Le 20 septembre dernier, EURODECISION réunissait quelques-uns de ses clients pour une demi-journée d’échanges autour de l’IA Générative. L’occasion, pour ceux qui le souhaitaient, de présenter leurs travaux de R&D, leurs motivations, leurs remarques, leurs succès et aussi les difficultés rencontrées. Un grand merci à SNCF RESEAU qui nous a accueillis dans ses locaux à Saint-Denis.
Pourquoi s’intéresser à l’IA générative ?
1. Une technologie émergente et disruptive :
L’IA Générative devient accessible au grand public avec la sortie de ChatGPT en novembre 2022. Depuis, un engouement croissant et une grande visibilité médiatique ont permis de propulser cette technologie au point de générer plusieurs milliers de milliards de dollars d’investissement. Naturellement toutes les entreprises veulent évaluer l’impact que cette technologie aura sur leur métier et sur leur marché.
2. Des outils de type chatbot-RAG :
Le RAG est une méthode qui permet de brancher une base de connaissances métier sur un LLM afin d’en faire un assistant capable de comprendre le langage naturel et de répondre à des questions précises et spécifiques aux process de l’entreprise. Cette méthode est relativement simple à implémenter et déployer, sous réserve de disposer de données propres et organisées. Il est possible de faire un assistant dédié à chaque type de tâche à condition d’avoir de la documentation suffisamment précise sur cette dernière. Le très gros avantage de cette méthode est qu’à partir du moment où l’on dispose d’une nouvelle base de connaissances et d’un premier outil chatbot-RAG, le développement d’un nouvel outil consistera simplement à brancher la nouvelle base de connaissances sur l’outil précédent.
3. Un besoin des futurs employés :
Aujourd’hui tous les étudiants utilisent ChatGPT : ils apprennent à maîtriser cet outil et à identifier les cas où il sera le plus utile. Quand cette nouvelle génération sera embauchée elle voudra continuer à utiliser ces outils et il y a un risque pour qu’elle le fasse même si c’est interdit par l’entreprise. Développer des outils internes basés sur cette technologie permettra à l’entreprise de garder le contrôle sur ses process internes tout en satisfaisant les besoins de ses employés.
Quels sont les points de vigilance à prendre en compte avant de déployer l’IA générative ?
1. Faciliter le travail et non remplacer les employés :
La crainte principale qui est remontée est d’avoir une levée de bouclier venant des employés contre l’IA générative pour garantir leur poste. Si l’objectif de l’entreprise est bien d’assister les employés dans leurs tâches, il sera possible de les rassurer en discutant avec eux des cas d’usages à traiter et en présentant des outils qui leurs permettront réellement de gagner du temps sur des tâches désagréables.
2. Un billet d’entrée coûteux qui doit apporter un réel gain :
Pour les entreprises qui ont des besoins spécifiques en protection des données, l’achat de machines pour l’IA générative dépasse les 100 000€. Pour les autres, les coûts peuvent monter à plusieurs dizaines d’euros par employé par mois. Il est donc important d’identifier des cas concrets et spécifiques pour lesquels les gains (qu’ils soient financiers ou en confort de travail) seront présents.
3. Les modèles basés sur la data sont toujours limités par la qualité des données :
Un point très souvent limitant et invisible pour les utilisateurs est la qualité des données. L’utilisation de l’IA ne doit pas dispenser le métier de fournir des données de qualité (des mauvaises données donneront toujours des mauvais résultats). Même si l’utilisation de modèles d’IA générative plus grands et performants permettrait de compenser dans une certaine mesure les défauts dans les données, le coût à l’utilisation de l’outil augmenterait exponentiellement.
4. Des outils encore à l’état de preuve de concept :
De nombreuses entreprises ne sont encore qu’en phase exploratoire sur ces thématiques. Des étapes importantes peuvent prendre un peu de temps, notamment :
- Convaincre la direction de lancer des projets d’IA générative en interne
- Convaincre le métier de réfléchir à des cas d’usage et accepter d’essayer les outils
- Développer les premiers outils et valider leurs résultats (ce qui, souvent, n’est pas automatisable à cause de la nature probabiliste des outils).
Conclusion
Les participants à cette demi-journée ont pu échanger sur les résultats de leurs travaux, les difficultés rencontrées, et les pistes prometteuses pour le futur.
Nous avons hâte de renouveler ce partage d’expérience sur un autre thème !
Pour en savoir plus :
