Les nouveautés en matière d'intelligence artificielle présentées dans le Hype Cycle de Gartner 2022

15 septembre 2022

Auteure : Jackie Wiles

Les innovations en matière d'IA continuent d'apporter de grands avantages aux entreprises et les taux d'adoption vont s'accélérer dans les années à venir. Découvrez quelles seront les retombées et les perspectives offertes par ces technologies.

Le Hype Cycle™ de Gartner sur l'intelligence artificielle (IA) de 2022 identifie les innovations incontournables en matière de technologie et de techniques d'IA qui transcendent l'IA quotidienne déjà exploitée pour enrichir les applications professionnelles, les appareils et les outils de productivité auparavant peu évolutifs.

« Concrètement, le Hype Cycle sur l'IA regorge d'innovations qui devraient générer des bénéfices élevés, si ce n'est de nature à réellement transformer l'entreprise », explique Afraz Jaffri, directeur analyste chez Gartner. « Il convient de prêter une attention particulière aux innovations qui devraient être adoptées par le grand public d'ici deux à cinq ans, notamment l'IA composite, l'intelligence décisionnelle et l'IA en périphérie. En adoptant rapidement ces innovations, on peut obtenir des avantages concurrentiels et une valeur commerciale considérables et atténuer les problèmes que soulève la fragmentation des modèles d'IA ».

Télécharger maintenant : Une structure pour appréhender la valeur commerciale de l'intelligence artificielle

Les innovations en matière d'IA se répartissent en quatre catégories

Les nombreuses innovations dans le domaine de l'IA devraient avoir des incidences sur les personnes et les processus internes et externes à l'entreprise, leur compréhension est donc importante pour de nombreuses parties prenantes, des chefs d'entreprise aux équipes d'ingénierie chargées de déployer et de rendre opérationnels les systèmes faisant appel à l'IA.

Les responsables des données et analyses sont ceux qui ont le plus à gagner, en utilisant les perspectives du Hype Cycle pour élaborer leurs stratégies relatives à l'IA de demain et exploiter les technologies à fort potentiel dès aujourd'hui.

Les innovations liées à l'IA du Hype Cycle traduisent des priorités complémentaires et parfois contradictoires dans quatre catégories principales :

  1. IA centrée sur des données

  2. IA centrée sur des modèles

  3. IA centrée sur des applications

  4. IA centrée sur l'humain

IA centrée sur des données

La communauté de développement de l'IA s'est traditionnellement attachée à améliorer les résultats des solutions reposant sur l'IA en modifiant les modèles d'IA eux-mêmes, mais l'IA centrée sur les données se concentre sur l'amélioration et l'enrichissement des données utilisées pour le perfectionnement des algorithmes.

En répondant aux besoins spécifiques de l'IA en matière de données, l'IA centrée sur les données bouleverse la gestion traditionnelle des données, mais les entreprises qui investissent dans l'IA de manière significative sont appelées à préserver les idées toujours actuelles de la gestion classique des données et à les étendre à l'IA de deux manières :

  • en ajoutant les capacités nécessaires au développement pratique de l'IA par des utilisateurs spécialisés dans l'IA qui ne sont pas familiers avec la gestion des données ;

  • en utilisant l'IA pour améliorer et renforcer les principes classiques de gouvernance, de persistance, d'intégration et de qualité des données.

Les innovations dans l'IA centrée sur les données portent notamment sur les données synthétiques, les représentations graphiques des connaissances, l'étiquetage et l'annotation des données.

Les données synthétiques, par exemple, sont une catégorie de données générées artificiellement plutôt qu'obtenues à partir d'observations directes du monde réel. Les données peuvent être générées à l'aide de différentes méthodes, notamment un échantillonnage rigoureux sur le plan statistique à partir de données réelles, des approches sémantiques et des réseaux antagonistes génératifs, ou en créant des scénarios de simulation dans lesquels des modèles et des processus interagissent pour créer des ensembles de données d'événements entièrement inédits. 

L'adoption des ces techniques est en hausse dans divers secteurs, de même que leur utilisation dans les applications de vision par ordinateur et de langage naturel, mais Gartner prévoit une augmentation massive de l’adoption des données synthétiques car :

  • elles permettent d'éviter l'utilisation de renseignements permettant d'identifier une personne lors de l'entraînement des modèles de machine learning par le biais de variations synthétiques des données originales ou du remplacement synthétique de certaines parties des données

  • elles réduisent les dépenses et permettent de gagner du temps dans le développement du machine learning car elles sont moins chères et plus rapides à obtenir

  • elles améliorent les performances des modèles d'apprentissage automatique, car un plus grand nombre de données d'apprentissage permet d'obtenir de meilleurs résultats

IA centrée sur des modèles

Malgré le passage à une approche centrée sur les données, les modèles d'IA doivent encore faire l'objet d'une attention particulière pour que leurs résultats continuent à contribuer à de meilleures actions. Les innovations dans ce domaine comprennent l'IA fondée sur la physique, l'IA composite, l'IA causale, l'IA générative, les modèles de base et le deep learning.

L'IA composite fait référence à la fusion de différentes techniques d'IA pour améliorer l'efficacité des processus d'apprentissage et élargir le niveau de représentation des connaissances. Dans la mesure où aucune technique d'IA ne représente une solution miracle, l'IA composite fournit en fin de compte une plateforme permettant de résoudre un plus grand nombre de problèmes commerciaux de manière plus efficace.

Les avantages commerciaux de l'IA composite, dont l'adoption devrait être généralisée d'ici deux à cinq ans, sont susceptibles d'être considérables et de permettre de nouvelles façons de faire des affaires dans tous les secteurs, ce qui entraînera des changements profonds dans les dynamiques du secteur. Ainsi, l'IA composite :

  • met le potentiel de l'IA à la portée d'un groupe plus large de sociétés qui n'ont pas accès à de grandes quantités de données historiques ou de référence, mais qui disposent de ressources humaines dont l’expertise est importante

  • contribue à étendre le champ d'application et la qualité des applications de l'IA (c'est-à-dire que davantage de types de tâches nécessitant un raisonnement peuvent être intégrés)

L'IA causale comprend différentes techniques, comme les graphiques causaux et la simulation, qui permettent de découvrir les relations causales afin d'améliorer la prise de décision. Bien qu'il faille attendre 5 à 10 ans pour que l'IA causale soit adoptée par le plus grand nombre, on s'attend à ce que les avantages commerciaux soient considérables et que cela permettre aux entreprises d'adopter de nouvelles méthodes d'exécution des processus horizontaux ou verticaux qui se traduiront par une augmentation significative des revenus ou des économies de coûts. Les avantages de l'IA causale sont les suivants :

  • des gains d'efficacité grâce à l'ajout de la connaissance du domaine aux modèles d'IA causale d'amorçage avec des ensembles de données plus petits

  • Augmentation de la prise de décision et autonomie dans les systèmes d'IA

  • une amélioration des capacités d’explication par la saisie de relations de cause à effet faciles à interpréter

  • une plus grande stabilité et adaptabilité en tirant parti de relations causales qui restent pertinentes même dans des environnements en constante évolution

  • diminution des erreurs et risques de biais dans les systèmes d'IA en rendant les liens de causalité plus explicites

IA centrée sur des applications

Les innovations dans ce domaine comprennent notamment l’aide intégrée à la décision, les systèmes opérationnels d'IA, les ModelOps, les services cloud d'IA, les robots intelligents, le traitement du langage naturel (NLP), les véhicules autonomes, les applications intelligentes et la vision par ordinateur.

Nous prévoyons que l'aide intégrée à la décision et l'IA en périphérie seront toutes deux adoptées par le grand public d'ici deux à cinq ans et qu'elles présenteront des avantages considérables pour les entreprises.

L’aide intégrée à la décision est une discipline pratique utilisée pour améliorer la prise de décision qui vient interpréter et analyser de manière explicite la façon dont les décisions sont effectuées et la façon dont les résultats sont évalués, gérés et améliorés grâce à des retours d'information.

L'aide intégrée à la décision permet de :

  • réduire les retards techniques et d'accroître la visibilité, ainsi que d'améliorer la portée des processus d'entreprise en renforçant sensiblement la viabilité des modèles décisionnels des entreprises sur la base de leur pertinence et de leur degré de transparence, ce qui accroît la transparence et la possibilité de contrôle des décisions

  • réduire l'imprévisibilité des résultats décisionnels en saisissant et en comptabilisant correctement les facteurs d'incertitude présents en contexte professionnel et en rendant les modèles décisionnels plus résilients

Télécharger maintenant : Comment définir une stratégie pour votre processus décisionnel

L'IA en périphérie fait référence à l'utilisation de techniques d'IA intégrées dans les terminaux de l'Internet des objets (IdO), les passerelles et les serveurs en périphérie, dans des applications allant des véhicules autonomes aux analyses en continu. Les avantages commerciaux comprennent :

  • amélioration de l'efficacité opérationnelle, notamment dans les systèmes d'inspection visuelle de production

  • optimisation de l'expérience client

  • réduction de la latence dans la prise de décision, grâce à l'utilisation d'analyses locales

  • réduction des coûts liés à la connectivité, grâce à la diminution du trafic de données entre la périphérie et le cloud

  • accessibilité en continu de la solution, indépendamment de la connectivité du réseau

IA centrée sur l'humain

Cette catégorie d'innovations comprend la gestion de la confiance, du risque et de la sécurité en matière d'IA (TRiSM), l'IA responsable, l'éthique numérique et les modules de conception et d'enseignement de l'IA.

Lorsque l'IA se substitue aux décisions humaines, elle amplifie aussi bien les bonnes que les mauvaises conclusions. L'IA responsable permet d'obtenir de bons résultats en résolvant les dilemmes inhérents à la recherche de rentabilité et à la tolérance aux risques. L'IA responsable est un terme générique désignant les aspects liés à la réalisation de choix commerciaux et éthiques appropriés lors de l'adoption de l'IA, notamment en ce qui concerne la valeur commerciale et sociétale, le risque, la confiance, la transparence, l'équité, l'atténuation des biais, les capacités de justification, la responsabilité, la sécurité, la confidentialité et la conformité réglementaire. Il faudra 5 à 10 ans pour que l'IA responsable soit adoptée par le grand public, mais elle produira à terme une incidence transformatrice sur les entreprises.

L'éthique numérique est une tendance à plus court terme (deux à cinq ans) susceptible d'avoir un impact important sur les entreprises. L'éthique numérique comprend les systèmes de valeurs et les principes moraux pour la conduite des interactions électroniques entre les personnes, les entreprises et les équipements. Ces questions, notamment en ce qui concerne la vie privée et les partis pris, restent préoccupantes pour un grand nombre de personnes. De plus en plus conscients de la valeur de leurs informations, les usagers sont insatisfaits du manque de transparence, des abus et violations. Les entreprises prennent des mesures pour atténuer les risques liés à la gestion et à la sécurisation des données personnelles, tandis que les gouvernements mettent en œuvre une législation plus stricte.

De nombreuses sociétés négligent encore les questions d'éthique numérique parce qu'elles pensent qu'elles ne s'appliquent pas à leur secteur ou à leur domaine, mais Gartner prévoit que d'ici 2024, 30 % des grandes entreprises feront appel à une nouvelle mesure représentant les préoccupations sociétales pour prendre en compte ces questions et évaluer leur incidence sur leurs performances commerciales. Les entreprises devront intégrer l'éthique numérique dans leurs stratégies d'IA afin de renforcer leur influence et leur réputation auprès des clients, des employés, des partenaires et de la société.

Pour résumer :

  • Le Hype Cycle™ 2022 de Gartner consacré à l'intelligence artificielle présente des innovations «∘incontournables∘» qui devraient apporter des avantages considérables à toute entreprise.

  • Ces innovations ne se limitent pas aux techniques d'IA courantes déjà utilisées pour conférer aux applications d'entreprise, aux appareils et aux outils de productivité auparavant statiques des capacités intelligentes.

  • Soyez très attentif aux innovations qui devraient être adoptées par le grand public d'ici deux à cinq ans, notamment l'IA composite, l'aide à la décision intégrée et l'IA en périphérie.

Afraz Jaffri is a Research Director at Gartner, where Mr. Jaffri focuses on Analytics, Data Science and AI. He advises Data and Analytics leaders on making the most from their investments in modern data science, machine learning and analytics platforms.



Consultez des contenus détaillés qui vous permettront de rester informé et de prendre connaissance des dernières évolutions

Favorisez la concrétisation de vos priorités stratégiques décisives.