« Vous ne serez pas remplacé par l’IA, mais par quelqu’un qui sait comment gérer l’IA », explique Oded Netzer, professeur à la Columbia Business School. L’intelligence artificielle va considérablement modifier notre façon de travailler. Les entreprises doivent préparer leurs employés à cette disruption. Leur apprendre à se faire aider par des algorithmes et à se rendre indispensables grâce à leur expertise en IA. Mais ce n’est pas tout.
Pour utiliser les algorithmes intelligents de manière rentable, il faut avoir une vision de l’IA et réfléchir au type d’interaction homme-machine que l’entreprise souhaite atteindre. Testez d’abord votre maturité en matière d’IA et soumettez-vous à un test de préparation à l’IA : Comment les systèmes basés sur l’IA s’intègrent-ils dans votre digitalisation actuelle ? Votre infrastructure informatique est-elle prête pour l’IA et offre-t-elle suffisamment d’espace de stockage et de capacité de calcul ? Les entreprises doivent se pencher sur le potentiel d’IA de leurs données. En effet, pour l’IA, ils ont besoin d’une structure adaptée. Ce n’est que lorsque les entreprises disposent d’une base de données enrichie, sûre et équitable qu’elles peuvent se lancer dans l’IA générative. Examinez vos processus avant d’opter pour des modèles ou des applications d’IA concrets. Quels sont les points qui posent problème dans le travail des employés ? Qu’en est-il de leur savoir-faire dans des domaines tels que l’analyse des données ou les larges modèles linguistiques ? Que souhaitez-vous améliorer avec les systèmes d’apprentissage ?
Il y a toutefois un aspect à ne pas négliger dans tout cela. La protection de l’environnement. Selon une étude1 de l’Université du Massachusetts, l’entraînement d’un large modèle linguistique consomme autant d’énergie qu’un citoyen américain moyen en 17 ans de vie. Le scientifique des données Alex de Vries d’Amsterdam compare la consommation d’énergie générée par l’utilisation de moteurs de recherche basés sur l’IA à celle de pays entiers. Par conséquent : nous devons nous pencher sur la question de l’IA verte afin que les technologies digitales soient utilisées de manière rentable. Mon équipe souhaite utiliser le potentiel des algorithmes intelligents pour rendre à l’avenir l’économie plus respectueuse du climat et de l’environnement. Dans le cadre d’un projet pilote, nous testons par exemple comment nous pouvons mieux utiliser le matériel des centres de données via le Machine Learning. Nous voulons répartir les charges de travail de manière plus intelligente afin de réduire les émissions de CO2 des centres de données.
L’appétit énergétique de l’intelligence artificielle générative, entraînée à générer synthétiquement de « nouveaux » contenus tels que des textes ou des images, est énorme. C’est pourquoi la question de la durabilité fait partie du plan de formation continue des entreprises au même titre que l’art de la promptitude. Car il est clair que si l’on veut obtenir de bonnes réponses de l’intelligence artificielle, il faut pouvoir lui poser les bonnes questions. Mais le personnel doit également savoir comment réduire l’empreinte écologique de la technologie. Ou quels critères une IA doit remplir pour être considérée comme digne de confiance. Selon la dernière étude de BITKOM sur la formation continue, une personne sur deux critique l’offre de formation de son employeur lorsqu’il s’agit de l’IA. C’est alarmant : après tout, le succès d’une entreprise dépend de la capacité de ses propres collaborateurs non seulement à suivre les évolutions technologiques, mais aussi, dans le meilleur des cas, à les faire progresser.
Nous avons tous besoin de plus de connaissances pour évaluer correctement les conditions, les opportunités et les limites de l’IA. La formation continue est incontournable, car l’intelligence artificielle deviendra une technologie déterminante. L’économie et la société ne peuvent pas se permettre de laisser les gens à la traîne dans leur transformation de l’IA. Les nouvelles technologies ne sont pas un domaine marginal pour les experts. Elles nous concernent tous. Les entreprises et leurs employés doivent donc être prêts à consacrer du temps à ces formations, en gardant à l’esprit les points suivants :
Prompter : nous devons nous exercer à l’art de la commande vocale. Nous donnons ainsi le bon contexte au système d’IA. Exemple : plus nous sommes prompts, moins nous émettons de CO2.
L’éthique : comment utiliser l’IA de manière responsable ? Cela aussi s’apprend. Cela signifie, par exemple, que nous reconnaissons et corrigeons un éventuel biais des données lors de l’entraînement – et que nous procédons à des prompts non discriminatoires.
Protection des données : Quelles sont les informations que je peux communiquer à un bot comme ChatGPT : lesquelles sont confidentielles et ne peuvent être partagées que dans un environnement d’IA sécurisé ? Les travailleurs doivent également être informés de cette situation.
Protection de l’environnement : l’IA générative consomme beaucoup d’énergie. C’est pourquoi nous devrions toujours nous poser la question Leur utilisation dans un cas particulier en vaut-elle la peine ? Y a-t-il un autre moyen d’arriver à nos fins ? Pour une simple multiplication, nous n’en avons pas besoin, un papier et une feuille de papier ou une calculatrice suffisent.
1 Energy and Policy Considerations for Deep Learning in NLP, Emma Strubell, Ananya Ganesh, Andrew McCallum, 2019, USA
2 Points forts du Gartner IT Symposium/Xpo 2023 Opening Keynote : The Next Era- We Shape AI, AI Shapes US, Gartner, 2023, gartner.com
