Au milieu de tout ce tapage autour de l'IA, je constate que notre attention se porte bien trop rapidement vers les arguments les plus extrêmes en faveur de son existence même. D'un côté, l'utopie. La dystopie, d'autre part. On pourrait dire que l'extraordinaire occupe bien davantage nos esprits que l'ordinaire. Cela n'a rien de surprenant. L’expression « amélioration opérationnelle » ne fait pas autant la une que celle de « déplacement de populations ». Vraiment ?
«Les esprits étroits s’intéressent à l’extraordinaire, les grands esprits à l’ordinaire. »Blaise Pascal, mathématicien et physicien français
L'aboutissement de l'IA n'est pas près d'être atteint, en partie parce que nous mettons la charrue avant les bœufs. Le premier argument en faveur de cette thèse est l'absence de données fiables pour entraîner les modèles d'IA. Même les entreprises les plus avancées sur le plan numérique que l'on observe aujourd'hui fonctionnent avec un trop grand nombre de technologies et de flux de données disparates. Leurs bases de données de gestion de la configuration (CMDB) ne sont tout simplement pas à la hauteur pour permettre le bon fonctionnement d'une IA.
Ne vous y trompez pas, l'IA générative est véritablement capable de réaliser des choses extraordinaires. Il peut passer l'examen du barreau et le réussir haut la main. Il peut élaborer un plan d'affaires en quelques secondes. Il permet de détecter les fraudes et de gérer les risques grâce à un haut degré d'automatisation. Mais cela n'est possible qu'à condition de disposer de données en temps réel et de haute fidélité. Cela n'est pas possible sans mesures de sécurité suffisantes pour protéger ces données.
3 points à prendre en compte
Et c'est pourquoi il est si important de bien faire les choses simples. Voici trois éléments à prendre en compte avant que votre enfant ne commence l'école.
1. Partenaires de recherche
La coopération entre les services revêt une importance capitale lorsque vous souhaitez devenir une entreprise axée sur l'intelligence artificielle. Pour que les machines puissent donner toute leur mesure, les collaborateurs de votre organisation devront s'adapter à cette nouvelle donne. Chacun de vos départements devra se conformer à certaines « directives en matière d'études » régissant la manière dont ils collectent, stockent et traitent les informations – et cesser de fonctionner de manière indépendante. L'IA vous permettra de déterminer si vous rencontrez un problème de gestion des données et d'identifier où il se situe. Le principal problème lié aux ensembles de données contradictoires réside souvent dans les personnes qui en ont la charge.
2. Un programme d'études de qualité
Il est impératif de définir des cas d'utilisation de l'IA, puis de choisir les projets à mener à bien. C'est un peu comme choisir certaines matières à l'université pour vous aider dans votre future carrière. Mais cela ne servira pas à grand-chose si vous ne disposez pas de supports d'apprentissage de bonne qualité pour vos grands modèles linguistiques (LLM). Les outils tels que ChatGPT s'appuient sur d'énormes ensembles de données. Vos propres actions marketing s'appuient sur des quantités considérables de données de première source (propres), de deuxième source (partagées) et de tiers (achetées). Si vous êtes freiné par des données obsolètes, altérées et inexactes, votre IA le sera également. Une bonne gestion et une bonne gouvernance des données sont des éléments inhérents à l'IA.
3. Matières spécialisées
Il y a tout juste un an, le MIT a mené une enquête qui a révélé que 94 % des organisations utilisaient déjà l'IA d'une manière ou d'une autre. Pourtant, seules 14 % d'entre elles avaient pour objectif de mettre en place une IA « à l'échelle de l'entreprise » d'ici 2025. Cela semble indiquer que la plupart des entreprises ont une bonne compréhension pratique de l'IA, même si celle-ci se limite à certains services de l'organisation. On craint que l'IA générative ne devienne simplement un projet de plus que n'importe quel service puisse lancer sans stratégie centrale ni expertise interne. On craint que ce domaine ne devienne un cas à part, dépourvu de tous les mécanismes de contrôle et d'équilibre qui caractérisent les domaines spécialisés, tels que l' , l'IA appliquée à la cybersécurité ou la conformité.
La réussite de tout projet d'IA dépendra des petits détails banals, et non des affirmations et prophéties extraordinaires dont on entend souvent parler. Tout commence et finit par les données. À cet égard, nous devrions tous nous interroger davantage sur l'origine du « I » de « IA » et nous demander si l'on peut faire confiance à cette intelligence.
Recevez les synthèses Tanium dans votre boîte de réception, notamment les dernières analyses de fond, les actualités du secteur et les bonnes pratiques en matière de sécurité et d'exploitation informatiques. Abonnez-vous à nos e-mails hebdomadaires.
