La croissance explosive de l’IA générative suscite de nombreuses questions et considérations, non seulement dans les sphères technologiques, mais aussi dans la société en général. L’avancement de la technologie et sa facilité d’accès signifient que pratiquement tout le monde peut tirer parti de ces outils, et une grande partie de l’année 2023 a été consacrée à la découverte de nouvelles façons d’utiliser l’IA générative pour résoudre des problèmes ou améliorer nos vies.
Cependant, dans la ruée vers cette technologie transformatrice, nous ne devons pas oublier le « marteau de Maslow ». Attribué à Abraham Maslow, connu pour avoir établi une hiérarchie des besoins, le marteau de Maslow met en évidence une confiance excessive dans un outil. Ce concept peut être résumé par la phrase « Toute chose ressemble à un clou, pour celui qui ne possède qu’un marteau ». Face à l’évolution constante de l’IA, les entreprises doivent s’assurer de l’appliquer là où c’est le plus judicieux, et non pas partout où elles le peuvent. Elles gagneront ainsi du temps et économiseront de l’argent et de l’énergie qui pourront être consacrés à l’élaboration d’outils et de solutions robustes pour des cas d’utilisation viables.
Savoir quand utiliser l’IA générative et quand ne pas l’utiliser est une compétence que doivent posséder les experts en science des données, les ingénieurs et les dirigeants qui travaillent sur des domaines spécifiques.
L’exploitation de l’IA générative est coûteuse et n’est pas sans contrepartie. À l’heure actuelle, une planification négligente d’une application d’IA générative peut entraîner un retour sur investissement négatif (en raison du coût opérationnel excessif), des problèmes d’évolutivité et de temps d’arrêt (en raison des ressources informatiques limitées) et une grave atteinte à l’expérience client et à la réputation de la marque (en raison de la génération potentielle de contenu inapproprié, d’hallucinations, de faux renseignements, de conseils trompeurs, etc.). Les entreprises ont généralement du mal à contrôler ces variables, et les conséquences négatives et les limitations doivent être compensées par une proposition de valeur considérable.
Fait intéressant, on peut observer dans tous les secteurs des effets secondaires inattendus (mais bienvenus) de l’essor de l’IA générative. Comment équilibrer ce rapport risque/récompense? Que devons-nous observer et quelles sont les questions que nous devons poser pour nous assurer que nous appliquons (ou non) l’IA avec succès?
S’affranchir du biais de complexité : en tant qu’êtres humains, nous avons tendance à privilégier les solutions complexes et à n’accorder du crédit qu’à celles-ci (c’est ce que l’on appelle le « biais de complexité »). Malheureusement, ce biais s’applique particulièrement aux applications d’IA générative que nous connaissons actuellement, car nous sommes poussés à utiliser l’IA générative pour résoudre tous les problèmes. Ce n’est pas parce que cette technologie semble fonctionner qu’il s’agit de la meilleure solution. C’est en suivant cette logique que certaines équipes peuvent découvrir qu’il existe des moyens plus simples (probablement non liés à l’IA générative) de résoudre certains de ces problèmes concrets (ou certains aspects de ces problèmes!). Pour s’en rendre compte, il faut un esprit humble et ouvert à la possibilité que nous n’avons pas toujours besoin de la solution la plus complexe ou la plus chère, même si elle est séduisante et que nous pouvons nous l’offrir.
Ce n’est pas toujours tout ou rien : la nécessité d’exécuter l’IA générative en permanence peut convenir à quelques entreprises, mais pas à la plupart d’entre elles. Si votre analyse de rentabilité ne porte pas sur la vente ou la prise en charge d’une infrastructure d’IA générative, vous utilisez probablement l’IA générative comme un outil permettant d’atteindre des objectifs spécifiques à un domaine. Tous les acteurs du secteur devraient maximiser la valeur tout en minimisant les coûts opérationnels. Compte tenu du coût actuel de l’exploitation de l’IA générative, la solution la plus évidente consiste à éviter autant que possible d’y avoir recours, tout en continuant à fournir la majeure partie de la valeur souhaitée. Ce compromis délicat est une manière intelligente et élégante d’aborder le problème : il ne s’agit pas de rejeter la valeur apportée par l’IA générative ni de l’utiliser de manière obsessionnelle au point d’obtenir un retour sur investissement négatif. Comment y parvenir? Il s’agit probablement de la recette secrète de votre domaine d’application spécifique.
Réduction éthique des modèles : les modèles d’IA générative peuvent être (et sont généralement) très volumineux. Bien que cela puisse être nécessaire dans quelques scénarios, ce n’est pas le cas pour la plupart des applications spécifiques à un domaine, comme le constatent plusieurs créateurs d’outils d’IA générative dans le secteur (par exemple, Phi-2). Il est donc important, non seulement pour votre entreprise mais aussi pour l’humanité, que nous apprenions à réduire la taille des modèles d’IA générative et à les optimiser autant que possible. Non seulement cela augmentera l’efficacité pour votre cas d’utilisation (réduction des coûts, vitesse d’inférence, empreinte plus légère, réduction des risques, etc.), mais cela garantira également une utilisation responsable de la technologie, respectueuse des ressources humaines. Chaque fois que vous économisez un kilowatt ou quelques secondes d’inférence par utilisateur, vous contribuez explicitement à un avenir durable où l’IA générative est exploitée pour maximiser la valeur tout en minimisant l’impact sur l’environnement.
La solution la plus simple est parfois la meilleure…
La clé est d’être suffisamment humble pour chercher l’approche optimale : gardez l’esprit ouvert pour envisager d’abord des solutions à vos problèmes qui ne soient pas liées à l’IA générative. Si l’IA générative est vraiment la meilleure solution, déterminez si vous avez réellement besoin de l’utiliser tout le temps ou seulement de temps en temps. Enfin, réduisez autant que possible la taille des modèles d’IA générative, non seulement pour des raisons de coût et de rapidité, mais aussi par souci de responsabilité sociale.
L’IA générative est clairement en train de révéler tout son potentiel. Dans le même temps, il est tout aussi important de savoir reconnaître les inconvénients techniques et financiers de l’IA générative pour assurer un développement sain du secteur. De la même manière que nous n’utilisons pas un marteau pour toutes les tâches domestiques, nous devrions nous demander systématiquement si chaque problème vaut la peine d’être traité par l’IA générative. La valeur apportée par cette technologie (lorsqu’elle est appliquée à mon cas d’utilisation spécifique) dépassera-t-elle les lacunes opérationnelles? C’est en adoptant cette approche que le secteur réalisera des progrès significatifs et responsables dans la résolution des problèmes à l’aide d’un ensemble d’outils diversifiés mais efficaces. Continuons d’explorer et de construire le monde fascinant de l’IA générative, sans oublier quels sont nos objectifs ultimes.
Restez à jour
Suivez-nous pour rester à jour sur tout ce qui concerne McAfee et pour être au courant des dernières menaces de sécurité pour les consommateurs et les mobiles.
