G2 sur l'IA d'entreprise et l'analytique : Qu'est-ce que c'est vraiment et pourquoi est-ce important ?

L'intelligence artificielle (IA) est devenue le sujet le plus brûlant dans le domaine de la technologie. Son utilisation à l'ère de la transformation numérique s'étend aux secteurs commercial et public, alimentant le débat parmi les entreprises, les législateurs et le public. J'écris sur le sujet depuis quelques années maintenant ; ayant récemment rejoint G2 pour favoriser l'expansion de nos catégories d'IA (ainsi que nos catégories d'analytique, de cloud et de sécurité), je voudrais résumer certaines de mes opinions, tout en préparant le terrain pour une exploration plus détaillée des technologies, des défis commerciaux et des tendances qui façonnent l'IA.

J'espère que vous trouverez cela utile et informatif, et—comme toujours—je suis ouvert aux retours des utilisateurs, acheteurs et constructeurs. La conversation sur l'IA est en cours, et il nous appartient de découvrir la véritable valeur de l'IA, de rendre disponibles les données qui sont son carburant, et de fournir de meilleurs résultats pour tout le monde.

Il existe deux types d'IA, mais un seul est actuellement réaliste

Je ne suis pas le seul à proposer que l'IA peut être divisée en deux camps. Premièrement, il y a l'IA générale : la reproduction d'une intelligence semblable à celle de l'homme, qui, lorsqu'elle est interrogée par des humains, devrait être indiscernable de celle-ci.

Le deuxième type est l'IA étroite. L'IA étroite est une capacité spécifique à une tâche qui automatise le travail humain de manière très définie et structurée. L'IA étroite tire des avantages pour les utilisateurs en accomplissant des tâches à plus grande échelle, à des vitesses plus élevées et avec une précision supérieure à celle qu'un humain pourrait atteindre.

L'IA générale est la coupable lorsqu'il s'agit de la confusion et de la désinformation sur le marché de l'IA. Pourquoi ? Parce qu'à ce stade (et pour l'avenir prévisible), elle est le sujet de la science-fiction. Les perceptions populaires de l'IA sont influencées par des exemples tels que Terminator ou I, Robot. Vous connaissez l'histoire ici : des machines incroyablement (j'utilise ce mot délibérément) intelligentes surpassent l'intelligence humaine, décident que les gens sont soit une menace, soit incapables de prendre des décisions par eux-mêmes, et font quelque chose de catastrophique à ce sujet. Bien qu'il soit important de débattre des implications éthiques de l'IA générale futuriste, nous pouvons nous concentrer sur ce qui est réaliste pour les acheteurs de technologie aujourd'hui : l'IA étroite.

Aujourd'hui, l'IA étroite est utilisée pour sa précision et sa rapidité. La technologie peut accomplir des tâches plus rapidement, avec une plus grande cohérence, ou à une échelle plus grande (ou une combinaison de ces éléments) qu'une personne ne le peut. Il est important de noter qu'elle est également un complément naturel à de nombreuses technologies existantes en raison de la possibilité de l'intégrer en leur sein. Plus à ce sujet plus tard.

La technologie de l'IA n'est pas nouvelle, mais les données et la puissance de calcul pour la faire fonctionner le sont

Pour ceux qui s'intéressent à l'histoire des technologies de l'IA, certaines de celles utilisées aujourd'hui existent depuis les années 1950 et 1960.

Mais si l'IA existe depuis si longtemps, pourquoi n'avons-nous commencé à l'utiliser que ces dernières années ?

La réponse est simple : Ce n'est que récemment qu'il y a eu le volume de données nécessaire pour l'alimenter et la puissance de calcul pour la traiter. L'IA étroite excelle dans les tâches à une échelle et à un rythme que les humains ont du mal à gérer. Les grandes données associées à la disponibilité de services de stockage et de calcul vastes et évolutifs dans le cloud public la rendent possible et précieuse.

La valeur de l'IA se trouve dans les améliorations de productivité, pour l'instant

Je continuerai à soutenir que la majorité des cas d'utilisation de l'IA concernent vraiment l'amélioration de la productivité ; c'est-à-dire produire plus, mais en utilisant moins pour le faire. En essence, mon argument est le suivant : l'IA aide les gens à faire leur travail soit plus rapidement (grâce à l'automatisation du travail), soit plus efficacement (en découvrant des informations auparavant cachées qui influencent positivement les décisions). En termes de formule simple pour la productivité, cela réduit soit les intrants (travail) pour livrer des extrants (travail accompli), soit augmente la quantité d'extrants pour les mêmes intrants, ou—encore mieux—les deux.

C'est aussi une situation en évolution. L'« art du possible » s'étend rapidement. Par exemple, le travail impliqué dans la surveillance de sources de données à l'échelle d'Internet pour des signaux et des informations est au-delà des capacités d'un humain. Cela signifie que non seulement des gains de productivité sont disponibles pour les types de travail et de production existants, mais que l'IA et les machines qui la font fonctionner peuvent et créent des utilisations auparavant impossibles. Les coûts, les revenus et les bénéfices ne sont pas les seuls leviers commerciaux à actionner. Considérez l'échelle et la vitesse des menaces de cybersécurité ; les machines excellent dans ce type de défi, et les humains ne peuvent pas suivre.

Un coup de semonce doit être tiré dans l'intérêt de l'équilibre, et fera l'objet d'un futur article par G2 : La réduction du travail entraînera inévitablement des pertes d'emplois (actuels). Un débat majeur sur la question de savoir si l'IA entraînera un chômage de masse ou marquera le début d'une nouvelle ère de créativité et de liberté économique a commencé. Que vous soyez un optimiste ou un pessimiste de l'IA à cet égard, ces questions socio-économiques sans réponse nécessitent plus de temps et d'efforts pour rechercher un résultat positif.

Commencer avec l'IA pour la plupart est probablement en tant que fonctionnalité d'un produit existant

De nombreuses entreprises sont à juste titre enthousiasmées par la perspective d'utiliser (bien qu'elles ne le sachent peut-être pas, l'IA étroite) pour améliorer leurs activités, mais comment devraient-elles commencer ? Pour certains, la réponse a été de tenter de créer des centres de compétence en IA, en embauchant des data scientists très recherchés pour mener la charge. Deux problèmes ont tendance à se poser dans ce scénario. Premièrement, les data scientists sont rares et coûteux. Deuxièmement, il y a souvent peu de clarté sur les objectifs qu'une entreprise souhaite atteindre au-delà de « Faisons quelque chose avec l'IA ».

Heureusement, de nombreux fournisseurs de logiciels sont conscients de ces défis et y répondent en intégrant l'IA étroite dans leurs applications et solutions. Les exemples sont nombreux, avec le logiciel de gestion de la relation client (CRM) comme probablement le plus visible, offrant des fonctionnalités alimentées par l'IA telles que le scoring des leads ou la meilleure offre suivante. Les applications intelligentes adaptatives d'Oracle et les produits Einstein de Salesforce offrent des capacités alimentées par l'IA pour l'expérience client (CX), entre autres domaines d'application. Les organisations bénéficient de la technologie sans nécessiter une pléthore de connaissances et de compétences en IA. Les informations fournies aux organisations sont dans le contexte de l'application et de ses processus, ce qui rend la consommation simple. Les entreprises doivent prendre en compte des considérations supplémentaires concernant leurs données. Nous explorerons le rôle des données de manière approfondie dans de futures colonnes, mais il est important de le mentionner car de nombreuses entreprises ont encore du mal à gérer leurs données. Pas de données égale pas d'IA.

Pour les entreprises disposant soit du budget, de besoins très spécifiques (par exemple, certains domaines des services financiers), soit de compétences internes existantes, construire leur propre IA est une option soutenue par une gamme de ce que l'on appelle le plus souvent des plateformes de science des données. Une plateforme de science des données fournit les outils pour sourcer et gérer les données nécessaires, la boîte à outils d'IA (le plus souvent l'apprentissage automatique, mais aussi l'apprentissage profond pour certains cas d'utilisation), le déploiement et les capacités de gestion des modèles. Les exemples incluent Dataiku, Datascience.com, IBM Watson Studio, Microsoft Azure Machine Learning, et RapidMiner.

Rendre l'IA plus accessible est le défi immédiat

Bien qu'une pénurie de compétences et des défis dans l'approvisionnement des bonnes données pour alimenter l'IA soient des défis immédiats et continus, l'industrie et les gouvernements nationaux réagissent.

Voici trois tendances que je vois façonner la manière dont les entreprises adopteront et utiliseront l'IA dans un avenir proche :

• L'augmentation est le mot en IA en ce moment. À juste titre, car elle représente avec précision ce dont la plupart des solutions d'IA sont actuellement capables, et concentre le débat sur l'IA sur la valeur pour l'entreprise plutôt que sur la philosophie technologique. Pensez à l'augmentation alimentée par l'IA comme un copilote pour les utilisateurs de la technologie d'entreprise, cachant la complexité de la technologie et les vastes quantités de données qui l'alimentent à l'utilisateur et les aidant avec l'accomplissement automatique de tâches banales et en suggérant de manière proactive des actions qui ajoutent de la valeur ou atténuent les risques. Nous voyons cela en action aujourd'hui. À mesure que de nouvelles capacités et cas d'utilisation deviennent disponibles, et que les utilisateurs acceptent et font confiance aux capacités alimentées par l'IA, le copilote IA deviendra une partie indispensable du travail quotidien de la personne d'affaires.
• Le fossé des compétences limitant actuellement l'adoption de l'IA sera érodé par les développements technologiques qui favoriseront l'accessibilité et augmenteront les cas d'utilisation potentiels. De la même manière que l'analytique est passée de la prérogative d'un petit groupe d'utilisateurs experts à un outil accessible à des millions de personnes, les technologies de l'IA deviendront plus accessibles grâce à l'utilisation de capacités de glisser-déposer, de faible ou sans code, et de capacités préconstruites ouvertes aux développeurs et aux utilisateurs professionnels. Attendez-vous à voir l'émergence de modèles d'apprentissage automatique en tant que service ou de places de marché où les entreprises peuvent accéder à des IP sophistiquées, préconstruites et configurables pour leurs propres circonstances uniques auprès d'une gamme de fournisseurs.
• Combiner de nombreuses capacités d'IA étroite pour créer une solution alimentée par l'IA « plus que la somme de ses parties » est un autre développement que je m'attends à avoir un impact majeur. La capacité de combiner et d'orchestrer ces IA étroites dans le contexte, par exemple, d'un processus commercial (et probablement associé à l'automatisation des processus robotiques) stimulera la productivité dans une gamme beaucoup plus large de tâches au sein des organisations.

En plus de mes prédictions, au cours des prochains mois, se tiendront certains des plus grands événements utilisateurs de technologie de l'année, y compris le re:Invent d'AWS, le Dreamforce de Salesforce, et l'OpenWorld d'Oracle. Attendez-vous à une série d'annonces sur l'IA de chacun. Nos analystes de G2 seront présents, offrant aux acheteurs de technologie nos points de vue et opinions sur celles-ci au fur et à mesure qu'elles se produisent, sur le G2 Research Hub.