Dans le plus récent épisode de notre série de balados Parlons transition énergétique, Peter Warren s’entretient avec Diane Gutiw, vice-présidente de CGI et responsable mondiale de la recherche en intelligence artificielle, pour discuter de l’IA générative et de son incidence mondiale dans l’ensemble des secteurs d’activité. Dans la première partie de cette conversation en deux volets, ils abordent le caractère inévitable de l’IA dans la vie quotidienne, la nécessité d’une approche structurée et sécuritaire dans l’utilisation des outils et les cas d’utilisation qui permettent aux organisations d’améliorer leur efficacité tout en rentabilisant rapidement leurs investissements dans l’IA.
Si l’IA est inévitable, elle exige toutefois des règles d’utilisation
La conversation naissante entourant l’intelligence artificielle générative est l’un des sujets les plus chauds pour les organisations à l’échelle mondiale. Les questions relatives aux occasions d’affaires et aux défis inhérents émergent au même rythme que les organisations s’efforcent de définir, d’exploiter et de régir ces nouvelles technologies.
Selon Diane Gutiw, experte en IA chez CGI, le constat est clair: «L’intelligence artificielle est inévitable. »
Elle considère que la situation actuelle entourant l’IA s’apparente à celle de l’adoption d’Internet : « Je pense que nous allons réellement tirer parti de l’IA lorsque nous l’aurons intégrée à nos vies et que nous serons en mesure de saisir son rôle, de gérer ses processus en toute transparence et de faire preuve de discernement dans ce qui en résulte. »
Diane souligne toutefois que l’IA n’est pas une fin en soi. Selon elle, il s’agit d’un outil développé à des fins précises, surtout dans un contexte d’affaires : « Dans la mesure où nous instaurons des règles dans le développement, l’utilisation et la mise en œuvre responsables de ces outils, la puissance et les occasions d’affaires sont illimitées. »
Les données et les paramètres méthodologiques permettent à l’IA générative de demeurer sécuritaire et ciblée
Peter explique qu’une récente séance de l’IDC a révélé que la principale préoccupation des chefs de la direction générale et informatique concerne l’orientation donnée à l’IA, le type de données qui y sont intégrées et la sécurité.
Selon Diane, une partie de cette crainte découle du fait que les modèles ouverts sont très accessibles au public, ce qui fait en sorte qu’il est difficile de déterminer les informations qui ont été utilisées pour entraîner une technologie ou la source de son extrant.
Elle s’explique: « Si par exemple un développeur à la recherche de conseils utilise un modèle public qui s’apparente à un forum, il ne devra pas y communiquer de renseignements sensibles. »
Dans un contexte d’affaires, Diane recommande d’utiliser les mêmes mesures de protection et conteneurs pour les données personnelles utilisés pour communiquer de l’information sensible : « Une fois que vous avez verrouillé les données dans un environnement sûr à l’intérieur d’un nuage sécurisé qui respecte tous les protocoles de sécurité, il est tout à fait possible de tirer parti de l’incroyable puissance de ces solutions d’IA générative, mais rien ne doit y entrer ou en ressortir. »
De cette façon, les organisations peuvent « limiter les paramètres » afin que les modèles soient axés sur un problème donné. Cela fait partie d’une approche structurée de l’IA générative que Diane recommande aux organisations d’adopter pour éviter une approche de « l’IA pour l’IA. »
« L’adoption d’une approche ciblée dans la mise en œuvre aidera les organisations à tirer parti de leur parcours d’IA, à l’accélérer, puis à évoluer sans perdre de vue leur objectif, explique-t-elle. Cette démarche est par ailleurs essentielle pour leur rendement du capital investi. »
Cas d’utilisation de l’IA générative : combler les lacunes en matière de connaissances et renforcer l’efficacité
Bien que le secteur de l’énergie et des services publics mise sur l’apprentissage machine depuis longtemps pour optimiser les systèmes d’actifs et l’itinéraire des véhicules, par exemple, Peter mentionne que le rendement du capital investi en matière d’IA est essentiel aux yeux de nombreux décideurs. Cela s’explique souvent par le fait que la valeur commerciale des outils d’IA n’est pas visible sur-le-champ.
Où les organisations peuvent-elles créer rapidement de la valeur grâce à l’IA générative?
Comme l’explique Diane, « l’incroyable pouvoir de l’IA générative est sa capacité à tirer parti des données non structurées, des données de l’analyse narrative et d’une grande variété de médias ».
À son avis, la meilleure utilisation de l’IA générative « prête à l’emploi immédiat » consiste à se concentrer sur les tâches manuelles où la recherche d’information est chronophage : « C’est un rendement du capital investi très, très rapide parce qu’il est possible de ne traiter que les documents et l’information souhaités, par exemple des directives pour les centres d’appels, l’élaboration de politiques ou les contrats ».
Parmi les cas d’utilisation, elle mentionne par exemple le départ à la retraite des baby-boomers : 40% de la main-d’œuvre prendra sa retraite au cours des cinq à dix prochaines années, et ces départs laisseront un vide dans les connaissances acquises au cours des cinquante dernières années. Les outils d’IA peuvent extraire très rapidement de l’information dans de multiples documents, des données non structurées et des bases de données sur les incidents, en plus de fournir des réponses à des questions en s’appuyant sur l’expérience des gens.
En ce qui concerne la maintenance technique des actifs travaillant ensemble sur le réseau, par exemple, il peut s’agir d’extraire tous les manuels techniques, les documents PDF, les documents Word, le matériel de formation disponible et les incidents passés pour contextualiser l’information et obtenir une réponse rapide, ce qui permet d’économiser temps et efforts. De plus, l’outil est en mesure d’orienter la prochaine meilleure action.
Pour Peter, cela signifie un temps de service plus rapide pour les réparations et une efficacité accrue dans le secteur de l’énergie et des services publics.
Un cas d’utilisation en hausse est la modernisation du code, car les outils d’IA générative comprennent intrinsèquement les langages de programmation. Selon Diane, la capacité d’extraire des métadonnées ou de déplacer du code dans un format plus moderne est « révolutionnaire ».
En fin de compte, selon elle, l’IA générative doit se baser sur des cas et être guidée par des objectifs précis : L’IA générative est un excellent outil, mais ce n’est pas la solution à tous les problèmes ».
Écoutez la deuxième partie de la discussion ici.
Écoutez d’autres balados de cette série pour en apprendre davantage sur la transition énergétique.
