TRIBUNE | Qu’apportent réellement ChatGPT et les IA génératives face aux IA analytiques ?

ChatGPT, Bard, Ernie… Si les intelligences artificielles ne datent manifestement pas d’hier, les IA dites génératives n’ont cessé d’occuper les grands titres ces derniers mois. Dans cette tribune pour Forbes France, Killian Vermersch, CEO et cofondateur de Golem.ai, nous explique pourquoi ces nouveaux modèles bénéficient d’autant de popularité et ce qu’ils apportent de plus que les IA analytiques.

Depuis quelques mois, le sujet de l’IA a pris une importance jamais vue jusqu’ici. Cette semaine encore, Microsoft a annoncé la sortie de GPT-4, quelques mois à peine après l’explosion de popularité de la version précédente. Les influenceurs de la start-up nation donnent tous leurs trucs et astuces pour mieux utiliser ChatGPT, le sujet va parfois jusque dans nos soirées entre amis et nos repas en famille. Une partie des artistes proteste en masse contre DALL·E, Midjourney ou Stable Diffusion qui sont capables de générer des images réalistes et complexes sur une simple description écrite. Récemment, Yann LeCun, prix Turing 2018 un des pères des réseaux de Neurones et Chief AI Scientist de Meta, a affirmé que ChatGPT n’avait rien d’impressionnant.

Comment expliquer un tel écart entre la perception du grand public et celle des experts ? 

La réponse est simple et tient en deux mots : accessibilité et ressemblance. ChatGPT nous impressionne car il est facile d’accès et produit un résultat similaire à ce qui, jusqu’ici, était perçu par le commun des mortels comme du seul domaine des humains. Du côté des chercheurs, c’est une tout autre histoire, l’évolution s’est fait sentir ces 5 dernières années, et depuis 2020 les investissements internes et VC dans le domaine sont montés en flèche.

Toutes les solutions d’IA évoquées précédemment ont un point commun : ce sont des IA dites « génératives« , qui génèrent et semblent même créer du contenu. Elles donnent l’impression de toutes arriver simultanément, et ce n’est pas un hasard, car le travail qui a permis d’arriver à ce résultat est communautaire et majoritairement ouvert. De grandes entreprises comme les GAFAM, des startups et des chercheurs indépendants ont financé et produit de nombreuses recherches sur ce sujet. Aujourd’hui toutes les quelques semaines une nouvelle IA générative sort et crée un son lot de buzz, mais aussi de questions sur ses usages, et les implications éthiques de sa création et de son utilisation.

Ces IA génératives se rapprochent beaucoup en termes de perception du sujet de l’AGI (Artificial General Intelligence), cette idée de l’IA qui est capable de réellement raisonner. Nous en sommes encore loin, mais l’annonce de GPT-4 qui est capable de traiter à la fois le langage, l’image, et même la vidéo nous en rapproche encore un peu plus.

Il existe de nombreuses manières de séparer les différents types d’intelligence artificielle, celui qui émerge en ce moment est une dualité entre les IA génératives et les IA analytiques. Elles ont des approches très différentes dans le fonctionnement, mais le moyen le plus facile de les catégoriser est le format de sortie : les IA génératives ont un résultat en apparence non structuré, comme du texte ou des images, là où les IA analytiques fournissent un retour structuré comme une catégorie ou des données extraites d’un ensemble en entrée. 

Les IA génératives offrent beaucoup de fonctionnalités puissantes pour créer du contenu, souvent plus impressionnantes de nos points de vue humains, mais ne peuvent en réalité répondre qu’à un sous-ensemble de cas d’usage qui ne nécessitent pas de réellement comprendre le sujet. Les IA analytiques offrent un résultat moins spectaculaire en apparence, mais qui nécessite une compréhension plus fine des données d’entrée. À titre d’exemple, une IA générative peut facilement générer une réponse très convaincante à un mail, mais si l’objectif est d’être capable d’extraire le contenu de ce mail pour mettre automatiquement à jour un CRM ou une base de données, une IA analytique sera nécessaire. 

Concrètement, les IA génératives et analytiques sont rarement en concurrence, mais sont parfois complémentaires, et cela ouvre de nombreuses possibilités de cas d’usage. Sur notre exemple de traitement des emails, la combinaison des deux fonctionnalités permettrait d’automatiser une grande partie du travail pénible lié au traitement des messages en entrant, en cataloguant et répondant automatiquement aux réponses simples, tout en permettant aux personnes qui gèrent ces messages de consacrer plus de temps sur les cas complexes qui requièrent une intelligence humaine. Car, rappelons-le, le cerveau humain a encore de beaux jours devant lui avant d’être réellement concurrencé par les capacités de l’intelligence artificielle. 

<<< À lire également : À SUIVRE | Obvious Technologies améliore le pilotage de la sécurité en situation critique >>>