Le passage de l’automatisation à l’autonomie

Une plongée en profondeur dans la numérisation, l’IA et au-delà.

Lors d’une récente table ronde sur le rôle de l’IA dans les achats, une question a particulièrement piqué ma curiosité : quelle est la différence entre la numérisation et l’intelligence artificielle ?

Pour clarifier, la numérisation consiste à transférer des données et des processus vers le cloud, ce qui accélère les opérations commerciales, automatise les tâches que les algorithmes peuvent gérer, améliore la collaboration mondiale entre les parties prenantes et permet d’obtenir des informations grâce à des données structurées.

L’IA, quant à elle, vise à imiter les capacités cognitives telles que la perception, le raisonnement, la prédiction et la classification, des tâches difficiles à réaliser pour des algorithmes statiques. Cependant, l’IA repose sur les données mises à disposition par la numérisation et, en retour, 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’il s’agisse de tâches répétitives et à faible valeur ajoutée pour les employés ou de tâches à forte valeur ajoutée qui nécessitent une analyse de données et une vitesse dépassant les capacités humaines.

Examinons quelques-unes des principales tendances du monde de l’IA, en particulier celles qui exploitent les nouveaux modèles d’IA générative multimodale :

1. Rendre l’IA plus humaine : L’objectif est de favoriser l’adoption et d’améliorer la façon dont nous interagissons avec les systèmes d’IA. Il s’agit de permettre à l’IA de converser avec nous en utilisant la voix et le langage naturel, ainsi que de visualiser et de comprendre ce que nous produisons, comme des documents ou des images. GPT4o d’OpenAI, le projet Astra de Google et Copilot + PC de Microsoft sont d’excellents exemples de cette tendance.
2. Construire des modèles fondamentaux plus intelligents : L’objectif est de créer des modèles fondamentaux plus intelligents capables de résoudre des problèmes complexes qui nécessitent plusieurs étapes et outils. Cela nécessite des investissements substantiels dans la recherche et la capacité d’apprentissage, que seules quelques entreprises dans le monde 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 qui peuvent fonctionner dans le cloud et sur des ordinateurs locaux (edge), exécutant un large éventail d’actions spécialisées telles que la lecture et la génération de texte, l’analyse d’images, la production et l’exécution de code, les appels d’API ou la recherche de données.
4. Combiner la perception, le raisonnement et les actions : Enfin, l’objectif est de créer des systèmes d’IA qui combinent la perception, le raisonnement et les actions pour effectuer des tâches nécessitant une interaction avec le monde physique. C’est peut-être l’aspect le plus anxiogène, car il suggère qu’aucun domaine n’est à l’abri d’un remplacement potentiel par des 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 complets, tels que le processus de facturation, et laissons l’IA prendre la plupart des décisions.

Par exemple, considérons la fonction de conduite autonome d’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 se rendre du point A au point B. Bien que vous soyez actuellement tenu de garder les mains sur le volant en raison de la réglementation et du manque de maturité du système, il n’est pas difficile d’imaginer un avenir où nous nous contenterons de laisser la voiture faire son travail.

Un autre exemple est celui de l’équipement militaire, en particulier les drones et les missiles. Il s’agit d’un domaine plus controversé, mais il est probable qu’il soit inévitable de permettre aux drones ou aux missiles d’exécuter de manière autonome une mission prédéterminée.

En conclusion, à mesure que l’IA deviendra capable d’automatiser des tâches plus complexes impliquant la perception, le raisonnement, les décisions et les actions en plusieurs étapes, 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 la performance globale. Cela soulève bien sûr une pléthore de questions sur la responsabilité et l’obligation de rendre des comptes.