Les nombreuses facettes de l’IA

L'IA est l'avenir, personne n'en doute plus, mais quelle forme elle prendra finalement, c'est difficile à prédire. Les termes ne manquent certainement pas. Une tentative pour mettre un peu d'ordre. (Frans Godden)

Le terme « intelligence artificielle » ou IA est apparu pour la première fois au milieu des années 50 au siècle dernier, quelques années après que le mathématicien britannique et pionnier de l’informatique Alan Turing eut publié son article ‘Computing Machinery and Intelligence’, qui constitue en quelque sorte le fondement de l’IA. Mais l’IA a seulement éveillé l’intérêt général en 2011 lorsque IBM a battu tous les champions en titre du jeu télévisé Jeopardy! avec son superordinateur Watson. Et nous avons encore tous en mémoire le lancement de ChatGPT fin 2022, qui a rendu l’IA accessible à tous grâce aux chatbots.

IA générative

Actuellement, la plupart des exemples d’IA s’appuient fortement sur l’apprentissage profond et le traitement du langage naturel (natural language processing ou NLP). Les systèmes traditionnels d’IA et d’apprentissage automatique reconnaissent des modèles dans les données et formulent des prédictions sur cette base. La GenAI, ou l’intelligence artificielle générative, va plus loin : elle apprend à partir des données existantes pour générer de nouvelles données présentant des caractéristiques similaires. Et le NLP complète ce processus en permettant aux ordinateurs de comprendre et d’interpréter le langage humain afin que les individus puissent communiquer avec les machines dans le langage courant. C’est ce concept du NLP qui est à la base de ChatGPT et de plusieurs autres chatbots génératifs.

ChatGPT a indéniablement bouleversé la manière dont nous travaillons avec l’IA. Selon l’enquête Gartner ‘Generative AI 2024 Planning Survey’, les dirigeants d’entreprise s’attendent désormais à ce que l’IA entraîne, en moyenne, une augmentation de 23% de la productivité, un bond de 16% du chiffre d’affaires et des économies de 15% au cours des 12 à 18 prochains mois. Pour autant, tout n’est pas forcément idyllique concernant la GenAI car les mêmes analystes de Gartner ont constaté que l’enthousiasme était déjà retombé sur le sujet et que les attentes ont déjà été revues à la baisse après des « hallucinations » et des résultats incohérents, c’est-à-dire des problèmes de résistance et de fiabilité.

Travailleurs numériques

Au sommet du ‘Hype Cycle’ de Gartner se trouvent désormais les agents IA, parfois aussi appelés « travailleurs numériques ». Ce sont des systèmes logiciels autonomes capables de prendre des décisions et d’exécuter des actions dans leur environnement avec un minimum d’intervention humaine, à l’aide notamment de l’apprentissage automatique et du NLP. Ils traitent toutes sortes de données (texte, audio, vidéo, code, etc.) et apprennent en permanence de leur expérience, s’améliorant ainsi sans cesse sans intervention humaine. Un exemple connu est celui des agents de support client qui répondent automatiquement aux questions, recherchent des informations et, éventuellement, transmettent les problèmes qu’ils ne peuvent pas résoudre eux-mêmes. Ils peuvent également collaborer avec d’autres agents pour répondre à des problèmes plus complexes. Un rapport récent de Salesforce (‘The Seventh Edition State of Service Report’) conclut que les agents IA dans un environnement de service peuvent non seulement réduire les coûts, mais aussi augmenter la satisfaction des clients. D’ici 2027, 50% des cas de service pourraient être résolus via l’IA.

Apprendre à marcher avant de courir

Les agents IA vont clairement plus loin que les chatbots et les grands modèles de langage en utilisant des données et des outils d’analyse sophistiqués pour effectuer des raisonnements plus complexes, avec ou sans intervention humaine. Toutefois, des analystes de McKinsey ont suivi plus de 50 agents IA pendant un an et leurs conclusions sont décevantes : il reste beaucoup de pain sur la planche, ils ne sont pas toujours la meilleure solution à tous les besoins, et ils demandent autant d’attention et d’accompagnement que les autres travailleurs, ne serait-ce que parce qu’on ne peut jamais les laisser livrés à eux-mêmes. Malheureusement, beaucoup d’entreprises foncent tête baissée vers les agents IA et la GenAI, et tombent ensuite souvent dans la désillusion. Dans leur ‘2025 Planning Guide for Analytics and Artificial Intelligence’, les analystes de Gartner donnent donc un conseil très concret : optez pour une approche « ramper-marcher-courir » et utilisez les leçons apprises progressivement dans une architecture évolutive.

Les agents IA sont souvent confondus avec l’IA agentique alors qu’il existe une distinction claire entre les deux. En effet, l’IA agentique va beaucoup plus loin : elle prend des décisions et lance des actions de manière assez autonome, par ex. dans la gestion de la chaîne d’approvisionnement où elle peut analyser la demande, ajuster les stocks et optimiser la logistique. Elle apprend aussi beaucoup plus de toutes les interactions et expériences possibles et elle réagit de manière proactive aux problèmes et aux opportunités. En outre, elle peut intégrer plusieurs agents IA pour traiter des problèmes plus vastes. Elle est donc généralement considérée comme l’avenir de l’IA car elle combine plusieurs types d’intelligence artificielle qui, ensemble, permettent au système de planifier, réagir, apprendre et s’améliorer, toujours de manière autonome.

IA responsable

La notion d’IA responsable est aussi de plus en plus présente. Cela n’a rien d’étonnant car, depuis l’émergence de l’IA générative en particulier, des questions se posent sur son usage éthique. Une étude d’Accenture a montré qu’à peine 35% des consommateurs dans le monde font confiance à la manière dont les organisations utilisent la technologie de l’IA, et plus de trois quarts estiment que les entreprises doivent être tenues responsables en cas d’usage abusif. En 2023, une enquête menée auprès des clients du fournisseur de framework Scaled Agile a révélé que 43% d’entre eux hésitaient à utiliser l’IA en raison des risques inhérents. Un constat confirmé par l’enquête ‘Microsoft Responsible AI Survey’ menée par IDC, dans laquelle plus de 30% des personnes interrogées pointent le manque de gouvernance et de solutions de gestion des risques comme l’obstacle principal au recours à l’IA. Il n’est donc pas surprenant que diverses initiatives soient prises actuellement dans le monde pour encadrer précisément cet usage responsable de l’IA sur le plan éthique.