Une IA Ethique pour transformer votre business
Où les études montrent que les humains finissent par trop faire confiance à l’IA et ne plus la contredire, même dans les décisions de justice aux États-Unis… La seule solution : la formation des collaborateurs pour leur faire garder un esprit critique. Pas un nouveau sujet, Toyota nous rappelle à son souvenir avec le fameux Andon…
La surprise vient plus du fait qu’un LLM générique comme chat GPT4 est plus efficace que du machine learning traditionnel et spécialisé sur ces sujets. On rappelle aussi que les LLM sont à l’aise avec les textes, beaucoup moins avec les chiffres. Ça peut donc aider les analystes, mais encore une fois pas les remplacer
Une hypothèse très intéressante : le marché des employés et celui du SaaS ou même des services va fusionner avec l’IA. C’est une formidable opportunité pour les start-ups qui sauront apporter une qualité opérationnelle de l’IA équivalente, voire supérieure par la verticalisation. Et les grandes entreprises ne sont pas assez agiles pour y aller. Le paradoxe de Jevons devrait rassurer ceux qui craignent une réduction globale des emplois : la consommation de charbon a montré que plus on optimise une technologie et plus la demande augmente.
Klarna semble avoir compris que ses annonces sur l’IA font du bon marketing aussi, mais bon… Ce qui est plus intéressant c’est qu’ils ont délivré plus vite, plus spécifique et avec une meilleure expérience. Par exemple organiser des opérations (fête des Mères) qu’ils ne faisaient pas avant.
Point de vue intéressant du fondateur de Hubspot : c’était super dur de lancer des boîtes (et avant lui encore plus). Le vrai apport de l’IA, c’est pour les petits business, c’est plus facile à lancer et plus facile à scaler. C’est peut-être là qu’il faut regarder pendant que toutes les corporates se demandent combien de décade ça va demander de se transformer…
Rien de neuf, encore une étude qui confirme que les entreprises françaises ne sont pas prêtes à investir dans l’IA. Les principales barrières sont le manque de connaissances, les coûts et les inquiétudes concernant l’impact sur l’emploi, tandis que les entreprises ont du mal à évaluer leurs besoins en IA et à trouver les compétences nécessaires.
Un enseignement du cas Google, qui introduit l’IA dans son moteur de recherche : une IA générative (Gen AI) peut se tromper. Même s’il est facile de s’amuser des erreurs présentées, cela doit surtout nous faire réfléchir sur le fait que ces erreurs proviennent souvent de la qualité des données d’entraînement et de l’incapacité de l’IA à comprendre réellement le contenu qu’elle ingère. La Gen AI fonctionne, et fonctionnera encore probablement un temps, dans des domaines où l’erreur est permise, voire un avantage, comme dans la créativité. Mais elle n’est pas (encore) adaptée là où les résultats doivent être 100 % exacts et exhaustifs.
J’aime bien le constat de DeepMind qui pense que les modèles ne sont pas dangereux aujourd’hui (sous-entendu inutiles ?) mais qu’il faut mettre en place un framework rapidement pour mesurer leur dangerosité. Accrochez vos ceintures !
Il est toujours utile de rappeler que les créateurs de LLM ne comprennent pas entièrement ce qui se passe à l’intérieur de la ‘boîte noire’. Ainsi, Anthropic a étudié comment son modèle associe les concepts. Il est également important de rappeler qu’OpenAI a découvert que plus un modèle est alimenté en données, plus il semble devenir intelligent. Cette compréhension est indispensable pour savoir comment exploiter les modèles dans nos activités…
Petit rappel pour ne pas confondre les deux concepts : L’IA générative est utilisée pour générer du contenu nouveau : textes, images, vidéos, lignes de code, musique, etc. Quant à l’IA prédictive, elle est utilisée pour prédire les événements futurs.