Le nécessaire temps du recul face à la fulgurance de l’IA

Le rapide essor de l’intelligence artificielle au sein de la société française est évident. En 2023, le taux d’adoption au sein des entreprises a atteint 27 %, marquant une croissance annuelle de 35 %. Parallèlement, l’utilisation de l’IA générative a augmenté de 60 %. Toutefois, bien qu’elle se trouve au sommet de la Hype Cycle de Gartner – c’est-à-dire au cœur de nombreuses attentes –,  son industrialisation demeure un enjeu considérable.

Une contribution de Jérôme Calmelet, Président de Kyndryl France

Plus d’un an et demi après le lancement de ChatGPT qui a marqué le point de départ d’une véritable course au développement des IA, et après la tenue – en amont de VivaTech – d’un rassemblement des plus grands talents français de l’IA, 45 % des entreprises sont encore paradoxalement dans des phases d’exploration et d’expérimentation et non de déploiement. Plusieurs facteurs contribuent à cette situation tels que le manque de compétences, les préoccupations éthiques, la nécessité de bien définir les cas d’usage ainsi que les coûts qui peuvent être élevés lors du passage à l’échelle.  

Cependant, la préoccupation première des entreprises doit être celle de la qualité des données. Entraîner des IA génératives sur des données de mauvaise qualité ne fera que reproduire une prise de décision erronée. C’est pourquoi le travail effectué en amont sur les fondations des modèles est un prérequis indispensable à leur déploiement et à leur bon fonctionnement.

Se pose alors la question suivante : la rapide adoption de l’intelligence artificielle est-elle véritablement compatible avec une réflexion de fond nécessitant de prendre le temps pour poser des fondations solides ?

Le temps des questions

Comme toute innovation technologique, l’intelligence artificielle soulève une série d’interrogations : quelle gouvernance, quelle transparence, quelle éthique, quel niveau de sécurité devons-nous mettre collectivement en place ? Cependant, le rythme effréné de l’innovation ne laisse que peu de temps pour une véritable réflexion approfondie. Difficile en effet d’y voir clair dans un monde rythmé par la loi de Moore tandis que les entreprises génèrent et stockent une quantité toujours croissante d’informations sans se préoccuper de leur qualité en vue de leur exploitation.

Par conséquent, la première question à se poser est de savoir dans quel état se trouvent ces données.

La deuxième préoccupation porte sur la gouvernance de ces données : quels sont les droits associés, qui peut y avoir accès, etc. Des questions très concrètes sans oublier le sujet de la sécurité et du contrôle, et d’évolution des données dans un système auto-apprenant.

Cet enjeu de taille en appelle un autre : celui de la gestion des biais. Si les jeux de données sont biaisés, comment ne pas reproduire de tels biais lors du déploiement de solutions en IA ? Comment tendre vers une IA responsable ?

Le temps du mouvement

Pour apporter des éléments de réponse, il importe d’appréhender l’intelligence artificielle comme une révolution et, par conséquent, de la replacer dans une lignée de précédentes révolutions. Le monde a en effet été façonné par de multiples transformations : industrielles, sidérurgiques, technologiques, numériques, etc.

Toutes ont engendré elles aussi de nombreuses interrogations. Et toutes ont favorisé le développement de nouveaux usages, l’acquisition de nouvelles compétences et, in fine, la création de nouvelles opportunités et de nouveaux métiers. En ce sens, l’IA participe d’un mouvement historique qui pousse les individus à évoluer et à progresser. L’intelligence artificielle telle que nous la connaissons aujourd’hui a été conçue pour assister l’humain dans son travail et l’aider à se concentrer sur les activités ayant la plus importante valeur ajoutée (création, prise de décision, etc.) et non pour le remplacer. C’est finalement peut-être là que se situe l’éthique de l’IA : dans sa capacité à nous aider à nous mettre en mouvement et à nous poser les bonnes questions.

Encore faut-il prendre le temps de se les poser. Et sur ce point, la différence majeure avec les révolutions passées repose sur la vitesse d’adoption de la technologie. Qui aurait pu prédire le succès du phénomène ChatGPT ? Qui peut prédire les évolutions technologiques qui en découleront (robotisation, automatisation, etc.) ?

En France, la Commission de l’Intelligence Artificielle a réalisé cet exercice de prise de recul afin de tirer parti de cette révolution technologique et faire de la France un pays à la pointe de l’IA. Elle dresse le constat que la généralisation de l’IA pourrait se traduire, à court terme par une hausse de la croissance économique via des gains de productivité et, à plus long terme, par l’émergence de nouvelles innovations.Les enjeux sont existentiels comme l’a récemment rappelé le Président Macron en fixant le cap de la bataille de l’IA autour de cinq grands domaines : les talents, les infrastructures, les usages, l’investissement et la gouvernance.

L’IA interroge et c’est en se donnant les moyens d’apporter des réponses et en définissant des priorités que les entreprises parviendront à franchir le cap de l’industrialisation avec succès. L’IA de demain se prépare aujourd’hui. 

À lire également : Datacenters de proximité vs hyperscalers