IA générative : tout commence par les données de l'entreprise
En 2024, les chefs d'entreprise français devront réfléchir aux principaux cas d'usage de l'IA générative et à la meilleure façon d'associer la technologie à la création de valeur attendue.
Faut-il nécessairement être « pour » ou « contre » l'intelligence artificielle générative (IA) ? Depuis sa présentation au grand public il y a un peu plus d'un an, cette innovation de rupture fait parler d'elle et mobilise de nombreux secteurs professionnels. En France, l'IA générative est l'objet de financements massifs et s'intègre de plus en plus dans des solutions concrètes. Les faits sont là, et la question n'est donc plus de savoir si cette innovation serait « bonne » ou « mauvaise », mais plutôt si elle peut être jaugée - voire jugée - à l'aune de ses principaux cas d'usage.
Tout commence par les bases de données
D'ici 2030, le marché de l'intelligence artificielle générative devrait atteindre entre 700 et 1300 milliards de dollars dans le monde, suivant une courbe de croissance de 24% par an (source : Statista). Si cette approche financière a le mérite d'indiquer une tendance forte, elle ne dit pas tout. En particulier, elle ne montre pas comment les organisations françaises, quels que soient leur taille et leur secteur d'activité, devraient concrètement s'engager sur la voie de l'IA générative en 2024. Par où commencer ?
En réalité, tout débute par les données : il n'y a pas d'IA générative sans elles. La première question à se poser est donc bien d’identifier où se trouvent les données de l'entreprise. Dans la plupart des cas, les organisations répondent d'abord que la plupart des données sont localisées dans tel ou tel domaine, avant de se raviser. En y réfléchissant mieux, elles se rendent compte qu'elles disposent aussi de données vidéo, de données d'image, de données de code, de données Excel... C'est là que se pose le premier dilemme. C'est ce que souligne le rapport du MIT sur l'intelligence des données pour l'industrie. Celui-ci révèle que 60 % des DSI déclarent qu'un modèle de gouvernance intégré unique pour les données et l'IA est « très important », ce qui signifie que de nombreuses organisations sont confrontées à une architecture de données fragmentée ou cloisonnée.
La gouvernance des données, c'est-à-dire la cartographie dynamique des données (où elles se déplacent et où elles vont), constitue une considération très importante pour 2024. Ce point de gouvernance renvoie chaque entreprise à son architecture de données. Tout doit commencer par des données correctement structurées et organisées. Heureusement, il existe aujourd'hui sur le marché des solutions qui permettent d’atteindre cette démocratisation via des plateformes Open Source. Cette base suppose le développement d'une gamme d'applications d'IA, de ML (Machine Learning) et de LLM (Large Language Model), conçues pour avoir un impact tangible sur les organisations. À l'heure actuelle, nous commençons à voir des entreprises expérimenter les LLM pour s'interfacer avec leurs données. Nombre d’entre elles sont en train de déployer une plateforme de data intelligence, et ce quel que soit leur secteur d'activité. Tout le monde fait un peu la même chose... mais sans être très clair sur la finalité ! Ce sera sans doute l'un des enjeux de cette année.
Comment les entreprises françaises structurent leurs données pour développer leur activité
Cette réflexion sur la finalité est par exemple réalisée, en France, par TotalEnergie. Le groupe pétrolier et gazier structure les mouvements de ses données pour prévoir en temps réel la quantité d'eau, de gaz et de pétrole qu'il doit produire. Il a compris que la qualité de l'énergie dépendait des données auxquelles il avait accès. Il a donc créé son « usine numérique » à Paris, une plateforme d'IA performante.
Autre exemple avec Mirakl, société française « digital native » spécialisée dans l’édition de logiciels de commerce électronique pour les acteurs B2B. Cette entreprise a compris que la qualité de son travail dépendait des données auxquelles son équipe pouvait accéder et qu'elle était en mesure d’analyser. Pour ce faire, l'entreprise utilise également une plateforme ouverte qui réunit l'ingénierie des données, la Data Science, l'apprentissage automatique et l'analytique. Cet outil permet notamment d'analyser les échanges entre acheteurs et vendeurs, et a permis de réduire de 90% le temps de résolution des incidents.
L’opportunité est réelle pour que d’autres organisations « digital natives » françaises prennent la suite de Mirakl. Une récente étude de Sage dédiée aux potentialités de l'IA dans les PME européennes a montré que 33 % des PME françaises avaient partiellement ou totalement adopté l'IA, ce qui signifie qu'il existe encore une marge de progression considérable. Dans cette optique, toutes les organisations sont invitées à prendre du recul, à réévaluer leur patrimoine de données et à démocratiser la technologie qui leur appartient
Tout cela montre qu'en 2024, les entreprises françaises seront bien armées pour évaluer leur patrimoine de données et démocratiser la technologie de l'IA générative. Dans un pays où l'ingénierie est née au XVIIIe siècle, les talents ne manquent pas pour les aider à exploiter l'IA générative et en faire un formidable outil de croissance, de conquête de parts de marché et de transformation. Il n'y a pas à hésiter : les acteurs qui sauront surmonter les obstacles de la fragmentation et de la gouvernance des données via des plateformes compétitives seront les mieux placés pour récolter les fruits de l'IA générative et de toutes les possibilités qu'elle ouvre.