Dans quels contextes faut-il éviter d’utiliser l’IA générative ?

By Ava McCartney | 3-minute read | April 23, 2024

Synthèse

Une mauvaise utilisation de l’IA générative est susceptible de dévaluer les avantages que présente l’IA pour les entreprises.

L’adoption de l’IA générative (GenAI) a connu un essor spectaculaire au cours de l’année écoulée, et elle est rapidement devenue l’une des techniques d’IA les plus déployées au sein des divisions opérationnelles et des entreprises, comme le montrent les enquêtes menées par Gartner. Et ce pour une bonne raison : L’IA générative promet à la fois des améliorations dans les tâches quotidiennes des entreprises et des avancées qui peuvent radicalement changer la donne sur le plan commercial. Mais l’IA générative est loin d’être une solution miracle.

L’IA générative n’est qu’un type de technique d’IA parmi tant d’autres disponibles dans ce domaine. La plupart des problématiques que rencontrent les entreprises vont exiger de recourir à différentes techniques d’IA pour les solutionner. Si vous ne tenez pas compte de toutes ces considérations, vous risquez de surestimer les retombées de l’IA générative et de mettre en œuvre la technologie dans des applications où elle ne produira pas les résultats escomptés. 

Suivez ces conseils pour déterminer quand utiliser l’IA générative, quand utiliser d’autres techniques d’IA et quand vous appuyer sur un ensemble panaché de techniques d’IA.

Déterminez si l’IA générative est une solution pertinente pour votre application

  • Commencez par déterminer si votre utilisation est susceptible de générer de la valeur pour l’entreprise et si elle est réalisable, quelle que soit la technique d’IA employée. Cette étape est importante car certaines applications ne sont pas adaptées à une utilisation de l’IA et ne méritent pas d’être prises en compte.

  • Comparez votre application aux différents groupes d’application proposés. L’IA générative est :

    • Extrêmement pertinente : Génération de contenu, interfaces utilisateur conversationnelles, recherche de données

    • Relativement pertinente : Segmentation/classification, systèmes de recommandation, perception, automatisation intelligente, détection d’anomalies/surveillance

    • Pratiquement sans intérêt : Prédiction/prévision, planification, veille décisionnelle, systèmes autonomes

  • L’IA générative peut également ne pas convenir à votre utilisation si les risques qui l’accompagnent sont inacceptables et ne peuvent pas être efficacement maîtrisés. Parmi ces risques figurent le manque de fiabilité des résultats, des problèmes de confidentialité des données, de propriété intellectuelle, les risques liés à la responsabilité, la cybersécurité et le respect des réglementations, qu’ils soient envisagés de manière isolée ou conjointement.

Envisagez de recourir à d’autres techniques d’IA

  • Pour les domaines où l’IA générative est jugée moins pertinente, envisagez de faire appel à d’autres techniques d’IA.

  • Les techniques d’IA bien établies et les plus courantes qu’il convient de prendre en considération incluent notamment l’apprentissage machine ou Machine Learning (ML) non génératif, l’optimisation, la simulation, les systèmes heuristiques/à base de règles et les graphes de connaissances. Les techniques émergentes, telles que l’IA causale, l’IA neuro-symbolique et l’IA des principes premiers, gagnent également à être étudiées.

  • Il peut être judicieux pour une entreprise de tester une technique d’IA alternative moins complexe avant de mettre en œuvre l’IA générative ; ces techniques sont souvent moins risquées, moins coûteuses et plus faciles à appréhender.

«∘Si le seul outil que vous avez est un marteau de type IA générative, vous tendez à voir tout problème comme un clou, peu importe l’application.∘»

Combinez les modèles d’IA générative avec d’autres techniques d’IA

  • Les techniques d’IA se complètent et peuvent souvent être combinées de manière à accroître leur précision, leur transparence et leur efficacité, et ce tout en réduisant les coûts et la quantité de données nécessaires.

  • Il peut être particulièrement avantageux de combiner les modèles d’IA générative avec d’autres techniques d’IA.

  • Les différentes combinaisons possibles de techniques d’IA sont innombrables. Parmi les meilleures associations et les applications les plus courantes, citons :

    • Les modèles de ML non génératifs et l’IA générative pour la segmentation et la classification, la génération de données synthétiques et la vision par ordinateur

    • Les modèles d’optimisation/de recherche et les modèles d’IA générative pour la recherche en entreprise

    • Les modèles de simulation et d’IA générative pour accélérer les simulations

    • Les modèles de graphes et d’IA générative pour la gestion et la récupération assistée des informations

    • Les systèmes à base de règles et modèles d’IA générative pour les chatbots, les robots conseillers et la génération de langage naturel spécialisé

Découvrez les dessous de l’étude

Message de Leinar Ramos, directeur analyste principale chez Gartner

« Les entreprises qui se dotent de moyens permettant de combiner les techniques d’IA les plus pertinentes se retrouveront dans une position unique. Elles pourront mettre en place des systèmes d’IA plus précis, plus transparents et plus performants, tout en réduisant les coûts et la nécessité de disposer de volumes de données importants. »

3 messages à faire passer à vos pairs

1

Le battage médiatique autour de l’IA générative peut inciter les entreprises à exploiter la technologie dans des domaines où elle n’est pas adaptée, ce qui accroît au passage le risque de complexification et d’échec des projets.


2

Le fait de se focaliser excessivement sur l’IA générative peut vous amener à négliger la palette plus large de techniques d’IA alternatives plus établies, qui sont susceptibles de mieux correspondre à la majorité des applications potentielles de l’IA.


3

Cherchez à combiner les différentes techniques d’IA pour créer des systèmes plus robustes dans lesquels chaque technique peut pallier en partie les lacunes de l’autre.

Partager cet article

Leinar Ramos est directeur analyste principal chez Gartner et se concentre sur l'IA générative. Il conseille les responsables de l'IA, des applications et d'autres responsables informatiques sur les principales priorités de gestion concernant l'intelligence artificielle.

Favorisez la concrétisation de
vos priorités stratégiques décisives.