L’intelligence artificielle générative (IA) est dans l'air du temps. Tous les secteurs d’activité (du secteur bancaire et financier au secteur de la santé en passant par l’industrie) se demandent comment utiliser cette technologie émergente à leur avantage.

Le concept de l’IA suscite de nombreuses questions et opinions. Bien sûr tout le monde pense aux outils génératifs du type ChatGPT, GitHub, Copilot ou autres dizaines de générateurs de musique ou d’art. Vous avez probablement déjà testé vous-même cette technologie, en demandant à votre fort sympathique IA/assistant virtuel quel repas préparer pour la semaine ou comment rédiger un e-mail destiné à votre patron. Vous en avez très certainement entendu parler dans les médias. 

Les outils émergents d’IA générative facilitent encore davantage la génération de « nouvelles » idées, de contenus créatifs et de solutions. Mais ils s’accompagnent d’un cortège de risques de faux pas en matière de propriété intellectuelle, de lois sur la conformité, de normes de sécurité, de confidentialité et de sécurité des données, d’impact sur la main-d’œuvre, d’équité et d’éthique. À l’avenir, les réglementations concernant la conformité de l’IA générative joueront un rôle majeur pour les secteurs d’activité intéressés par cette technologie.

En améliorant l’accessibilité du grand public aux technologies avancées, l’IA générative permet de réduire de façon inédite le délai de rentabilisation des initiatives de transformation numérique.

L’IA générative, avec ses facettes encore inconnues, suscite beaucoup de craintes. Alors comment l’utiliser ? Et plus important encore, comment l’exploiter en toute sécurité dans nos entreprises ?

En quoi consiste l’IA générative ?

Pour un observateur profane, l’IA générative semble étrangement humaine. Il s’agit en fait d’un algorithme sophistiqué qui crée de nouveaux contenus pertinents à partir de prompts, en s’appuyant sur les vastes collections de données sur lesquelles il a été entraîné.

L’IA générative est un outil puissant qui fonctionne sur divers supports : images, vidéos, musique, code logiciel et même interactions conversationnelles. Mais elle ne remplace pas les êtres humains, loin de là. L’IA générative doit être considérée comme une collaboratrice et non comme un quelconque robot « terminator ».

« L’IA générative présente un large éventail d’applications. Elle peut par exemple produire des images, créer de nouvelles compositions musicales, générer des textes qui auraient pu être rédigés par un humain, améliorer et modifier un contenu existant, ou même simuler des environnements réalistes à des fins de formation, dans des domaines tels que les jeux ou la réalité virtuelle (VR).

Il est important de noter que même si l’IA générative propose déjà des résultats impressionnants, c’est encore un domaine en développement et le contenu généré n’est pas toujours parfait ou sans faille. Néanmoins, elle continue de progresser et a démontré un grand potentiel dans différents domaines de création et de résolution de problèmes. »

Comment fonctionne l’IA générative ? L’IA générative utilise plusieurs techniques en pleine évolution, notamment le traitement du langage naturel (NLP) et les grands modèles de langage (LLM), qui sont conçus pour imiter le langage humain. Ces applications sont généralement construites sur ce que nous appelons des modèles fondamentaux (FM), qui sont des systèmes d’IA basés sur le deep learning. Vous pouvez les considérer comme des terrains d’entraînement sur lesquels votre IA étudie et apprend à partir d’un vaste ensemble de données. Dans sa forme la plus élémentaire, l’IA utilise des algorithmes prédictifs pour générer du « nouveau » contenu, des images par exemple.

Quels sont les cas d’utilisation de l’IA générative ?

Selon Gartner, l’IA générative va devenir potentiellement « une technologie à usage général avec un impact similaire à celui de la machine à vapeur, de l’électricité et d’Internet », et « le domaine de l’IA générative progressera rapidement à la fois dans la découverte scientifique et dans la commercialisation de la technologie ».

Il est important d'imaginer les technologies d’IA générative comme des assistants ou des collaborateurs, qui apportent un plus au travail humain grâce à la génération d’idées et à la recherche, tout en laissant de la place à l’empathie humaine, à laquelle l’IA ne peut pas se substituer.

Qu’est-ce qu’un modèle d’IA générative ? En règle générale, l’IA générative s’entraîne sur des modèles de deep learning, puis applique le résultat de son entraînement à de nouveaux contenus par un principe d'imitation. Les modèles génératifs assimilent les caractéristiques sous-jacentes et la distribution des données d’entraînement pour générer de nouveaux échantillons de données similaires à l’original.

Pourquoi utiliser l’IA générative ?

L’IA générative n'a pas uniquement vocation à créer de l’art, du texte ou de la musique. Elle présente un potentiel de transformation des opérations quotidiennes du front-office et du back-office en rationalisant les flux de travail et en facilitant la prise de décision.

Selon un rapport de McKinsey, « Les secteurs bancaires, de la high tech et des sciences de la vie font partie de ceux sur lesquels l'IA générative pourrait créer le plus grand impact, en pourcentage de revenus. » Le rapport souligne le potentiel d'automatisation d'activités qui absorbent actuellement 60 à 70 % du temps des employés, dans ces secteurs.

L’IA générative peut être appliquée dans de nombreux domaines. Voici quelques applications d’IA générative extrêmement intéressantes :

• Produire des ébauches de texte et des plans pour un contenu écrit
• Découvrir des réponses plus rapidement grâce à l’analyse de texte
• Utiliser des images générées par IA pour explorer des idées et des concepts
• Améliorer l’assistance client grâce à des bots conversationnels dotés de capacités de compréhension des intentions et demandes ainsi que de traitement du langage
• Résumer des informations riches en données en extrayant les informations essentielles
• Simplifier des documents complexes
• Générer, tester et implémenter du code logiciel
• Changer le ton d’un texte en fonction du degré de formalité et du contexte
• Trier et organiser des informations en fonction de paramètres spécifiés
• Augmenter la productivité et les revenus en rationalisant les flux de travail des opérations
• Mettre en œuvre une gestion automatisée des catalogues pour les gammes de produits et les stocks

Cas d’utilisation de l’IA générative dans la santé

Le secteur de la santé est sans doute l’un des principaux à pouvoir bénéficier de l’IA et de l’automatisation intelligente (AI). L’IA générative a le potentiel de sauver des vies en aidant les médecins à établir un diagnostic précoce pour leurs patients. Elle peut par exemple aider les radiologues à détecter des taches cancéreuses en analysant les images médicales pour un diagnostic plus précis et plus rapide.

Des technologies telles que le traitement du langage naturel (NLP) sont capables de lire de vastes ensembles de données de santé non structurées, comme celles des dossiers de santé électroniques (DSE). L’IA générative peut donc convertir les radiographies, les tomodensitogrammes et les IRM en images plus réalistes, et faciliter l’identification des anomalies potentielles.

À mesure que cette technologie développe ses capacités de prise de décision, elle peut utiliser des ensembles de données de santé pour saisir l’historique médical, le mode de vie et les informations génétiques d’un patient, afin de contribuer à un plan de traitement personnalisé. Les patients bénéficient de services de soins améliorés, et d'un personnel médical avec plus de temps à leur consacrer.

Cas d’utilisation de l’IA générative dans les sciences de la vie

Les sociétés pharmaceutiques peuvent utiliser l’IA générative pour analyser de vastes ensembles de données sur les effets secondaires, les résultats des études cliniques et l’efficacité. Avec le temps, l’IA combinera ces ensembles de données plus vastes avec des informations plus restreintes collectées en temps réel auprès de patients et d’individus au sein d’une population cible, ce qui lui permettra d’établir des liens au sein des données et de prescrire des solutions possibles en fonction d’essais cliniques antérieurs.

Gartner estime que « d’ici 2025, plus de 30 % des nouveaux médicaments et substances seront systématiquement découverts à l’aide de techniques d’IA générative, contre zéro aujourd’hui ». Les impacts sur l’industrie pharmaceutique seront énormes, avec la réduction du temps de découverte des médicaments et éventuellement celle de la commercialisation, grâce à la création de données synthétiques à partir des informations déjà collectées sur les essais cliniques.

Selon l’étude de Deloitte sur la découverte intelligente de médicaments, l’IA « signera un renouveau pour le secteur de la santé, car un niveau supérieur de connaissances sur les mécanismes des maladies augmentera le nombre de traitements disponibles et, dans de nombreux cas, guérira des maladies pour lesquelles il n’existe pas encore de traitements efficaces. »

Deloitte suggère que les leaders possédant des connaissances numériques devront intégrer de nouvelles stratégies dans leurs unités de recherche au fil du développement des capacités de l’IA générative. À ce jour, les États-Unis sont en tête du secteur de la découverte de médicaments par IA (60 % des startups y utilisent cette technologie), tandis que le niveau d’utilisation au Royaume-Uni et dans l’Union européenne a augmenté respectivement de 10,8 % et 10,3 %.

Cas d’utilisation de l’IA générative dans le secteur bancaire et financier

Avec un bon modèle de gouvernance en place, l’IA générative peut contribuer à la gestion des risques et à la détection des fraudes.

Les services bancaires et financiers sont des secteurs fortement réglementés, où la conformité revêt la plus grande importance. L’IA générative a encore du chemin à parcourir avant de s’intégrer à tous les aspects du secteur bancaire, par exemple pour réguler la protection des documents privés, mais elle a le potentiel d’analyser les données pour la notation de crédit, la gestion de portefeuille, le trading, l’optimisation des prix, les prévisions du marché, etc. Voici quelques pistes d’utilisation :

• Détection des fraudes
• Lutte contre le blanchiment d’argent
• Recommandations de produits et services financiers
• Évaluation et gestion des risques
• Service client à l’aide de bots conversationnels et planification automatisée
• Prévisions des marchés financiers

Cas d’utilisation de l’IA générative dans l’informatique

Le développement de logiciels assisté par IA progresse rapidement dans la programmation. Grâce à des technologies comme Copilot, l’IA générative peut aider à générer du code à l’aide d’une vaste base de données de techniques de programmation.

Grâce à sa capacité à synthétiser des données, l’IA générative peut exécuter des tests au sein du système pour contrôler les erreurs ou l’inefficacité, afin d’aider les développeurs à optimiser le code. Une fois que votre code a passé l’inspection, l’IA peut le déployer automatiquement dans le flux de travail et le surveiller en permanence pendant son fonctionnement.

Les solutions d’IA générative peuvent être utilisées dans le développement de logiciels pour :

• Suggérer la prochaine ligne de code
• Répondre à des questions concernant le code
• Générer de nouvelles lignes de code à partir de prompts de texte
• Tester les fonctionnalités du logiciel
• Identifier et corriger les bugs dans le code
• Aider à implémenter de nouveaux modèles dans des logiciels à partir de modèles existants

En vérité, l’IA générative touchera probablement tous les secteurs d’activité à l’avenir, des tests automobiles et aérospatiaux aux messages marketing en passant par les services personnalisés. C’est un TGV d’innovation qui apporte beaucoup de potentiel. Mais comme avec n’importe quelle machine à grande vitesse, des risques existent.

Qu’est-ce que l’ingénierie de prompts ? Les développeurs qui ont acquis une bonne compréhension du modèle d’IA générative et du résultat souhaité peuvent utiliser des techniques d’ingénierie de prompts pour expérimenter et affiner différents prompts. Ils peuvent ainsi affiner les performances du modèle pour l’adapter à la tâche ou à l’objectif souhaité.

Quels risques pose l’IA générative ?

Peut-être avez-vous déjà entendu parler de certains risques liés à l’IA générative : deepfakes, violation du droit d’auteur, fuite de documents privés ou publication de données incorrectes. L’IA peut vous fournir sans sourciller des informations totalement erronées, et les deepfakes font figurer dans des vidéos convaincantes des politiciens ou des célébrités prononçant des mots qui ne sont jamais sortis de leur bouche.

Des technologies telles que ChatGPT et d’autres outils génératifs sont entraînées à partir de données publiques sans que soient prises en compte la loi sur la propriété intellectuelle ou la conformité au Règlement général sur la protection des données (RGPD). En d’autres termes, si vous utilisez l’IA générative dans votre entreprise, nous vous recommandons la plus grande prudence dans votre approche et dans votre appropriation de ce que vous prétendez être « vôtre ».

Toutefois, avec des modèles, des directives et une supervision appropriés, l’IA générative a le potentiel de révolutionner le travail dans de nombreux secteurs d’activité, notamment la santé et les sciences de la vie, l’industrie, la banque et la finance, l’énergie, l’informatique, etc.

Intégration de la gouvernance dans l’IA générative

L’IA générative est en marche et ne s'arrêtera pas. Réfléchissons donc à la manière dont nous pouvons utiliser sa puissance de façon positive en gardant toujours en tête son impact environnemental, social et de gouvernance (ESG).

Avant de déployer rapidement l’IA générative dans leurs opérations, les entreprises doivent réfléchir à son impact sur leur réputation, leurs revenus et leur responsabilité juridique potentielle. À cette fin, les organisations auront besoin d’une stratégie établie de gestion des risques en matière de gouvernance, avec des règles et des principes sur la manière dont l’IA générative peut contribuer à leur stratégie d’automatisation tout en préservant la conformité.

Ce que fait la gouvernance pour l’IA générative :

• Elle assure le respect des lois, de la vie privée et des droits de propriété intellectuelle
• Elle aligne l’IA sur les principes éthiques de votre organisation
• Elle vérifie l’exactitude des résultats de l’IA
• Elle maintient les normes de qualité et la cohérence dans votre entreprise
• Elle garantit la protection de la vie privée et l’exactitude des données
• Elle prend en compte le développement durable et les contrôles environnementaux

Quel que soit l’impact que nous permettons à l’IA générative d’avoir sur nous, il s’agit d’une technologie qui avance à toute vitesse. Elle peut être positive, à condition que les entreprises l’utilisent en gardant à l’esprit la gouvernance et la protection des données. Et avec l’évolution rapide des lois concernant l’IA générative, votre organisation doit surveiller les dispositions réglementaires dans ses pays et sphères d’influence.

Qu’est-ce qu’un grand modèle de langage (LLM) ? Un grand modèle de langage (LLM) est un type de modèle d’IA spécialement conçu pour comprendre et générer un langage humain, en imitant des réponses humaines normales. Entraîné sur de grandes quantités de données textuelles, il peut effectuer diverses tâches liées au langage, comme génération de texte, résumé, compréhension des demandes, traduction, etc. Généralement, les LLM s’appuient sur des architectures de deep learning. Il existe plusieurs applications de LLM telles que les bots conversationnels, les assistants virtuels (comme Alexa d’Amazon ou Siri d’Apple), la génération de contenu et la traduction linguistique.

Implémentation de l’IA générative dans votre AI

Il vous faut prendre en compte un certain nombre de points avant d'intégrer l’IA générative dans votre programme d’automatisation. Voici quelques conseils à suivre dans votre stratégie :

• Établissez des directives : Définissez les limites éthiques de votre utilisation de l’IA ainsi que les cibles et les modalités de son déploiement, en tenant également compte de l’impact sur l’individu, la société et le droit à la vie privée.
• Alignez-vous sur les objectifs : Alignez votre technologie sur les stratégies actuelles de votre organisation, en évaluant, en hiérarchisant et en gérant la manière dont l’IA générative s’intègre à vos capacités techniques et à vos exigences commerciales.
• Identifiez les cas d’utilisation : Déterminez les tâches ou processus spécifiques, dans votre flux de travail d’AI, qui pourraient bénéficier de l’IA générative et déterminez les effets que ces intégrations peuvent avoir.
• Utilisez des données de qualité pour l’entraînement : Préparez soigneusement votre ensemble de données d’entraînement, en vous assurant que les données avec lesquelles votre IA générative s’entraîne représentent pleinement les résultats souhaités par votre organisation.
• Validez le contenu : Validez minutieusement vos résultats pour éviter les données incorrectes ou les biais.
• Informez le personnel : Fournissez des stratégies complètes de gestion du changement aux employés de votre entreprise et définissez les bonnes pratiques et les objectifs.
• Maintenez l’humain dans la boucle (HITL) : Faites participer les collaborateurs aux processus automatisés, en mettant par exemple en place un centre d’excellence (CoE) pour faire perdurer les bonnes pratiques.
• Adaptez : Fournissez régulièrement des retours et des données à votre modèle d’IA générative afin qu’il puisse s’adapter à l’évolution des exigences, améliorer continuellement la qualité de ses résultats et se développer pour une meilleure évolutivité.

Quels avantages apporte l’IA générative ?

Les capacités de l’IA générative et son accessibilité sont sans précédent, et offrent à n’importe quel secteur d’activité le potentiel d’utiliser l’automatisation et d’en tirer des bénéfices. Les progrès dans le traitement du langage naturel (NLP), en particulier, susciteront davantage d’intérêt dans des secteurs tels que la santé, la finance et l’expérience client (CX).

Voici les principaux avantages que nous verrons dans les futures utilisations de l’IA générative :

• Génération de contenu
• Expériences personnalisées
• Résolution de problème
• Prise de décision
• Simulations et tests
• Augmentation des données
• Expérimentation de contenus créatifs

Comment l’IA générative créera-t-elle de la valeur pour les entreprises ?

L’IA générative offre aux entreprises les possibilités suivantes :

• Augmenter la productivité et les revenus
• Réduire les coûts d’exploitation
• Améliorer la gestion des risques
• Alléger la charge de travail des employés
• Travailler rapidement et efficacement
• Gagner en évolutivité, en cohérence et en qualité

Tous ces atouts s’accompagnent d’une mise en garde : un système d’IA générative ne sait que ce qu’on lui a enseigné, et avec l’arrivée prochaine des restrictions imposées par les protections des droits d’auteur et des lois sur la propriété, il s’agit d’une technologie que les entreprises doivent utiliser avec prudence et encadrer par une bonne gouvernance et de bonnes pratiques.

L’IA générative est avant tout créatrice de contenu, ce qui va faire évoluer la nature du travail humain. En fait, Gartner prédit que « d’ici 2026, plus de 100 millions d’humains engageront des robots-collègues pour contribuer à leur travail. » C’est aux organisations d’anticiper cette évolution du paysage professionnel et de décider de leur réaction.

Compte tenu des progrès rapides de l’IA et de son potentiel de transformation des secteurs d’activité, il est important de s’associer à des fournisseurs de solutions fiables et innovants comme SS&C Blue Prism.

Quel est l’avenir de l’IA générative ?

Nous avons interviewé ChatGPT pour découvrir en quoi consiste l’IA générative (bien sûr, en confirmant la véracité de ces déclarations par des recherches plus approfondies). Et à chaque réponse, ChatGPT terminait par un avertissement similaire en plusieurs itérations. En voici un :