Les dessous de l’intelligence artificielle

Dessous intelligence artificielle

Les dessous de l’intelligence artificielle

L’intelligence artificielle est plus qu’une technologie de rupture, c’est un ensemble de techniques (machine learning, deep learning, computer vision, natural language processing…) qui entrent dans nos vies quotidiennes et dont l’impact sur tous les secteurs de l’économie ne va faire que croître.

Les géants américains du numérique comme IBM, Microsoft, Google, Facebook ou Amazon sont déjà prêts à capter ce marché très prometteur (11 milliards de dollars en 2024)… Sans parler des start-up qui fleurissent sur ce terreau fertile…

Nous avons souhaité vous parler un peu d’IA puisque vous êtes nombreux à nous commander des shots d’inspiration, des conférences, des learning expeditions pour comprendre l’impact de l’IA sur votre métier ou votre secteur.

Nous avons fait appel à notre expert en IA, Thomas Houdaille, fondateur de Catalix et d’une école pour se former à l’IA pour nous expliquer l’impact de l’IA sur différents secteurs.

L’IA et pour être plus précis, l’IA probabiliste basée sur le Machine Learning (à la différence de l’IA déterministe des systèmes experts) se déploie rapidement dans de nombreuses entreprises de différents secteurs.

Après les secteurs de la banque et du retail qui ont été les pionniers pour deux raisons différentes (la banque car historiquement en avance en matière d’IT et de data, le retail car disrupté par de nouveaux acteurs qui ont poussé les entreprises plus traditionnelles à innover avec la data), l’ensemble des autres secteurs accélèrent depuis 3 ans.

La plupart des grandes entreprises se sont dotées de data/AI hubs, ont recruté des équipes de data scientists et testé puis mis en production des applications basées sur l’IA pour mieux connaître et cibler ses clients, détecter des fraudes en banque ou des anomalies dans les systèmes de production des industriels ou encore automatiser des tâches avant réservées à l’humain (par exemple l’automatisation de processus documentaires en utilisant des réseaux de neurones ou du traitement du langage pour reconnaître les documents).

Mais force est de constater que dans de nombreuses entreprises, le retour sur investissement n’est pas encore au rendez-vous. 

Ceci s’explique par les spécificités des projets de Machine Learning qui sont pour bon nombre d’entre eux “expérimentaux”: on ne sait pas à l’avance si l’objectif recherché va être atteint; ou encore par la difficulté d’avoir des données pertinentes de qualité pour entraîner les modèles. 

Plusieurs grandes entreprises m’ont également partagé leurs difficultés à faire adopter les solutions basées sur du Machine Learning par les métiers, avec comme conséquence, des applications qui mettent du temps à passer en production et qui n’apportent pas la valeur souhaitée. C’est pourquoi dans la plupart des grands groupes, l’enjeu le plus important n’est plus la datascience elle-même – les experts sont là – mais l’accompagnement des métiers avec par exemple l’arrivée de nouveaux profils que l’on pourrait qualifier de Product Owner augmentés par l’IA.

Pour la plupart des petites entreprises, l’IA n’est pas encore la priorité, l’enjeu étant en général de mettre en place une véritable gestion de la donnée, et de commencer à en tirer des enseignements en faisant de l’analyse des données du passé et en mettant en place des reporting et autres tableaux de bords pour enrichir la prise de décision. Il est cependant intéressant de noter qu’avec le développement de modèles d’IA “pré-entrainés” par les éditeurs et les startups, on commence à voir des applications accessibles aussi pour les PME. Que ce soit pour faire du ciblage de client (des outils de CRM comme Salesforce embarquent des algorithmes de Machine Learning) ou de l’automatisation intelligente de documents (les grands éditeurs et plusieurs startups proposent ce types de produits pour des PME).

Pour ne citer qu’un secteur dans lequel il y a beaucoup de petites entreprises (quelques grandes également), l’expertise comptable, on voit bien que l’IA va bientôt devenir vital : des startups arrivent pour disrupter le marché avec des prix très agressifs. Les acteurs traditionnels doivent baisser leur coût de production (en automatisant, notamment avec l’aide de l’IA) pour être compétitifs mais aussi pour augmenter la valeur proposée aux clients avec l’aide de l’IA également.

Il serait trop long ici de citer tous les secteurs qui vont bénéficier de l’IA dans les années qui viennent mais, vu le contexte actuel, on peut quand même citer la santé, qui a déjà commencé, mais va être bouleversée dans le futur, par des applications de médecine prédictive, par des systèmes de recherche de molécules via des algorithmes d’IA, ou encore plus classiquement par de la détection de pathologies (imagerie médicale ou autres). Et là encore, l’enjeu principal n’est pas technologique, il est dans l’adoption par les professionnels du secteur !

Laisser un commentaire