L’ÈRE DE L’INTELLIGENCE ARTIFICIELLE EST PARMI NOUS ET POUR TOUJOURS !

Des balises éthiques pour l’IA émergeront, à la fois du secteur privé et public, plus rapidement que pour d’autres bouleversements technologiques tels que la confidentialité.

Dire qu’il y a des préoccupations concernant le potentiel des dernières avancées en matière d’IA serait dramatiquement minimiser le cas. En mars 2023, plus de 350 experts en technologie, dirigeants d’entreprise et autres, dirigés par Geoffrey Hinton, largement reconnu comme le père de l’IA, ont signé une lettre ouverte d’une phrase déclarant, dans son intégralité : “Atténuer le risque d’extinction lié à l’IA devrait être une priorité mondiale aux côtés d’autres risques à l’échelle de la société tels que les pandémies et la guerre nucléaire”. C’est une mise en garde impressionnante. Pour le développement et l’utilisation responsables de l’IA, il sera essentiel que les acteurs de l’industrie et les gouvernements établissent des règles sûres et éthiques pour l’utilisation de l’IA générative et d’autres avancées. On pourrait craindre le pire en examinant le traitement peu satisfaisant des problèmes de confidentialité dans l’industrie technologique, mais les échecs et les faux départs autour de la confidentialité, tant du secteur public que privé, pourraient conduire à de meilleures directives en matière d’IA, de manière plus opportune. Ce boom de l’IA est arrivé à un bon moment, Nous sommes déjà meurtris par les problèmes de confidentialité, qui sont assez récents pour que nous prenions cette prochaine étape au sérieux. Il y a huit ans, la société aurait peut-être été un peu plus naïve face à ce moment de l’IA. Les acteurs qui créent ces technologies semblent véritablement intéressés à contribuer à résoudre ces problèmes.

Les gouvernements interviennent également plus tôt dans le cycle. Mi-septembre, le Sénat américain a organisé une table ronde d’information privée qui inclut des leaders de OpenAI, NVIDIA, Google, Meta, et plus encore. Mais, une intervention réglementaire rapide pourrait ne pas résoudre le(s) problème(s). “La réglementation étroite de la technologie est très difficile”, dit Ramaswamy. Il fait référence à la Section 230, partie du Communications Decency Act de 1996 aux États-Unis, qui accorde l’immunité aux sites Web pour ce que des tiers publient. Bien qu’elle ait rendu possible l’internet tel que nous le connaissons, l’internet tel que nous le connaissons est truffé de mensonges, de discours haineux et de harcèlement. “Nous avons vu que des réglementations bien intentionnées comme la Section 230 peuvent se dérouler de manière moins idéale”. On pense que les leaders de l’industrie, en particulier les responsables de la sécurité de l’information, seront fortement motivés pour prendre en charge de nombreux problèmes éthiques potentiels et les risques de responsabilité de l’IA générative. “Chaque fois qu’une nouvelle technologie comme une IA générative émerge, il y a une bataille car les responsables de la sécurité de l’information sont responsables du risque. Ils vont exiger un cadre pour évaluer ces fournisseurs d’IA générative. Nous devrions trouver des moyens de mesurer la sécurité, la conformité et l’utilisation éthique.” En d’autres termes, le marché sera le facteur contraignant et le gouvernement suivra. “Les signaux du gouvernement sont qu’ils demandent déjà à l’industrie de définir ce que signifie une IA responsable”.

L’IA générative et les modèles linguistiques de grande envergure transformeront l’entreprise et renforceront considérablement la stratégie de données des entreprises leaders de demain.

Pendant des années, les entreprises ont été encouragées ou réprimandées, pour élaborer une stratégie de données complète et tournée vers l’avenir. De plus en plus d’entreprises l’avaient bien compris, les progrès de l’IA menaçant de rendre obsolète le plan de l’année dernière. Heureusement, nos experts étaient unanimes pour dire que si vous avez déjà fait le travail de créer une solide stratégie de données, vous êtes sur la bonne voie. 

“L’ère de l’IA générative ne nécessite pas un changement fondamental dans la stratégie de données, elle appelle à une accélération de la tendance à briser les silos et à ouvrir l’accès aux sources de données où qu’elles soient dans l’organisation.” 

Le changement concerne le niveau d’importance de votre stratégie de données et la rapidité avec laquelle vous devez la mettre en œuvre et investir. “Si vous n’accélérez pas, vous risquez d’être laissé pour compte, pratiquement du jour au lendemain.” Cela ne signifie pas poursuivre toutes les promesses apparemment illimitées de l’IA générative d’un coup. L’aide à la programmation de base et à la rédaction de textes est agréable, mais ce n’est pas ce qui différencie une entreprise. Les leaders devraient toujours donner la priorité aux insights uniques qui peuvent être tirés de leurs propres données. “Il y aura des applications de l’IA générative dans presque tous les aspects de votre entreprise” Il faut continuer à nous concentrer sur nos besoins fondamentaux, sur les choses qui nous préoccupent, puis investir dans celles-ci !

Cela signifie que la manière dont vous gérez et gouvernez vos données devient d’une certaine manière encore plus importante. Il n’y a pas de place pour les raccourcis ou les approches à moitié cœur. “La gouvernance est le strict minimum”. La sécurité, la gouvernance et la conformité sont le prix d’entrée minimum dans le monde de l’IA générative et des LLM (Large Language Models). S’il y a un sujet sur lequel la nouvelle ère de l’IA met au défi le statu quo de l’informatique, Bedi et Anoosh Saboori disent que c’est l’endroit où une entreprise place ses données. “L’IA générative augmentera la tendance vers une centralisation des données sur une plateforme de service gérée qui offre la sécurité et la gouvernance nécessaires, et crée une seule source de vérité pour les LLM (Large Language Models) et tout le reste”, déclare Bedi. Et il dit qu’il peut recommander une excellente plateforme pour cela, si quelqu’un cherche… Saboori, responsable de la sécurité des produits chez Snowflake, déclare que les nombreux retardataires de l’adoption du cloud devront rapidement s’adapter. “Gen AI rendra difficile le maintien de vos données sur site”, dit-il. “C’est encore une discussion importante aujourd’hui, car la majorité des charges de travail ne sont toujours pas dans le cloud.” Cette migration vers le cloud, note-t-il, compliquera la stratégie de sécurité et de conformité : “Les clients adoptant une stratégie multi-cloud finissent souvent par distribuer des données et des modèles sur de nombreuses plates-formes avec des capacités de sécurité et de gouvernance différentes. Il devient très difficile de gérer votre posture de sécurité et de gouvernance dans de tels environnements distribués.”

L’IA SERA VOTRE COLLÈGUE DE TRAVAIL

L’une des idées les plus passionnantes pour la productivité au travail sera le déploiement d’assistants d’IA qui aident les nouveaux employés à devenir et à rester efficaces et performants. L’intégration de nouveaux travailleurs est un processus complexe d’éducation du travailleur sur les systèmes, les processus et la culture, tout en fournissant un accès rapide aux systèmes et projets appropriés (uniquement). Il prévoit des assistants d’IA adaptés à votre département et à votre rôle spécifique qui fourniront cette orientation et vous accompagneront tout au long de votre mandat au sein de l’entreprise. “Il sera lié à votre personne”, dit-il. “Nous pouvons fournir une productivité énorme grâce à cela. À mesure que vos processus et besoins deviennent plus matures, vous formez l’agent à faire la même chose en votre nom la prochaine fois. Et lorsque nous embauchons une nouvelle personne dans votre organisation, cette personne bénéficie de cette richesse de connaissances dès le début.” L’idée est déjà en train de se concrétiser. Fin août, Axios a rapporté que Walmart lancera une application d’IA générative utilisant un LLM tiers non nommé formé sur des informations d’entreprise. “My Assistant” aidera ses 50 000 employés non liés au magasin à résumer de longs documents, créer du contenu, etc. Attendez-vous à ce que de nombreuses entreprises suivent le mouvement.

Les LLMs/Gen AI vont décupler les opportunités de monétisation des données.

Parce que les entreprises ont beaucoup de données sensibles à gérer, on peut s’attendre à ce que la plupart de leurs LLMs soient internes, plutôt que de recourir à des outils publics comme ChatGPT. Imaginez une entreprise de transport achetant un modèle fondamental auprès de fournisseurs tels qu’OpenAI, puis le formant avec ses propres données propriétaires. Mais elles voudront plus que cela. “Non seulement les entreprises vont fournir leurs propres données à leurs LLM internes, mais elles voudront acheter des ensembles de données externes spécifiques à leur industrie/marché”, explique Jennifer Belissent, stratège principale des données chez Snowflake. Elle dit que les dirigeants d’entreprise auront besoin d’une vision plus large que ce que leurs propres données fournissent. “Un responsable de la protection des données m’a dit qu’avec leurs propres données, ils ne peuvent voir qu’en interne”, dit-elle. “Ils ont besoin de tendances régionales, de benchmarks sectoriels, etc. Ils doivent comprendre le contexte dans lequel ils exercent leurs activités pour découvrir les opportunités qui existent.” Ce besoin signifie que les entreprises peuvent être plus que de simples consommatrices de données, ajoute Belissent. Elle cite ADP, un fabricant de logiciels de paie, dont le produit de données ADP Insights examine la croissance des salaires aux États-Unis par région, industrie, genre, et plus encore. “La demande croissante de données offre l’opportunité de vendre vos données à un marché très demandeur”, dit-elle.

Les LLMs doivent rendre la consommation basée sur l’utilisation encore plus attractive !

Vous vous souvenez du temps où l’installation de logiciels commençait par l’ouverture d’une boîte contenant deux, six, voire une douzaine de disques CD-ROM ? Personne ne regrette ces jours-là. Le modèle tarifaire des logiciels a évolué de “acheter un package logiciel une fois ; racheter dans cinq ans pour une version améliorée” à “abonnement logiciel en tant que service signifie payer par utilisateur (qu’ils l’utilisent ou non) pour l’accès à un logiciel constamment mis à jour.” Déjà, le modèle SaaS évolue vers une tarification basée sur la consommation : “payez pour les données auxquelles vous accédez ou les ressources informatiques que vous consommez”, comme nous le voyons avec les fournisseurs de services cloud. Prasana Krishnan, directrice principale de la gestion des produits, Collaboration et Snowflake Marketplace, affirme que la nouvelle ère de l’IA augmentera considérablement l’adoption des modèles de tarification basés sur la consommation. Il est facile de facturer un abonnement logiciel, dit-elle, même si ce modèle basé sur l’utilisateur peut être inefficace. “Mais lorsque nous parlons de services ou d’applications qui tirent parti d’un modèle formé avec une variété de sources de données, les propriétaires de données devraient être rémunérés à mesure que leurs données sont utilisées.” Ainsi, l’attrait de payer pour les données et les applications en fonction de l’utilisation réelle. Adopter ces modèles de consommation sera un défi pour les organisations qui ne sont pas habituées au paiement à l’utilisation. “Avec de vrais modèles basés sur l’utilisation, vous avez besoin de visibilité sur les coûts et d’établir des budgets”, dit-elle. Fondamentalement, lorsque l’informatique confie des services basés sur l’utilisation à ses utilisateurs, c’est comme si les parents donnaient une carte Mastercard à leur adolescent. Vous voulez certainement fixer une limite de crédit.

“Nous aidons les clients à le faire sur Snowflake – ils sont avertis lorsqu’ils approchent d’un seuil budgétaire. Tout est une question de compréhension de vos dépenses, de mise en place de contrôles pour fixer des limites et de prise facile d’actions pour optimiser.” En plus de l’efficacité, elle affirme que les modèles de tarification basés sur la consommation stimuleront considérablement l’innovation. “Nous verrons plus de prototypage rapide avec l’IA, car dans cette phase d’expérimentation, la tarification basée sur l’utilisation est vraiment puissante”, dit-elle. “Sinon, vous êtes coincé à négocier un contrat de 100 000 dollars simplement pour prototyper une idée non prouvée.” Cela ne signifie pas que le modèle d’abonnement est condamné. Dans certains cas, la tarification basée sur l’utilisation peut être un niveau d’entrée ; mettez un prototype en production où les données ou les ressources informatiques sont utilisées de manière cohérente et vous pourriez décider de passer à un tarif fixe. “Une fois que l’idée d’un développeur passe de l’expérimentation à la production et qu’il y a une utilisation constante et élevée”, déclare Krishnan, “elle pourrait passer à un abonnement avec un prix fixe tout compris.”

CE N’EST PAS SEULEMENT L’IA GÉNÉRATIVE – CE SONT LES APPLICATIONS QUI RÉVOLUTIONNERONT NOTRE FAÇON DE VIVRE ET DE TRAVAILLER.

L’excitation autour de l’IA générative est souvent exprimée comme “pouvoir parler/interagir directement avec les données”, ce qui n’est pas tout à fait exact. Ceux qui interagissent directement avec les données se trouvent dans une salle arrière à écrire des requêtes Python. Le reste d’entre nous va interagir avec des applications – comme ChatGPT – qui font l’intermédiaire entre nous et le grand modèle de langage. Et bien sûr, les données elles-mêmes ne sont pas stockées sur l’appareil que nous utilisons pour accéder à l’application. Cela signifie que l’ère de l’IA avancée concerne plus que les données et les algorithmes. “La révolution n’est pas l’IA, ou l’IA générative”, déclare Benoit Dageville. “C’est l’IA plus le cloud plus les applications. Ce qui a rendu le smartphone révolutionnaire n’était pas la fonctionnalité vocale ou textuelle – c’étaient les applications.” Les smartphones ont engendré des boutiques d’applications, remplies d’applications simples qui exécutent des fonctions distinctes. C’est ainsi que nous allons interagir avec l’IA. “Une explosion d’applications s’est déjà produite”, note Christian Kleinerman. “Mais elle sera considérablement accélérée par l’IA générative et les LLM. Il y aura une grande catégorie d’applications autour de ces technologies, et de nombreuses applications auront une recherche basée sur l’IA et un traitement du langage naturel intégrés.” “Tout est en train de devenir une application”, confirme Amanda Kelly. “Et j’ai de plus en plus vu des applications très spécifiques conçues pour gérer une tâche ETL spécifique, un pipeline ou un type de données. Les LLM faciliteront cela, en rendant plus simple la création et l’utilisation d’applications très utiles et spécifiques à un cas d’utilisation.” Ainsi, Dageville affirme que les entreprises devront examiner non seulement l’adoption de l’IA, mais aussi la manière dont leurs utilisateurs interagiront avec elle. “Alors que les entreprises essaient de comprendre quoi faire avec l’IA, elles doivent réfléchir à l’application dont elles ont besoin comme interface entre ces données et leurs utilisateurs, qu’il s’agisse d’employés ou de clients.”

L’IA NE DÉTRUIRA PAS INTERNET NI LES MODÈLES DE REVENUS BASÉS SUR LA PUBLICITÉ, BIEN AU CONTRAIRE !

L’une des craintes initiales exprimées à la suite de ChatGPT était que si les gens commencent à demander à l’IA de résumer le contenu Internet au lieu de le rechercher eux-mêmes, le trafic qui alimente Internet basé sur la publicité se tarira, et donc, Internet tel que nous le connaissons aussi. Pas si vite, dit Sridhar Ramaswamy, SVP de Snowflake, qui a joué un rôle clé dans la création et la direction du programme AdWords de Google, et qui a tenté de défier Internet basé sur la publicité en créant Neeva en tant que moteur de recherche alimenté par l’IA, respectueux de la vie privée et sans publicité. Il dit que l’Internet tient bon. “L’Internet est une entité assez robuste et adaptable”, dit-il. “Le modèle publicitaire est incroyablement puissant, et il y a énormément d’argent en jeu. Ce modèle continuera à prospérer à l’ère de l’IA.” Non seulement cela, mais attendez-vous à ce que les publicités deviennent plus personnelles. “Votre célébrité préférée vous parlera directement dans une publicité”, dit-il. “Qui sait, peut-être qu’un Michael Jordan virtuel appellera pour dire : ‘Eh bien, Sridhar, achète les nouvelles Air Jordans.'”

La création de modèles IA sera normalisée, externalisée et spécialisée. Il faudra du temps pour une adoption généralisée des LLM (grands modèles de langage) dans le monde des entreprises. La “taille” dans “grands modèles de langage” les rend coûteux à former et à exécuter. La recherche est déjà bien avancée sur la façon de créer des LLM moins importants qui fonctionnent avec moins de paramètres, formés pour des fonctions spécifiques. ChatGPT peut résumer de longs textes, suggérer des recettes en fonction de ce qui se trouve dans votre réfrigérateur ou planifier vos vacances de rêve à Buenos Aires. C’est beaucoup plus de polyvalence que ce dont vous aurez besoin pour une application qui aide votre directeur financier à gérer les coûts ou qui aide votre équipe de vente à cibler de nouveaux segments de clients. “Il y aura quelques géants qui construiront le modèle général ‘tout pour tous les utilisateurs'”, dit James Malone, directeur de la gestion des produits chez Snowflake pour les data lakes et le stockage de données. “Mais beaucoup plus de fournisseurs se concentreront de manière hyper-focalisée et hyper-ajustée sur des industries, des cas d’utilisation et des types de données spécifiques.” “Il y aura un marché robuste et concurrentiel de modèles fondamentaux, dans le cadre d’une économie plus large de fabricants de modèles personnalisés pour diverses industries – santé, vente au détail, finance et fabrication, par exemple”, explique Christian Kleinerman, SVP du produit. “Ensuite, les entreprises emballeront ces modèles ensemble et ajouteront leurs propres données.” “Les éditeurs de logiciels ont tendance à acquérir de plus petites entreprises pour intégrer leurs spécialités en interne”, explique Malone. “Mais ce ne sera pas la tendance avec l’IA. Les petites entreprises existeront pour ajuster et réutiliser des modèles en fonction de besoins spécifiques. Il y aura une chaîne d’approvisionnement en IA qui comprendra de grands modèles généraux et les modèles plus petits, spécialisés par industrie.” Alors, des centaines d’entreprises chercheront toutes à ajuster et à réutiliser deux ou trois grands et coûteux LLM ? “Le marché de ces modèles fondamentaux sera robuste, sans consolidation significative, pendant au moins cinq ans”, déclare Kleinerman, ajoutant que l’IA évolue si rapidement et qu’il y a tellement d’incertitudes sur l’adoption qu’il est difficile de prédire plus loin. “Mais à un moment donné, ce marché se consolidera probablement.”