5 questions à Guillaume Lanthier, Business Unit Manager, AI Factory chez Smile
1/ Commençons par le début, c’est quoi LA valeur de l’IA générative ?
L’IA générative est une technologie de transformation. J’insiste sur cette notion de transformation, elle est très importante ! L’IA gen bouscule en profondeur les trajectoires de transformation des entreprises. Protéiforme par nature, l’IA gen se manifeste un peu partout : dans les outils et applications du quotidien (chatbots, assistants rédactionnels, traduction, messagerie, conception graphique, etc.) mais aussi dans les processus et dans la façon dont les métiers sont appréhendés. LA valeur attendue, c’est le gain de productivité, gain de productivité qui s’appuie sur la valorisation de toutes les données de l’entreprise.
Toutes les typologies d’entreprises et d’organisations s’intéressent de près à l’IA générative. Celles qui ne le feraient pas courent le risque de laisser leurs concurrents prendre une belle longueur d’avance. La plupart a encore besoin d’acculturation et d’accompagnement, lancer un projet pilote n’est pas toujours évident (chez Smile, nous avons d’ailleurs préparé un document pour les aider à cadrer leur besoin, à télécharger ici !). Les regards se tournent donc vers la productivité, les bénéfices promis par le déploiement de ces technologies sont particulièrement prometteurs et enthousiasmants, et ils sont propres à chaque secteur d’activité.
2/ Quel est le défi majeur de demain pour ces entreprises ?
Les défis ne manquent pas. J’enfonce une porte ouverte en répétant que l’IA gén est et sera incontournable pour rester compétitif ! A mon sens, le point de rupture c’est l’industrialisation. Je m’explique : l’IA sera un levier de performance pour les organisations qui auront su passer de l’expérimentation à une organisation à l’échelle industrielle. Si la marche à franchir peut sembler importante pour les dirigeants et managers, c’est en identifiant précisément les freins qu’ils seront les plus à-mêmes de lever tous les obstacles qui empêchent son adoption et son passage à l’échelle.
3/ Et côté usager ? Comment favoriser l’adoption de l’IA générative ?
J’évoquais plus haut la promesse de productivité et de performance. C’est un levier qui peut susciter l’intérêt et la confiance des utilisateurs, intérêt et confiance qui seront d’autant plus aiguisés que la technologie d’IA répondra très spécifiquement à leurs usages métier. La personnalisation des fameux modèles LLM est un moteur de l’adoption par les collaborateurs qui identifieront leur propre valeur comme spécialistes. On utilise notamment les techniques d’adaptation de RAG (Retrival Augmented Generation) pour entraîner les modèles sur des données spécifiques lui conférant un contexte particulier. Et bien sûr, comme pour toute adoption de technologie et d’outil, l’expérience utilisateur proposée est essentielle !
4/ Et comment faire alors pour passer à l’échelle ?
Adopter une démarche data driven, définir la marche à suivre technique et technologique, partager la vision produit, impliquer toutes les parties prenantes métiers (CTO, DSI, Marketing, Achats, Commerce, etc.), prendre en compte les process, favoriser la conduite du changement, statuer sur la gouvernance, fonctionner par sprints, monitorer précisément ses effets, contrôler les coûts engagés, sont autant d’étapes nécessaires au déploiement réussi & industrialisé de l’IA générative.
Si je devais en retenir 3 prioritaires, voici ce que je conseillerais :
- Favoriser la conduite du changement : mettre en place une “core team” posera les bases du projet. Cette équipe va pouvoir définir le cadre complet (légal, méthodologique, technique, opérationnel, etc.) et s’assurer de centraliser les besoins et d’être le point de contact central pour l’ensemble des parties prenantes.
- Bâtir le bon socle technique, c’est le volet “ops” de cette industrialisation : chaque entreprise a son contexte technique et métier, identifier et mettre en place les bons outils et les bonnes méthodes selon ces spécificités est peut-être la marche la plus complexe mais la plus importante pour gérer non seulement la scalabilité, la performance mais aussi le monitoring (et assurer ainsi la qualité dans le temps) et bien entendu le contrôle des coûts.
- Adopter enfin une vision dite “produit” pour faire évoluer les applications dans le temps. En fournissant une direction claire, compréhensible et adaptée aux besoins des utilisateurs, le projet d’IA générative pourra perdurer dans le temps et coller aux objectifs de l’entreprise dans son environnement particulier.
5/ Quelle technologie d’IA générative adopter ?
Je dis open source bien sûr ! Pourquoi ? Parce que la plupart des solutions d’IA générative open source sont plus adaptables, je parie plus sur ces technologies pour épouser les spécificités de chaque entreprise quelle que soit sa taille, son secteur d’activité, sa stratégie, sa maturité aussi et son positionnement sur son marché. Les modèles open source ont aussi l’avantage d’être disponibles sur le cloud, cela favorise leur time-to-market ! Et puis c’est une question de philosophie, en s’appuyant sur des modèles ouverts alimentés par des humains de tout horizon, on limite les biais et on peut poser un regard critique sur les réponses proposées. Par ailleurs, comme le soutient Alessandro Curioni, IBM Fellow, vice-président pour l'Europe et l'Afrique et directeur d'IBM Research dans Euronews Next : "L'IA ouverte, transparente et responsable contribuera à faire progresser la sécurité de l'IA, en veillant à ce que la communauté ouverte de développeurs et de chercheurs s'attaque aux risques de l'IA et les atténue avec les solutions les plus appropriées".