Réalité et idées fausses sur l’avenir de l’intelligence artificielle (IA).

Une plongée en profondeur dans quatre déclarations récurrentes sur l'IA.

Il est clair que l’IA a un rôle clé à jouer dans le monde des affaires – aujourd’hui et à l’avenir. Elle recèle un potentiel sans précédent de gains d’efficacité et de nouveaux modèles commerciaux. Parce que l’IA n’est pas une technologie comme les autres, elle peut aussi avoir des conséquences inattendues et des perturbations d’une ampleur sans précédent. Aucune entreprise ne devrait déployer l’IA à l’aveuglette et sans stratégie, et aucun conseil d’administration responsable ne peut se permettre de ne pas s’engager et comprendre son potentiel.

L’intelligence artificielle (IA) est en train de changer la façon dont les machines et les personnes travaillent ensemble. Elle améliore les interactions avec les clients dans tous les secteurs et favorise l’amélioration des opérations et des processus. Plus de 40% des entreprises s’attendent à ce que l’IA change la donne. Par exemple, le gouvernement allemand veut également accélérer l’adoption et le développement des technologies d’IA. Elle prévoit d’investir 3 milliards d’euros dans la recherche sur l’IA d’ici 2025.  Mais 77 % des entreprises déclarent également que l’adoption par les entreprises est un défi. À ce jour, peu de conseils d’administration sont prêts à évaluer les risques et les opportunités liés à l’IA.

L’IA est différente des autres innovations technologiques. Pour avoir une image plus complète des capacités et des possibilités offertes, j’aborde dans cet article quatre affirmations que les clients m’adressent le plus souvent :

« L’IA est le moteur de l’innovation et de la réussite des entreprises ».

Les données sont au cœur de l’IA et d’autres technologies de pointe. Les données ne manquent généralement pas à cet égard ; elles sont plus que suffisantes en cette époque où les volumes de données augmentent. Selon Statista, le grand marché mondial des données atteindra 103 milliards de dollars d’ici 2027, soit plus du double de la taille du marché en 2018.

Les modèles d’IA dépendent de la qualité des données en plus de la quantité, qui doit être assurée.  En outre, le défi pour la plupart des organisations est de saisir et de créer des corrélations significatives entre les données stockées dans des silos à travers l’entreprise, les données provenant de sources externes et les données qui sont transférées dans l’entreprise en temps réel.

La gestion de données volumineuses nécessite un engagement et une planification à long terme pour faire face à la croissance future. Penser trop petit peut prendre beaucoup de temps pour qu’un investissement dans l’IA soit économiquement rentable et fasse l’objet d’une analyse de rentabilité.

Choisir la mauvaise plateforme, les mauvais outils ou une mauvaise intégration peut également faire perdre un temps précieux et ajouter un coût et une complexité importants à la mise en œuvre et à la gestion continue. Les stratégies de gouvernance et de sécurité au niveau de l’entreprise sont essentielles pour éviter les problèmes de réglementation et de conformité lors du développement de nouvelles technologies. Comme dans d’autres domaines, la technologie de l’IA évolue plus rapidement que la réglementation. Mais l’évolution des données (parfois conçues sur une base pays par pays) et des réglementations en matière d’IA va s’intensifier. Étant donné qu’aucun conseil d’administration responsable ne peut se permettre de ne pas être préparé mais de tirer parti de son potentiel, il convient d’envisager, par exemple, d’inclure la stratégie d’AI dans l’évaluation annuelle des politiques d’éthique et de conduite de l’entreprise.

« L’IA signifie une révolution dans le domaine du renseignement. »

Bien que l’IA ait connu une croissance fulgurante ces derniers temps, elle n’est encore qu' »intelligente » au sens le plus strict du terme. Il serait probablement plus utile de considérer ce que nous avons réalisé comme une révolution dans le domaine des statistiques informatiques, plutôt que comme une révolution dans le domaine du renseignement.

Jusqu’à présent, la plupart des progrès ont été réalisés dans ce que l’on appelle souvent l' »AI étroite » (en allemand : schwache Künstliche Intelligenz). Les techniques d’apprentissage machine sont utilisées pour développer des algorithmes et des systèmes permettant de résoudre des problèmes spécifiques, comme le traitement du langage naturel.

Les problèmes les plus complexes se situent dans le domaine de l’IA dite « générale ». Le défi consiste à développer une IA capable de résoudre des problèmes généraux de la même manière que les humains. De nombreux chercheurs pensent que cela ne se réalisera pas avant plusieurs décennies.

En ce moment, s’inquiéter de la mauvaise IA est un peu comme s’inquiéter de la surpopulation de Mars. Le plus grand danger ici, ce sont les humains eux-mêmes. Aucun objet ou algorithme n’est jamais intrinsèquement bon ou mauvais. C’est la façon dont ils sont utilisés qui compte. Une imprimante 3D permet d’imprimer des prothèses ou même des armes. Le GPS a été inventé pour tirer des missiles nucléaires et permet aujourd’hui de livrer des pizzas. Se faire une opinion sur un algorithme signifie comprendre la relation entre l’homme et la machine.

« La décision d’un algorithme ne peut être retracée ».

Les algorithmes basés sur des règles contiennent des instructions écrites par des humains et sont donc faciles à comprendre.  Théoriquement, n’importe qui peut les ouvrir et suivre la logique de ce qui se passe à l’intérieur. Mais les algorithmes basés sur des règles ont un inconvénient majeur : ils ne fonctionnent que pour les problèmes pour lesquels les humains savent écrire des instructions. Ils ont également une capacité d’évolution limitée. Les algorithmes d’apprentissage automatique, en revanche, s’avèrent remarquablement efficaces pour les problèmes où la rédaction d’une liste d’instructions ne fonctionne pas. Le chemin que prend la machine pour le résoudre n’a souvent pas beaucoup de sens pour un observateur humain.

« L’intelligence artificielle (IA) est très sujette à l’erreur et fausse les données ».

Il existe un paradoxe passionnant dans la relation entre l’homme et les machines. Bien qu’il ait été démontré que de nombreuses personnes font trop confiance à des choses qu’elles ne comprennent pas, elles rejettent les algorithmes dès qu’elles savent qu’un algorithme peut faire des erreurs. C’est ce que les chercheurs appellent l’aversion pour les algorithmes. Les gens tolèrent moins les erreurs d’un algorithme que les leurs, même si leurs propres erreurs sont plus importantes.

La qualité des systèmes d’IA dépend des données qu’on y introduit. Des données médiocres ou de mauvaise qualité peuvent également contenir des préjugés implicites liés à la race, au sexe ou à l’idéologie. Imaginez l’impact sur la marque d’un fournisseur de crédit si l’on découvrait qu’il rejette régulièrement des demandes en raison d’un biais dans sa formation en IA. Il est donc essentiel de développer et de former ces systèmes avec des données non biaisées, et de développer des algorithmes faciles à expliquer. Plusieurs groupes de recherche, dont IBM Research, développent déjà des méthodes pour réduire le biais (« biais ») qui peut être présent dans un ensemble de données de formation.

En outre, pour instaurer la confiance entre les humains et les machines, nous devons adopter des politiques et investir dans des systèmes qui favorisent le codéveloppement et l’apprentissage partagé. Par exemple, les lignes directrices éthiques pour une IA digne de confiance, produites par le groupe d’experts indépendants de la Commission européenne sur l’IA, fournissent un ensemble de nouveaux principes pour les entreprises opérant dans l’Union européenne. Comme de plus en plus de produits et de logiciels intègrent l’intelligence artificielle, nous devrions chercher des moyens de créer des cycles d’apprentissage vertueux et éthiques entre l’entreprise qui les produit et les personnes qui les utilisent.

L’IA a clairement un rôle clé à jouer dans les affaires – aujourd’hui et à l’avenir. Elle recèle un potentiel sans précédent de gains d’efficacité et de nouveaux modèles commerciaux. Parce que l’IA n’est pas une technologie comme les autres, elle peut aussi avoir des conséquences inattendues et provoquer des perturbations d’une ampleur sans précédent. Aucune entreprise ne devrait déployer l’IA à l’aveuglette et sans stratégie, et aucun conseil d’administration responsable ne peut se permettre de ne pas s’engager et comprendre son potentiel.

Britta Daffner ist seit über einem Jahrzehnt in der Technologie- und Daten-Industrie zu Hause. Ihr Credo: Innovation und Digitalisierung von Unternehmen vorantreiben – durch Technologie und Führung. Dafür befähigt sie als Abteilungsleiterin im Bereich „Artificial Intelligence & Data Science“ in der Beratungssparte von IBM Unternehmen dabei, das volle Potential aus Daten zu nutzen. Daneben ist sie Autorin des Buches "Die Disruptions-DNA, sowie Coach und Mentor von Leadern, die in der Konzern- und Wirtschaftswelt etwas verändern wollen.

Comments are closed.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More