Stratégie

5 clefs pour repenser votre stratégie numérique avec l'IA générative

---

Dans la perspective de 2024, les DSI doivent remodeler leur stratégie en tenant compte des promesses et des risques de l'IA générative. Voici cinq clefs pour tirer parti du potentiel des LLM.

PublicitéLes priorités stratégiques des DSI évoluent considérablement tous les deux ans ou moins, de la croissance en 2018, à la pandémie et au travail à distance en 2020, puis au travail hybride et aux contraintes financières en 2022. L'impact des IA génératives, que l'on parle de ChatGPT ou d'autres grands modèles de langage (LLM), sera un moteur de transformation important à l'horizon 2024.

Alors que de nombreux DSI préparent leurs budgets 2024 et les priorités associées en matière de transformation numérique, il est impératif d'élaborer une stratégie qui recherche des opportunités d'évolution des modèles économiques, cible les impacts opérationnels à court terme, donne la priorité aux domaines dans lesquels les employés devraient expérimenter les dernières technologies et définit des plans d'atténuation des risques liés à l'IA.

Car, avec le battage médiatique qui entoure l'IA générative, les employés peuvent être facilement conduits à investir du temps dans des outils d'IA qui compromettent des données confidentielles et les responsables métiers à sélectionner des outils de Shadow IA qui n'ont pas été soumis à des examens de sécurité, de conformité et de gouvernance des données. Mais le plus grand défi consiste à définir une stratégie réaliste et à élaborer une réponse à ce que j'appelle le « rêveur de l'impossible », un chef d'entreprise ou un responsable d'activité qui « demande la lune ».

Voici plusieurs clefs pour permettre aux DSI de faire évoluer leurs priorités en matière de transformation numérique, en prenant en compte les promesses - et limites - de l'IA générative.

1) Définir une stratégie LLM qui change la donne

L'IA générative et les LLM auront un impact sur chaque secteur d'activité. Les exemples sont multiples, la technologie va :

- Accélérer la découverte de nouveaux médicaments à partir de données non structurées ;
- Permettre aux opérateurs de l'industrie manufacturière de résoudre les problèmes plus rapidement et de manière plus fiable ;
- Fournir aux prestataires médicaux des réponses personnalisées aux questions de santé de leurs patients ;
- Contribuer au développement de nouveaux produits bancaires et d'assurance, ainsi que d'autres services financiers en se basant sur les échanges avec les clients ;
- Transformer l'éducation en offrant aux enseignants de nouveaux moyens de faire progresser la pensée créative, la collaboration et les compétences de leurs élèves en matière de résolution de problèmes.

« C'est le moment pour les DSI et les directeurs techniques d'être non seulement créatifs sur la manière de faire plus avec moins, mais aussi de devancer la concurrence avec des investissements calculés, car leurs concurrents chercheront probablement à retarder ou à réduire leurs propres projets de transformation », déclare Jeremiah Stone, directeur technique de l'éditeur de logiciels SnapLogic. « Donnez la priorité aux initiatives de transformation qui peuvent soit créer de nouvelles sources de revenus, soit démocratiser les technologies, soit réduire la dette technique, en particulier lorsque vous envisagez des projets dans l'IA générative. »

PublicitéLes DSI reconnaîtront probablement que les plans de transformation de cette ampleur sont des programmes pluriannuels qui nécessitent d'évaluer les capacités des LLM, d'expérimenter et de trouver des offres viables et suffisamment sûres pour leurs utilisateurs. Mais, à l'inverse, l'absence de stratégie en la matière peut entraîner de sévères perturbations pour leur organisation. Et, sur un plan plus personnel, l'une des principales erreurs que les responsables informatiques peuvent commettre lorsqu'ils assistent aux réunions du conseil d'administration est de ne pas avoir de plan pour une technologie émergente appelée à avoir un impact majeur sur l'économie, comme l'IA générative.

2) Nettoyez et préparez vos données pour les LLM privés

Les capacités d'IA générative augmenteront l'importance et la valeur des données non structurées d'une entreprise, y compris les documents, les vidéos et le contenu stocké dans les systèmes de gestion de l'apprentissage. Même si l'entreprise n'est pas prête à envisager la façon dont l'IA générative peut transformer ses activités, les leaders technologiques doivent prendre des mesures pour centraliser, nettoyer et préparer les données non structurées en vue de leur utilisation dans les LLM.

« Alors que les utilisateurs de l'ensemble de l'entreprise réclament à cor et à cri des capacités d'IA générative dans le cadre de leurs activités quotidiennes, la priorité n°1 pour les DSI, les CTO et les CDO est de permettre un accès sécurisé et évolutif à une éventail de plus en plus large de modèles d'IA générative et de permettre aux équipes de Data Science de développer et de rendre opérationnels des LLM adaptés aux données et cas d'usage de l'entreprise », résume Kjell Carlsson, responsable de la stratégie et de l'évangélisation de la Data Science chez l'éditeur de logiciels Domino.

Hors ChatGPT, on recense déjà 14 LLM. Et si une entreprise dispose de grands ensembles de données, elle peut personnaliser un LLM propriétaire - en utilisant des plateformes telles que Databricks Dolly, Meta Llama et OpenAI - ou construire son propre LLM à partir de zéro.

La personnalisation et le développement des LLM nécessitent une solide analyse de rentabilité, une expertise technique et un budget. Peter Pezaris, directeur de la conception et de la stratégie chez New Relic, explique : « L'entraînement de grands modèles de langage peut être coûteuse et les résultats restent aléatoires ; les dirigeants devraient donc investir en priorité dans des solutions qui aident à contrôler les coûts d'utilisation et à améliorer la qualité des résultats des requêtes. »

3) Rechercher des gains d'efficacité dans le support client

McKinsey a estimé en 2020 que l'IA pourrait générer une valeur de 1 000 milliards de dollars par an. Au sein de ce total, le support client constituait un volet important. Cette opportunité a été renforcée par l'IA générative, en particulier lorsque les DSI centralisent les données non structurées dans un LLM et permettent à des agents de poser des questions aux clients et d'y répondre.

Pour Justin Rodenbostel, vice-président exécutif au sein de la société de services SPR, il faut rechercher « des opportunités d'exploiter GPT-4 et les LLM pour optimiser des activités telles que le support client, en particulier en ce qui concerne l'automatisation des tâches et l'analyse de grandes quantités de données non structurées ».

L'amélioration du support client amène des gains rapides permettant d'obtenir un retour sur investissement à court terme grâce aux LLM et aux capacités de recherche de l'IA. Les LLM nécessitent la centralisation des données non structurées d'une entreprise, y compris les données intégrées dans les CRM, les systèmes de fichiers et d'autres outils SaaS. Une fois que la DSI a centralisé ces données et mis en oeuvre un LLM privé, d'autres possibilités s'offrent à elle, notamment l'amélioration de la conversion des leads et celle des processus d'intégration RH. « Les entreprises injectent des données dans SharePoint et d'autres systèmes depuis des décennies, note Gordon Allott, Pdg de l'éditeur GetK3. Ces données peuvent aujourd'hui devenir utiles après nettoyage et utilisation d'un LLM. »

4) Atténuer les risques via un modèle de gouvernance

Le paysage de l'IA générative compte plus de 100 outils couvrant l'image, la vidéo, le code, la parole, etc. Qu'est-ce qui empêche les employés d'essayer un de ces outils et d'inclure des informations propriétaires ou confidentielles dans leurs prompts ? Pour Justin Rodenbostel, « les dirigeants doivent s'assurer que leurs équipes n'utilisent ces outils que de manière approuvée et appropriée en recherchant et en créant un cadre d'utilisation acceptable. »

Les DSI doivent s'associer avec les DRH et RSSI pour communiquer cette politique et créer un modèle de gouvernance soutenant une expérimentation intelligente de la technologie. Et ce, dans deux domaines prioritaires. Premièrement, les DSI doivent évaluer l'impact de ChatGPT et d'autres IA génératives sur le codage et le développement de logiciels. L'informatique doit montrer l'exemple en indiquant où et comment expérimenter ces outils mais aussi quand ne pas les utiliser !

Le marketing est le deuxième domaine sur lequel il faut se concentrer, car les spécialistes du sujet peuvent utiliser ChatGPT et d'autres IA génératives dans la création de contenu, la génération de leads, le marketing par e-mail et plus de dix pratiques courantes de ce service. Avec plus de 11 000 solutions technologiques de marketing disponibles aujourd'hui, le champs des possibles est immense.

Dès le démarrage de ces expérimentations, les DSI doivent créer un registre des cas d'usage de l'IA générative, définir un processus d'examen des méthodologies de mise en oeuvre et centraliser les mesures de l'impact des expériences sur l'activité.

5) Réévaluer les processus de prise de décision

L'IA générative aura un impact sur les processus de prise de décision et l'avenir du travail. Une clef de lecture à ne pas négliger. Au cours de la dernière décennie, de nombreuses entreprises ont cherché à devenir des organisations data-driven en démocratisant l'accès aux données, en formant davantage de professionnels à la Data Science et en instillant des pratiques proactives de gouvernance des données. L'IA générative libère de nouvelles capacités, permettant aux dirigeants d'obtenir des réponses rapides, mais la rapidité d'exécution, la précision des réponses et la partialité des LLM restent des questions clés.

« Garder les humains au centre et établir des cadres robustes pour l'utilisation des données et l'interprétabilité des modèles contribueront grandement à atténuer les biais au sein de ces modèles et à garantir que tous les résultats de l'IA sont éthiques et responsables », plaide Erik Voight, vice-président pour les solutions d'entreprise d'Appen. « La réalité est que les modèles d'IA ne remplacent pas les humains lorsqu'il s'agit de prendre des décisions critiques. Ils devraient plutôt être utilisés pour compléter les processus actuels de prise de décision, et non les remplacer entièrement. »

Aux DSI de rechercher une approche équilibrée pour prioriser les initiatives d'IA générative les plus prometteuses, après avoir défini une gouvernance adaptée, en identifiant les gains d'efficacité à court terme et en recherchant des opportunités de transformation à plus long terme.

Article rédigé par

Isaac Sacolick, CIO US (adapté par Reynald Fléchaux)

Partager cet article