À l’aube d’une nouvelle étape de la transformation numérique, l’IA générative s’annonce comme le précurseur d’une vague d’innovations sans précédent. Elle va remettre en question de nombreux business models et inciter les entreprises à repenser leur stratégie.

Novembre 2022 a été marqué par le lancement de ChatGPT. un lancement spectaculaire, ciblant une large audience, avec 1 million d’utilisateurs en 5 jours, 13 millions de visiteurs uniques par jour et une croissance quotidienne du trafic de 3,4 %. ChatGPT a mis en lumière les capacités énormes offertes par l’IA générative et lance le top départ d’une course effrénée. Nous assistons chaque jour à des annonces d’investissements colossaux et à la mise sur le marché de nouvelles solutions d’IA générative (Midjourney, DALL-E, Hugging Face, character. ai, GitHub Copilot…). Pourquoi un tel engouement ? Comment les entreprises pourront saisir cette opportunité ? Quels sont les impacts pour les entreprises ?

L’IA générative est le fruit d’une décennie de recherche en IA

L’IA générative (GenAI) est une branche du deep learning qui permet de générer du contenu texte, image, vidéo ou code informatique. Sa puissance repose sur sa capacité à générer du contenu, à interagir en langage naturel et surtout à démocratiser des usages réservés jusque-là aux experts. 

La GenAI est le résultat de dizaines d’années de recherche en intelligence artificielle, concrétisées par l’arrivée de deux évolutions techniques majeures :
1- La technologie Transformers, inventée par Google en 2017, qui introduit le mécanisme d’attention permettant de comprendre le contexte d’un texte.
2- La puissance de calcul apportée par Nvidia avec les GPU H100 dédiés à l’IA. La société Nvidia offre la possibilité d’entraîner des modèles IA, dits LLM (Large Langage Models), sur d’énormes corpus de données et des milliards de paramètres.

"Le marché de l’IA générative est estimé à 42 milliards de dollars en 2023 et devrait atteindre plus de 200 milliards de dollars d’ici 2030*" 

 Les principaux LLM sont GPT (OpenAI), BERT, PALM et LaMDA (Google), Llama (Meta), Claude (Anthropic)… Nous sommes au début de la course des solutions LLM, avec d’un côté des LLM propriétaires et de l’autre les LLM Open source.

Selon un récent sondage de Gartner auprès de 1 400 dirigeants d’entreprises françaises, 55 % des dirigeants déclarent expérimenter des cas d’usage de la GenAI et 79 % affirment que la technologie contribuera à accroître l’efficacité opérationnelle. En effet, la GenAI présente une myriade d’opportunités :
En Marketing & Ventes : génération de contenus marketing, enrichissement des agents conversationnels, analyse du comportement client, analyse des tendances, analyse de la concurrence, optimisation des publicités en ligne, personnalisation du contenu, analyse des campagnes marketing, amélioration du SEO, social listening au service de la prévision des ventes, enrichissement et classification des fiches produits, recommandations de produits, assistance commerciale, assistance des équipes SAV.

Dans les opérations : analyse des données opérationnelles pour optimiser les processus, aide à l’optimisation du planning de production, des ressources humaines, aide à la gestion de projet, optimisation des tâches, optimisation de la consommation énergétique, prévention de la fraude…

Dans l’IT et l’engineering : gestion des connaissances, aide au prototypage produit, conception des services avec une approche smart et green, aide aux développeurs à éditer, réviser et documenter le code, aide à la gestion des incidents, optimisation de l’infrastructure/cloud, maintenance prédictive, test et assurance qualité, automatisation de la documentation, gestion de projet, assistance à la prise de décision, aide à la décision pour réduire l’empreinte carbone.

En Risks, Legal, RH : assistance juridique automatisée, gestion des litiges, analyse documentaire, recherche juridique, aide à l’évaluation des risques, détection de la fraude, conformité réglementaire, accompagnement à la formation des équipes, aide à la gestion administrative…

Risques de l’IA générative à maîtriser
L’engouement médiatique autour de la GenAI et le potentiel perçu par les dirigeants en termes de compétitivité et de productivité poussent les entreprises à explorer cette technologie. En revanche, cela les expose à de potentiels risques :
- Risque de sécurité : la GenAI pourrait devenir l’outil privilégié des auteurs de phishing ;
- Risque d’exposition des données confidentielles des entreprises ;
- Risque de conformité réglementaire : complexité en termes de respect du RGPD et de la propriété intellectuelle ;
- Risque de biais : le modèle peut amplifier un biais présent dans les données d’apprentissage ;
- Risque éthique et sociétal : la facilité d’accès aux services pourrait faire perdre l’autonomie, l’indépendance, l’esprit critique. La GenAI peut également être utilisée comme canal de désinformation ;
- Impact environnemental : l’usage des services peut avoir une empreinte carbone importante.

Comment maîtriser l’usage de la GenAI et les risques associés ?
Il est important de considérer certains aspects cruciaux avant de se lancer :
1- poser un cadre de gouvernance GenAI :
• Mettre en place une équipe gouvernance AI, garante du respect et de l’évolution du cadre ;
• Encadrer les usages pour limiter les dérives et les potentiels risques ;
• Établir des politiques et des règles claires limitant le périmètre de partage de données avec l’IA ;
• Intégrer l’audit du GenAI dans le périmètre de l’audit interne ;
• Définir une stratégie autour de l’usage des solutions propriétaires vs open source ;
• Élaborer un catalogue de fournisseurs, en privilégiant la transparence dans la gestion des données collectées, la compatibilité ESG, l’auditabilité et la souveraineté ;
• Sensibiliser les collaborateurs sur l’évolution du cadre légal, sur les pratiques et sur l’évolution des menaces ;
• Former les collaborateurs à mieux dialoguer avec la GenAI, à avoir un esprit critique de la pertinence des résultats.

2- Être pragmatique dans le choix des cas d’usage et des solutions
La GenAI est un moyen et non une fin. Il est important de commencer par identifier le problème à résoudre, d’adopter une approche itérative et de privilégier dans un premier temps les sujets non stratégiques.
En termes de solutions, la bonne combinaison serait d’utiliser, en phase d’expérimentation un outil du marché et de basculer éventuellement, pour la phase d’industrialisation, vers une solution maîtrisée qui permet de répondre au cadre de gouvernance en termes de souveraineté, transparence, confidentialité.

3- Prendre le temps de bien cadrer les projets GenAI
Il est important de se poser les bonnes questions :
• Quels sont les objectifs poursuivis par l’entreprise à travers la GenAI (générer des leads, améliorer l’expérience client, améliorer l’efficacité opérationnelle, etc.) ? Pour résoudre quel problème ? Quels KPI mettre en place ?
• Quel impact éthique ?
• Quel impact environnemental ?
• Quel impact organisationnel ?
• Quelles seront les données à injecter dans la GenAI pour son bon fonctionnement, quel est le niveau de qualité ? Comment gérer la confidentialité, la sécurité et la souveraineté de ces données ?
• Quelles règles juridiques et quelles mesures de confidentialité et de propriété intellectuelle sont à anticiper pour
limiter les risques ?
• Comment embarquer les équipes dans ce nouvel usage ? De quoi ont-ils besoin ? Comment mettre une formation en continu intégrant les évolutions de l’IA et du cadre légal ?

En résumé, il est évident que la GenAI contribue fortement à augmenter la productivité et la compétitivité. Les grandes entreprises et les géants de la Tech investissent massivement là- dessus. Deux stratégies se confrontent : saisir l’opportunité pour gagner en avantage concurrentiel ou attendre pour apprendre des pionniers.

De notre point de vue, il est important d’adopter au plus tôt cette technologie au risque d’avoir à engager une transformation à marche forcée. L’intégration dans les processus métier peut être graduelle avec un focus sur l’amélioration de la productivité dans un premier temps avant de l’intégrer dans des processus qui touchent directement l’expérience client. Enfin, la souveraineté des données est un élément stratégique à considérer. Plusieurs options se présentent aux entreprises (ajuster des modèles existants, construire des modèles spécifiques…), le choix dépendra du contexte de l’entreprise et du cas d’usage en question.
Avec ses experts (Architectes, Data, AI, BPMN, DP/CP), Partenor Digital accompagne ses clients pour répondre aux
ambitions autour de l’IA générative, avec des interventions en :
- Acculturation, idéation : acculturation des dirigeants, benchmark des principaux cas d’usage et solutions ; - Accompagnement à la mise en place du cadre de gouvernance ;
- Expérimentation : développement de POC, identification des prérequis techniques/métiers pour l’industrialisation, business cases ;
- Industrialisation : co-développement de modèles d’IA générative, développement des cas d’usage, tests, intégration dans le SI Métier, transformation des processus ;
- Sensibilisation et formation des équipes à l’IA générative et les impacts associés.

SUR L’AUTEUR
Experte des services numériques et de la transformation digitale des entreprises, Fatimazahra Moraux est directrice des opérations dans le cabinet de conseil Partenor Digital

Personnes citées

Ludivine Mairesse

Ludivine Mairesse

Newsletter Flash

Pour recevoir la newsletter du Magazine Décideurs, merci de renseigner votre mail

GUIDE ET CLASSEMENTS

> Guide 2023