L'IA, en particulier l'IA générative et les modèles de langage de grande taille (LLMs), a réalisé des avancées significatives et est prête pour une adoption généralisée dans divers secteurs. Selon McKinsey, les entreprises qui se distinguent en matière d'IA s'engagent pleinement dans ces technologies, et les entreprises doivent s'adapter pour ne pas prendre du retard.
Cependant, la sécurité de l'IA reste un domaine peu développé, présentant des risques considérables pour les organisations qui utilisent cette technologie. Des incidents de dysfonctionnements de l'IA et de l'apprentissage automatique (ML) sont fréquents, avec des algorithmes dans des secteurs comme la médecine et l'application de la loi révélant des biais cachés qui peuvent aggraver les inégalités sociétales et nuire aux réputations.
Un exemple marquant est le chatbot Tay de Microsoft, conçu à l'origine pour engager des conversations décontractées, mais rapidement détourné, ce qui a entraîné un désastre en relations publiques. Même le salué ChatGPT a été critiqué pour ses limites, soulignant les complexités qui accompagnent l'intégration de l'IA dans les environnements d'entreprise.
Les leaders d'entreprise reconnaissent la nécessité de tirer parti du potentiel transformateur de l'IA générative, mais rencontrent des défis pour identifier des cas d'utilisation initiaux tout en naviguant dans les préoccupations liées à la sécurité de l'IA.
Pour y remédier, se concentrer sur des problèmes du type « aiguille dans une botte de foin » peut s'avérer efficace. Les problèmes de type botte de foin sont ceux où la génération de solutions potentielles est difficile pour les humains, mais la vérification de ces solutions est simple. Ces problèmes uniques sont idéaux pour une adoption précoce par l'industrie, car ils sont plus fréquents qu'on ne le pense.
Voici trois exemples de problèmes de type botte de foin :
1. Correction de texte
Identifier les erreurs d'orthographe et de grammaire dans de longs documents peut être complexe. Bien que des outils comme Microsoft Word détectent depuis longtemps les fautes d'orthographe, les vérifications grammaticales se sont récemment améliorées grâce à l'IA générative. Une fois que des erreurs potentielles sont signalées, les humains peuvent facilement les vérifier, rendant cela une application idéale de l'IA. Des services comme Grammarly utilisent des LLMs pour aider à la correction de texte.
2. Rédaction de code générique
Apprendre la syntaxe et les conventions de nouvelles API est une tâche chronophage pour les ingénieurs logiciels, répétée quotidiennement dans l'industrie. Les outils d'IA générative comme GitHub Copilot et Tabnine automatisent la génération de code, particulièrement pour le code générique. Bien que la génération de code puisse être complexe, la vérification de sa fonctionnalité est relativement simple : les ingénieurs peuvent effectuer des tests pour confirmer l'exactitude avant le déploiement.
3. Recherche de littérature scientifique
Se tenir au courant du volume immense de la littérature scientifique est un défi même pour les experts, mais ces articles renferment des idées précieuses. L'IA peut aider en générant de nouvelles idées basées sur la recherche existante, en particulier dans des domaines interdisciplinaires nécessitant une compréhension approfondie de plusieurs domaines. Des produits comme Typeset progressent dans ce domaine.
L'importance de la vérification humaine
Dans tous ces cas d'utilisation, la vérification humaine est primordiale. Laisser l'IA opérer de manière autonome dans des domaines critiques de l'entreprise présente des risques significatifs, compte tenu des échecs passés. Assurer une supervision humaine du contenu généré par l'IA augmente la sécurité et la fiabilité. En se concentrant sur les problèmes de type botte de foin, les entreprises peuvent équilibrer les avantages de l'IA tout en préservant la prise de décision humaine essentielle.
Au stade initial de l'intégration des LLMs, se concentrer sur des cas d'utilisation de type botte de foin permet aux organisations d'acquérir une expérience précieuse en matière d'IA tout en abordant des préoccupations clés en matière de sécurité.
Classement
