Je n’ai aucun doute que le monde est entré dans l’ère de l’intelligence artificielle, et que son sous-ensemble, l’IA générative (GenAI), provoque des bouleversements dans presque toutes les industries. Presque toutes mes conversations avec nos clients d’entreprise tournent autour de la question : comment tirer le meilleur parti de la GenAI de manière sûre, sécurisée et évolutive.

Selon le sondage Gartner CEO de 2024, l’IA s’est désormais imposée comme la technologie différenciatrice pour réaliser les stratégies d’entreprise, y compris la génération de revenus et les opérations, avec 24 % qui la priorisent, contre seulement 4 % en 2023.

L’essor de la GenAI

Depuis l’émergence fulgurante de la GenAI à la fin de 2022, avec le lancement de ChatGPT par OpenAI, les cadres dirigeants — dont beaucoup ignoraient cette technologie auparavant — ont rapidement adopté cette technologie et augmenté leurs investissements dans ce domaine.

Selon la recherche de Gartner sur la GenAI dans les services technologiques, le TCAC sur cinq ans pour l’IA devrait croître de 17 % entre 2023 et 2027 et une grande partie de cette croissance va remplacer les investissements dans d’autres catégories TI. 

Les organisations cherchent à remplacer leurs stratégies et plans TI actuels par des stratégies “IA d’abord” (“AI First”), tout en prévoyant de déployer la technologie de la même façon que les innovations précédentes, en combinant l’achat et la création de modèles, services et solutions GenAI.

Avec l’apparition de toute nouvelle technologie générant un impact aussi significatif, il est important de comprendre les tendances qui façonnent le marché. Dans cet article, je vais présenter trois tendances clés qui propulsent la GenAI à l’avant-scène comme avantage concurrentiel pour les entreprises.

1. GenAI sectorielle et spécifique à un domaine

Tout comme nous l’avons vu avec l’essor du nuage sectoriel, les modèles GenAI seront de plus en plus conçus pour des secteurs précis et des fonctions d’affaires spécifiques.

Selon Gartner, cette situation concernera plus de 50 % des modèles GenAI d’ici 2027 — contre environ 1 % en 2023. Cette tendance est motivée par la nécessité d’applications d’IA plus précises et contextuelles dans divers secteurs.

Les différents secteurs ont des besoins distincts et, comme pour l’infonuagique, les modèles et services GenAI standardisés ou génériques ne peuvent répondre aux exigences particulières de secteurs donnés. Ceci est particulièrement vrai pour les secteurs réglementés qui doivent respecter des normes strictes de gouvernance, de gestion des risques et de conformité — les modèles GenAI sectoriels ou propres à un domaine aideront les organisations à se conformer aux réglementations et normes de conformité, veillant ainsi à la sécurité des données et aux considérations éthiques.

La GenAI adaptée à un secteur ou à un domaine particulier apprend à partir d’ensembles de données plus petits, ou de petits modèles linguistiques (SLM), qui exigent souvent moins de puissance de calcul que les modèles à usage général, tels que ChatGPT d’OpenAI ou Gemini de Google. Cette approche leur permet de mieux comprendre le langage ou les subtilités propres à un secteur ou à un domaine, ce qui entraînera de meilleurs résultats.

Par exemple, dans le secteur de la santé, Google Research a développé un grand modèle linguistique (LLM) appelé Med-PaLM. Ce LLM est conçu pour fournir des réponses de grande qualité à des questions médicales. La deuxième version, Med-PaLM 2, fait partie des modèles de recherche qui alimentent MedLM, une famille de modèles de base créés pour le secteur de la santé. Med-PaLM 2 a atteint une précision de 85,4 % sur les questions de type US Medical Licensing Exam (USMLE), dépassant GPT-42. Il s’agit du premier modèle linguistique à atteindre une performance de niveau expert sur ces questions USMLE avec plus de 85 % de précision. 

Dans le secteur du commerce de détail, RetailGPT inaugure une nouvelle ère du magasinage et du service « phygital » grâce à la puissance de la GenAI. Par l’entremise d’une application, RetailGPT offre une expérience incroyablement personnalisée et conversationnelle aux clients, tout en permettant aux détaillants de mieux comprendre et engager leur clientèle par les données.

Ces cas d’utilisation émergents s’étendent à quasiment tous les secteurs, et le déploiement stratégique de la GenAI peut non seulement rehausser les offres existantes, mais aussi ouvrir la voie à de nouveaux produits, services, sources de revenus et innovations futures.

2. Une stratégie de données unifiée

Pour entraîner tout modèle d’IA, il faut des données ; c’est un élément fondamental.

La qualité et la grande quantité de données sont essentielles pour générer des résultats percutants permettant de créer des produits et des services significatifs. Ainsi, aujourd’hui, les organisations privilégient l’acquisition et la gestion des données.

Cependant, c’est un défi de taille pour de nombreuses raisons : cloisonnement des données, équipes d’IA et d’infrastructures isolées, manque d’uniformité dans la qualité des données, lois sur la confidentialité de plus en plus strictes qui ajoutent de la complexité, pénurie de grands ensembles de données diversifiés pour entraîner les modèles et présence de biais dans les ensembles de données qui sont ensuite intégrés aux modèles d’IA. Cela entraîne des résultats biaisés et des décisions potentiellement injustes, comme le refus d’une demande d’hypothèque en raison de la couleur de votre peau.

Ce type de défis fait en sorte que les organisations pourraient encourir des coûts plus élevés et faire face à des limites potentielles lors de l’entraînement de leurs modèles d’IA.

Pour surmonter ces problèmes, les organisations devraient se concentrer sur la création d’une stratégie de données unifiée liée à l’IA, à l’infrastructure et, élément crucial, aux résultats d’affaires. Une telle stratégie devrait intégrer une approche hybride pour l’acquisition et la gestion des données, combinant données synthétiques et réelles, tout en pratiquant une évaluation continue avec supervision humaine afin d’adresser les enjeux de la qualité et la variété des données, la réglementation stricte et les biais. 

3. Une IA responsable et sécurisée 

Avec l’adoption accélérée de la GenAI, l’IA responsable et sécurisée est devenue primordiale.

L’IA responsable consiste à s’assurer que les systèmes d’IA sont créés et déployés de manière éthique.

La raison principale de la priorisation de l’IA responsable est d’atténuer le biais. L’atténuation du biais est fondamentale pour livrer des solutions GenAI applicables et pertinentes sur le marché.

Au final, le biais provient de trois sources : les algorithmes, les données et les humains. Au cours de la dernière décennie, le biais provenant des algorithmes d’IA a chuté de façon exponentielle. Aujourd’hui, les algorithmes sont surtout fiables et la principale origine du biais en IA provient des données et des humains.

Pour ce qui est des données, le biais existe en raison d’un manque de qualité et de variété, ainsi que d’ensembles de données souvent incomplets utilisés pour entraîner l’algorithme. Côté humain, il existe une méfiance inhérente envers l’IA, que ce soit à cause des menaces signalées envers l’emploi ou en raison des hallucinations d’informations par l’IA.

Alors que l’IA responsable vise à développer un environnement d’IA éthique et sans biais, l’IA sécurisée fait référence à l’ensemble des mesures qui protègent l’infrastructure d’IA et les données qui alimentent ces systèmes contre les cyberattaques.

Le traitement d’un plus grand volume de données pour entraîner les algorithmes élargit la surface d’attaque et augmente les risques de brèches ou de fuites de données. Des acteurs malveillants utilisent également la GenAI pour concevoir des cyberattaques plus intelligentes et plus difficiles à contrer.

Surmonter ces divers obstacles et mettre en œuvre une IA responsable et sécurisée exige que les organisations élaborent un cadre qui met l’accent sur des aspects comme l’explicabilité, l’équité, la transparence, la confidentialité et la sécurité. 

Plusieurs fournisseurs de services TI ont créé des cadres pour aider les entreprises à adopter des pratiques d’IA responsable et sécurisée. HCLTech ne fait pas exception. Notre plateforme AI Force vise à aider les organisations à adopter une IA responsable en intégrant des mesures solides de sécurité et de gouvernance afin de favoriser une innovation sûre et sécurisée à grande échelle. 

Définir le marché de la GenAI

Alors que le marché de la GenAI en est à ses débuts, les implications pour l’avenir des affaires et de la société sont majeures.

La GenAI et l’IA sont désormais des priorités stratégiques pour les organisations, et le sondage Gartner CEO 2024 révèle que 59 % des PDG sont d’avis que l’IA est la technologie qui aura le plus d’impact sur leur secteur.

La technologie suivra-t-elle le même parcours que d’autres technologies émergentes, soit un engouement suivi d’une désillusion ? Cela reste à voir.

Une chose est claire : pour survivre et prospérer, les organisations devront identifier des cas d’usage d’affaires concrets, perfectionner et requalifier leurs employés – en se concentrant sur des disciplines comme l’ingénierie des invites – et adapter leurs structures organisationnelles pour accueillir un nouveau monde où la GenAI augmente le travail humain, l’ingéniosité et la prise de décision.

Pour y arriver, les entreprises tournées vers l’avenir devront s’associer à un partenaire GenAI qui comprend leurs besoins d’affaires uniques et possède une expérience avérée dans la livraison de solutions IA sûres, évolutives et performantes, en plus d’une gamme complète de services propulsés par la GenAI.

Vijay Guntur s’est entretenu avec Nicholas Ismail, chef mondial du journalisme de marque chez HCLTech