AVIS D’EXPERT – Afin de comprendre les défis que l’IA permet de surmonter et les opportunités qu’elle offre, voici 7 exemples de problématiques rencontrées par les entreprises, décrit pour les lecteurs de Solutions-Numériques par Hans Roth, vice-président sénior et directeur général EMEA chez Red Hat.
Si l’intelligence artificielle (IA) a commencé à apparaître dans les années 1950, elle s’est considérablement perfectionnée au fil du temps, à un rythme plutôt lent comparé à d’autres technologies comme la téléphonie, les ordinateurs domestiques ou encore Internet.
Rendue récemment accessible à tous, l’IA a fait entrer le secteur de la tech dans une nouvelle ère ; celle qui pose la question de la manière dont l’IA peut permettre d’en faire davantage avec moins de moyens. Pouvoir appliquer l’IA à des tâches quotidiennes, comme l’écriture, la création d’images ou la production de musique, constitue une étape décisive dans la prise de conscience de l’intérêt de cette technologie pour le grand public.
En effet, l’IA n’est pas qu’un sujet brûlant d’actualité, c’est aussi et surtout une technologie comme une autre, c’est-à-dire un outil qui permet de résoudre des problèmes et de saisir de nouvelles opportunités. En cela, elle se place au même niveau que le Cloud qui a apporté une réponse au défi de l’évolutivité, que la blockchain qui a aidé à résoudre les problèmes de centralisation ou bien que les logiciels de publicité numérique qui ont optimisé l’allocation des budgets marketing, et elle doit être jugée en fonction des résultats qu’elle produit.
Afin de comprendre les défis qu’elle permet de surmonter et les opportunités qu’elle permet de saisir, voici sept exemples de problématiques rencontrées par les entreprises.
- Efficacité ou innovation, il faut choisir : les entreprises maximisent leur efficacité opérationnelle, ce qui se traduit souvent par en faire plus avec des moyens limités. Pour réussir, avec le soutien d’équipes réduites, il est impératif de mieux tirer parti des compétences existantes, tout en comblant les lacunes en matière de connaissances, en développant de nouvelles compétences et en créant les conditions qui permettront d’innover de manière sobre.
- Savoir faire face à la complexité : l’innovation logicielle s’accompagne intrinsèquement d’un potentiel de progrès illimité, mais aussi, selon les cas, d’une grande complexité. A tout nouveau système ou à toute nouvelle intégration correspond une gamme spécifique de risques : menaces à la sécurité, perturbation du service ou pics soudains de la demande. Le fait que le Cloud hybride soit très plébiscité peut renforcer cette menace. Même si les systèmes de monitoring d’événements leur offrent un certain degré de contrôle, les équipes informatiques peuvent rapidement être dépassées par l’allure à laquelle se développent leurs écosystèmes, ainsi que les volumes des données qu’elles doivent gérer.
- Priorité à l’automatisation : l’automatisation est un élément essentiel désormais, pour faire face aux deux précédents défis décrits. Elle permet en effet de libérer les équipes des tâches quotidiennes répétitives et de redéployer les ressources pour se consacrer à des projets à plus forte valeur ajoutée. Toutefois, elle s’accompagne également de nouveaux questionnements : que doit-on automatiser ? avec quel(s) outil(s) ? Et comment s’assurer que cela fonctionne bien ?
- Faire évoluer selon les besoins : les équipes informatiques sont confrontés à plusieurs obstacles, dont le fait de devoir travailler avec des ressources limitées ou encore de devoir mettre à l’échelle leurs opérations pour répondre à la croissance exponentielle de la demande en matière d’applications et de services. Or lorsqu’il s’agit de suivre l’évolution de la demande en matière d’approches DevOps et de véritables environnements de production, il ne suffit pas de rendre possible leur implémentation, il faut également savoir comment les gérer une fois qu’ils sont mis en place.
- Assurer la connexion avec la périphérie : l’avènement de l’informatique en périphérie – ou edge computing – est venu compliquer encore davantage la tâche des équipes. Les datacenters ne sont plus des centres névralgiques uniques d’où s’opère exclusivement le traitement des données. La périphérie des réseaux, en plus d’être un nouvel emplacement sur lequel ces calculs s’effectuent, implique une approche totalement nouvelle. Le dilemme qui consiste à déterminer comment mettre en place des normes concernant le traitement, l’accessibilité et la sécurisation des données pour les infrastructures et les machines en périphérie des réseaux – qui sont par définition variées et disparates – est au cœur de cet immense défi.
- Innovation versus sécurité : si innover présente forcément un risque pour la sécurité, se montrer trop zélé en matière de sécurité peut, à l’inverse, étouffer les velléités novatrices et restreindre les moyens qui pourraient mener à la création de solutions nouvelles. Les entreprises doivent par conséquent se positionner sur ce spectre et ajuster constamment leurs opérations et leur culture pour s’y adapter. L’intégration de capacités et de protocoles de sécurité au sein de la chaîne d’approvisionnement logicielle permet d’éviter d’opposer sécurité et innovation. Cette approche permet de les rendre complémentaires et offre aux développeurs les assurances dont ils ont besoin en leur donnant confiance dans le fait qu’ils travaillent au sein d’un environnement sûr.
- Plus de durabilité grâce à la planification< : Les gouvernements, les actionnaires, les clients et les collaborateurs exigent plus que jamais des entreprises qu’elles assument leurs responsabilités en matière de développement durable. Cette démarche peut néanmoins contribuer à envoyer des signaux contradictoires aux équipes informatiques ; les pousser à en faire toujours plus, tout en réalisant des économies d’énergie. Une solution, pour y faire face, tient dans leur capacité à mettre en œuvre un suivi et un reporting pour les informations relatives à la durabilité et à modifier les habitudes de travail pour instaurer des pratiques plus durables.
La versatilité de l’IA en fait un outil utile aux entreprises pour répondre à ces multiples défis, sans pour autant signifier que l’IA est la seule réponse possible. Bien au contraire, l’humain représente la véritable arme secrète pour parvenir à cela. Sans êtres humains capables de détecter, prioriser, mettre au point et évaluer les solutions apportées à ces problèmes, l’IA n’aura au mieux aucun impact et, dans le pire des cas, elle s’accompagnera de conséquences profondément négatives.
Les dirigeants d’entreprise ne doivent pas oublier un point essentiel : la qualité d’une IA dépend des données qui ont servi à entraîner le modèle. Leur volume n’est pas le critère principal, mais bientôt la pertinence des données dans le contexte spécifique de l’entreprise.
On parle d’une approche « d’IA spécifique à un domaine », qui représente un tournant majeur dans le développement de cette technologie. Lorsqu’une application d’IA est entraînée à l’aide de données privées et ciblées et qu’elle est personnalisée pour se conformer aux normes et aux pratiques d’une entreprise ou d’un secteur spécifique, elle peut davantage proposer des services véritablement uniques et différenciés.
L’open source est, sans conteste, le meilleur moyen pour construire des solutions d’IA spécifiques à un domaine, car les logiciels ouverts bénéficient d’échanges d’idées plus étendus et de la collaboration de talents plus nombreux. Or presque tous les outils d’IA à destination des entreprises qui existent sont autant de technologies open source (cela inclut ChatGPT !). Le scepticisme et l’inquiétude encore présents chez les dirigeants à l’idée d’adopter cette approche s’expliquent par le malentendu qui porte sur la définition de ce qu’est véritablement l’open source. En réalité, cela consiste simplement à ouvrir et à mettre à la disposition de tous le code de base d’un logiciel ou d’une application d’IA, afin que chacun puisse l’étudier et le partager. Les données qui ont servi à l’entraîner et qu’il génère peuvent demeurer aussi confidentielles que le souhaitent ses créateurs.
Pour conclure, la véritable source de puissance de l’IA ne tient pas uniquement à ses algorithmes, mais également aux synergies entre analyses humaines, collaboration, pertinence des données et traitement informatique. En prenant conscience de cette vérité fondamentale, les dirigeants seront rapidement en mesure de positionner leur entreprise à l’avant-garde de ce nouveau mouvement.
Hans Roth
