L’IA générative est une branche de l’intelligence artificielle qui génère des productions originales, comme du contenu et du code, en temps quasi réel. Contrairement à d’autres systèmes d’IA qui se concentrent sur des tâches prédictives et l’identification de motifs, l’IA générative — entraînée sur de grands ensembles de données — produit des résultats créatifs. Cette étincelle créative explique pourquoi il s’agit de la tendance technologique la plus discutée dans le monde actuellement, avec le potentiel de transformer des secteurs entiers et la nature même du travail.

Pour définir où se situe la tendance technologique dans l’écosystème de l’IA, Kalyan Kumar, chef de la direction technologique mondiale et responsable des écosystèmes chez HCLTech, déclare : « L’IA générative est un sous-ensemble de l’intelligence artificielle à l’intersection de l’apprentissage profond et du traitement du langage naturel. »

Une symphonie humain-algorithme

L’IA générative repose sur une collaboration approfondie entre les humains et les algorithmes.

« La technologie apprend tout en élaborant des hypothèses et en générant du code et du contenu. Elle peut transformer de nombreux domaines, y compris la narration, le résumé, la génération et l’assistance au code et même les graphiques informatiques. Traditionnellement, ces domaines prenaient beaucoup de temps aux gens. Mais ce n’est plus le cas », explique Kumar.

Cependant, il précise : « Malgré ces nouvelles vitesses sans précédent, un cerveau humain demeure essentiel pour intégrer la responsabilité, la fiabilité et la validation. »

L’opportunité offerte par l’IA générative est immense et elle touchera les consommateurs, les étudiants, les citoyens, les employés d’entreprise ainsi que tous les aspects de la vie sociale, mais l’implication humaine demeure cruciale. Les humains doivent fournir à la machine les bonnes questions pour obtenir les bonnes réponses afin de résoudre des problèmes, générer le code nécessaire ou produire le contenu approprié. Savoir poser les bonnes questions est devenu une compétence très importante, avec la montée des ingénieurs de requêtes qui rejoignent le marché du travail.

L’opportunité de l’IA générative

Aujourd’hui, avec des programmes comme ChatGPT d’OpenAI et Bard de Google, l’IA générative influence déjà le monde des consommateurs. Les gens l’utilisent chaque jour dans toutes sortes de situations, y compris les devoirs, la rédaction et la génération d’images.

En entreprise, le potentiel est considérable pour exploiter des décennies de données sous forme d’articles, de vidéos et de résumés afin de générer des idées inédites, tandis que dans les organisations de bout en bout, allant de la santé au voyage, la puissance transformatrice de l’IA générative est monumentale.

Dans le domaine de la santé, par exemple, elle peut aider à l’analyse des images médicales, convertir les radiographies et les tomodensitogrammes en images plus claires pour aider au diagnostic précoce des maladies et découvrir de nouveaux médicaments, en créant de nouvelles molécules et en prédisant leurs propriétés.

Chez HCLTech, l’IA générative ouvre également la voie à de nouvelles opportunités et considérations.

« Nous appliquons l’IA générative au sein de nos propres activités, en cherchant à comprendre comment nous pouvons l’utiliser pour le développement et la maintenance d’applications, les opérations et le support IT et OT, l’ingénierie des systèmes et dans les opérations des processus d’affaires », dit Kumar.

Il évoque quatre domaines clés :

1. L’ingénierie des requêtes

Comme mentionné, l’IA générative nécessite les bonnes requêtes. L’ingénierie des requêtes est un élément critique de l’affinement des modèles de langage, qui consiste à concevoir et perfectionner les requêtes afin d’obtenir des résultats ou des comportements spécifiques.

Le processus d’ingénierie des requêtes consiste à tester et à affiner les requêtes pour les optimiser pour des tâches spécifiques, à l’aide de techniques comme l’optimisation, la combinaison et la synthèse des requêtes.

Avec des ingénieurs de requêtes, HCLTech peut enrichir le savoir-faire spécifique à un domaine tout en exploitant les forces et les faiblesses du modèle linguistique pour obtenir de meilleurs résultats, qu’il s’agisse de contenu ou de code, avec un minimum d’effort de l’utilisateur.

2. L’ingénierie des données

Au-delà de l’analytique, les ingénieurs de données doivent créer le bon flux de données pour l’ingestion, la gestion et les opérations de données. L’IA générative peut contribuer à cela et résoudre la crise de la rareté des données dans l’industrie par la création de données synthétiques, ce qui peut aider à éliminer les biais et à mener à la détection automatique et à la correction des erreurs dans les données.

3. Intégration et orchestration des applications intelligentes

L’IA générative peut être intégrée dans les entreprises, les systèmes de recherche et de connaissances pour créer des applications intelligentes qui génèrent de nouveaux modèles d’affaires et propositions de valeur. Il est important, lors de l’intégration de systèmes d’IA générative, que les organisations cherchent à enrichir ou à intégrer les capacités des applications existantes et de leurs données plutôt que de les remplacer.

4. Une IA responsable

Avec la montée de l’IA générative, les organisations ont l’occasion de mettre en place des pratiques responsables. C’est essentiel, peut-être plus que tout, pour garantir un avenir transparent et équitable.

L’IA responsable axée sur l’industrie doit aller au-delà d’une liste de principes, les organisations devant prioriser le développement d’un cadre solide.

« Ces systèmes ne sont pas programmés, ils apprennent en fonction de la façon dont ils sont enseignés. Il est très important de les entraîner avec les bonnes données, les bons intrants et les bonnes requêtes », explique Kumar.

HCLTech présente son approche d’une IA responsable de la façon suivante :

• Explicabilité des modèles – un cadre standardisé pour amener l’explicabilité des modèles à chaque étape du processus d’IA
• Confiance dans les résultats – définit les fonctionnalités nécessaires pour valider les résultats dès la conception, avec des vérifications multi-niveaux pour appuyer la fiabilité des résultats de l’IA
• Fiabilité – met l’accent sur la performance fiable du système d’IA en production, avec des essais personnalisés et un cadre qualité pour fournir des produits fiables
• Confidentialité et sécurité – la confidentialité et la sécurité des données des personnes prises en compte lors de la découverte des données, la sélection des caractéristiques, le développement du modèle et les étapes d’entraînement
• Inclusion – modèles de conception et de test qui garantissent la diversité et la compréhension des profils des utilisateurs avant la création des systèmes d’IA
• Équité – modèles de conception, d’entraînement et de test pour réduire les biais et l’iniquité potentiels dans le produit final
• Traçabilité – établir non seulement comment un système fonctionne, mais aussi comment et pourquoi il a été créé, de façon à expliquer pourquoi un système présente certaines dynamiques ou comportements
• Responsabilisation – les structures et processus sont codifiés et mis en œuvre pour s’assurer que toutes les opérations d’IA sont régies par les principes ayant présidé à leur conception et convenus avec toutes les parties prenantes
• Gestion du changement – intégration de l’IA et du processus de gestion du changement pour appuyer l’adoption, le succès et l’évolution de la culture

Le rôle du nuage

Pour réellement tirer parti des opportunités de l’IA générative et maximiser son potentiel, la technologie ne peut être déployée qu’avec une stratégie nuagique et de données appropriée. Cela a été confirmé par 85 pour cent des décideurs principaux dans le cadre d’une recherche récente de HCLTech, L’évolution du nuage : Faire de l’innovation une habitude.

L’IA générative et toutes les technologies de prochaine génération, telles que la réalité mixte qui alimente le métavers, l’informatique quantique et la 5G, seront alimentées en nuage. « En raison de l’énorme volume de traitement de données, des besoins importants en stockage et de la complexité de manipulation de ces algorithmes, il n’y a pas d’autre endroit pour eux. L’IA générative sera un service fourni en nuage et votre stratégie nuagique devra évoluer pour répondre à ces nouvelles exigences », explique Kumar.

Il ajoute : « Les organisations qui se contentent de déplacer des machines et de l’infrastructure dans le nuage ne retirent pas la véritable valeur. Aujourd’hui, le passage au nuage vise à moderniser et à réarchitecturer les charges de travail existantes, tout en tirant parti de nouvelles capacités. L’innovation rendue possible dans le nuage permet la création de nouvelles applications, reposant sur des technologies comme l’IA générative. Cela doit être soutenu par des compétences en IA et en ingénierie des données, un élément clé de CloudSMART de HCLTech. Nous activons la capacité des données avec le nuage, ce qui soutient les modèles d’IA générative ou d’apprentissage automatique pour extraire une valeur commerciale significative. »

Toute entreprise tournée vers l’avenir explore comment elle peut déployer des solutions d’IA générative pour stimuler l’innovation, pérenniser ses modèles d’affaires et gagner un avantage concurrentiel. Bien que nous n’en soyons encore qu’aux débuts de l’adoption massive, il est clair que les entreprises qui réussiront auront besoin de la bonne stratégie nuagique, des bonnes compétences et du bon partenaire ayant l’expertise pour intégrer les technologies de prochaine génération aux opérations commerciales existantes.

Pour découvrir plus d’informations issues de la recherche nuagique de HCLTech, L’évolution du nuage : Faire de l’innovation une habitude, cliquez ici