À peine quatre mois après sa disponibilité auprès du grand public, ChatGPT 3, publié par Open AI, a occasionné un fantastique coup de projecteur sur un champ particulier de l’intelligence artificielle : l’IA générative.
Dressons le bilan de ces derniers mois et dessinons les premières perspectives concrètes en termes d’usages en entreprise de ces technologies.
4 mois après la présentation de ChatGPT par Open AI, qu’en retiens-tu ?
Il est intéressant de voir comment OpenAI a réussi, sur la base de différentes briques technologies préexistantes sur lesquelles de nombreuses autres sociétés tech travaillent, à créer un service disruptif qui génère à très court terme un engouement et une adoption massive.
ChatGPT a atteint les 100 millions d’utilisateurs mensuels actifs à peine 2 mois après sa publication, là ou Instagram a mis 2 ans et demi et TikTok presque un an pour atteindre un tel niveau d’adoption.
Cette réussite tient évidemment à la performance des différentes briques technologiques, mais surtout à leur intégration dans une interface simple d’utilisation dont tout un chacun peut se saisir pour des usages du quotidien.
Il est également intéressant de voir à quel point cette large adoption a permis à ces technologies d’être utilisées dans des contextes et pour des usages que même ses créateurs n’avaient pas imaginés. C’est cette adoption à grande échelle qui permet de mesurer à quel point les LLM (Large Language Models) peuvent réaliser des tâches complexes et diverses à condition qu’on sache comment les utiliser.
Comment évaluer la propagation de ces technologies dans notre quotidien ?
Trois grands types d’usages peuvent se démocratiser dans les prochains mois :
Le premier type d’usage est l’usage grand public : dans les mois à venir, il est probable qu’OpenAI parvienne à entrainer des modèles toujours plus grands sur des données toujours plus récentes, et que ce type de technologie parvienne à faciliter et accélérer la recherche et la création de contenus à partir de données publiques et typiquement remplacer à terme les moteurs de recherche ;
Le deuxième type d’usage sera plutôt "bureautique" : il est quasiment certain que les capacités de synthèse et de génération de texte de ces IA vont devenir les meilleurs alliées de nos tâches récurrentes du quotidien – gestion des emails, création de contenu corporate ( présentations powerpoint, documents word… ) ;
Enfin, de nouveaux cas d’usages vont émerger : des cas d’usages où les équipes Data s'empareront des briques technologiques qui constituent un outil comme ChatGPT pour développer de nouveaux cas d’usages internes. Il faudra pour ces cas d’usages apprendre à compléter le "savoir" de ChatGPT pour que ses réponses soient pertinentes dans un contexte d’entreprise, tout en préservant la confidentialité des données utilisées.
Tester les usages à l'appui de démonstrateurs
Chez Saegus, nous centrons actuellement notre travail sur la formation de nos équipes et la préparation de plusieurs démonstrateurs permettant de faciliter l’évaluation de la capacité de ces technologies à répondre à des problématiques dans un contexte d’entreprise.
Ces démonstrateurs illustrent la performance de ces IA génératives en combinant plusieurs options :
Utilisation de données structurées au sein de systèmes d’information ou utilisation de données non-structurées (fichiers PDF ou word…) ;
Enrichissement du contexte d’une requête ou fine-tuning des modèles existants grâce aux données récoltées.
En se basant sur ces techniques, il devient possible d’utiliser un chatbot pour des usages internes sans partager de données sensibles avec OpenAI, notamment dans le domaine de l’analyse de contenus texte volumineux :
Avis clients sur une plateforme e-commerce ;
Verbatims envoyés à un service client pour demander du support ;
Documentation interne sous forme de procédures ou contrats, par exemple.
Le deuxième axe est plutôt destiné à compléter notre expertise en développement de produits et solutions d’intelligence artificielle grâce à l’utilisation de modèles pré-entrainés.
C’est le deuxième changement majeur induit par ces nouveaux acteurs : la tendance de plus en plus répandue à ne pas systématiquement développer et entrainer des algorithmes custom mais à utiliser des modèles pré-développés.
Ce nouveau pan de l’intelligence artificielle va ouvrir la voie à une pratique plus collaborative de l’intelligence artificielle, grâce à laquelle des communautés pourront collaborer pour mettre à disposition du public des modèles généralistes très performants - mais dont nous devrons apprendre à compléter l’apprentissage pour l’adapter à un contexte d’entreprise précis.
Vous souhaitez en savoir plus ?