Découvrez les options qui s’offrent à vous. Notre équipe de conseillers peut vous orienter dans le choix des subventions et des incitatifs gouvernementaux qui vous donneront les moyens de réaliser votre transformation numérique.
Publié le : 6 novembre 2023
Mis à jour le : 6 novembre 2023
Le lancement de ChatGPT d’OpenAI a été un tournant dans le domaine de l’IA générative, car il a redéfini la façon dont les entreprises exercent leurs activités, innovent et favorisent leur croissance. Un nombre grandissant d’entreprises canadiennes de tous les secteurs d’activité cherchent à investir dans l’IA afin de transformer leurs activités, leurs services et leurs produits. Puisque les acteurs du secteur de la technologie connaissent l’IA et les technologies connexes, ils ont une longueur d’avance pour en exploiter les capacités.
Recours à l’IA générative : quatre cas d’utilisation applicables aux entreprises technologiques
Au sein du secteur de la technologie, l’IA générative peut être exploitée de nombreuses façons pour accroître la valeur. La simplification de la programmation, le déploiement d’applications intelligentes, l’élaboration de stratégies de monétisation des données ou la création de contenu sont autant de domaines qui ne feront que progresser au fil de l’évolution de l’IA générative.
Nous nous pencherons ici sur quatre cas d’utilisation illustrant des exemples réels de l’incidence de l’IA générative sur les entreprises technologiques.
Les entreprises technologiques se servent des tableaux de sprint à titre de plateforme centrale pour la gestion du travail, les communications et la collaboration au sein des équipes suivant les méthodes Agile. Les équipes des Services-conseils en technologie qui utilisent l’IA générative accélèrent nettement la vélocité du développeur en optimisant et en simplifiant le processus de développement, notamment la génération automatisée de codes, les analyses de code, la détection de bogues, la résolution et le prototypage rapide.
L’IA générative améliore également le processus de développement en ayant recours à l’attribution prédictive des ressources, à la détection d’anomalies liées aux coûts, à la planification fondée sur les scénarios et aux données sur les coûts en temps réel, ce qui se traduit directement par une réduction du coût par sprint et par une augmentation de la vitesse de traitement.
Les plus récents modèles d’IA conversationnelle comme ChatGPT disposent d’un plus grand nombre de paramètres que leurs prédécesseurs. Par conséquent, ils peuvent mieux comprendre le contexte, entretenir de meilleures conversations et générer des réponses plus pertinentes. Grâce au traitement du langage naturel utilisé par cette IA, les utilisateurs peuvent poser des questions et avoir des conversations en langue courante, ce qui favorise l’extraction de renseignements pertinents qui sont par la suite transformés en données exploitables.
De plus, l’IA conversationnelle contribue à la réduction des goulots d’étranglement souvent associés aux équipes centralisées d’analystes ou de gestion des données. Elle offre aux utilisateurs de différents services la possibilité d’accéder aux données dont ils ont besoin de façon autonome, libérant ainsi les experts en données pour qu’ils puissent saisir des occasions inexplorées et concrétiser des idées novatrices.
Bien que les fournisseurs de logiciel-service (« SaaS ») offrent des fonctionnalités et des solutions efficaces, les utilisateurs finaux hésitent à adopter ces logiciels, souvent en raison du contenu informatif non pertinent ou insuffisant à leurs yeux Les entreprises de logiciel-service ont recours aux analyses prédictives et aux analyses du comportement des utilisateurs pour évaluer les données pour comprendre les difficultés rencontrées par ces derniers et ce qui les pousse à abandonner.
De cette façon, elles peuvent cerner les lacunes pour apporter des correctifs ou des améliorations aux produits afin que les utilisateurs les adoptent ou continuent à les utiliser. Sur le plan de l’efficacité, l’IA générative aide les experts dans le cadre de l’écriture, de la programmation, de la conception et de la création de contenu en ligne dynamique et attrayant dans le but d’accroître la satisfaction des utilisateurs et de favoriser l’adoption des outils offerts.
Par exemple, l’IA générative soutient les entreprises de logiciel-service dans la création de contenu axé sur les pratiques exemplaires, les cas d’utilisation et les conseils liés à leur application, fournissant ainsi aux utilisateurs une base de connaissances précieuse. Elle sert également à concevoir des tutoriels interactifs et personnalisés en fonction des rôles des utilisateurs et des données sur leurs interactions avec le logiciel. Enfin, l’IA générative permet aux entreprises technologiques d’offrir un contenu de soutien dynamique aux utilisateurs, généré en fonction de leurs habitudes d’utilisation et de leurs demandes de renseignements. Grâce à l’hyperpersonnalisation de l’expérience d’apprentissage, le client obtient exactement ce qu’il veut, ce qui augmente les taux d’adoption, met en valeur les particularités du produit et améliore la satisfaction de la clientèle.
Une entreprise de matériel informatique disposant d’un service à la clientèle limité doit gérer rapidement les questions et les plaintes des clients à toute heure du jour ou de la nuit. En intégrant à son site Web un robot de clavardage fondé sur l’IA générative, l’entreprise est à même de répondre aux clients en temps réel. Ce type de robot génère également des réponses dans la langue maternelle du client, ce qui limite le risque de malentendus. Les modèles d’AI générative sont en mesure de reproduire l’intelligence émotionnelle et de créer des personnages précis, outillant ainsi les robots de clavardage pour qu’ils puissent répondre avec empathie et avoir des interactions personnalisées.
En liant les modèles d’IA générative aux systèmes d’exploitation de l’entreprise, les robots de clavardage peuvent comprendre l’intention des clients et extraire des données des systèmes, au besoin, pour personnaliser davantage l’expérience de l’utilisateur.
Si le robot n’arrive pas à régler le problème du client, il l’orientera vers les bons canaux de communication gérés par l’humain. La simplification du processus de traitement des problèmes mène à une meilleure expérience client, à une réduction des délais d’attente et à une satisfaction globale accrue.
Gestion des quatre risques les plus courants en matière d’IA générative
À l’heure où de nombreuses entreprises technologiques cherchent à intégrer les outils d’IA générative à leurs activités, elles doivent aussi aborder avec prudence et délicatesse les enjeux éthiques, juridiques et pratiques entourant cette nouvelle technologie. Quel que soit le programme technologique, la réussite n’est jamais assurée et est conditionnelle à une bonne planification et exécution. En l’absence d’une base solide pour le déploiement de l’IA générative, les entreprises technologiques s’exposent à des risques comme les biais algorithmiques, les hallucinations de l’IA, la divulgation de données confidentielles et les problèmes liés aux droits d’auteur et au vol de données.
« Il est essentiel que les décideurs des entreprises cherchant à adopter l’intelligence artificielle définissent clairement la notion de réussite pour eux, indique-t-il. Trouver le juste équilibre entre la sécurité, l’éthique et la gouvernance en vue d’obtenir un rendement du capital investi favorable devrait être la priorité des dirigeants qui souhaitent exploiter le potentiel de l’IA à grande échelle. »
Heureusement, certaines mesures peuvent être prises pour atténuer ces risques.
Les biais algorithmiques apparaissent lorsque les algorithmes d’apprentissage automatique apprennent et perpétuent par inadvertance des préjugés systémiques ou humains véhiculés dans les données utilisées pour les entraîner.
Par exemple, une étude de Microsoft a démontré que les images générées par l’IA sont susceptibles de présenter de fausses représentations du genre, de l’ethnie et de l’âge pour différentes professions et différents traits de caractère. Comme ces préjugés sont manifestés dans le contenu généré, ils ont tendance à perpétuer les stéréotypes préexistants et à les accentuer, minant ainsi les efforts déployés pour promouvoir l’égalité.
Pour contrer les risques liés aux biais algorithmiques, il est nécessaire d’examiner attentivement les données d’entraînement, de concevoir des algorithmes de détection des biais et d’effectuer une surveillance continue afin de s’assurer que le système d’IA prend des décisions objectives. Il est également important d’utiliser des données suffisamment diversifiées pour entraîner l’IA, tout en évitant la surreprésentation, problème courant lorsque de vastes ensembles de données sont utilisés. La sélection du modèle d’IA approprié et sa mise en place adéquate sont essentielles pour que les systèmes d’IA soient exploités de façon éthique et conforme aux objectifs de l’entreprise. Il faut chercher à mettre en place des modèles dont les algorithmes sont transparents.
De plus, les entreprises technologiques doivent anticiper les questions ou les cas d’utilisation qui pourraient soulever des problèmes de biais et mettre en place une gouvernance solide pour les éviter. Par exemple, il serait judicieux d’écarter certains sujets à haut risque qui sont susceptibles de générer des résultats biaisés.
Une hallucination se produit lorsqu’un programme d’IA générative génère de faux renseignements ou une réponse non étayée par les données d’entraînement. Comme l’utilisateur ne voit pas nécessairement les sources utilisées pour générer la réponse, il peut être difficile de départager les faits des hallucinations, surtout parce que la plateforme les présente justement comme des faits. Les sources citées sont parfois fausses.
Il faut donc faire preuve d’une grande prudence lors du suivi et de la vérification des réponses générées par l’IA. Une entreprise peut notamment obtenir les conseils de spécialistes dans le domaine visé par la demande afin de vérifier l’exactitude des réponses. Il est également possible de configurer la plateforme de façon à inclure les sources, ce qui permettrait aux utilisateurs de confirmer la véracité des informations produites. Il est recommandé de vérifier toute source citée.
De plus, les entreprises technologiques doivent former leurs utilisateurs à une utilisation adéquate de la plateforme, en plus d’établir des politiques claires sur ce qui est acceptable ou non. Une formation en formulation de requête permet de réduire considérablement les risques que l’IA génère de fausses informations. Elle fournirait aux utilisateurs les connaissances et les compétences nécessaires pour concevoir des requêtes efficaces poussant les modèles d’IA à générer des réponses plus exactes et mieux adaptées au contexte.
Les risques liés à la divulgation de données confidentielles dans les modèles d’IA générative constituent une préoccupation majeure qui mérite une attention stratégique. Il est essentiel de protéger les renseignements exclusifs et les données sur les utilisateurs contre les fuites accidentelles de données et les usages potentiellement abusifs.
D’ailleurs, le code source serait l’un des types de données confidentielles les plus fréquemment compromis. Comme les données d’entraînement de nombreuses plateformes d’IA générative sont issues de saisies manuelles des utilisateurs, les dirigeants d’entreprises doivent être conscients du fait que leurs employés pourraient avoir saisi des données exclusives dans celles-ci. Si les données de l’application sont divulguées, toutes les données sur les utilisateurs pourraient être compromises.
Pour atténuer ces risques, il faut tout d’abord comprendre les répercussions de l’utilisation de ces plateformes sur la sécurité. Par exemple, si la décision est prise au sein d’une entreprise de recourir à la plateforme d’un tiers plutôt que de créer sa propre plateforme, il faudra définir clairement quelles seront l’utilisation des données et la durée pendant laquelle elles seront conservées. N’oubliez pas que ce ne sont pas toutes les plateformes qui se servent des données sur les utilisateurs aux fins d’entraînement. Il est désormais crucial de protéger le code source dans le contexte numérique actuel, ce qui exige de mettre en place de solides mesures de protection des données et de constamment faire preuve de vigilance pour éviter les fuites accidentelles de données et les conséquences qui pourraient en découler.
Quelle que soit la nouvelle technologie qu’elles adoptent, les entreprises technologiques doivent surveiller les changements réglementaires afin de demeurer conformes, en plus de comprendre les exigences éventuelles à respecter et de s’y préparer sans tarder. Innovation Canada procède actuellement à l’élaboration d’un code de conduite volontaire en matière de systèmes d’IA générative qui constitue une excellente ressource pour les entreprises technologiques. En outre, les responsables d’entreprises devraient se renseigner sur le projet de loi C-27 et les changements relatifs à la façon dont les renseignements permettant d’identifier une personne sont recueillis, conservés et utilisés. Ce projet de loi instaure également la Loi sur l’intelligence artificielle et les données, une première en la matière au Canada.
Pour générer des résultats aussi perfectionnés que ceux produits par l’humain, les modèles d’IA générative doivent être entraînés à l’aide de vastes ensembles de données diversifiées provenant souvent de nombreuses sources, notamment d’informations accessibles au public, de documents, d’œuvres originales et d’autres types de contenu. Certaines données proviennent même parfois de sources personnelles, privées et exclusives ainsi que de l’entreprise, ce qui soulève des questions cruciales quant aux droits d’auteur et au vol de données.
Les cadres juridiques ne tiennent pas encore compte des réalités de l’IA, et il est difficile de déterminer dans quelle mesure et de quelle manière les droits de propriété intellectuelle s’appliquent au contenu généré au moyen de l’IA. La frontière floue entre les créations issues de l’IA et le contenu original pensé par l’humain a suscité des discussions quant à la propriété du contenu généré et à la façon de le protéger contre une mauvaise utilisation.
Trouver le juste milieu entre le soutien de l’innovation et la protection des droits des créateurs de contenu de même que des propriétaires de données constitue un enjeu d’importance, car il peut être difficile de s’y retrouver dans le domaine complexe de l’IA générative. À mesure que ces technologies continuent d’évoluer et gagnent en popularité, les situations observées à l’échelle mondiale créent des précédents.
Prochaines étapes : Autres éléments importants que doivent considérer les entreprises technologiques en matière d’IA générative
Lorsque des entreprises technologiques décident de recourir à l’IA générative, elles doivent avoir en tête certains aspects importants, énumérés ci-après.
Les entreprises technologiques qui s’aventurent sur la voie de l’IA générative doivent adopter une stratégie axée sur la création de valeur, directement liée à un rendement du capital investi quantifiable. Les entreprises qui exploitent efficacement l’IA savent à quel point le concept d’« échec rapide » est une composante fondamentale de leur innovation et de leurs stratégies. Par conséquent, elles injectent des capitaux là où il y a un potentiel de rendement évident. L’évaluation des retombées potentielles de l’IA au sein des services et une stratégie de déploiement progressif permettent de prendre des décisions éclairées qui harmonisent les investissements en IA avec le contrôle diligent sur le plan des finances et les avantages concrets, notamment l’augmentation du chiffre d’affaires et de la rentabilité.
En raison de l’intérêt marqué pour l’IA générative, bon nombre de pratiques exemplaires ont déjà été établies. Parmi celles-ci, on compte la norme IA responsable de Microsoft, qui décrit les lignes directrices et les politiques relatives à la conception de systèmes d’IA afin de s’assurer qu’ils sont éthiques, sécuritaires et responsables. Cette norme a été rendue publique dans le but de partager des connaissances, de favoriser la rétroaction et d’alimenter les discussions à l’échelle mondiale au sujet de l’établissement de meilleures normes et pratiques liées à l’IA.
Il faut encourager une culture dans laquelle les employés et l’IA travaillent de concert à l’atteinte des meilleurs résultats. Au début, l’intégration de l’IA générative aux principaux processus opérationnels pourrait entraîner un malaise ou une méfiance chez les employés. En palliant les craintes et les fausses conceptions entourant l’IA au moyen de la formation et d’une communication claire, les entreprises pourront intégrer efficacement l’IA à leurs activités et veiller à ce que leurs employés connaissent bien cet outil et soient capables de s’en servir. De plus, la formation des employés en formulation de requêtes contribue à renforcer leur aisance et leur efficacité quand ils utilisent cette technologie.
Il se peut que les entreprises technologiques souhaitent créer une ou plusieurs applications fondées sur l’IA aux fins d’utilisation par les clients ou les employés. Prenons l’exemple d’une application grand public qui rehausserait le produit d’une entreprise. À l’interne, l’entreprise pourrait concevoir une application de gestion du flux des travaux pour simplifier les processus et améliorer la collaboration au sein de l’équipe.
Toutefois, avant de créer une application fondée sur l’IA, elle devra effectuer une analyse de rentabilité approfondie pour s’assurer que sa conception lui permettra d’obtenir des résultats tangibles et quantifiables.
Comme c’est le cas pour toute technologie, l’adoption de l’IA générative est un processus de longue haleine. Une fois intégrée, l’IA générative doit constamment faire l’objet d’une maintenance, d’un soutien technique, de revues et de documentation à jour. Il est important de bien cerner les ressources nécessaires à l’entreprise pour assurer la maintenance de l’outil, de l’application ou de la plateforme d’IA après sa création ainsi que l’incidence de cette maintenance sur les opérations commerciales normales, surtout compte tenu de la vélocité de l’amélioration et de l’évolution des modèles d’IA générative.
Les entreprises technologiques doivent s’assurer d’être prêtes en tout temps. Prenons l’exemple de Semantic Kernel de Microsoft, technologie émergente lancée cet automne. Elle permet aux développeurs de créer leurs propres expériences semblables à Copilot et d’intégrer facilement les services d’IA aux applications existantes.
Au fil de l’évolution de l’IA générative et de l’émergence de nouvelles technologies connexes, les entreprises technologiques devraient réévaluer leurs investissements en innovation et adapter leur plan en conséquence.
BDO peut vous aider
Notre cabinet a remporté le prix Impact IA 2023 de Microsoft Canada pour ses réalisations dans le domaine de l’IA. Ce prix est décerné aux partenaires de Microsoft qui mettent au point des solutions novatrices remarquables à l’aide de Microsoft AI dans le cadre de scénarios de clients, comme la surveillance des actifs pour améliorer l’efficacité, la génération d’un rendement opérationnel favorisant l’innovation et l’utilisation d’analyses de données poussées afin de transformer une entreprise grâce à de nouveaux modèles d’affaires et flux de revenus.
« Pour exploiter les avantages de l’IA, les entreprises doivent élaborer une stratégie globale en matière d’IA qui s’applique à l’ensemble de l’entreprise. Nous observons un intérêt sans précédent pour le soutien aux clients dans l’établissement de leur vision et de sa concrétisation au moyen d’une feuille de route en matière d’IA, ce qui est favorable à la découverte de nouveaux modèles d’affaires. »
BDO est en excellente position pour aider les entreprises technologiques à tirer parti des avantages de l’IA générative. Il peut en effet leur offrir des conseils et du soutien en ce qui concerne la mise en place de stratégies numériques, de technologies et de solutions infonuagiques, l’atténuation des risques, la conformité, la formation, la surveillance continue du rendement favorisant une réussite durable ainsi que d’autres aspects.
Êtes-vous prêt à intégrer l’IA générative aux activités de votre entreprise?
Le présent article est une adaptation de l’article Tech Takes on Generative AI de BDO US et a été modifié en tenant compte des besoins et caractéristiques uniques du marché canadien.