Entre les lignes de l'IA : résumé de l’article « What every CEO should know about generative AI » de McKinsey

Bonjour à tous et bienvenue dans un nouvel épisode d'« AI Experience ». Aujourd'hui, je souhaite partager et résumer un article très long qui est paru sur le site de McKinsey et qui s'intitule, en anglais, « What every CEO should know about generative AI », ou en français, « Tout ce qu'une PDG doit savoir à propos de l'IA générative ». C'est un article dense de 17 pages écrit par Michael Chui, Roger Roberts, Tanya Rodchenko, Alex Singla, Alex Sukharevsky, Lareina Yee, et Delphine Zurkiya, et qui explore certains éléments essentiels de l'IA générative que chaque dirigeant devrait connaître.

Pour commencer, qu'est-ce exactement que l'IA générative? Au-delà du battage médiatique et des gros titres sensationnels, l'IA générative désigne un ensemble de technologies capables de créer du contenu nouveau et original. Depuis le lancement de modèles comme ChatGPT, Bard, Claude et Midjourney, qui sont des outils de création de contenu, l'excitation autour de l'IA générative n'a cessé de croître. Mais ce n'est pas juste une mode passagère; c'est une opportunité transformationnelle pour les entreprises.

En seulement deux mois, la version publique de ChatGPT a atteint 100 millions d'utilisateurs, démocratisant l'IA d'une manière jamais vue auparavant. Ce type d'accessibilité rend l'IA générative différente de toutes les IA qui l'ont précédée. Les utilisateurs n'ont pas besoin d'un diplôme en data science pour interagir avec elle ou en tirer de la valeur ; presque tout le monde capable de poser des questions peut l'utiliser.

Et comme les technologies révolutionnaires telles que l'ordinateur personnel ou l'iPhone, une seule plateforme d'IA générative peut donner naissance à de nombreuses applications pour des publics de tout âge, de tout niveau d'éducation et dans tout lieu disposant d'un accès à Internet.

Si l'IA générative est si accessible et puissante, c'est en grande partie grâce aux modèles de fondation qui contiennent des réseaux neuronaux expansifs qui ont été entraînés sur d'immenses quantités de données non structurées et non étiquetées dans divers formats. Cette formation les rend incroyablement polyvalents. Pour vous donner une idée, un seul modèle de fondation pourrait résumer un rapport technique de 20 000 mots sur l'informatique quantique, élaborer une stratégie de mise sur le marché pour une entreprise d'élagage, ou même proposer cinq recettes différentes à partir des dix ingrédients trouvés dans votre réfrigérateur.

Ces modèles surpassent les générations précédentes d'IA, qui étaient souvent limitées à une seule tâche. Leur polyvalence permet non seulement de débloquer de nouveaux cas d'utilisation pour les entreprises mais aussi d'accélérer, d'augmenter ou d'améliorer les cas existants.

Cependant, cette polyvalence a un coût. Pour le moment, l'IA générative peut parfois fournir des résultats moins précis, ce qui met en lumière l'importance de la gestion des risques liés à l'IA. Mais avec les bonnes mesures de contrôle, l'IA générative peut non seulement ouvrir la voie à de nouveaux cas d'utilisation mais également améliorer considérablement les processus existants.

L'une des préoccupations majeures lors de l'adoption de l'IA générative est la gestion des risques. Bien que ces technologies offrent des capacités impressionnantes, elles ne sont pas sans risques. Par exemple, le problème de la génération de contenus inexactes ou trompeuses, souvent appelée « hallucination » dans le jargon de l'IA, nécessite des garde-fous robustes.

Pour cela, il est essentiel d'établir un cadre de gestion des risques qui comprend la supervision humaine, la validation des données et l'audit régulier des performances de l'IA. Pensez à un outil d'IA générative comme à un employé très puissant mais qui a besoin de directives claires et de supervision constante.

En outre, il est crucial pour les entreprises d'évaluer si elles possèdent l'expertise technique nécessaire, l'architecture technologique et de données adéquate, et un modèle opérationnel capable de soutenir les implémentations les plus transformatrices de l'IA générative.

Les dirigeants doivent également réfléchir à la manière dont ils peuvent intégrer l'IA générative dans les processus existants sans perturber les opérations en cours. Cela peut nécessiter des ajustements dans la manière dont les équipes travaillent et communiquent, ainsi que dans la formation des employés pour qu'ils comprennent et utilisent efficacement ces nouveaux outils.

Enfin, un autre aspect important est la considération éthique et la conformité réglementaire. L'utilisation responsable de l'IA générative implique de s'assurer que les applications respectent les lois sur la vie privée, la protection des données et ne perpétuent pas les biais existants.

L’article de McKinsey rentre alors dans des exemples concrets sur le potentiel de l'IA générative. Pour les commerciaux, un outil d'IA générative peut, par exemple, suggérer des opportunités d’upsell en temps réel pendant un appel client, en se basant sur le contenu de la conversation en cours. Cela signifie que les données internes du client et les tendances du marché peuvent être intégrées dynamiquement pour offrir une proposition sur mesure au client.

Dans le service client, l'IA générative peut générer une première ébauche de réponse à des questions de clients, permettant ainsi aux agents de se concentrer sur la personnalisation de la communication plutôt que de partir de zéro. Cela peut non seulement accélérer le processus de réponse mais également améliorer la satisfaction client grâce à des réponses plus rapides et plus précises.

L'IA générative peut aussi révolutionner la gestion des connaissances. Elle peut par exemple créer des résumés exécutifs pour des rapports techniques longs et complexes, ou même aider à la rédaction de stratégies de mise sur le marché pour des petites entreprises, tout cela en quelques minutes.

Dans l'ingénierie logicielle, des outils de complétion de code basés sur l'IA permettent aux développeurs de générer des suggestions de code en temps réel, réduisant ainsi le temps de développement et  améliorant la qualité du code grâce à des suggestions optimisées.

Dans le secteur bancaire, l'IA générative aide les chargés de clientèle à rester à jour avec les informations publiques sur leurs clients. Un système basé sur l'IA peut rapidement synthétiser de grandes quantités de documents pour fournir des résumés précis ou répondre à des questions spécifiques, améliorant ainsi la préparation et l'efficacité des interactions avec les clients.

Dans la recherche pharmaceutique, l'IA générative est utilisée pour accélérer la découverte de médicaments. En analysant des images de cellules à grande échelle, l'IA peut identifier des caractéristiques pertinentes qui pourraient autrement passer inaperçues par les humains, accélérant ainsi le processus de recherche et développement.

Ces exemples montrent non seulement la diversité des applications de l'IA générative mais aussi comment elle peut transformer les opérations, améliorer l'efficacité et même réinventer les rôles traditionnels dans divers secteurs.

Les équipes dirigeantes des entreprises jouent un rôle déterminant dans la mise en œuvre de l'IA générative au sein de leurs organisations. Ce n'est pas seulement une question de technologie ; il s'agit aussi de vision et de stratégie. Les dirigeants doivent identifier clairement comment l'IA générative peut améliorer ou transformer leurs processus d'affaires et quelle valeur elle apporte spécifiquement à leur secteur.

Ils doivent s'assurer qu'ils ont une compréhension solide des capacités et des limites de l'IA générative. Ils doivent également promouvoir une culture d'innovation et de prise de risque calculé, essentielle pour intégrer de nouvelles technologies de manière efficace. Cela implique de former une équipe transversale qui regroupe des compétences en data science, en ingénierie, en conformité réglementaire, et en gestion des risques, pour garantir que l'IA générative soit déployée de manière éthique et efficace.

Il est aussi important d’envisager les aspects de formation et de développement des compétences au sein de leurs équipes. Comprendre comment interagir avec les outils d'IA générative et optimiser leur utilisation peut être un facteur clé de succès.

Enfin, il est essentiel de rester agile et réactif. Le domaine de l'IA générative évolue rapidement, et les entreprises doivent être prêtes à ajuster leurs stratégies en fonction des nouvelles découvertes et des réglementations émergentes.

Naturellement cet article très long et très détaillé offre beaucoup plus sur le sujet si important de l’acculturation des équipes dirigeantes aux défis et enjeux de l’intelligence artificielle générative. Je vous encourage à le lire et le télécharger depuis le site de McKinsey où il est disponible gratuitement en téléchargement. À ma connaissance, il n’est toutefois pas disponible uniquement en anglais.

Avant de nous quitter, voici les points clés à retenir pour adopter l’IA dans son entreprise de manière clair et assumée.

1. Éducation et compréhension : Investissez du temps pour comprendre les technologies d'IA générative, leurs capacités et leurs limites. Cela aidera à mieux évaluer où et comment elles peuvent être intégrées dans votre entreprise.
2. Pilotage stratégique : Ne vous précipitez pas dans une adoption à grande échelle sans avoir d'abord testé l'IA générative dans des projets pilotes. Utilisez ces projets pour mesurer l'impact et affiner votre approche.
3. Gestion des risques : Mettez en place des protocoles stricts pour la gestion des risques, y compris la surveillance continue et l'évaluation des performances de l'IA.
4. Formation et développement des compétences : Préparez vos équipes à travailler avec l'IA générative par des formations adéquates et le développement des compétences nécessaires.
5. Adaptabilité et réactivité : Soyez prêts à vous adapter rapidement aux évolutions technologiques et réglementaires pour tirer pleinement parti de l'IA générative tout en respectant les cadres éthiques et légaux.

Merci d'avoir écouté cet épisode d'« AI Experience » qui résume l’article « What every CEO should know about generative AI » disponible sur le site de McKinsey. À très vite pour un nouvel épisode.

‍