Vers une gouvernance solide : l’enjeu stratégique de l'IA générative en entreprise

‍

Le tableau de bord de l’intelligence artificielle générative dans les grandes entreprises évolue rapidement, et la gouvernance émerge comme le pilier stratégique de cette transformation. En 2023, l'enthousiasme initial pour ChatGPT a cédé la place à une réalité complexe : le déploiement au sein des grandes entreprises a révélé des lacunes, telles que l'absence de gestion de groupe d'utilisateurs et de suivi de la consommation sur des plates-formes comme Azure GPT. 

Face à ces défis, 2024 sera dédié à l'établissement d'une gouvernance robuste. Cette démarche impliquera la mise en place de protocoles de confidentialité, la gestion des droits, des règles RGPD, et la création de bibliothèques de prompts et d'agents. À noter, le signal d'alerte émis sur la potentielle multiplication par deux des coûts des licences Office 365 avec l'intégration de Copilot

Par ailleurs, une étude de Salesforce révèle que 58 % des employés français avouent utiliser les générateurs d’IA en dehors d’un cadre défini par leur entreprise. Ce chiffre souligne davantage l'importance de former et d’accompagner ces acteurs clés, face à cette adoption croissante.

‍

Smaller but better : vers des LLM "text to task" plus petits mais aussi performants

‍

La course aux foundations models d'IA générative, telle que GPT-4 et ses coûts d'entraînement dépassant les 100 millions de dollars, pourrait connaître un revirement en 2024. La tendance observable au cours du second trimestre dévoile une orientation opposée, marquée par l'émergence de modèles plus petits, mais aussi performants. Certains acteurs de l'IA générative open source semblent désormais se focaliser sur des modèles de 15,7, voire 2,7 milliards de paramètres. Malgré leur taille réduite, ces derniers conserveraient une performance remarquable.

Cette orientation vers des "text to task" LLM plus petits offre des avantages financiers considérables, réduisant les coûts d'entraînement et de fonctionnement. De plus, cela ouvre la porte à une utilisation sur des terminaux locaux tels que les smartphones, tout en maintenant des performances compétitives. La diversification vers des LLM plus spécialisés, tels que Lighton et Harvey, promet un équilibre entre taille réduite et performances accrues, renforçant ainsi l'efficacité dans des domaines spécifiques.

‍

Stratégie et organisation : savoir piloter les outils d’IA générative

‍

En 2024, le succès des générateurs d'IA reposera non seulement sur une stratégie bien définie, mais également sur une organisation efficace pour encadrer et piloter les efforts dans ce domaine. Une approche en deux équipes distinctes se dessine : 

• une équipe dédiée à la veille constante et à l'exploration des nouvelles technologies, souvent émanant de milliers de startups en IA générative
• une équipe de déploiement qui se concentre sur l'intégration sécurisée des outils matures dans les workflows existants de l'entreprise, en accord avec une gouvernance bien définie.

Pour assurer la transformation des hypothèses en bénéfices concrets, la maîtrise des domaines spécifiques tels que le LLM finetuning, les embeddings, RAG, le machine learning et les datasets deviendra nécessaire. 

‍

Transparence des données d’entraînement : un défi pour les LLM

‍

La transparence des données d'entraînement deviendra une préoccupation majeure pour les LLM en 2024. Malgré les revendications open source, de nombreuses foundations models ne partagent pas intégralement les informations sur leurs données d'entraînement, et cette opacité est encore plus prononcée pour les modèles privés. Certains modèles, en raison de l'ingestion massive de données en ligne, pourraient même contenir du contenu inapproprié. 

Cette approche “boîte noire” posera aussi des questions de copyright, en rendant difficile l'attribution de la paternité des contenus générés. Le manque de transparence sur les données d'entraînement complique la reconnaissance des droits d'auteur, posant ainsi des défis majeurs quant à la conciliation entre la créativité des modèles et les principes du copyright.

‍

Vers un encadrement juridique clair de l'IA générative et du copyright

‍

Cette année, la nécessité d'un encadrement juridique clair pour l'IA générative et le copyright devient impérative, signalant un retour en force du débat autour du fair use. Les startups, parfois ambiguës pour entraîner leurs algorithmes sans accord ni rémunération, se retrouvent confrontées à des controverses, comme en témoigne la fuite de messagerie d'un développeur de Midjourney. Le procès du New York Times contre OpenAI et Microsoft pourrait marquer un tournant, incitant OpenAI à négocier des accords de licence avec les éditeurs de presse pour éviter de nouvelles poursuites. 

Toutefois, les critiques envers Dall-e3 et Midjourney, accusés de générer des contenus directement copiés de films et de dessins animés, prédisent un possible retour de bâton en 2024. Les médias, cherchant de nouvelles sources de revenus, envisagent de licencier leurs données à prix élevé pour l'entraînement des algorithmes, soulevant des questions complexes de légitimité et de régulation.

‍

Réguler l'IA pour défendre les enjeux de souveraineté et de compétitivité nationale 

‍

Si la régulation de l'IA semble indispensable à l’échelle internationale, elle émerge également comme une nécessité pour défendre les enjeux de souveraineté et de compétitivité nationale. Confrontés à une concurrence inédite, les géants du numérique investissent massivement dans la R&D et soutiennent les startups d'IA générative. Cependant, la rareté des experts dans le domaine crée une compétition féroce, avec des professionnels qui se déplacent d'une entreprise à l'autre. Certains secteurs tels que la publicité, le conseil, la banque ou l'assurance, seront donc appelés à revoir leurs modèles économiques. 

Les États, conscients des implications cruciales pour la compétitivité et la souveraineté, cherchent à réglementer l'IA, à l’image de l'AI Act de l'Union européenne en décembre 2023. Alors que les risques éthiques, juridiques et d'usages néfastes se multiplient, l'année électorale de 2024 mettra en lumière la menace des deepfakes pour manipuler l'opinion. L'équilibre entre protection de la concurrence, protection des consommateurs et innovation restera donc un défi majeur cette année.

‍

Du mirage “plug-and-play” à la réalité de l’intégration métier

‍

Une fois dissipé l'effet enthousiasmant des multiples annonces et lancements d'outils d'IA générative, se pose le défi complexe de leur intégration réelle dans les processus métiers existants. L'idée d'une IA générative “plug and play” reste encore un mirage difficile à atteindre. L'identification des solutions matures et leur intégration impliquent une connaissance approfondie de centaines d'outils, qu'ils proviennent de nouvelles startups ou d'éditeurs traditionnels intégrant des systèmes d'IA générative. Cette tâche demande une évaluation constante, avec un re-benchmarking des outils tous les 3 à 6 mois.

La complexité s'accroît en nécessitant une compréhension approfondie de chaque métier au sein de l'entreprise, avec ses tâches, ses outils, ses contraintes etc. La capacité à hiérarchiser entre les "quick wins" et les "big bets," tout en tenant compte des contraintes héritées de l'IT, des disponibilités des équipes internes, de la réglementation (RGPD, etc), est cruciale. En outre, l'intégration soigneuse de la formation des équipes et de l'accompagnement au changement se révèle indispensable pour assurer une expansion réussie des solutions mises en place.

‍

Passer de l’intelligence artificielle générative aux agents intelligents autonomes

L'évolution de l'IA générative vers des agents intelligents autonomes pourrait représenter un tournant majeur. Actuellement centrée sur des outils tels que ChatGPT, la complexité émerge lorsqu'il s'agit de collaborer efficacement en équipe à travers différents départements. Cependant, des solutions émergent pour faciliter ce processus, avec des outils comme Safebrain, Dust, ainsi que des systèmes de gestion de prompts tels que SnackPrompt, AIPRM, et bien d'autres. 

L'annonce prochaine du GPT Store marque un changement significatif vers la création d’assistants virtuels. Ces agents dédiés à des tâches spécifiques deviendront de plus en plus proactifs, capables de gérer des missions complexes ou de coordonner divers agents. Cependant, cela nécessitera un investissement important en veille, en test, en formation et en accompagnement. Avec l'émergence de stores de bots comme celui de Quora pour Poe, la question se pose : choisirons-nous bientôt des employés virtuels, qui prendront la forme d'agents intelligents ?

‍

Le développement de l’IA générative vidéo et multimodale

‍

En 2023, les solutions d'IA générative "text to image" ont évolué de gadgets à outils professionnels. Midjourney, Leonardo AI, Dall-e3, et les outils "creative upscaling" comme Magnific.AI, ont amélioré la résolution pour répondre aux besoins créatifs. En 2024, les outils "text to video" tels que Pika Labs, Leonardo Video ou Stable Video promettent une progression visant à réduire les incohérences entre les frames, perfectionner le contrôle des mouvements, améliorer la résolution et prolonger la durée des vidéos. Les innovations attendues d'Adobe suggèrent une révolution dans la vidéo, la publicité, la 3D et la formation.  

Avec l'intégration de la reconnaissance d'images dans ChatGPT (Vision) et la gestion audio, l'avenir semble propice à la création et à la manipulation aisée de multiples formats via un seul outil d'IA générative. L'essor de la reconnaissance audio, de la voix (Murf), et de la musique (Suno.AI) s'annonce, tout comme les progrès du "text to coding" qui devrait devenir une pratique courante, offrant des gains de temps significatifs pour les équipes IT. 

‍

Les gros enjeux hardware derrière l’IA générative

‍

En 2024, les coulisses de l'IA révèlent une compétition acharnée pour la domination dans le domaine matériel. Les acteurs du cloud et les géants du numérique comme OpenAI, Amazon, Google ou Apple, rivalisent pour obtenir les meilleures puces et développer leurs propres offres. La Chine, confrontée à des restrictions d'accès aux processeurs, prend des mesures pour sécuriser l'approvisionnement en terres rares nécessaires à la production de puces.

En parallèle, 2024 annonce une multitude d'expérimentations avec des objets connectés intégrant l'IA, allant du clavier Microsoft à la broche connectée Humane AI pin, en passant par le casque VR Apple Pro, mettant ainsi en lumière l'importance cruciale des avancées matérielles pour l'avenir de ces algorithmes.

‍

Ne pas oublier les progrès des outils IA hors IA générative

‍

L'impact de ChatGPT et des modèles d'IA générative peut parfois éclipser d'autres avancées significatives dans le domaine de l'intelligence artificielle. L'IA traditionnelle connaît des progrès notables, touchant des domaines tels que la conduite autonome, les villes intelligentes, les prévisions de ventes, la logistique et la robotique. Les applications s'étendent également aux domaines de la santé et des prothèses, témoignant de l'évolution continue et diversifiée de l'IA pour répondre à des besoins variés au-delà de la génération de texte et d'images. En examinant l'ensemble du paysage IA, il devient évident que les avancées sont plurielles, avec des impacts significatifs dans des secteurs variés, contribuant ainsi à façonner un avenir technologique dynamique.

‍

Formez vos équipes avec la formation IA GEN Développez vos compétences grâce à l’IA générative

‍

Pour exploiter pleinement le potentiel de l’intelligence artificielle générative, découvrez notre formation professionnelle exclusive "IA Générative : Démystifiez, Maîtrisez, Appliquez" conçue par nos experts. En investissant dans vos compétences, vous serez en mesure d’assimiler les notions clefs, les limites et les opportunités de l'IA générative pour votre business.