Le parcours de l'automatisation à l'autonomie

Une plongée au cœur de la digitalisation, de l'IA et au-delà.

Alors que je participais récemment à une table ronde sur le rôle de l'IA dans les achats, une question qui a piqué mon intérêt était la différence entre la digitalisation et l'intelligence artificielle.

Pour clarifier, la digitalisation implique le transfert des données et des processus vers le cloud, l'accélération des opérations commerciales, l'automatisation des tâches que les algorithmes peuvent gérer, l'amélioration de la collaboration mondiale entre les parties prenantes et la possibilité d'obtenir des informations grâce à des données structurées.

L'IA, en revanche, vise à imiter les capacités cognitives telles que la perception, le raisonnement, la prédiction et la classification — des tâches qui sont difficiles à accomplir pour des algorithmes statiques. Cependant, l'IA s'appuie sur les données rendues disponibles par la digitalisation et, à son tour, elle rend les applications logicielles plus intelligentes et plus faciles à utiliser.

La tendance actuelle est d'intégrer l'IA partout pour automatiser les tâches, qu'elles soient répétitives et à faible valeur ajoutée pour les employés, ou qu'il s'agisse de tâches à forte valeur ajoutée nécessitant une analyse de données et une rapidité dépassant les capacités humaines.

Jetons un coup d'œil à quelques-unes des tendances clés dans le monde de l'IA, en particulier celles qui tirent parti des nouveaux modèles d'IA générative multimodaux :

1. Rendre l'IA plus humaine L'objectif ici est de stimuler l'adoption et d'améliorer la façon dont nous interagissons avec les systèmes d'IA. Cela implique de permettre à l'IA de converser avec nous en utilisant la voix et le langage naturel, ainsi que de voir et de comprendre ce que nous produisons, comme des documents ou des images. GPT-4o d'OpenAI, le projet Astra de Google et Copilot + PC de Microsoft sont d'excellents exemples de cette tendance.

2. Construire des modèles fondationnels plus intelligents L'objectif ici est de créer des modèles fondationnels plus intelligents capables de résoudre des problèmes complexes nécessitant de multiples étapes et outils. Cela nécessite des investissements substantiels dans la recherche et la capacité d'entraînement, que seules quelques entreprises triées sur le volet à l'échelle mondiale peuvent supporter. Cette situation soulève des inquiétudes quant à la souveraineté, aux disparités culturelles et à l'impact sociétal global.

3. Déployer des modèles d'IA efficaces partout L'objectif est de déployer des millions, voire des milliards, de modèles d'IA hautement efficaces capables de fonctionner dans le cloud et sur des ordinateurs locaux (edge), en exécutant un vaste éventail d'actions spécialisées telles que la lecture et la génération de texte, l'analyse d'images, la production et l'exécution de code, la réalisation d'appels API ou la recherche de données.

4. Combiner perception, raisonnement et actions Enfin, le but est de créer des systèmes d'IA qui combinent la perception, le raisonnement et les actions pour accomplir des tâches nécessitant une interaction avec le monde physique. C'est peut-être l'aspect le plus intimidant, car il suggère qu'aucun domaine n'est à l'abri d'un potentiel remplacement par les machines.

Maintenant, la question à un million de dollars : Garderons-nous le contrôle, ou l'IA prendra-t-elle des décisions sans supervision ?

À mon avis, nous garderons le contrôle, mais pas de la manière dont la plupart des gens le pensent. Aujourd'hui, dans le monde de l'entreprise, l'IA est principalement utilisée comme un outil, les utilisateurs contrôlant et prenant des décisions en fonction de ce que l'IA produit. Cependant, à mesure que l'IA devient plus intelligente, nous automatisons des processus entiers, tels que le processus de facturation, et laissons l'IA prendre la plupart des décisions.

Par exemple, considérez la fonction autopilot dans un véhicule Tesla. Au lieu de suivre les instructions de Google Maps ou de Waze, vous entrez simplement la destination, et la voiture prend toutes les décisions pour aller du point A au point B. Bien que vous soyez actuellement tenu de garder les mains sur le volant en raison des réglementations et du fait que le système n'est pas assez mature, il n'est pas difficile d'imaginer un avenir où nous nous contenterons de laisser la voiture faire son travail.

Un autre exemple se trouve dans l'équipement militaire , en particulier les drones et les missiles. Il s'agit d'un domaine plus controversé, mais permettre à des drones ou à des missiles d'exécuter de manière autonome une mission prédéterminée est probablement inévitable.

En conclusion, à mesure que l'IA deviendra capable d'automatiser des tâches plus complexes impliquant des étapes multiples de perception, de raisonnement, de décisions et d'actions, elle deviendra de plus en plus autonome.

Le rôle des humains dans la boucle diminuera continuellement, en particulier lorsqu'il ralentit le processus et dégrade les performances globales. Cela soulève, bien sûr, une pléthore de questions sur la responsabilité et l'imputabilité.