Les 7 opportunités des intelligences artificielles génératives

Comme vous fûtes nombreux à apprécier mon article Les 7 péchés capitaux des intelligences artificielles génératives, voici le pendant tel le yin et le yang. Je présente ici 7 opportunités concrètes des IA génératives de façon à équilibrer car la vérité se situe entre ces 2 extrêmes.

Oui les IA génératives bouleversent notre rapport à l’information qui est « l’or transparent » dans la société numérique. Que ce soit pour travailler ou pour créer, elles deviennent incontournables dans la plupart des pans d’activité de la société.

Ces opportunités ne sont ni des utopies ni des menaces déguisées, mais constituent des leviers concrets déjà à l’œuvre dans nos usages quotidiens. Elles sont vouées à s’amplifier considérablement même si certains évoquent les risques d’une bulle IA comme en témoigne la valorisation folle d’OpenAI qui, pour l’heure, est une machine à générer des pertes ou de Nvidia. Nous avons aussi le risque du remplacement de l’humain par l’IA avec des licenciements massifs chez les GAFAM (14 000 viennent d’être annoncés par Amazon).

• • 1. Gain de productivité
    Tout comme la robotique ubérise les cols bleus, c’est désormais au tour des cols blancs de l’être du fait de l’automatisation des tâches répétitives et chronophages. Ceci occasionne des gains de temps considérables pour la rédaction de documents, la génération de code informatique, la traduction de texte, la synthèse de données, la génération de visuels. Par exemple Canva intègre désormais des fonctions d’IA pour générer des présentations complètes à partir d’un simple prompt, ce qui réduit énormément le temps de conception graphique.

Ceci est réalisé de façon quasi-instantanée. La clé est de savoir bien prompter (alors qu’il existe des biais) et de préciser le contexte. Le temps gagné peut être réinvesti dans des tâches à plus haute valeur ajoutée ou… pour corriger les erreurs produites par l’IA générative. Nous assistons à un processus inversé. Jadis c’était le correcteur orthographique et lexical d’un traitement de texte tel Word qui corrigeait l’humain. Désormais c’est l’inverse mais pour que ce soit pertinent il convient d’avoir une boucle de rétroaction comme illustré dans la figure qui suit :

Recommandation (pour la performance) : se former au prompt engineering et déterminer des critères de qualité pour les résultats produits.

• 2. Démocratisation de l’accès au savoir et à la création
  Les IA génératives permettent à tous de pouvoir accéder à l’information sans avoir un niveau de connaissance préalable élevé que ce soit pour le texte, l’image, le son ou la vidéo. Il n’est plus nécessaire comme jadis d’être expert d’un domaine. Chacun peut créer, apprendre et innover à condition de ne pas être frappé d’illectronisme. Il convient néanmoins de veiller à la surconfiance dans les résultats produits qui méritent d’être critiqués et challengés, comme expliqué dans mon dernier opus. Les combinaisons des données produisent des résultats inédits qui peuvent s’avérer pertinents avec des outils comme Adobe Firefly.

  Recommandation (pour l’universalité) : veiller à l’inclusivité des outils et à lutter contre l’illectronisme qui est une fracture numérique intolérable aujourd’hui.

• 3. Expérience utilisateur augmentée
  Pour les services clients avec les assistants intelligents, le marketing, l’éducation, des réponses ou des recommandations personnalisées peuvent être proposées. Ce peut être pour les sites e-commerce (c’est déjà le cas pour Amazon pour la personnalisation des fiches produits et les recommandations selon le comportement d’achat et les commandes passées), l’éducation par exemple. Il convient de veiller à ce que pour l’apprentissage, les réponses toutes faites ne soient pas données mais plutôt d’expliquer les étapes d’un raisonnement de façon didactique. Khan Academy utilise ChatGPT pour enrichir Khanmigo en proposant des explications interactives adaptées au profil de l’apprenant.

  Recommandation (d’ordre pédagogique et didactique) : disposer d’un mode « à la Socrate » pour amener l’apprenant ou l’utilisateur à s’interroger et à réfléchir et non d’avoir une réponse toute faite qui par ailleurs peut comporter des hallucinations.

• 4. Transformation des métiers et des compétences
  Avec des itérations successives entre l’Homme et l’outil d’IA utilisé, peuvent être données des pistes d’exploration, des idées de produits avec des angles nouveaux. Pour le marketing et le SEO, il est possible de créer du contenu optimisé – même s’il est peut être plus fade – avec une personnalisation pour augmenter le taux de conversion dans le canal de vente, le A/B testing pour les campagnes commerciales, par exemple Jasper avec Ad Copy Generator pour du A/B testing en temps réel ou encore AB Tasty. Il convient néanmoins de veiller à la standardisation des contenus.
  Des recombinaisons dans la création artistique sont possibles en fusionnant des styles ou en indiquant dans le prompt « à la manière de tel ou tel artiste ou styliste ».

  Recommandation (d’ordre RH) : prévoir des parcours de reconversion ou de micro-formation avec des certifications à la clé et des méthodes d’évaluation des compétences en laissant une autonomie au collaborateur pour faire de la veille et s’auto-former.

• 5. Apport au diagnostic dans certaines professions
  Dans le domaine médical, il devient possible d’interpréter des radios grâce à l’IA (détection et radiologie assistée avec l’image médical), dans le domaine juridique l’interprétation des textes de loi et des suggestions pour les simplifier ou vérifier les incohérences est possible (avec Perplexity). La cybersécurité du fait de l’analyse de quantités colossales de données trouve un champ d’application. Par exemple, Darktrace, propose une détection autonome des comportements malveillants en analysant des millions de signaux réseau en temps réel grâce à l’IA. Notons néanmoins la difficile question de la responsabilité humaine en cas d’erreur de diagnostic assisté par l’IA : est-ce la faute de l’IA, de la personne, du prompt, etc. ?
  Les IA peuvent détecter des signaux faibles, formuler des hypothèses. Elles deviennent de précieuses aides à la décision dès lors qu’elles sont encadrées et validées par des experts humains.

  Recommandation (d’ordre humaine) : prévoir un dispositif d’audit et une double lecture humaine qui doit valider le diagnostic ou la proposition de décision recommandée par l’IA.

• 6. Modèles de simulation pour réduire les coûts
  Les IA génératives permettent de simuler des scénarios, de tester des prototypes virtuels (notamment avec les jumeaux numériques), de prédire des comportements (d’achats) ou la propagation d’une épidémie par exemple. Cela réduit les coûts de prototypage et de développement (accélération du time to market), les risques d’erreur et les délais de mise sur le marché, notamment dans l’industrie ou la recherche. Ainsi Airbus utilise l’IA générative pour la réduction du diagnostic des pannes mais ce pourrait être étendu à l’avenir aux process internes, tout en améliorant la productivité de ses équipes. Un point de vigilance réside dans les limites des simulations : dépendances aux données, biais dans la modélisation.

  Recommandation (industrielle) : intégrer des tests A/B virtuels avant de démarrer le prototypage dans la vraie vie.

• 7. Vers une transparence croissante et des progrès
  Les sources sont davantage mentionnées au fil des mois et moins grossièrement. Ainsi scite.ai signale si une source est confirmée ou réfutée par d’autres études, QuillBot génère des bibliographies et des citations. En matière de recherche scientifique, Elicit permet de croiser des sources scientifiques et d’en extraire des synthèses argumentées.L’apport des SLM et du RAG est à considérer dans ce progrès.
  Toutefois, il reste à progresser sur l’explicabilité insuffisante des modèles et des algorithmes complexes. Ceux-ci restent vus comme des boîtes noires mystérieuses. OpenAI avec son système de “model cards” ou Anthropic avec son approche “constitutional AI” ont pour objectif de rendre des décisions des IA plus compréhensibles.

  Recommandation (d’ordre éthique et d’explicabilité) : exiger des éléments de transparence et disposer d’une politique de traçabilité des achats dans le domaine technologique.

Les IA génératives constituent des leviers puissants et incontournables pour améliorer drastiquement la productivité, l’accès au savoir, la transformation des métiers, le diagnostic, la simulation. Toutefois la question de la transparence et de l’alliance entre l’Homme et la machine dans un cercle vertueux avec une boucle de rétroaction est clef (cf. schéma exposé pour l’opportunité #1). Et une question préalable demeure, pour quoi faire et pour quel résultat escompté ?