Dans tout l’hullabaloo sur l’IA, il me frappe que notre attention gravite beaucoup trop rapidement vers les arguments les plus extrêmes pour son existence même. Utopie d’une part. Dystopie sur l’autre. Vous pourriez dire que l’extraordinaire occupe nos esprits bien plus que l’ordinaire. Ce n’est pas surprenant. L’« amélioration opérationnelle » ne semble pas aussi captivante que le « déplacement humain ». Est-ce le cas ?
« Les petits esprits sont préoccupés par les grands esprits extraordinaires de l’ordinaire. »Blaise Pascal, mathématicien et physicien français
Le jeu final pour l’IA n’est nulle part partiellement en vue, car nous mettons le chariot avant le cheval. La pièce A de cet argument est l’absence de données fiables pour enseigner les modèles d’IA. Même les entreprises les plus avancées sur le plan numérique que nous voyons aujourd’hui fonctionnent avec trop de technologies et de flux de données disparates. Leurs CMDB ne sont tout simplement pas à la hauteur de la tâche d’entretenir une IA bien comportementale.
Ne vous y trompez pas, l’IA générative est vraiment capable de faire des choses extraordinaires. Il peut passer l’examen de barre et réussir avec des couleurs volantes. Il peut lancer un plan d’affaires en quelques secondes. Il peut détecter la fraude et gérer les risques avec un haut degré d’automatisation. Mais il ne peut pas faire tout cela sans des données en temps réel de haute fidélité. Il ne peut pas le faire sans suffisamment de garde-fous pour protéger ces données.
3 éléments à prendre en compte
Et c’est pourquoi il est si important de bien faire les choses ordinaires. Voici trois éléments à prendre en compte avant que votre IA ne commence à étudier.
1. Partenaires de l’étude
La coopération départementale est incroyablement importante lorsque vous cherchez à obtenir votre diplôme en tant qu’entreprise alimentée par l’IA. Pour que les machines prospèrent, les humains de votre organisation devront suivre le programme. Chacun de vos royaumes internes devra se conformer à certaines « directives d’étude » régissant la manière dont il collecte, stocke et traite les informations, et cesser de fonctionner de manière indépendante. L’IA exposera si vous avez un problème de gestion des données et où il réside. Le problème numéro un avec des jeux de données contradictoires est souvent celui des humains qui en sont responsables.
2. Programme de qualité
Il est impératif de trouver des cas d’utilisation de l’IA, puis de choisir les projets à poursuivre. C’est comme sélectionner certains sujets à l’université pour vous aider dans votre future carrière. Mais cela comptera peu si vous n’avez pas de matériel d’apprentissage de bonne qualité pour vos grands modèles linguistiques (LLM). Des outils tels que ChatGPT s’appuient sur d’énormes jeux de données. Votre propre activité marketing repose sur des montagnes de données de première (détenues), deuxième (partagées) et de tiers (achetées). Si vous êtes gêné par des données anciennes, dégradées et inexactes, votre IA le sera également. Une bonne hygiène et une bonne gouvernance des données sont implicites dans l’IA.
3. Sujets spécialisés
Il y a tout juste un an, le MIT a mené une enquête dans laquelle il a constaté que 94 % des organisations utilisaient déjà l’IA d’une manière ou d’une autre. Pourtant, seulement 14 % visaient à atteindre l’IA « à l’échelle de l’entreprise » d’ici 2025. Cela suggère que la plupart des entreprises ont une bonne compréhension de l’IA, bien que dans les poches de l’organisation. L’inquiétude réside dans le fait que l’IA générative devient simplement un autre projet que tout service peut lancer sans stratégie centrale ou spécialisation interne. La crainte est qu’elle devienne une valeur aberrante sans aucun des contrôles et des équilibres qui entrent dans des domaines spécialisés, comme l’ IA dans la cybersécurité ou la conformité.
La réussite de tout projet d’IA dépendra des petits détails ordinaires, et non des revendications et prophéties extraordinaires dont nous entendons souvent parler. Tout commence et se termine par des données. À cette fin, nous devrions tous nous inquiéter davantage de l’origine du « je » dans l’« IA » et de la fiabilité de cette intelligence.
Recevez les résumés de Tanium directement dans votre boîte de réception, y compris les derniers leaders d’opinion, les nouvelles de l’industrie et les meilleures pratiques pour la sécurité et les opérations informatiques. Abonnez-vous à nos e-mails hebdomadaires.
