Démultipliez l’efficacité de vos processus et de vos équipes en exploitant le potentiel de l’IA générative
Optimisez vos métiers en gardant la maîtrise de vos données sensibles
Beaucoup a été écrit sur l’IA générative, sur ses effets ses aspects sociétaux et sur l’emploi dans les professions «intellectuelles».
Mais pour une entreprise, une action réalisée via une IA générative s’inscrit avant tout dans un processus, et c’est l’impact sur un processus « de bout en bout » qu’il s’agit de mesurer. Et là le constat est assez simple : comme toute forme d’automatisation, l’IA générative a un effet important sur la productivité de certains maillons de la chaîne client-client, et beaucoup moins sur d’autres.
Pour aborder le sujet sur des bases saines il faut commencer par préciser que les débats sur un éventuel « remplacement » de l’être humain relèvent à ce stade de la science-fiction :
l’intelligence artificielle qui existe aujourd’hui est un ensemble d’algorithmes, de techniques de programmation avancée et d’apprentissage automatique fondés sur un ensemble de données, qui utilisent l’explosion des capacités de calcul pour générer des résultats parfois surprenants mais qui ne relèvent jamais d’une compréhension réelle par la machine d’une question posée. Le programme se contente de calculer un résultat probable (l’action à réaliser sur un volant, le mot suivant dans une chaine de caractères…), sur la base d’un grand nombre de données d’entrée, sans aucun recul ni esprit critique au sens humain du terme. Une IA peut calculer un coup d’échecs et gagner face à un grand maître, mais elle ne comprend rien au jeu, elle ne sait même pas qu’elle est en train de jouer. Si rupture il y a, elle sera portée par les utilisateurs «intelligents» de l’IA, pas par l’IA elle-même.
Une IA générative est une IA particulière, qui se nourrit de texte et d’images pour restituer des textes et des images, voire des paroles ou de la musique. Les résultats sont des productions originales, certes issues de l’utilisation de données préexistantes, mais qui ne peuvent pas être anticipées, même par les concepteurs du logiciel. Cette dernière caractéristique permet à l’IA Générative de faire des propositions non envisagées par l’utilisateur, c’est donc un outil qui peut stimuler une forme de créativité à condition de savoir lui poser les bonnes questions. Mais l’IA Générative n’aurait jamais pu proposer des peintures impressionnistes sur la base de son « apprentissage » des peintres du milieu du 19ème siècle ou le passage de la période bleue de Picasso au cubisme, la créativité est le propre de l’homme. Pour les IA qui génèrent du texte, la réponse proposée est toujours bien construite et très aboutie d’un point de vue syntaxique. Pour autant, les IA génèrent régulièrement, et avec beaucoup d’aplomb, des réponses aberrantes. A cet égard, la plus grande vigilance doit être observée : la responsabilité finale sur une production reste celle de l’utilisateur, jamais celle de l’IA. La capacité à formuler les bonnes questions mais aussi la relecture critique, le contrôle qualité et l’arbitrage, sont des compétences essentielles de tout utilisateur d’une IA générative.
Du point de vue des processus, si je fabrique des objets, les équipes de conception et certaines fonctions support seront concernées (directement et indirectement avec notamment l’intégration en cours de l’IA générative dans des suites logicielles telles que SAP ou Salesforce), mais l’effet productivité sur la production sera moindre et très différent d’un secteur à l’autre. Si je réalise une activité de nature rédactionnelle (presse, publicité…), on peut supposer que la production de textes et d’images va connaître une forte amélioration de productivité, mais que les gains sur les activités d’impression et de transport seront beaucoup moins spectaculaires. Si je fabrique des programmes informatiques, ma productivité va augmenter de façon considérable à de nombreux points de ma chaîne de valeur, depuis l’expression du besoin au code, en passant par les tests et la documentation… et même par la production de données synthétiques pour entraîner mes IA !
En résumé :
- La productivité de certaines fonctions va être démultipliée… avec une hausse de la valeur ajoutée, de la qualification et des compétences. La capacité à se servir « intelligemment » de l’IA sera clé
-
La répartition des ressources le long de la chaîne client-client va fortement se transformer. Il s’agira de l’anticiper.
Pour capter toute la valeur ajoutée de l’IA générative, l’entreprise et plus particulièrement ses managers, doivent donc se poser les questions suivantes :
- Quelles sont les activités réparties le long de mes processus dont la valeur ajoutée et la productivité peuvent être démultipliées ? Comment cadrer mon projet ?
- Comment cela affecte-t-il ma chaîne de valeur, et quelle est la part de valeur que je peux capter (notamment la question délicate de la restitution de la valeur ajoutée aux clients via les baisses de prix) ?
- Quel modèle de langage adopter ? Un modèle ouvert avec des données ouvertes en entrée ? Un modèle propriétaire avec une IA entraînée avec mes propres données ? Quelle propriété des données en entrée et en sortie ?
- Quelles règles d’utilisation de l’IA ? quels garde-fous (risques de diffusion d’informations confidentielles, génération de contenus inappropriés…) ?
- Comment identifier et traiter les risques (diffusion de données, utilisation de résultats erronés ou contraire aux règles de l’entreprise…) ?
- Quel(s) rôle(s) pour mon management (compréhension des capacités et des limites, définition et application des règles d’utilisation, niveau de liberté et d’incitation pour les collaborateurs, responsabilisation sur la production finale et sur la prise de décision, conduite du changement) ?
- Quels effets sur mon organisation et sur les collaborateurs (postes et compétences) ?
À partir des choix issus de ces questions, la production de valeur à partir de l’IA générative implique une réorganisation des processus et des méthodes de travail, l’acquisition de nouvelles compétences et un vrai programme de conduite du changement.
Et à plus long terme...
L’IA évolue très vite, il n’est pas rare qu’un projet devienne obsolète avant même d’aboutir. Nous recommandons donc une certaine agilité, du pragmatisme et de l’humilité :
• Favoriser les projets très concrets, favoriser des solutions souples et évolutives.
• Faire des tests pour apprendre, ne pas hésiter à arrêter ou réorienter les projets… en en tirant les enseignements !
• Mettre en place une veille sur les évolutions, mais sans chercher à saisir à tout prix toutes chaque évolution.
L’IA générative est une formidable opportunité … où l’humain doit y faire son propre apprentissage. Pour conclure, quelques citations … que l’IA générative n’aurait pas pu proposer !
“Le danger, ce n’est pas ce qu’on ignore, c’est ce que l’on tient pour certain et qui ne l’est pas.” Mark Twain
“Vous n’avez cessé d’essayer ? Vous n’avez cessé d’échouer ? Aucune importance ! Réessayez, échouez encore, échouez mieux.” Samuel Beckett
