Vous vous souvenez de la joie de tenir pour la première fois un smartphone dans la main ? Le design compact et l’interactivité tactile semblaient être un bond dans le futur. Les smartphones sont rapidement devenus un mode de vie pour les entreprises du monde entier en raison de tous les avantages en termes de productivité et de communication. L’IA générative (intelligence artificielle) promet une avancée similaire en matière de productivité et l’émergence de nouveaux modes de travail et de création.
Des outils tels que Midjourney et ChatGPT attirent l’attention par leur capacité à générer des images réalistes, des vidéos et des textes sophistiqués, semblables à ceux produits par les humains, repoussant ainsi les limites du potentiel créatif de l’IA. L’IA générative représente une avancée significative dans le développement de l’apprentissage profond et de l’IA, certains suggérant qu’il s’agit d’une évolution vers le développement d’une « IA forte ». Cette évolution témoigne du fait que les ordinateurs ne se contentent plus de calculer des nombres. Ils sont désormais capables de traiter le langage naturel (NLP), de comprendre le contexte et de faire preuve de créativité.
Ainsi, les organisations peuvent exploiter l’IA générative pour :
D’énormes bases de données de textes, d’images, de codes et d’autres types de données sont au cœur de l’IA générative. Ces données sont injectées dans des modèles générationnels ; il en existe plusieurs, chacun conçu pour exceller dans une tâche spécifique. Les réseaux antagonistes génératifs (GAN) ou les auto-encodeurs variationnels (VAE) sont utilisés pour les images, les vidéos, les modèles 3D et la musique. Les modèles auto-régressifs ou les grands modèles de langage (LLM) sont utilisés pour les textes et les langues.
Tels des étudiants assidus, ces modèles génératifs s’imprègnent d’informations et identifient des modèles, des structures et des relations entre les points de données, ce qui leur permet de maîtriser la grammaire de la poésie, les coups de pinceau artistiques et les mélodies.
L’IA générative fait appel à des algorithmes et à des techniques de machine learning avancés pour analyser les schémas et concevoir des modèles statistiques. Pensez à chaque point de données comme à une sphère lumineuse dans un vaste paysage multidimensionnel. Le modèle cartographie méticuleusement ces sphères, en calculant les hauteurs relatives, les vallées, les pentes douces et les falaises escarpées pour créer une carte de probabilité, un guide permettant de prédire où la prochaine sphère (c.-à-d. le contenu généré) devrait le plus vraisemblablement se poser.
Désormais, lorsque l’utilisateur fournit une invite (un mot, un croquis, un extrait musical ou une ligne de code), l’invite agit comme une balise, attirant le modèle vers une région spécifique de cette carte de probabilité. Le modèle parcourt alors ce paysage, choisissant de manière probabiliste l’élément suivant, puis le suivant, et ainsi de suite, guidé par les modèles qu’il a appris et par les conseils de l’invite de l’utilisateur.
Chaque résultat est unique, mais statistiquement lié aux données à partir desquelles le modèle a été entraîné. Il ne s’agit pas d’un simple copier-coller, mais d’une conception créative qui s’appuie sur une base de connaissances alimentée par les probabilités et l’invite. Si les modèles avancés peuvent traiter divers types de données, certains excellent dans des tâches spécifiques, comme la génération de textes, la synthèse d’informations ou la création d’images.
La qualité des résultats dépend fortement des données d’entraînement, de l’ajustement des paramètres du modèle et du prompt engineering, d’où l’importance capitale d’une collecte responsable des données et de l’atténuation des biais. Imaginons un modèle d’IA générative entraîné sur un jeu de données ne contenant que des romans d’amour. Le résultat sera inexploitable si un usager demande au modèle de rédiger un article de presse factuel.
L’IA générative est un outil puissant, mais comment les organisations peuvent-elles exploiter son potentiel ? La plupart des entreprises empruntent deux voies pour concrétiser la valeur de l’IA générative :
L’option « IA pour tous » : des plateformes comme ChatGPT et Synthesia.io sont pré-entraînées sur de vastes jeux de données, laissant les utilisateurs exploiter leurs capacités génératives sans avoir à concevoir et à entraîner des modèles à partir de zéro. Les organisations peuvent adapter ces modèles à des données spécifiques, les orientant vers des résultats répondant aux besoins particuliers de l’entreprise. Des interfaces conviviales et des outils d’intégration les rendent accessibles même aux utilisateurs non techniques.
Ces options publiques proposent un contrôle limité, une personnalisation moindre du comportement et des résultats du modèle et un risque de biais hérités des modèles pré-entraînés.
La plupart des organisations ne peuvent pas produire ou soutenir l’IA sans un partenariat robuste. Les innovateurs qui souhaitent une IA personnalisée peuvent choisir un « modèle de fondation » comme GPT-3 ou BERT d’OpenAI et l’alimenter avec leurs données. Cet entraînement personnalisé sculpte le modèle en une IA générative sur mesure, parfaitement en phase avec les objectifs de l’entreprise. Le processus exige des compétences et des ressources de haut niveau, mais les résultats sont plus susceptibles d’être conformes, personnalisés et spécifiques à l’entreprise.
Le meilleur choix pour une entreprise dépend de ses besoins, de ses ressources et de ses capacités techniques propres. Si la vitesse, un prix abordable et la facilité d’utilisation sont des priorités, les outils prêts à l’emploi peuvent constituer la meilleure option. Les modèles entraînés sur mesure peuvent s’avérer plus adaptés si la personnalisation, le contrôle et l’atténuation des biais sont essentiels.
La clé du succès réside dans l’adoption d’une approche axée sur les cas d’utilisation, en se focalisant sur les problèmes de votre entreprise et sur la manière dont l’IA générative peut les résoudre.
Les principales considérations :
L’enthousiasme suscité par cette nouvelle technologie s’est rapidement répandu dans divers secteurs et services. De nombreux responsables du marketing et des ventes ont agi rapidement et intègrent déjà l’IA générative dans leurs workflows. La vitesse et l’ampleur de la capacité de l’IA générative à générer de nouveaux contenus et des actifs utiles sont difficiles à ignorer pour toute discipline qui repose sur la production de volumes importants de contenu écrit ou créé. Les secteurs de la santé, de l’assurance et de l’éducation sont plus hésitants en raison des efforts juridiques et de conformité qu’ils doivent respecter, et du manque de perspicacité, de transparence et de réglementation de l’IA générative.
Voici les points essentiels à retenir pour la mise en œuvre éthique des cas d’utilisation de l’IA générative de votre organisation :
Les bonnes pratiques évoluent rapidement. Si le potentiel de l’IA générative est enthousiasmant pour de nombreuses organisations, parcourir ce paysage exige un équilibre entre progrès et prudence.
Selon McKinsey,1 l’IA générative ne surpassera probablement pas les humains au cours de cette décennie. Toutefois, nous pourrions assister à un bond significatif des capacités de l’IA générative d’ici 2040. McKinsey s’attend à ce que l’IA atteigne un niveau tel qu’elle puisse rivaliser avec les 25 % d’humains les plus performants dans un vaste éventail de tâches. En d’autres termes, l’IA rédigera des contenus créatifs de haute qualité, résoudra des problèmes scientifiques complexes ou prendra des décisions commerciales perspicaces au même titre que des professionnels qualifiés. Les emplois qui ont jusqu’à présent été à l’abri de l’automatisation seront encore plus touchés par l’IA générative. Le personnel des secteurs de l’éducation, du droit, de la technologie et des arts verront probablement l’IA générative influencer leur profession plus tôt.
Lors d’un symposium du MIT2 sur les outils d’IA, les membres du panel ont exploré diverses pistes de recherche futures dans le domaine de l’IA générative. L’un des principaux domaines d’intérêt est l’intégration de systèmes perceptifs dans l’IA. Cette approche permettrait à l’IA d’imiter les sens humains tels que le toucher et l’odorat, allant au-delà de l’accent conventionnel mis sur le langage et l’imagerie. Le potentiel des modèles d’IA générative à surpasser les capacités humaines a également été discuté, en particulier dans le contexte de la reconnaissance des émotions. Ces modèles avancés pourraient exploiter les signaux électromagnétiques pour interpréter les changements dans la respiration et le rythme cardiaque d’une personne, afin de mieux comprendre son état émotionnel.
Les experts prévoient que les biais resteront un aspect persistant de la plupart des modèles d’IA générative. Ce défi devrait donner naissance à de nouvelles places de marché articulées autour de jeux de données éthiques. Par ailleurs, un scénario dynamique devrait se mettre en place, caractérisé par une concurrence permanente entre les entreprises et les créateurs de contenu recourant à des outils génératifs.
La généralisation de ces outils sur le lieu de travail entraînera inévitablement des changements dans les rôles professionnels et imposera de nouvelles compétences. Ces évolutions s’accompagnent invariablement d’une augmentation de l’usage abusif des capacités génératives. À mesure que les utilisateurs ont la possibilité de créer diverses formes de contenu, notamment des images, du son, du texte et des vidéos, la probabilité d’une utilisation malveillante est appelée à augmenter. Ce scénario souligne l’importance de développer des mécanismes robustes pour atténuer ces risques et garantir un usage responsable des technologies d’IA générative.
L’IA générative va continuer à transformer les opérations des entreprises dans divers secteurs, tout comme le smartphone a transformé leur communication et leur productivité. De l’automatisation des tâches répétitives à la stimulation de la créativité dans la production de contenu et au-delà, le potentiel de l’IA générative est immense.
Cependant, il est primordial de gérer les considérations éthiques, de maximiser la sécurité des données et de s’adapter à l’évolution des bonnes pratiques. Pour les entreprises prêtes à explorer l’ensemble des possibilités offertes par l’IA générative, des conseils et des idées sont à portée de clic. Apprenez-en davantage sur l’exploitation de la puissance de l’IA générative pour votre entreprise en explorant IBM watsonx, la plateforme d’IA et de données conçue pour les entreprises.
1 https://www.mckinsey.com/featured-insights/mckinsey-explainers/whats-the-future-of-generative-ai-an-early-view-in-15-charts (lien externe à ibm.com)
2 https://news.mit.edu/2023/what-does-future-hold-generative-ai-1129 (lien externe à ibm.com)
Découvrez IBM Watsonx dès aujourd’hui