Depuis quelques mois, l’impact de ChatGPT et la propagation de l’IA générative se trouvent au cœur des conversations des chefs d’entreprise en France. Selon une étude récente réalisée par l’institut Selvitys et hostinger.fr, 61 % des dirigeants et managers ont révélé qu’ils utilisaient l’intelligence artificielle dans leur activité. Pour 57 % d’entre eux, ces outils apportent une amélioration de l’efficacité opérationnelle et de la productivité.
En effet, presque tous les responsables reconnaissent aujourd’hui la dimension révolutionnaire de ces technologies, appelées à bouleverser le fonctionnement des entreprises. Toutefois, ils sont souvent débordés et leurs équipes manquent de temps pour se familiariser avec toutes les subtilités des nouveaux modèles d’IA, sans parler d’élaborer, puis de mettre en œuvre un plan pour transformer leur activité et leurs workflows internes. Il existe pourtant une voie à suivre pour tirer parti de tous les avantages de ces outils innovants, sans bouleverser toute une organisation du jour au lendemain. La solution se base au contraire sur une exploitation ciblée des ressources existantes que la plupart des dirigeants cherchent justement à valoriser.
Pour les responsables qui se demandent comment aller de l’avant avec l’IA, trois axes principaux sont à prendre en compte. Premièrement, l’intelligence artificielle et le Big Data sont inextricablement liés. Deuxièmement, les grands modèles de langage n’en sont qu’à leurs débuts et leur déploiement doit être réservé à des domaines spécifiques. Troisièmement, pour extraire de la valeur de l’IA, la clé est de se donner les moyens d’en faire un outil opérationnel.
L’IA et les données : un couple fait pour durer
Il y a quelques années à peine, la mode était aux « lacs de données », c’est-à-dire à des référentiels uniques conçus pour optimiser l’accès à l’information au sein de l’entreprise. Ces lacs sont aujourd’hui devenus des océans. À l’ère du cloud computing, des appareils IoT et des médias sociaux, les volumes de données augmentent à un rythme inouï. Pourtant, selon le secteur d’activité, entre 40 % et 90 % des données restent inutilisées, résultant d’un trop plein d’informations
L’intelligence artificielle ne peut apporter une valeur ajoutée que si elle est entraînée sur des ensembles de données de haute qualité. Pour de nombreux cas d’utilisation, celle-ci compte autant que leur volume. Or, il est impossible de traiter une telle quantité sans l’aide de l’intelligence artificielle. L’IA et le Big Data sont donc intimement liés, car la valeur de l’une ne va pas sans l’autre, et réciproquement.
Les LLM n’en sont qu’à leurs balbutiements
Les grands modèles de langage, ou LLM, font beaucoup parler d’eux, car ils permettent aux utilisateurs d’interagir avec des systèmes comme s’ils s’adressaient à un ami ou à un collègue. Les tâches autrefois réservées à des experts deviennent ainsi accessibles à tout un chacun, ce qui représente un potentiel extraordinaire en matière de productivité.
Cependant, la plupart des entreprises gagnerait à réserver l’application de tels outils à des cas d’utilisation spécifiques en optant pour des modèles susceptibles de générer une valeur immédiate. En outre, il leur sera indispensable de s’associer à des partenaires stratégiques (fournisseurs de logiciels et intégrateurs de systèmes), de la conception à la mise en œuvre et aux résultats. Enfin, les entreprises devront tenir compte de tous les éléments de risque (sécurité, précision, qualité, respect de la vie privée, lutte contre les préjugés et enjeux éthiques) dans leurs initiatives pour se doter d’outils opérationnels.
La transformation des entreprises demandera du temps, mais rien ne leur interdit d’identifier dès aujourd’hui des projets bien définis pouvant générer des résultats concrets et fournir à leurs équipes une expérience précieuse pour leurs objectifs futurs.
Opérationnaliser l’innovation
À quoi ressemble, en pratique, un mariage réussi entre les données et l’intelligence artificielle appliquée à un domaine en particulier ? Voici un exemple concret : les opérations informatiques et la gestion des services. Du côté des opérations informatiques, les entreprises disposent d’un grand volume de données extraites de divers environnements (mesures diverses, journaux, événements, traces, réseau, stockage, données de performances des applications et données du cloud). Ces données peuvent être associées aux équipes de service de l’entreprise (chargées du traitement des tickets d’assistance, des temps d’arrêt et des besoins de maintenance, par exemple).
Cette utilisation conjointe des données de service et des données d’exploitation est connue sous le nom de ServiceOps. Elle est couramment utilisée pour favoriser la collaboration au sein des entreprises, car elle permet l’automatisation des tâches récurrentes et l’envoi d’alertes précoces en cas de perturbations. En entraînant et en spécialisant un LLM sur les ServiceOps, les entreprises spécialisées dans les données propres à un domaine précis peuvent identifier des modèles et générer des informations auparavant inaccessibles, telles que des analyses de résolution d’incidents, des prédictions de risques commerciaux et bien plus encore.
L’IA générative a le potentiel de rendre largement accessibles certaines tâches complexes, car elle permet aux utilisateurs d’interagir en s’exprimant de façon naturelle. Elle est également capable d’automatiser les défenses de cybersécurité en réponse aux attaques en les déployant plus rapidement qu’un humain. Cette technologie n’en est certes qu’à ses débuts, mais les entreprises peuvent d’ores et déjà en tirer certains bénéfices. Il leur suffit pour cela d’identifier des cas d’utilisation à la valeur établie en basant leurs outils opérationnels sur des LLM bien spécifiques, tout en prenant les précautions qui s’imposent, à savoir se doter d’une capacité d’orchestration pour l’ingénierie des requêtes et s’assurer de l’intégration de la sécurité et de la conformité réglementaire.
____________________________
Par Ram Chakravarti, directeur technique (CTO) chez BMC Software
puis