Sommaire

Essor de l’IA générative

Vous n’avez pas pu passer à côté : l’intelligence artificielle générative connaît une grande popularité depuis quelques dernières années.

L’IA générative est une sous-catégorie de l’intelligence artificielle dotée de la capacité de créer des données et du contenu de façon indépendante et inédite sur différents supports. Contrairement à l’IA « classique », elle vise à produire des données nouvelles, principalement sous forme de texte, d’images, de vidéos, en répondant à des requêtes, appelées prompts, venant des utilisateurs.

Principaux acteurs dans le domaine de l’IA

Son développement s’accélère, avec la présence de nombreux acteurs engagés dans une course au modèle le plus performant. Le plus connu du grand public est probablement OpenAI, à travers ChatGPT. Parmi ceux qui développent des modèles généralistes, on peut également citer Mistral AI, qui est un acteur français, ou bien Anthropic, dont les modèles les plus récents (par exemple, Claude 3.5 Sonnet) se sont montrés très performants pour la programmation notamment. Microsoft est également acteur de ce domaine, à travers des investissements dans Open AI, ou bien avec son assistant Copilot, dans l’objectif de proposer une intégration de l’IA générative au sein de ses différents logiciels. D’autres modèles sont spécialisés dans la génération d’images, comme Dall-E et Midjourney, ou dans la musique, comme AIVA.

Défis et risques liés à l’intelligence artificielle

L’essor de l’IA générative est toutefois associé à plusieurs défis, risques et craintes.

L’IA générative est en premier lieu à l’origine de nombreuses craintes liées à l’éthique et à la confidentialité. Ces craintes sont légitimes : son utilisation à des fins professionnelles et décisionnelles implique de partager des informations sensibles avec des algorithmes qui restent bien souvent opaques, leur code étant confidentiel. Dans le cas de certaines IA, à moins d’avoir souscrit à un abonnement payant, la confidentialité des données n’est pas pleinement garantie et le modèle peut utiliser les données collectées pour s’entraîner à générer de meilleures réponses. Le fait de transmettre les données de son entreprise pose déjà une question essentielle de confidentialité, qui devient une question d’éthique quand il s’agit de faire analyser les données de ses clients pour améliorer les performances par exemple. C’est pourquoi certaines entreprises tentent de développer leurs propres solutions d’IA générative en interne, dans l’objectif de garder la main sur leurs données et celles de leurs partenaires et d’en assurer la sécurité.

La qualité des réponses produites par les IA génératives et les biais qu’elles peuvent avoir posent un problème supplémentaire, en lien avec leur principe même de fonctionnement. En effet, la génération de texte repose sur des « grands modèles de langage » (large language model ou LLM en anglais) : ces modèles sont construits à partir d’une grande quantité de données textuelles et s’appuient sur des réseaux de neurones.

À partir du modèle qu’elles utilisent, les IA génèrent leurs réponses mot par mot (ou token par token), en déterminant à chaque fois le mot qu’elles trouvent le plus probable par rapport aux mots précédents. En conséquence, elles peuvent commettre de nombreuses imprécisions et nous induire en erreur. Ceci pourrait conduire à prendre de mauvaises décisions, avec un impact potentiellement important. Quelle que soit la qualité du modèle utilisé, il convient donc de ne pas placer une confiance aveugle dans ces technologies et d’assurer des vérifications et des contrôles qui seront d’autant plus efficaces qu’ils seront effectués fréquemment et en amont.

En dépit de sa popularité croissante, la démocratisation de l’IA générative fait face à quelques obstacles. Pour pouvoir l’exploiter de façon efficace et productive, il est en effet préférable de comprendre la façon dont elle fonctionne, ce qui nécessite des connaissances particulières. De plus, pour limiter les erreurs et les cas de mauvaise utilisation, mieux vaut l’utiliser comme une aide sur des sujets déjà maîtrisés plutôt que sur des sujets où l’on est néophyte. Utiliser les IA génératives de façon optimale nécessite donc à la fois des compétences en écriture de prompts mais aussi des connaissances sur le métier auquel on veut l’appliquer.

Par ailleurs, la généralisation des solutions déjà existantes d’IA générative dépend de la propension des entreprises à acquérir des abonnements payants sans lesquels leur utilisation est rapidement limitée.

Notre utilisation de l’IA

L’IA générative peut permettre d’améliorer les outils conçus sur Excel et Power BI ainsi que d’autres logiciels Microsoft. Elle permet de rendre les processus de modélisation et de reporting plus intelligents et automatisés, mais aussi d’améliorer l’expérience utilisateur. Nous l’utilisons déjà dans certains de nos outils, et elle est au cœur de nos efforts de R&D et innovation. Voici quelques exemples :

  • Une interface de communication avec l’IA générative, intégrée dans un outil Excel. Cette interface permet aux utilisateurs de poser des questions à l’IA sur le fonctionnement de l’outil de façon ergonomique plutôt que d’aller chercher la solution dans un guide. Elle permet aussi d’obtenir des analyses des données du fichier, afin par exemple de formuler des recommandations.
  • Une application Power Apps, pouvant être intégrée notamment à Power BI, qui permet aux utilisateurs de choisir des jeux de données ou des visuels à faire analyser par l’IA. Elle est capable de détecter des tendances ou anomalies, de fournir des recommandations précises et pertinentes, et de faciliter la prise de décisions.
  • Un outil permettant de lire de façon intelligente les données contenues dans des fichiers Excel, csv ou pdf aux formats hétérogènes. Cette fonctionnalité permet notamment de retraiter les fichiers complexes afin de les consolider au sein d’une base de données structurée sans connaitre leurs formats au préalable.

L’IA générative représente pour nous une opportunité. Son intégration dans nos outils de BI et de modélisation financière nous permet de continuer à les améliorer pour proposer à nos clients des solutions toujours plus performantes et intuitives.

FAQ

  • Qu’est-ce qu’un token ?

Les grands modèles de langage utilisés par les IA génératives divisent le texte en tokens. Selon les modèles, un token peut être un mot, un caractère, un signe de ponctuation. C’est souvent sur la quantité de tokens que la tarification des IA génératives est établie, parallèlement à la qualité du modèle.

  • Qu’est-ce qu’un prompt ?

Le prompt est la demande que l’on formule à l’IA : c’est une description de la tâche que l’on souhaite qu’elle effectue. La qualité de la réponse obtenue dépend directement de la qualité du prompt et il est donc primordial de les optimiser, ce qui relève du prompt engineering.