L’intelligence artificielle générative (GenAI), un système capable de générer des contenus de façon à ce qu’un humain puisse croire que celui-ci a été créé par un autre humain, est certainement la plus grande transformation en cours dans les entreprises. On a vu son potentiel de transformation dans plusieurs billets dont le dernier (ici). Pourtant, certains détracteurs disent que « ça ne marchera jamais ». On peut les comprendre si on regarde la marche arrière de Figma la semaine dernière, éditeur très en pointe dans le design qui enlève ses fonctions d’IA génératives qu’il venait d’ouvrir pour maquetter un écran à partir d’un prompt.
Révolution tranquille ou transformation impossible, qui a raison ?
C’est ce que GreenSI se propose d’explorer. La vérité se trouve certainement entre ces deux positions extrêmes, et même entre le R et le I, du fameux ROI, retour sur investissement. En deux mots il va falloir se poser la question si le bénéfice amené par le cas d’usages vaut les ressources utilisées pour le produire. Si oui ce sera certainement un top, sinon un flop.
La définition même de ce qu’est une IA générative, fait que nous nous trouvons dans l’entreprise avec deux types de productions : celles générées par les humains et celles par les IA. Et à supposer, que pour une production donnée, elles sont équivalentes, donc que l’IA générative arrive à faire aussi bien que l’humain; le critère de choix entre les deux sera le coût. Bien sûr, l’IA générative peut aussi être utilisée pour développer de nouvelles façons de faire, mais pour l’amortir rapidement, il est plus tentant d’améliorer la performance globale de ce que l’on fait déjà, en cherchant à le faire à moindre coût.
La question devient donc quel est le coût d’une IA ?
La réponse est loin d’être intuitive. Car contrairement à une informatique classique à laquelle nous sommes habitués, les coûts énergétiques pour entraîner les LLM (qui sont ensuite payés par ceux qui les utiliseront) et pour les faire tourner, ne sont pas du même ordre de grandeur. On arrive donc à imaginer que dans certains cas, on saurait le faire avec une IA générative, mais ce ne serait pas rentable. Pour le dire crûment, le salaire d’un humain serait moins cher que de développer et faire tourner une IA !
Et puis, comme dans toute application, il ne faut pas négliger les coûts de maintenance. Nous sommes habitués à une moyenne de 20% des coûts initiaux pour faire tourner et maintenir une application, mais nous n’avons pas de retour sur ce ratio pour une application d’IA générative reposant sur un RAG (LLM et Recherche spécifique). En effet, les technologies LLM sont récentes et très changeantes et à une vitesse de sorties au moins quatre fois plus rapide. Chaque nouvelle version trimestrielle va en améliorant les résultats, mais on est pas à l’abris de régressions. Et dans tous les cas, il faudra le tester avant de mettre en production, sinon des systèmes autonomes pourraient « dériver » et impacter l’entreprise.
Si on parle d’un système de réponse automatique aux emails ou d’un système de rédaction automatique d’un contrat, on mesure mieux l’effet que cela peut avoir s’il dérive. Donc même si ces systèmes peuvent être mis en oeuvre rapidement, il faut intégrer le coût de leur surveillance et de leur maintenance sur la durée.
Mais les coûts du système ne sont pas les seuls.
Il faut également considérer le coût écologique, et tous les LLM ne sont pas équivalents, et les coûts de conduite des changements associés à sa mise en place. Car déployer des IA génératives qui vont collaborer avec les employés au niveau des tâches et donc intégrées dans des processus opérationnels, demande de gérer le changement que cela amène. Sinon, le risque d’échouer au niveau du déploiement, et non de la solution IA générative qui fonctionne, est encore élevé.
Alors qu’est-ce que cela change de déployer ces systèmes ?
Une IA générative change fondamentalement les choses pour les employés dans les processus concernés à trois niveaux :
- les collaborateurs doivent apprendre à collaborer avec les IA et les chatbots. C’est certainement pour cela que les noms comme copilot, bard, gemini.. fleurissent pour nous faire adopter ces nouveaux compagnons.
- ils doivent également savoir déléguer à l’IA générative certaines tâches, ce qui implique de repenser les processus pour les hybrider entre les agents et l’IA générative. On vera plus loin que cela change aussi beaucoup de choses pour nos éditeurs et les systèmes d’information.
- et dans certains cas, qui seront très différenciateurs mais aussi certainement moins nombreux, l’IA générative pourra agir de façon autonome et créer directement de la valeur et pas uniquement d’améliorer la performance. Les utilisateurs devront l’accepter, un peu comme lacher le volant lors de son premier trajet dans une voiture autonome.
L’IA générative est donc plus un sujet de changement qu’un sujet de technologique à part entière.
La conduite de ces changements et les couts associés sont de ce fait à intégrer dès le départ dans la réflexion autour de ces projets. Ces coûts sont souvent évalués à 5 à 15% du coût des projets.
Aujourd’hui, les études ou les retours d’expérience des entreprises qui ont été partagés, donnent un bénéfice dans la fourchette des 10 % à 20 %, pour les tâches qui sont transférées aux IA génératives. Et c’est sans intégrer le dernier point soulevé par GreenSI.
On ne saute donc pas au plafond et c’est probablement ce qui anime ceux qui expriment un échec (relatif) des IA génératives.
Mais cela ne veut pas dire que l’IA générative ne marche pas, loin de là. Cela veut dire qu’il faut être très sélectif !
Alors quels sont ces cas d’usages où les entreprises s’accordent pour dire que c’est dessous qu’il y a la mine d’or ?
Vous vous rappelez la taxonomie proposée par GreenSI avec les applications IA génératives collaboratives, applicatives ou autonomes. Ces cas d’usages sont à chercher dans les deux dernières catégories.
Bien sûr, GreenSI n’a pas de liste magique à partager, mais à force de synthétiser l’actualité dans ce domaine et d’échanger avec des responsables de projets, certains sujets sont toujours cités. Et si on ne sait pas où chercher, il y a certainement plus de chance de trouver des cas d’usages rentables avec ces trois stratégies résumées ci-après :
Misez sur l’intelligence émotionnelle de l’IA générative.
ChatGPT, Claude ou Mistral ne se contentent pas de répondre avec une « intelligence brute » (IQ) ; elles sont également formées à prendre en compte l’intelligence émotionnelle (EQ).
Cela signifie qu’elles peuvent offrir des réponses empathiques et nuancées, améliorant ainsi les interactions humaines et soutenant les utilisateurs dans des contextes émotionnels délicats. S’il y a un domaine dans lequel on produit ou analyse en permanence du contenu multimédia, en prenant en compte cette intelligence émotionnelle, c’est bien le domaine Marketing & Ventes. Quand, en plus, on est dans un contexte international, multi-langues, on a un effet multiplicateur des bénéfices attendus. On peut donc chercher des cas d’usages qui gènère tous ces supports multimédias, mais aussi qui ne font que les reformuler pour différentes cibles ou dans différentes langues.
L’automatisation de la production du contenu marketing et commercial, que ce soient des présentations internes, du contenu pour les réseaux sociaux et les clients, du texte, du podcast ou de la vidéo, est un projet qui fonctionne. Il ne faut pas viser trop haut, mais peut-être revenir à des productions simples dont on peut tester ensuite l’efficacité. Il faut donc certainement résister à la tentation de prendre, la ou le, meilleur vendeur et de chercher à l’égaler. Rappelez-vous que le premier iPhone numérique faisait des photos 10 fois moins bonnes qu’un Canon EOS argentique de l’époque, coûtait dix fois moins cher, mais c’était suffisant. Nous avions un niveau d’exigence très élevé qui a été baissé quelques années le temps que le numérique balaye l’argentique. Aujourd’hui la performance numérique est supérieur et le prix de l’iPhone a lui aussi été multiplié par trois.
En terme de changements, cette approche fait émerger une « content factory » interne, qui reprends une partie du travail sous-traité jusque là en externe.
Misez sur des agents intelligents au sein de vos équipes
L’IA générative peut non seulement aider individuellement, mais aussi améliorer l’efficacité collective d’une équipe.
Par exemple, un assistant IA pourrait aider une équipe de codage à mieux collaborer, résoudre des problèmes plus rapidement et produire des résultats de meilleure qualité en facilitant la communication et le partage de connaissances. C’est d’ailleurs un des premiers cas d’usages, bien avant ChatGPT, avec des agents intelligents dans Slack qui mettaient « leur grain de sel » dans les conversations des développeurs pour suggérer des documentations à regarder ou des corrections proposées.
Aujourd’hui, avoir un coach, ou un assistant de code ou de configuration, quand on est développeur est une évolution importante de ce métier.
C’est cette expérience qui peut se dupliquer dans d’autres services.
Quand on pense agent intelligent, on l’imagine sur le front de la relation avec les clients, et c’est la « killer application » que tout le monde cherche. Mais cela peut aussi être au support interne ou externe et dans un back-office.
Les sujets plébiscités tournent autour de la gestion des contrats et du juridique, avec des documents très longs au texte très précis, qui n’effraient pas les LLM. Ils peuvent bien sûr en créer de nouveaux, pour de nouveaux clients, mais aussi en discuter et analyser par exemple les clauses qui feraient prendre un risque en cas d’inflation forte.
La gestion des CVs pour le recrutement n’avait pas non plus attendu la vague ChatGPT pour se développer avec de l’intelligence artificielle. On passe maintenant à une seconde version qui connait très bien les compétences de chaque poste. Elle peut même générer les tests d’embauches, des animations pour les entretiens ou chercher des profils internes proches qui pourraient évoluer vers le candidat recherché.
Le domaine industriel avec un contenu compliqué et pluri-disciplinaire se prête aussi très bien à l’ajout d’un coach technique qui connait bien les équipements et les installations, au sein des équipes d’exploitation qui font fasse à de nouveaux sujets au quotidien.
Approche globale ou spécifique à un métier : remettez en question vos éditeurs informatiques
L’IA générative vient s’immiscer au cœur des processus sur les tâches pour lesquelles elle est pertinente. Et ces processus, ils sont souvent codés dans des progiciels. La question de l’ouverture de ces logiciels pour utiliser au bon moment l’IA générative est donc essentielle et va impacter fortement les architectures des SI à venir. La gestion des RHs, des achats et des interfaces avec les employés (notes de frais, pointage…,) sont certainement des domaines à privilégier.
Vous créez par exemple une demande de recrutement et vous voulez remplir en automatique la fiche de poste associée, c’est là et tout de suite, sur cet écran, qu’il faudra l’insérer. Deux solutions s’offrent théoriquement à vous. Soit, vous le faites dans un outil connexe qui peut récupérer pour son prompt les premiers éléments de votre fiche pour ne pas avoir à les ressaisir, soit cette fonction très demandée est déjà intégrée dans le progiciel. La capacité de pouvoir intégrer l’IA au bon moment dans les processus est donc essentielle pour en tirer des bénéfices.
Il est donc urgent de rencontrer les éditeurs que vous avez déjà choisis et de connaître leur roadmap, avant de développer des interfaces qui deviendront vite obsolètes vu la vitesse d’évolution du secteur. Et en cas de manque d’idées de vos éditeurs préférés, il est peut-être temps d’en changer pour un autre plus innovant.
Ces trois stratégies peuvent donc vous servir de repère pour ne pas chercher les cas d’usages au hasard et aller de suite dans des configurations qui auront une chance d’avoir un ROI au final. Elles permettent de garder une ligne d’horizon et de l’explorer dans tous les directions de l’entreprise, et elle mettra peut être même en évidence des synergies entre directions. Pour la « content factory » du marketing ne travaille pas aussi pour la communication ou les RHs ?
Une façon un peu « provocante » de le formuler serait de dire que l’IA générative est en passe de devenir un moteur cognitif révolutionnaire qui va améliorer les capacités intellectuelles et émotionnelles de l’entreprise.
Ce cognitif était jusque là réservé aux employés, mais l’IA générative vient leur apporter son soutient, et dans certains cas les dépasser. Mais l’équilibre de cette hybridation n’est pas un concours de beauté, mais la recherche de plus de performance globale des processus et capacité de décision de l’entreprise.