L'intelligence artificielle (IA) devient un facteur de succès stratégique. Mais avant de pouvoir créer de la valeur ajoutée avec l'aide de l'IA, les dirigeants doivent comprendre la technologie qui se cache derrière, et surtout où elle atteint ses limites. "L'IA va tout automatiser et mettre les gens sur la touche", "L'IA est une technologie de science-fiction" ou "les robots vont asservir le monde". Que ce soit dans les médias, lors des conseils d'administration ou dans les entreprises en général, de nombreux mythes circulent à propos de cette technologie. Certains s'inquiètent de la toute-puissance prédite d'une IA qui va conquérir le monde. D'autres pensent que la technologie n'est rien d'autre qu'un slogan publicitaire. La vérité se situe quelque part entre les deux.
Les dirigeants ne sont souvent pas conscients de ce que l'IA peut faire pour leur entreprise. Cela est compréhensible si l'on considère que de nombreuses définitions et formes différentes d'intelligence artificielle circulent dans le débat public. Cependant, dès que la technologie est introduite dans les entreprises, il est impératif qu'elles comprennent où l'IA peut leur être bénéfique - mais aussi où elle ne peut pas l'être.
L'IA fonctionne comme le cerveau humain
L'IA est une discipline de la technologie informatique. En raison de ses capacités actuelles, elle est surtout utilisée comme outil logiciel pour la résolution de problèmes. Certaines formes d'IA semblent intelligentes. Seulement, supposer que l'IA ressemble à l'intelligence humaine ou que les deux sont égales est loin de la réalité. Il est vrai que certaines formes d'apprentissage machine (ML) - une catégorie d'IA - sont inspirées du cerveau humain, mais elles ne lui sont pas équivalentes. La technologie de reconnaissance d'images, par exemple, fonctionne plus précisément que la plupart des gens. Mais il devient inutile quand il s'agit de résoudre des problèmes mathématiques. Dans son état actuel, une IA peut très bien faire son travail, mais si les exigences de la tâche ne changent que légèrement, elle échoue.
Les machines intelligentes apprennent par elles-mêmes
Les solutions de machine learning toutes prêtes donnent souvent l'impression qu'ils peuvent apprendre de manière autonome. Mais en fait, ce sont les gens, ou plus précisément les scientifiques des données, qui définissent le problème à résoudre, préparent les données, déterminent les ensembles de données appropriés, empêchent d'éventuelles distorsions dans les données de formation (voir le mythe numéro 3). Leur tâche consiste avant tout à maintenir le logiciel continuellement à jour pour permettre l'intégration de nouvelles découvertes et données dans le prochain cycle d'apprentissage.
L'IA est un objectif à 100%
Chaque technologie d'IA est basée sur des données, des règles et d'autres apports d'experts humains. Parce que les humains peuvent se tromper d'une manière ou d'une autre, la tâche est transférée à l'IA. Les systèmes qui sont fréquemment recalibrés sont encore plus susceptibles de subir des distorsions indésirables ou des influences malveillantes intentionnelles. Par exemple, les nouvelles données provenant des médias sociaux sont une bonne raison de rééquilibrer. L'objectif devrait être de réduire au minimum la partialité de l'IA. Mais pour l'instant, il n'y a pas moyen de l'éliminer complètement. Outre les solutions technologiques telles que l'utilisation de divers ensembles de données, il est important de garantir cette diversité dans les équipes travaillant avec l'IA. En outre, les contrôles mutuels au sein de l'équipe peuvent réduire les erreurs de sélection et de confirmation.
L'IA ne prendra que des emplois simples
L'IA permet aux entreprises de prendre des décisions encore plus éclairées - grâce à des prédictions, des classifications et des regroupements. En conséquence, les solutions basées sur l'IA pénètrent profondément dans l'environnement de travail, permettant de réaliser non seulement les tâches quotidiennes mais aussi des tâches plus complexes.
Prenons par exemple l'utilisation de l'imagerie AI dans les soins de santé. Une application de radiographie du sein basée sur l'IA peut détecter les maladies plus rapidement que les radiologues. Dans le secteur de la finance et des assurances, les Robo-Advisors sont utilisés pour la gestion des actifs et la détection des fraudes. Toutefois, ces capacités ne rendent pas superflue la participation humaine aux tâches respectives, mais la limitent à l'observation et au traitement de cas inhabituels. Les entreprises sont donc bien avisées d'adapter leurs profils d'emploi et leur planification des capacités à un stade précoce et de proposer des possibilités de recyclage aux employés existants.
Mon entreprise n'a pas besoin d'une stratégie d'IA
Chaque entreprise devrait considérer l'impact potentiel de l'IA sur sa stratégie et examiner comment la technologie peut aider à résoudre des problèmes commerciaux. Rejeter l'IA par principe équivaut à bien des égards à renoncer au prochain niveau d'automatisation et pourrait donc placer les entreprises dans une position concurrentielle défavorable. Même si la stratégie actuelle d'une entreprise en matière d'IA est "Pas d'IA", cette décision doit être prise en connaissance de cause, sur la base de recherches et de considérations stratégiques. Et - comme pour toute autre stratégie - elle doit être régulièrement remise en question et adaptée aux besoins de l'entreprise.