Le champ des possibles de l’IA

Avec le lancement de ChatGPT, l’intelligence artificielle générative est devenue un sujet de fascination. La multitude de cas d’usage et de scénarios catastrophes imaginés par le grand public semble inépuisable.

 

Par-delà le battage médiatique, il est important de comprendre qu’il existe plusieurs types d’IA. Celle qui convient à une entreprise ou un cas particulier peut se révéler totalement inutile dans d’autres situations. Les chefs d’entreprise ont d’ores et déjà accès de nombreux types d’IA. Une fois que vous aurez compris ce qu’est l’IA et comment elle peut vous servir, vous serez mieux armé pour déterminer le type d’IA à exploiter et à quelles fins.

 

Pas besoin d’études poussées pour comprendre l’IA

Une métaphore utile est celle de « l’hémisphère gauche » comparé à « l’hémisphère droit » du cerveau. Traditionnellement, « l’hémisphère gauche » est associé aux compétences analytiques, mathématiques et logiques. « L’hémisphère droit », quant à lui, est associé à l’intuition et à la créativité.

Pour établir une analogie avec l’IA, on peut dire que l’IA de « l’hémisphère gauche » porte principalement sur la prise de décisions rationnelles et optimales. Elle doit détecter et interpréter toutes les formes de données structurées et non structurées pour établir des prévisions. L’IA doit ensuite traduire ces données en décisions, prendre les mesures qui s’imposent et tirer des enseignements des résultats. Les systèmes d’IA peuvent prendre des décisions intelligentes au cours de processus complexes : par exemple, choisir l’offre à proposer à un client ou la façon de traiter une déclaration de sinistre pour en optimiser l’efficacité.

L’IA générative se place de l’autre côté du cerveau, dans « l’hémisphère droit », la partie « créative » qui n’est pas en mesure de prévoir ou de décider. Elle génère et crée tout type de contenu utile à partir de courtes demandes, des « prompts », formulées par les utilisateurs. Elle peut produire instantanément du texte ainsi que du contenu audio ou vidéo, et même des prototypes complets d’applications. L’IA qui alimente ChatGPT, MidJourney, DALL-E2 et toutes ces autres IA génératrices de contenu ont chamboulé le monde de l’entreprise depuis l’automne dernier.

Qu’est-ce qui alimente l’IA ?

Deux fonctionnalités clés permettent d’alimenter à la fois l’IA de l’hémisphère gauche et de l’hémisphère droit : le raisonnement logique basé sur des règles et l’apprentissage automatique ou machine learning. Je suis passionné d’échecs ; nous prendrons donc ce jeu comme exemple. Dans les années 1950, les premiers programmes d’échecs sur ordinateur s’appuyaient sur la logique pour guider le choix des déplacements à évaluer et les organiser dans ce que l’on appelait alors un arbre de jeu. L’arbre de jeu coordonnait les déplacements et les ripostes de chacun des deux joueurs. Les règles permettaient de restreindre le choix des meilleurs déplacements en fonction d’une position donnée. L’arbre de jeu était ensuite évalué pour déterminer la meilleure séquence à suivre. Ces arbres pouvaient être assez complexes et anticiper parfois une douzaine de déplacements, voire plus. Ces programmes ne pouvaient pas « apprendre » de ces résultats. Seule l’intervention humaine a permis d’apporter des améliorations à leurs règles.

Bien sûr, nous faisons preuve de logique dans le monde professionnel, comme aux échecs. Par exemple, de nombreuses règles existent en matière d’éligibilité, de solvabilité et de conformité pour faciliter les décisions d’accord de prêt. Les systèmes basés sur des règles font partie de l’IA depuis toujours. Ce serait une erreur de ne pas les considérer comme des systèmes d’IA, car ils ne sont pas communément appelés « intelligents ». En outre, il est légitime de penser que l’IA basée sur des règles va de nouveau gagner en importance face à l’intérêt croissant pour la réglementation et l’éthique de l’IA

Cela dit, comment peut-on savoir si la logique utilisée est correcte ou optimale ? Et comment l’améliorer ? C’est là que l’apprentissage automatique entre en jeu. Celui-ci permet aux ordinateurs d’apprendre à partir de l’expérience. Ils imitent la façon dont les êtres humains résolvent les problèmes et prennent des décisions, sans que des règles rigides et expliquées ne dictent toutes leurs actions. Ces modèles d’IA apprennent de manière optimale comment agir au fil du temps grâce à l’expérience. Ils sont alimentés en données de formation afin qu’ils puissent commencer à identifier tous les types de schémas possibles et à apprendre quelle sera l’action optimale. L’apprentissage automatique est également le moteur qui pilote l’IA générative. Par exemple, les grands modèles de langage (LLM) apprennent à anticiper la suite d’un texte en fonction du contexte. Ce contexte peut ensuite être utilisé pour générer de nouveaux textes ou pour répondre à des questions. Ces systèmes peuvent être très efficaces lorsqu’ils sont utilisés avec une IA plus traditionnelle basée sur des règles.

En utilisant les mêmes principes, une banque, par exemple, peut utiliser l’IA basée sur des règles et l’apprentissage automatique pour trier les milliers d’e-mails reçus par son service client et déterminer l’action qui convient le mieux. Les modèles d’apprentissage automatique utilisent tout d’abord le traitement du langage naturel (NLP) pour comprendre l’objet de l’e-mail et anticiper les besoins du client : celui-ci a-t-il besoin d’un prêt ou a-t-il un problème avec son compte ?

L’IA basée sur des règles entre en jeu lors de la prise en compte des politiques de l’entreprise pour décider de la meilleure action suivante, ou next-best-action : par exemple, en fonction de son rapport de solvabilité et d’autres éléments, tel type de client est éligible à tel type de prêt. L’apprentissage automatique continue une fois les décisions prises. Les résultats sont enregistrés à des fins d’auto-optimisation et d’apprentissage.

 

Quel type d’IA vous faut-il ?

Quelle forme d’IA vous correspond le mieux ? La prise de décision de « l’hémisphère gauche » ? L’IA générative de « l’hémisphère droit » ? Ou une combinaison des deux ? La réponse dépend de vos objectifs. Lorsqu’elle est correctement mise en œuvre, l’IA peut jouer un rôle essentiel dans l’amélioration des interactions avec les clients, l’optimisation des processus métier et la réduction des coûts. Une IA utilisée judicieusement peut améliorer considérablement l’essence même de votre travail.

Commencez donc par définir votre mission et les résultats que vous souhaitez atteindre. Cherchez-vous à améliorer le service client, à optimiser les opérations ou à perfectionner la prise de décision ? Pensez à la disponibilité, à la qualité et à la pertinence de vos données, aux systèmes que vous avez mis en place et aux compétences ou aux lacunes de votre équipe. Choisissez ensuite l’IA qui correspond le mieux à vos besoins du moment et testez votre plan avec un petit projet pilote et un cas d’usage spécifique.

 

Mais ne tardez pas. L’IA continue de changer la façon dont les entreprises fonctionnent. L’IA générative, en particulier, va modifier rapidement et radicalement la façon dont nous travaillons. La décision la plus importante à prendre aujourd’hui est la suivante : choisir la ou les meilleures solutions d’IA pour atteindre vos objectifs.