l’enrichissement des contenus, des données synthétiques, de l’ingénierie générative et de la conception générative. 

Parmi les applications pratiques de haut niveau actuellement exploitées, on peut citer les suivantes.

• Enrichissement et création de contenus écrits : production d’une ébauche de texte dans le style et à la longueur souhaités

• Réponse aux questions et recherche d’informations : permettre aux utilisateurs de trouver des réponses aux questions posées, sur la base de données et de messages-guides

• Nuance et ton du message : modification du texte, pour atténuer la sévérité des propos/de la formulation ou rendre le texte conforme aux normes professionnelles

• Synthèse : offrir des versions abrégées de conversations, d’articles, de e-mails et de pages web

• Simplification : analyse des textes, création d’aperçus et extraction des informations essentielles

• Classification du contenu pour des utilisations spécifiques : tri en fonction du ressenti, du sujet, etc.

• Amélioration des performances des chatbots : optimisation du processus d’extraction du sens, classification du ressenti de l’ensemble de la conversation et génération de flux de conversation à partir de descriptions générales

• Programmation de logiciels : génération de code, conversion, explication et vérification

Les nouveaux types d’utilisations ayant des implications à long terme sont les suivants :

• la création d’images médicales qui montrent l’évolution ultérieure d’une maladie

• les données synthétiques permettent de compléter les données peu disponibles, d’atténuer les partis pris, de préserver la confidentialité des données et de simuler des scénarios futurs

• des applications suggérant de manière proactive des actions supplémentaires aux utilisateurs tout en leur fournissant des informations

• une modernisation des codes existants

L’IA générative présente des possibilités inédites et novatrices d’augmenter le chiffre d’affaires, de réduire les coûts, d’améliorer la productivité et de mieux gérer les risques. Dans un avenir proche, elle est appelée à devenir un avantage concurrentiel et un facteur de différenciation. 

Gartner répartit ces possibilités en trois catégories.

Possibilités de générer des revenus

Développement de produits : L’IA générative permettra aux entreprises de créer de nouveaux produits plus rapidement. Il peut s’agir de nouveaux médicaments, de nettoyants ménagers moins toxiques, d’arômes et de parfums inédits, de nouveaux alliages et de diagnostics plus rapides et de meilleure qualité.

Nouveaux vecteurs de revenus : Gartner Research souligne que les entreprises ayant un plus grand niveau de maturité en matière d’IA obtiendront des retombées plus importantes sur leur chiffre d’affaires.

Économies et productivité

Un renforcement des capacités du personnel : l’IA générative peut renforcer les compétences des travailleurs en matière de rédaction et d’édition de textes, d’images et d’autres médias. Elle peut également résumer, simplifier et classer du contenu, générer, traduire et vérifier du code logiciel, et améliorer les performances des chatbots. À ce stade, la technologie est très efficace pour créer rapidement et à grande échelle un large éventail d’artefacts.

Optimisation des compétences à long terme : les employés se distingueront par leur capacité à concevoir, mettre en œuvre et peaufiner des idées, des projets, des processus, des services et des relations en partenariat avec l’IA. Cette relation symbiotique réduira le temps nécessaire à l’acquisition de compétences et élargira considérablement la palette de compétences des travailleurs dans tous les domaines.

Améliorations des processus : l’IA générative peut générer concrètement à partir de vastes réserves de contenu une certaine valeur ajoutée contextuelle qui, jusqu’à présent, est restée largement inexploitée. Cette évolution va entraîner une modification des flux de travail.

Possibilités relatives à la gestion des risques

Réduction des risques : la capacité de l’IA générative à analyser et à fournir une visibilité des données à la fois plus large et plus approfondie, par exemple des transactions clients et du code logiciel potentiellement défectueux, permet de renforcer la reconnaissance des tendances et la capacité à identifier plus rapidement les risques potentiels pour l’entreprise. 

Durabilité : l’IA générative peut aider les entreprises à se conformer aux réglementations relatives au développement durable, à limiter les risques associés aux actifs inutilisés et à intégrer le développement durable dans la prise de décision, la conception de produits et les processus.

L’IA générative aura une incidence sur les secteurs pharmaceutique, de la production, des médias, de l’architecture, de la décoration intérieure, de l’ingénierie, de l’automobile, de l’aérospatiale, de la défense, de la médecine, de l’électronique et de l’énergie, car elle viendra enrichir les processus de base par l’intégration de modèles d’IA. Elle aura une incidence sur le marketing, le design, la communication d’entreprise, la formation et l’ingénierie logicielle en complétant les processus de soutien qui concernent de nombreuses entreprises. Par exemple:

• D’ici 2025, Gartner s’attend à ce que plus de 30 % des nouveaux médicaments et matériaux seront méthodiquement découverts et mis au point à l’aide de techniques d’IA générative, alors que cette proportion est nulle aujourd’hui. L’IA générative semble être prometteuse pour l’industrie pharmaceutique, dans la mesure où elle permet de réduire les dépenses et le temps consacrés à la recherche de médicaments.

• Nous prévoyons que d’ici 2025, 30 % des messages marketing émanant des grandes entreprises seront générés par des machines automatisées, contre moins de 2 % en 2022. Les générateurs de texte tels que les modèles GPT-3 peuvent déjà être utilisés pour créer des textes marketing et des publicités personnalisées.

• L’IA générative permet aux différents acteurs des secteurs de la production, de l’automobile, de l’aérospatiale et de la défense de concevoir des pièces optimisées en fonction d’objectifs et de contraintes spécifiques, notamment en ce qui concerne les performances, les matériaux et les méthodes de production. Cela a pour effet d’accélérer le processus de conception en produisant un éventail de solutions potentielles que les ingénieurs peuvent étudier.

Les technologies qui garantissent une certaine confiance et transparence des modèles d’IA sont appelées à compléter les solutions d’IA générative. Par ailleurs, les cadres dirigeants se doivent de suivre ces conseils pour une utilisation éthique des LLM (grand modèle de langage) et autres modèles d’IA générative :

• Débuter par des tests en interne. Avant de faire appel à l’IA générative pour créer du contenu destiné aux clients ou à d’autres utilisateurs externes, réalisez des essais complets avec les parties prenantes internes et dans le cadre de projets utilisés par les employés. Vous ne voulez pas que les potentielles « hallucinations » de l’IA puissent nuire à votre activité.

• Mettez en avant les notions de transparence. Soyez franc vis-à-vis des intervenants, qu’il s’agisse du personnel, de clients ou citoyens, sur le fait qu’ils interagissent avec une machine en le signalant clairement dans toutes les conversations et tout au long de leur déroulement.

• Effectuez les vérifications nécessaires. Mettez en place des processus et des garde-fous pour détecter les biais et autres problèmes de fiabilité. Pour ce faire, validez les résultats et vérifiez en permanence que le modèle ne se fourvoie pas.

• Répondre aux préoccupations en matière de protection de la vie privée et de sécurité. Veillez à ce que les données sensibles ne soient ni saisies ni extraites. Confirmez avec le fournisseur du modèle que ces données ne seront pas utilisées pour le machine learning en dehors de votre entreprise.

• Progressez sans précipitation. Maintenez les fonctionnalités en version bêta pendant une période prolongée. Cela permet de tempérer les attentes et de garantir des résultats optimaux.

Votre personnel utilise probablement déjà l’IA générative, soit à titre expérimental, soit pour faciliter ses tâches professionnelles. Pour éviter une utilisation « parallèle » non divulguée et un non-respect de la conformité, Gartner recommande d’élaborer une politique d’utilisation plutôt que de promulguer une interdiction pure et simple. 

Cette politique se doit d’être suffisamment claire, elle peut se résumer à trois interdictions et deux autorisations si vous utilisez ChatGPT ou un autre modèle prêt à l’emploi :

• Ne saisissez aucune information personnelle identifiable.

• Ne saisissez aucune information sensible.

• Ne communiquez pas la propriété intellectuelle de l’entreprise.

• Désactivez l’historique si vous utilisez des outils externes (comme ChatGPT) qui offrent cette possibilité.

• Surveillez de près les résultats, qui sont sujets à des hallucinations parfois subtiles, mais néanmoins significatives, à des erreurs factuelles et à des déclarations biaisées ou inappropriées.

Si l’entreprise utilise sa propre instance d’un grand modèle de langage, les préoccupations relatives à la protection du caractère confidentiel des données qui motivent la limitation des saisies deviennent caduques. Toutefois, il est toujours nécessaire de surveiller de près les résultats.

Dans le milieu professionnel, de nombreuses personnes participent à la création de contenu d’une manière ou d’une autre. L’IA générative entraînera de profondes répercussions sur leur travail, qu’il s’agisse de la création de textes, d’images, de conceptions matérielles, de musique, de vidéos ou d’autres choses encore. Pour répondre à cette évolution, les travailleurs devront se transformer en éditeurs de contenu, ce qui nécessite un ensemble de compétences différent de celui de la création de contenu.

Dans le même temps, la manière dont le personnel interagit avec les applications sera amenée à changer, ces dernières devenant interactives, proactives et conversationnelles, ce qui impliquera une nouvelle conception de l’expérience utilisateur. À court terme, les modèles d’IA générative ne se contenteront plus de répondre à des requêtes en langage naturel, mais commenceront à vous suggérer certaines informations sans que vous les ayez demandées. Par exemple, si vous demandez un diagramme à barres sur la base de données, le modèle vous proposera d’autres graphiques qu’il estime pertinents. En théorie tout au moins, cela permettra d’accroître la productivité du personnel, mais cela remettra également en question les idées reçues quant au rôle des humains dans l’élaboration d’une stratégie.

Cet effet sur le personnel variera considérablement en fonction de facteurs tels que le secteur d’activité, la localisation, la taille et l’offre de l’entreprise.

De nombreuses entreprises ont mis en place des programmes pilotes dans le domaine de l’IA générative destinés à la génération de code, à la génération de texte ou à de la conception graphique. Pour mettre en place un projet pilote, vous pouvez suivre l’une des trois voies suivantes :

1. Modèle prêt à l’emploi. Vous pouvez utiliser directement un modèle de base existant en saisissant des instructions. Vous pouvez, par exemple, demander au modèle de créer une description de poste pour un ingénieur logiciel ou de suggérer des lignes d’objet alternatives pour des e-mails de marketing.

2. Rédactique. Programmez et intégrez des logiciels à un modèle de fondation et exploitez-le. Cette technique, la plus courante des trois, vous permet d’utiliser des services destinés au public tout en protégeant votre propriété intellectuelle et en exploitant des données privées pour créer des réponses plus précises, plus adaptées et plus pertinentes. La création d’un chatbot sur les avantages sociaux pour les ressources humaines, qui répond aux questions des employés sur les politiques propres à l’entreprise, est un exemple de rédactique.

3. Modèle personnalisé. L’élaboration d’un nouveau modèle fondateur est une tâche qui n’est pas à la portée de la plupart des entreprises, mais il est possible d’adapter un modèle existant. Cela implique l’ajout au modèle fondateur de données propriétaires qui en modifient sensiblement le comportement. La personnalisation d’un modèle, bien que coûteuse, offre un niveau de flexibilité maximal.

Les coûts de l’IA générative oscillent entre une somme négligeable et plusieurs millions, en fonction de l’application, de l’échelle et des exigences de l’entreprise. Les petites et moyennes entreprises sont susceptibles pour leur part de valoriser les versions gratuites d’applications publiques hébergées en accès libre, telles que ChatGPT, ou de payer des frais d’abonnement peu élevés. Par exemple, OpenAI facture actuellement 20 USD par utilisateur et par mois. Cependant, les options gratuites et bon marché s’accompagnent d’une protection minimale des données de l’entreprise et de certains risques quant aux résultats générés.

Les grandes entreprises et celles qui souhaitent une analyse ou une utilisation plus poussée des données de leur entreprise avec des niveaux de sécurité et de protection de la propriété intellectuelle et de la confidentialité plus élevés devront investir dans une gamme de services personnalisés. Cela peut inclure la mise en place de modèles sous licence, personnalisables et propriétaires avec des plateformes de gestion des données et de machine learning, et impliquera de collaborer avec des fournisseurs et des partenaires. Les dépenses peuvent alors s’élever à plusieurs millions de dollars.

Il convient également de noter que les possibilités offertes par l’IA générative seront probablement progressivement intégrées dans les produits logiciels que vous utilisez probablement tous les jours, tels que Bing, Office 365, Microsoft 365 Copilot et Google Workspace. Dans les faits, il s’agit d’un palier forfaitaire « gratuit », même si les fournisseurs finiront par répercuter ces coûts sur les clients dans le cadre d’augmentations de prix progressives groupées de leurs produits.

L’IA générative est appelée à exercer une influence de plus en plus forte sur les entreprises au cours des cinq prochaines années. Les prédictions de Gartner :

• D’ici 2024, 40 % des applications d’entreprise intégreront l’IA conversationnelle, contre moins de 5 % en 2020.

• D’ici 2025, 30 % des entreprises auront mis en œuvre une stratégie de développement et de test intégrant l’IA, contre 5 % en 2021.

• D’ici 2026, l’IA générative automatisera 60 % des projets de conception de nouveaux sites web et applications mobiles. 

• D’ici 2026, plus de 100 millions de personnes feront appel à des collègues robotisés pour faciliter leur travail.

• D’ici 2027, près de 15 % des nouvelles applications seront générées automatiquement par l’IA sans qu’aucun humain ne soit impliqué. Ce n’est pas du tout le cas aujourd’hui.

Le marché de l’IA générative est en pleine effervescence. Au-delà des grands acteurs de ces plateformes, il existe plusieurs centaines de fournisseurs spécialisés financés par des fonds de capital-risque conséquents et toute une vague de nouveaux modèles et capacités en open-source. Les fournisseurs d’applications d’entreprise, tels que Salesforce et SAP, intègrent des capacités d’IA générative dans leurs plateformes. Des entreprises comme Microsoft, Google, Amazon Web Services (AWS) et IBM ont investi des centaines de millions de dollars et des capacités de calcul considérables pour développer les modèles fondateurs dont dépendent des services comme ChatGPT et d’autres. 

Gartner distingue les principaux acteurs actuels de la manière suivante :

• Google possède deux grands modèles linguistiques, Palm, un modèle multimodal, et Bard, un modèle purement linguistique. Ils intègrent leur technologie d’IA générative dans leur suite d’applications professionnelles, ce qui permettra de la mettre immédiatement entre les mains de millions de personnes.

• Microsoft et OpenAI progressent au même rythme. Comme Google, Microsoft intègre la technologie de l’IA générative dans ses produits, mais il bénéficie des avantages conférés par le fait d’être le premier sur le marché et de l’engouement suscité par ChatGPT.

• Amazon s’est associé à Hugging Face, qui dispose d’un certain nombre de LLM (grand modèle de langage) en libre accès, afin de mettre au point des solutions. Amazon possède également Bedrock, qui fournit un accès à une IA générative sur le cloud via AWS, et a annoncé son intention de créer Titan, un ensemble de deux modèles d’IA qui génèrent du texte et améliorent les recherches et la personnalisation.

• IBM dispose de plusieurs modèles fondateurs et est en mesure d’affiner ses modèles et ceux de tiers en injectant des données et en les formant à nouveau pour les exploiter.

Cela dépend à qui vous posez la question. Le concept d’IA générale (IAG), c’est-à-dire la capacité des machines à égaler ou à dépasser l’intelligence humaine et à résoudre des problèmes qu’elles n’ont jamais rencontrés au cours de leur formation, suscite de vifs débats et un mélange d’admiration et de crainte. Il est certain que l’IA devient de plus en plus performante et qu’elle manifeste des comportements étonnants et inédits que l’homme n’a pas programmés.

On peut s’attendre à une évolution de l’intelligence des machines, qui se rapprocherait alors de l’intelligence humaine, mais dont l’objectif final serait d’aider l’homme à résoudre des problèmes complexes. Une telle évolution impliquera une gouvernance, une nouvelle réglementation et la participation de nombreux acteurs de la société.