Une IA Ethique pour transformer votre business
Un bon retour d’expérience sur un RAG utilisé pour rendre visible et utilisable toute la base de connaissance de l’entreprise. Quand il s’agit de McKinsey on se dit qu’ils avaient beaucoup de choses et une exigence extrême. Rappelle que l’implémentation, c’est bien, embarquer les collaborateurs, c’est encore mieux, mais que la mesure de qualité pour l’amélioration continue c’est clé
750 techs interrogés sur l’état de l’IA et les cas d’usages. Un rapport qui mesure surtout les évolutions dans le temps (le dernier était en 2023), plus intéressant pour comprendre les tendances que des chiffres parfois discutables suivant leur méthodologie. On en ressort avec le sentiment d’une forte hype, mais un usage qui devient réel, très centré sur les chatbot, logique et aussi autour du RAG, adapté à chaque entreprise.
Probablement une excellente nouvelle pour les business aussi : plus les données d’entrainement seront locales ou européennes, plus les résultats que les LLM produisent sembleront pertinents. On oublie souvent que les LLM actuels sont entrainés sur les données du Web, elles-mêmes pas représentative de la société ou l’histoire américaine. C’est d’ailleurs pour que ça que tous les acteurs essaient de négocier avec les groupes de presse. Autant dire qu’on n’a pas être surpris des “hallucinations” sur des recherches spécifiques sur l’histoire ou l’économie française.
Compliqué de s’y retrouver dans des rapports parfois contradictoires. C’est l’évidence que les lignes vont bouger : ici, on prédit que 30% des heures travaillées pourraient être automatisées, ce qui ne veut pas dire 30% des jobs supprimés. Cela concernerait 6% des emplois ayant besoin de transition, soit deux fois plus rapide que l’économie pre-pandémie (ou oublie parfois que techno en rupture ou pas, les emplois évoluent en permanence). Et l’étude liste les compétences à renforcer en 2030, rien de surprenant, mais ça va mieux en le visualisant
Beaucoup de chiffres historiques sur l’impact des technologies sur les emplois. Rappelle que l’arrivée des distributeurs de billets dans la banque n’a pas réduit le nombre d’employés. Que les tableurs et logiciels de compta n’ont pas réduit le nombre d’experts comptables. Les deux ont délivré plus de valeur à leur clients. Ca rappelle quand même que les clients sont les gagnants, les industries souffrent dans la phase de ré-équilibrage.
Propose un framework pour ne pas nous mettre dans le mur sur le climat avec l’IA. Rappelle à juste titre que ceux qui possèdent le principal levier d’action, ce sont les équipes de leadership et notamment les CEO et board members. Ils se sentent concernés, vous trouvez ?
Un pas à pas très clair pour monter les marches une à une : prompt engineering, eval, RAG, Fine-tune, complementary agents. Ça commence par une grosse déception après l’excitation des premiers tests…
Souvent une idée fausse des personnes sceptiques de l’IA : elle ne pourrait pas faire des tâches vraiment humaines. C’est l’inverse pour l’instant : l’IA bloque sur des tâches pourtant simples, mais peut simuler plus d’empathie qu’un humain.
Un domaine sur lequel l’IA a probablement eu le plus d’impact : le code. Et ceux qui ont testé parmi les dev ne peuvent plus revenir en arrière (80% aux US s’en serviraient quotidiennement). Mais la même limite s’applique : l’IA ne peut pas tout faire et ce qu’on gagne en productivité au jour le jour peut se perdre sur le long terme (architecture, code spaghetti).
Ca ne s’invente pas le chief architect de OpenAI s’appelle Jarvis ! Il rappelle que les LLM vont encore progresser et qui si vous n’avez pas d’utilisateurs spécifiques, de data, votre service va se faire torpiller par les prochaines évolutions. Bizarrement pour quelqu’un à sa position il prône des modèles fine tunés par chaque entreprise. Mais on voit bien encore une fois que chatGPT est un service grand public, très éloigné des besoins réels des entreprises.