Comment utiliser l’IA générative en entreprise ? Quelles nouvelles opportunités business la technologie ouvre-t-elle ? À l’inverse, quelles en sont les limites ? Comme toute nouvelle solution, l’IA générative interroge, voire inquiète tant elle engendre de nouvelles manières de procéder. En témoignent les quelques exemples ci-dessous autour de la génération de contenus de texte.
Si de nombreuses applications restent encore à développer autour des algorithmes d’IA générative, il est d’ores et déjà possible d’exploiter l’IA générative pour des cas d’usage concrets, synonymes de valeur ajoutée pour les entreprises. En effet, les outils de création automatique de contenu existent depuis plusieurs années. En ce sens, l’IA générative a simplement permis leur évolution et, par conséquent, leur amélioration.
Cas d’usage n°1 : l’évolution des chatbots et des voicebots dans des contextes de service client automatisé
Les chatbots sont un exemple probant des évolutions apportées par l’IA générative. Désormais intégrés à notre quotidien, les robots conversationnels n’ont pas attendu l’IA générative pour être performants dans une multitude de cas d’usage. Les plus connus d’entre eux étant les assistants virtuels capables d’orienter le client sur le web vers le bon produit, la bonne page, la bonne information ou le bon interlocuteur. En revanche, l’IA générative va amener un niveau supplémentaire de fluidité et de pertinence dans la réponse.
Les chatbots n’ont pas attendu l’IA générative pour être performants dans une multitude de cas d’usage. En revanche, l’IA générative va amener un niveau supplémentaire de fluidité et de pertinence dans la réponse.
En effet, jusqu’à maintenant, les réponses apportées par les bots étaient assez formatées et on finissait souvent par basculer vers un interlocuteur humain. Par sa méthode d’entraînement établie sur une multitude de sources d’informations, l’IA générative va intégrer des modèles beaucoup plus complexes et performants, favorisant une compréhension plus fine des questions et, par extension, une meilleure qualité des réponses apportées. Les entreprises seront donc à même de franchir un cap dans la qualité de leurs chatbots et voicebots. À la clé : une meilleure expérience et une plus grande satisfaction client.
Cas d’usage n°2 : la création d’un centre d’aide ou d’une base de connaissances
Autre application proche de l’exemple du chatbot : celle de l’intranet, de l’agent spécialisé ou du moteur de recherche. Souvent, ces moteurs fonctionnent sous forme d’indexation des documents ou des informations mais avec des résultats plus ou moins performants. L’IA générative pourrait ici transformer toutes les recherches en langage naturel avec un vrai côté user-friendly en consolidant les informations de façon à répondre plus précisément à la requête.
Concrètement, prenons le cas des ressources humaines. En intégrant toutes les informations RH dans l’intranet, le collaborateur pourrait poser ses questions et, automatiquement, accéder soit au bon document, soit à l’information souhaitée avec une réponse « naturelle » proche de celle d’un collaborateur RH. Même constat du côté des agents spécialisés à qui l’on aurait donné une base de connaissances à apprendre. Dans le cadre d’une thèse scientifique par exemple, le moteur intégré permettrait, à travers des mots clés, d’accéder directement à la partie concernée ou me proposer un résumé précis d’un thème ou d’une rubrique donnée.
L’IA générative pourrait transformer toutes les recherches en langage naturel avec un vrai côté user-friendly, en consolidant les informations de façon à répondre plus précisément à la requête.
L’évolution de l’IA générative permet ici d’utiliser le moteur de recherche comme on utilise Google : au lieu d’indiquer des mots clés et de parcourir plusieurs pages de réponses, l’IA générative pourrait synthétiser les quelques pages les plus intéressantes et pertinentes, et proposer une réponse résumée facile à lire. Nous sommes donc dans le cas d’usage d’un moteur de recherche de façon nominale, c’est-à-dire amélioré à travers un agent doté de bases de connaissances importantes. Nous ne parlons pas volontairement de recherche optimale car les pages d’informations utilisées pour répondre peuvent contenir des erreurs. Le langage naturel tend en effet à faire croire qu’il s’agit de la vérité. Or en IA, la vérité absolue n’existe pas !
Cas d’usage n°3 : la génération de code automatique
Si les cas d’usage métiers sont multiples, l’IA générative apporte également une aide précieuse aux développeurs en automatisant la génération de code, soit un gain de temps très appréciable. Le principe est le même : il suffit de renseigner une problématique sous forme de texte, en langage naturel donc, et l’outil peut produire plusieurs centaines de lignes de codes extrêmement bien faites.
Contrairement à une génération de code « classique », l’IA générative apporte un vrai côté interactif et une rapidité inégalée. Alors oui, il est aujourd’hui possible de trouver sur le web des outils capables de réaliser toutes ces tâches mais la grande différence de l’IA générative est qu’elle va transformer le « à peu près ce que je cherche » en « exactement ce que je souhaite ».
Cas d’usage n°4 : la génération de données
L’IA générative peut donc s’appliquer à un grand nombre de cas d’usage dans l’entreprise. Mais attention toutefois : il est important de bien comprendre que ce qui rend l’IA générative performante, c’est la quantité « extraordinaire » de données utilisées pour l’entraîner. Les chatbots par exemple ont besoin d’informations pour répondre correctement et de façon pertinente. Donc la donnée est la condition sine qua non pour développer des cas d’usage en entreprise autour de l’IA générative. Sans données, pas de projet data et donc pas d’IA !
L’IA générative peut s’appliquer à un grand nombre de cas d’usage dans l’entreprise. Mais ce qui rend l’IA générative performante, c’est la quantité « extraordinaire » de données utilisées pour l’entraîner.
Néanmoins, sans tomber dans un cas extrême pour lequel aucune donnée ne serait disponible, les entreprises ont souvent à disposition des échantillons, plus ou moins importants, de données. Non seulement, l’IA générative serait capable d’apprendre de ces données mais également de générer un certain nombre d’informations supplémentaires. L’idée ici est donc de synthétiser des données supplémentaires et variées à partir d’un échantillon pour améliorer les modèles de machine learning. Résultat, il serait alors possible de créer des modèles avec très peu de paramétrages. Par exemple, lorsque l’on développe un logiciel, il est nécessaire d’utiliser des données test avant de passer en production. Ces données créées par l’IA générative seraient tout à fait à même de servir pour ces tests.
Cas d’usage n°5 : la création de contenus créatifs
Enfin, un autre cas d’usage repose sur les capacités de création de l’IA générative. Bien que les principaux cas d’usage reposent sur une IA textuelle à vocation informative, l’IA est tout aussi capable de créativité. Les domaines du marketing et de la communication s’y prêtent particulièrement bien à travers, par exemple, la génération d’images pour illustrer un article. L’IA générative se positionne alors comme une source visuelle supplémentaire capable de répondre à un enjeu de rapidité et de volume. Certains projets impliquent parfois des besoins en urgence. Les équipes marketing pourraient ainsi demander à leur solution de génération de contenus de créer un visuel qu’elles pourraient, si nécessaire, retravailler par la suite, gagnant ainsi un temps précieux. Des outils comme DALL-E (proposé également par OpenAI) ou Midjourney permettent d’ores et déjà de créer des images à partir de descriptions textuelles.
Dans un tout autre domaine, l’IA générative permet de franchir une étape supplémentaire dans la simulation de comportement humain. À l’image des jeux vidéo, il est possible de développer un cas d’usage professionnel dans la formation ou le pilotage à distance de certaines activités industrielles. Pourquoi ne pas envisager un casque de réalité augmentée ou virtuelle capable de reproduire exactement les gestes humains à effectuer selon différents scénarios.
Ces outils étant encore nouveaux, de nombreux cas d’usage sont encore en devenir autour de cette IA générative. Par conséquent, nous disposons de peu d’historique sur les résultats obtenus. Un manque de retour d’expérience qui pousse nombre d’entreprises à afficher des réticentes certaines à se lancer dans l’aventure de la génération de contenus. Jusqu’où est-il possible d’aller ? Quelles limites la production d’information va-t-elle générer ? Le deuxième point est que ces technologies, très puissantes, sont extrêmement présentes dans le cloud. Dès lors se pose la question de l’ingestion et de la confidentialité des données déposées.
Quoi qu’il en soit, nous sommes dans une évolution continuelle (et non continue qui voudrait dire linéaire) car l’IA change déjà la manière de travailler. Dans certains cas, l’IA générative apportera une simple évolution. Dans d’autres, elle permettra de créer de nouveaux usages ou des performances plus abouties. C’est là que les experts en Data et en IA comme Business & Decision auront un vrai rôle d’évangélisation et de sensibilisation à jouer car pour obtenir la même qualité de réponse que celle générée par les solutions grand public, ChatGPT en tête, une grande quantité et une grande qualité des données sont nécessaires.
👉 Retrouvez toute notre actu en temps réel en nous suivant sur LinkedIn 👈
Votre adresse de messagerie est uniquement utilisée par Business & Decision, responsable de traitement, aux fins de traitement de votre demande et d’envoi de toute communication de Business & Decision en relation avec votre demande uniquement. En savoir plus sur la gestion de vos données et vos droits.