L’IA générative dans l’industrie : de l’engouement à la pratique

L'IA générative dans l'industrie : de l'engouement à la pratique

Alexander Graf, CIO chez Huber+Suhner, et Michael Rieger, de Swisscom, mettent en perspective le potentiel de l'intelligence artificielle générative (aussi appelée IAg ou GenAI) pour l'industrie et donnent un aperçu d'applications prometteuses. Ils font partie des intervenants au Forum de l'industrie 2025, qui se tiendra le 4 juin 2024.

Dans quels domaines voyez-vous la plus grande utilité de l'IAg et quels sont les défis qui restent à relever?

Michael Rieger : La capacité de l'IAg à générer des contenus en toute autonomie ouvre des opportunités considérables pour les entreprises industrielles, en particulier dans les domaines du marketing, de la vente, du service clientèle et du développement de produits. Partout où des informations doivent être collectées, analysées et exprimées en langage humain, cette technologie offre des avantages considérables, à l'instar de l'utilisation d'une calculatrice pour les calculs mathématiques de la vie quotidienne. Les entrées et les résultats ne se limitent pas à du texte ; elles peuvent également prendre la forme de paroles, de musique, d'images, de vidéos, de modèles 3D ou de formules chimiques, ce qui permet des cas d'application plus spécifiques. L'IAg ouvre ainsi la voie à de nouveaux cas d'application qui étaient jusqu'à présent commandés exclusivement par les humains.

Une chose est sûre, les défis posés par cette technologie sont légion. Citons en particulier la variabilité des résultats et la forte intensité de calculs, qui sont des obstacles notables dans l'utilisation de l'IAg. Les contenus des données produites peuvent varier même avec des entrées identiques, notamment lorsque les modèles qui les sous-tendent se fondent sur des approches probabilistes. Cela peut être contradictoire avec ce qu'attendent intuitivement les utilisateurs en termes de qualité et de cohérence des applications d'IA existantes. De plus, les applications d'IAg sont actuellement encore nettement trop gourmandes en ressources, ce qui entraîne des répercussions négatives sur l'un ou l'autre business case.

Depuis peu, les entreprises doivent respecter des exigences réglementaires plus strictes lors de la mise en œuvre d'applications d'IAg, notamment la législation européenne sur l'IA, qui nécessite une attention minutieuse. Et cela se répercute également sur le paysage juridique de la Suisse.

Nous avons déjà pu collecter de premières expériences dans les deux dimensions, par exemple dans le domaine du libre-service employé (Employee Self-Service, ESS) et de la cybersécurité.

Dans quelle mesure l'IA générative modifie-t-elle la façon de travailler dans votre entreprise ? Quels sont les nouveaux rôles et les nouvelles compétences nécessaires ? Comment préparez-vous vos équipes à l'utilisation professionnelle et à la gestion des technologies d'IAg ?

Alexander Graf : La façon de travailler en elle-même n'a pas changé, mais il y a maintenant la possibilité de se faire assister « intelligemment » dans son travail ! Outre l'attention particulière portée à l'« adoption numérique », c'est-à-dire à l' « apprentissage » des solutions en termes de use cases, il s'agit très certainement de la compétence à trouver ces cas et à les décrire. Ensuite, il faudra développer les compétences internes correspondantes pour l'entraînement du Large Language Model (LLM, ou grand modèle de langage), et ce avec l'aide de partenaires technologiques (intégrateurs, consultants et fabricants de solutions d'IA). Cela inclut les thèmes de la mise à disposition des données, de la qualification et surtout de l'adaptation des résultats aux besoins de l'utilisateur.

De votre propre expérience, pouvez-vous donner deux ou trois conseils aux entreprises industrielles qui souhaitent aborder l'utilisation de l'IAg dans leur entreprise ?

Alexander Graf : Ce qui est particulièrement décisif, c'est la définition de use cases « corrects » et pouvant être validés rapidement, la mise à disposition en temps voulu de données qualifiées et sûres pour construire le modèle, ainsi qu'un engagement clair des ressources nécessaires.

Michael Rieger : Les entreprises qui ont déjà acquis de l'expérience dans l'implémentation de projets d'IA traditionnels peuvent transposer bon nombre de ces connaissances aux projets d'IAg. L'expertise technique ainsi que la volonté d'organisation et d'investissement sont également indispensables pour l'intégration de projets d'IAg. Je souhaite toutefois insister particulièrement sur deux aspects.

Outre l'importance persistante de la qualité des données, la protection des informations sensibles joue un rôle central dans les projets d'IAg, en particulier lorsque ceux-ci sont mis en œuvre dans plusieurs domaines en parallèle. Souvent, plus les données spécifiques à l'entreprise sont intégrées dans un modèle d'IAg, plus les réponses générées sont précises et précieuses, surtout si l'IAg est utilisée pour soutenir les décisions stratégiques. Or, ce sont justement ces données d'entreprise sensibles qui nécessitent une protection particulière.

Il est également essentiel que les collaborateurs soient au courant des forces et des faiblesses de l'IAg. Car même si de nombreuses applications d'IAg semblent déjà très intuitives à utiliser, cette compréhension peut justement améliorer considérablement la qualité de la collaboration entre les employés et l'IAg. C'est pourquoi former les collaborateurs à utiliser l'IAg doit revêtir une priorité élevée.

Cet article, vaut-il la peine d'être lu ?