IA : et si les marchés se trompaient de révolution ? (carte blanche)

Il y a quelque chose qui m’étonne dans la manière dont nous regardons aujourd’hui l’intelligence artificielle.

Les marchés financiers semblent parfois réagir plus vite à une déclaration laissant entendre que la progression des grands modèles pourrait ralentir qu’à certaines études, pourtant produites par des acteurs de référence, qui montrent que les entreprises sont encore loin d’exploiter correctement les capacités dont elles disposent déjà. À la moindre annonce évoquant un ralentissement, la crainte revient : et si la bulle de l’intelligence artificielle finissait par exploser ?

La question est légitime. Les investissements sont gigantesques et une partie des valorisations actuelles repose sur l’anticipation de progrès futurs. Mais il existe un paradoxe : nous nous inquiétons déjà de savoir si les prochains modèles seront suffisamment meilleurs alors que nous ne savons pas encore pleinement utiliser ceux que nous avons.

Ces mauvaises nouvelles peuvent aussi décourager les entreprises. Entre progrès annoncés comme moins rapides, projets qui ne produisent pas le retour sur investissement espéré et expérimentations abandonnées, certaines peuvent conclure que l’IA n’a pas tenu ses promesses. Ce serait parfois tirer la mauvaise conclusion du bon constat : le problème n’est pas nécessairement l’IA, mais la manière dont elle a été introduite dans l’entreprise.

Acheter de l’IA ne transforme pas une entreprise

Les études consacrées à l’adoption de l’IA convergent sur un point important : mettre un outil à disposition des salariés ne suffit pas à créer de la valeur. Il faut former les utilisateurs, repenser certains processus et surtout déterminer les tâches pour lesquelles l’intelligence artificielle apporte réellement quelque chose.

Le Boston Consulting Group montre ainsi que les salariés utilisant régulièrement l’IA peuvent gagner un temps considérable, mais que les organisations éprouvent encore des difficultés à transformer ce temps gagné en valeur économique.

Acheter des licences donnant accès au meilleur modèle du moment et demander aux salariés de « faire de l’IA » n’est donc pas une stratégie de transformation. Si l’expérience déçoit quelques mois plus tard, l’entreprise n’avait peut-être pas besoin de davantage d’intelligence artificielle, mais d’un meilleur accompagnement.

Et peut-être, tout simplement, d’une IA différente.

Puissant, oui. Mais puissant pour quoi ?

Nous avons progressivement perdu une distinction essentielle. Nous parlons de la puissance des modèles comme s’il existait une échelle unique permettant de mesurer l’intelligence artificielle : un nouveau modèle bat le précédent sur plusieurs benchmarks, il serait donc meilleur et nous aurions naturellement intérêt à l’utiliser.

Mais meilleur pour faire quoi ?

Les modèles actuels savent déjà analyser des documents, produire du code, rechercher de l’information, synthétiser d’importantes quantités de données ou interagir avec différents outils. Pourtant, dans beaucoup d’entreprises, leur utilisation reste limitée à quelques tâches relativement simples.

Surtout, les besoins sont très différents. Un modèle destiné à assister un médecin face à des informations complexes n’a pas les mêmes exigences qu’un système chargé de classer les factures d’une PME. La recherche scientifique ou la découverte de médicaments peuvent nécessiter des capacités considérables ; préparer un compte rendu de réunion, beaucoup moins.

Nous n’avons donc pas besoin de la puissance maximale partout. Nous avons besoin de la puissance adaptée à l’usage.

Cette distinction compte aussi lorsque nous parlons de « ralentir » ou de « brider » l’intelligence artificielle. Certaines applications auront besoin de modèles extrêmement performants et spécialisés ; d’autres pourront fonctionner avec des systèmes beaucoup plus petits. Parler de la puissance de « l’IA » comme s’il s’agissait d’un besoin uniforme nous fait perdre cette réalité.

Pour une entreprise, la question devrait donc être moins « quel est le meilleur modèle ? » que « de quel modèle ai-je besoin pour résoudre mon problème ? ». La réponse dépendra du métier, des données, de la fiabilité attendue, du coût et des conséquences d’une erreur.

Et si la frugalité devenait une forme de progrès ?

Cette question nous conduit naturellement à celle de la frugalité. Et pas uniquement pour des raisons environnementales.

Les modèles les plus puissants nécessitent davantage de calcul, d’infrastructures et d’énergie. Mais, pour l’entreprise, ils peuvent aussi signifier des coûts plus importants et des projets plus complexes à intégrer et à rentabiliser. Pour une PME, cette dimension est loin d’être secondaire. Lui présenter l’intelligence artificielle comme une course permanente vers des modèles toujours plus puissants, plus complexes et potentiellement plus coûteux peut même finir par lui faire peur et la convaincre que cette technologie n’est tout simplement pas faite pour elle.

Ce serait regrettable, car son besoin peut être beaucoup plus modeste. Elle n’a peut-être pas besoin du modèle capable de résoudre les problèmes scientifiques les plus difficiles. Elle a besoin d’un outil suffisamment performant pour automatiser une partie de son administration, rechercher une information, assister son service client ou aider ses collaborateurs.

La frugalité devient alors à la fois technologique, énergétique et financière : employer le modèle le moins gourmand capable d’accomplir correctement la tâche demandée et réserver les capacités les plus importantes aux problèmes qui les nécessitent réellement.

Cela ne signifie évidemment pas que la course aux grands modèles est terminée. Certains domaines scientifiques, médicaux ou industriels ont encore besoin de progrès considérables. Mais cela ne signifie pas que chaque entreprise et chaque tâche aient besoin demain d’une intelligence artificielle dix fois plus puissante.

La maturité technologique pourrait justement commencer lorsque nous cesserons de considérer que le progrès consiste nécessairement à utiliser toujours plus de puissance.

Alors, si la course aux grands modèles ralentit un jour, la bulle de l’IA explosera-t-elle pour autant ?

Peut-être nous apercevrons-nous simplement que nous avions confondu la puissance de l’intelligence artificielle avec son utilité.