Que le meilleur (modèle) gagne ! Et si l'essentiel, c'était de s'en servir ?

La course aux modèles d'IA est un faux débat. Les technologies sont déjà suffisamment puissantes. Le vrai défi est désormais de les déployer à grande échelle pour créer un avantage compétitif durable.

Beaucoup de décideurs suivent avec passion la course entre les modèles d’IA. Les progrès sont rapides et impressionnants  ; la compétition fait rage. Cette approche passe à côté de l’essentiel, dès lors que l’enjeu consiste à utiliser l’IA comme un vecteur de différenciation et de compétitivité pérenne.

Depuis les débuts de ChatGPT en 2022, les débats vont bon train sur la performance des modèles américains, européens, moyen-orientaux ou chinois, les avancées (ou régressions transitoires) apportées par les nouvelles versions, les investissements nécessaires pour développer ces avancées technologiques et, pour savoir si, oui ou non, ce modèle-ci s’est hissé sur les épaules de ce modèle-là en le "parasitant".

Soyons honnêtes, ces débats dépassent largement le niveau d’expertise technique de la plupart d’entre nous. Nous écoutons Yann LeCun nous dire que les LLM sont désespérément bêtes et bornés, et que seule une IA incarnée, qui se frottera à l’épreuve du monde physique, changera de dimension d’apprentissage. Le jour où les robots se casseront le nez sur un mur ou la figure dans un escalier, ils comprendront dans leur " chair " la notion de matérialité et de gravité  ! Sans doute…

Quoi qu’il en soit, la bonne nouvelle est que nous n’avons pas besoin de comprendre tout ceci pour adopter, en entreprise, l’IA à l’échelle avec des ROIs probants. C’est même assez hors sujet. De nombreuses tâches fastidieuses réalisées par des humains aujourd’hui, ainsi que de nombreuses optimisations ou décisions complexes ayant lieu dans les entreprises, sont déjà largement à la portée des modèles d’IA génératives, qui, combinés à d’autres technologies (systèmes de règles, optimisation sous contrainte, boucles agentiques de raisonnement autonome) au sein de " pipelines " peuvent totalement remplacer ou largement augmenter un collaborateur humain dans la réalisation de tout ou partie de ses activités.

Que l’on parle de remplir des questionnaires complexes (ESG, conformité cyber, conformité RH) pour l’une ou l’autre des parties prenantes (réponse à appel d’offres d’un client, reporting règlementaire, certification qualité), qu’il s’agisse de rapprocher des factures, de réaliser des prévisions de cash, de répondre à des demandes clients entrantes par emails, d’optimiser des plans de transports, de dispatcher des équipes d’intervention, d’arbitrer sur l’allocation de stocks rares, de gérer des sinistres assuranciels… les modèles existants atteignent une performance qui permet largement de gérer avec le niveau de qualité d’un humain.

Évidemment il convient de mettre ces modèles en œuvre de la bonne manière (prompt, contexte, solution d’évaluation du résultat, redondance pour assurer la résilience opérationnelle, garde-fous cyber sécurité… ) mais la limite ne réside pas dans les modèles. L’enjeu se trouve plutôt dans la bonne approche méthodologique.

• Choisir les modèles adaptés aux contraintes réglementaires et contractuelles de l’entreprise ainsi qu’à ses procédures, ses politiques internes et ses partenariats technologiques. 
• Définir les modalités d’intégration dans les systèmes de l’entreprise des agents IA qui " remplacent " les humains, et des assistants IA qui " augmentent " les humains. 
• Retenir les modalités d’évaluation des agents (" pipelines ") durant leur mise au point, lors des phases de tests et après le passage en production afin de suivre les dérives. 
• Mettre en place les outils de traçabilité et explicabilité. 
• Enfin, calibrer la criticité du processus afin de définir le degré " d’humain dans la boucle " qui reste nécessaire ainsi que le niveau de redondance raisonnable pour assurer la continuité de service.

Une complexité technique, réglementaire et organisationnelle existe incontestablement. Cependant, elle est maîtrisable. Cette forêt de sujets, pertinents mais totalement adressables, ne devrait pas être masquée par l’arbre de la performance des LLM et des effets d’annonce des géants de l’industrie. Certes, mieux vaut rester flexible et modulaire dans ses choix mais… Les solutions actuelles sont largement assez performantes pour que leur adoption à l’échelle, dans un cadre stratégique maitrisé, produise des impacts positifs majeurs en entreprise.

Et si l’IA pouvait conduire à tout, à condition de l’adopter ?