Le problème

Selon une étude du MIT de 2022, 94% des entreprises touchent à l’IA, mais seulement 14% estiment que cela va bouleverser leur métier en 2025. Dans celle de Deloitte, 68% disent s’y mettre “plus tard”.

Pourquoi ?

Comme à toutes les ruptures technologiques majeures seuls quelques early adopters osent innover

Plus
  • Courbe des early adopters : seule une petite portion d’un groupe va s’aventurer dans une une rupture technologique
  • Courbe du Hype de Garner : quand le hype arrive et que tout le monde en parle, ça va devenir has been rapidement mais c’est là qu’il faut s’y mettre…
  • Le digital a mis 25 ans pour s’installer, l’IA mettra probablement 7 ou 8 ans

Pourquoi ?

Difficile de remettre en cause toute une organisation, un historique

Plus
  • C’est propre à tout individu et encore plus à tout groupement d’individu
  • Faire la différence entre “Legacy” et “Heritage” est compliqué quand il s’agit de faire des choix (c’est à dire abandonner des choses)
  • Ce n’est pas limité aux grands groupes, les PME, start-up et scale-up n’y arrivent pas non plus

Pourquoi ?

C’est perçu comme trop complexe et avec trop d’inconnues

Plus
  • L’IA représente une véritable rupture, bien plus importante que l’arrivée d’Internet ou du mobile : elle impacte profondément la société, l’économie et l’avenir de notre planète (dans le positif comme dans le négatif)
  • les médias portent un discours toxique, se sentant eux-même en danger
  • Les gouvernements ne voulant pas revivre la prise de pouvoir des GAFAM régulent très fortement, à raison mais parfois en perdant la raison

Pourquoi ?

Les problématiques critiques ne sont pas encore suffisamment prises en compte

Plus
  • sur la données : les biais dans les données d’entraînements (98% des modèles sont entraîné sur des contenu de culture anglo-saxonne), le respect des droits d’auteurs (les opérateurs pillent les contenus “des médias notamment “à disposition” sur Internet), la sécurisation des données de l’entreprise (qui ne peuvent pas aller sur des serveurs américains, non RGPD ni sécurisés) alors que des modèles souverains, plus petits et moins coûteux existent
  • sur l’impact social : les craintes des collaborateurs sur la perte d’emploi, ou la mise sur le côté d’un certain nombre alors même que l’IA est un formidable enjeu pour faire moins de tâches rébarbatives et apprendre en permanence, donc augmenter sa valeur sur le marché du travail. Et que l’histoire économique nous enseigne que toutes les prévisions catastrophistes dans le passé ne se sont pas réalisées
  • sur l’impact environnemental : la course à l’armement sur les GPU va faire exploser l’impact du digital, la sobriété technologique n’est pas à l’oeuvre alors que des solutions moins coûteuse et moins consommatrices que les Large Language Model existent

Pourquoi ?

Les cabinets de conseils ne sont pas outillés pour accompagner les petites et moyennes entreprises

Plus
  • Ils viennent tout juste de commencer à maîtriser les sujets environnementaux
  • Ils sont généralement assez éloigné de l’opérationnel ou de l’entrepreneuriat dans leur culture
  • Leur modèle économique fonctionne avec les très grosses entreprises pas les PME ou les ETI

Contre-mesure A :

Pour créer des modèles économiques efficaces, il est indispensable de réfléchir dès la conception à la création de valeur pour le client et les collaborateurs, en intégrant des principes éthiques pour en faire des modèles pérennes. Pour se faire, il faut accompagner les entreprises, surtout les PME et les ETI.

C’est l’ambition de AIthical.biz, voilà comment ça marche !

Plus
  • Commencer par la valeur pour le client et les collaborateurs
  • Protéger les donnés de l’entreprise, respecter la RGPD
  • Pousser l’IA vers la notion d’agents à la qualité mesurable et à un impact opérationnel bien supérieur à la notion de copilote

Vous êtes une PME, start-up, scale-up, vous souhaitez mettre en place l’IA dans votre entreprise ? Contactez-nous !

Contre-mesure B :

Créer une tech no-code (more to come…)