Une IA Ethique pour transformer votre business
NFX propose une vision détaillée sur l’évolution des “agents IA” en 5 étapes : du simple copilote à l’autopilote d’aujourd’hui, jusqu’aux agents créatifs capables d’innover en business. L’aboutissement ? Des entreprises 100% AI. Le timing reste le grand mystère : certains parient sur quelques années, d’autres jugent ça impossible. Perso, je mise sur un entre-deux !
Le PDG d’Anthropic (créateur de Claude) nous éclaire sur Deepseek : malgré une approche similaire à o1 via le reinforcement learning, les améliorations restent incrémentales plutôt que révolutionnaires. Ses inquiétudes d’un monde IA bipolaire (US-Chine, merci l’Europe n’est pas là !) s’il n’y a pas de restrictions américaines sur l’export des puces me font penser à Toyota. Après 1945, avec des moyens limités, ils ont dépassé le géant General Motors… Les contraintes sont parfois un cadeau. L’investissement infini, un frein.
Concernant DeepSeek vs les US, je ne participerai pas ici à l’excitation générale sur des éléments probablement fantasmés (des deux côtés). Par contre, très factuellement, le nombre d’utilisateurs en dehors de la Chine est énorme. Sur des applications en entreprise, on déconseille déjà le Shadow IA avec un ChatGPT gratuit qui fait la même chose, mais là, on va passer un cran supérieur avec DeepSeek.
Soyons honnêtes, je ne suis rarement convaincu par les concepts futuristes des grandes firmes de conseil comme Accenture : souvent séduisants sur le papier, mais rarement fondés ou argumentés. Cependant, la partie la plus intéressante ici concerne l’organisation de la tech dans les entreprises : fini le top-down, avec l’IA, ce sont les équipes sur le terrain qui s’approprient les innovations. Cela remet en question tout le génome tech & innovation de nos entreprises…
Microsoft se lance à son tour dans la définition des agents IA, introduisant les notions de mono-agents et micro-agents. Pas sûr que cela clarifie le marché : les micro-agents exécutent des tâches basiques sous la supervision d’un manager agent, tandis que les mono-agents gèrent tout d’un bloc. L’occasion pour eux de promouvoir leur approche de micro-services. Pourquoi pas, mais on aurait pu s’en passer !
Au tour d’Anthropic de partager sa vision des Agents, en distinguant clairement les workflows (orchestration de LLM selon un schéma défini) et les agents (LLM autonomes dans leurs processus et outils). La partie sur les agents reste limitée, reflétant leur stade de développement. En revanche, les cas d’orchestration “classiques” sont bien détaillés, montrant l’étendue des possibilités déjà accessibles sans recourir à des agents autonomes.
Attention encore du “brand content” d’un cabinet de conseil. Néanmoins, les explications sur les freins du passage du POC IA à la production semblent fiables : choix technologiques, sécurité, gérer le changement, ROI pas clair et financement.
Une analyse actualisée depuis janvier 2017 sur l’IA dans le domaine juridique. Très approfondie (70 000 caractères et 500 notes !), le résumé offre déjà un excellent aperçu des réflexions que l’IA suscite dans ce secteur.
Un tour d’horizon complet sur l’usage de l’IA générative dans les agences de pub, RP et social media. Bien au-delà de l’augmentation de production, l’IA inspire aussi le brainstorming, agissant comme des “lunettes de vision nocturne pour la créativité”. Les clients, eux, perçoivent des baisses de coûts et ajustent leurs attentes, poussant les agences à produire plus ou moins cher, dans un contexte où l’internalisation gagne du terrain.
Une nouvelle étude explore l’adoption de la GenAI dans les TPE et PME. Si les résultats diffèrent parfois d’autres enquêtes (comme celles de la BPI sur les projets en production), cela pourrait s’expliquer par des usages limités : synthèse, traduction, analyse de données. Malgré 43 réponses, les observations qualitatives révèlent des freins clés : hallucinations, sécurité, intégration au SI, manque d’expertise interne.