Discussion :

[Bill Fassinou]

2/3 des utilisateurs d'IA déclarent que les technologies de l'IA jouent un rôle essentiel dans leur entreprise,
selon un rapport de Deloitte

L’intelligence artificielle (IA) est vraisemblablement la technologie qui monopolise le plus l’actualité ces dernières années. Les études sur le sujet ne manquent pas, notamment sur son niveau d’adoption, ses avantages et inconvénients, son impact à long terme sur la société humaine, et la liste est longue. Dans sa deuxième parution sur l’état de l’adoption de l’IA dans les entreprises du monde, Deloitte Analytics tire plusieurs conclusions, dont deux selon lesquelles quatre personnes sur dix pensent que l’IA sera d’une importance capitale dans le monde d’ici les deux prochaines années et environ deux tiers des pionniers dans l’adoption de la technologie pensent qu’elle joue un rôle très important ou essentiel dans le succès de leurs entreprises.

Dans son rapport, Deloitte Analytics semble n’avoir tiré que des conclusions qui témoignent de l’importance de l’IA aux yeux des dirigeants d’entreprises, d’organisations et parfois de gouvernements dans le monde. Le cabinet estime que les gouvernements vont continuer à investir dans l'IA et à surveiller l'impact de la technologie sur leurs sociétés. Les entreprises continueront d'améliorer leurs capacités en matière d'IA pour les rendre essentielles à leur compétitivité. Tous deux continueront de ressentir un sentiment d'urgence et d'anxiété alors qu'ils tentent de suivre le rythme rapide des développements liés à l'IA dans le monde.

Alors que les dirigeants voient de plus en plus l’intelligence artificielle au service de la prochaine grande expansion économique, la crainte de passer à l’écart se répand dans le monde entier. De nombreux pays ont développé des stratégies d'IA pour améliorer leurs capacités, par le biais d'investissements, de mesures incitatives, du développement des talents et de la gestion des risques. L’enquête a également révélé que certaines entreprises ou certaines organisations essayent par tous les moyens de rattraper leur retard sur leurs rivaux mondiaux pendant que d’autres s'attaquent à leurs objectifs par le biais de projets ciblés ou en poursuivant des initiatives à plus grande échelle.

À l'instar des gouvernements des pays dans lesquels elles opèrent, un nombre sans cesse croissant d’entreprises et d'organisations ont la ferme conviction que l'intelligence artificielle sera essentielle pour diriger l'avenir. D’un côté, les utilisateurs font usage de diverses technologies d’IA, notamment l’apprentissage automatique, l’apprentissage en profondeur, le traitement du langage naturel et la vision par ordinateur. D’un autre côté, certains parmi les premiers utilisateurs de l’IA sont beaucoup plus axés sur la formation et le développement des compétences. Même ceux qui ont des stratégies d'IA complètes et matures approchent l'exécution différemment. Ainsi donc, comment se dessine l’adoption de l’IA dans les grandes zones du monde et que pourrait-on en retenir ?

Quel que soit le pays, plusieurs parmi les premiers qui ont adopté la technologie s'accordent sur l'importance stratégique de l'IA, mais estiment néanmoins que le manque de compétences pose un léger problème. En France par exemple, des efforts ont été fait par gouvernement et la société civile pour booster la création et l’adoption de solutions technologiques optimisées à l’IA. Le président Emmanuel Macron a chargé, en 2017, le mathématicien Cédric Villani de développer une stratégie nationale d'IA. L'année suivante, cette initiative a donné naissance à « AI for Humanity » et environ 1,5 milliard d'euros [URL="https://www.developpez.com/actu/195803/"]ont été affectés[URL] à la mise en œuvre des recommandations du plan.

L’étude a révélé qu’environ 16 % des entreprises ciblées en France sont des utilisateurs chevronnés ou expérimentés de l’IA, alors qu’elles sont 28 % à posséder une stratégie complète d'adoption de l’IA à l'échelle de l'entreprise. Tout de même, contre seulement 6 % actuellement, 38 % des décideurs mesureront l’importance stratégique et cruciale de l'IA pour le succès commercial de leurs entreprises dans les deux prochaines années. Parmi les premières entreprises ayant adopté l’IA dans le pays, 76 % s’accordent à dire que l’IA contribuera à augmenter les capacités humaines, permettant ainsi un le renforcement de la main-d’œuvre et un partenariat de travail collaboratif.

En matière de maturité d’adoption de l’IA, 51 % des répondants français ont été classé par Deloitte parmi les « débutants », par opposition aux utilisateurs chevronnés. En outre, 45 % entreprennent des projets d'IA de moindre envergure ciblant des fonctions spécifiques, soit le taux le plus élevé parmi les pays. On estime que les projets de transformation à grande échelle ne sont pas encore une priorité en France. Il peut exister d'autres priorités concurrentes, notamment la conformité aux règles du règlement général sur la protection des données (RGPD) et les efforts plus vastes de gestion des données. Certaines entreprises ne se retrouvent cependant pas dans ces différents cas de figure.

Ces entreprises ont répondu que leurs déploiements d'IA leur permettent simplement de faire face à la concurrence. Ces différents chiffres énumérés montrent que l’optimisme autour de la technologie grandit de plus en plus, mais il subsiste quelques problèmes. L’enquête a révélé que parmi les utilisateurs de l’intelligence artificielle en France, environ 45 % peinent à trouver des talents et à intégrer l’IA dans les différents processus de leurs organisations. Leur principal défi reste donc la difficulté d’intégrer l’intelligence artificielle dans les rôles et les fonctions. Enfin, 31 % des répondants à l’étude ont déclaré avoir des écarts de compétences majeurs ou extrêmes, cela constitue le deuxième taux le plus élevé parmi les pays étudiés.

Cela dit, le gouvernement français entend bien prêter main-forte aux entreprises locales dans la mise en place et l’adoption de solutions basées sur l’IA. Comme indiqué dans le rapport « AI for Humanity », le gouvernement français souhaite aborder ce problème afin de développer et de soutenir un écosystème d'IA dynamique alimenté par les diplômés du système éducatif français. Par ailleurs, pour soutenir les objectifs du gouvernement français, Deloitte Analytics estime que les organisations peuvent se concentrer sur les problèmes de leurs populations, rechercher des moyens de réduire le stress lié au fait de rester en contact avec le monde actuel et rechercher des outils pour accélérer leur processus d'IA.

Le cabinet explique aussi qu’un moyen efficace pour accélérer les efforts consisterait à utiliser des solutions d'intelligence artificielle faciles à utiliser, telles que des applications en tant que service basées sur le cloud. L’étude a également constaté que 57 % des premiers utilisateurs d'IA en France cherchaient principalement des logiciels d'entreprise intégrés à l'IA et 56 % des solutions open source. Sur ce dernier point, Deloitte informe que Dataiku, une jeune entreprise basée en France, aide à favoriser l’adoption de l’intelligence artificielle dans les entreprises en fournissant des solutions open source sur sa plateforme.

Les tendances en France diffèrent et sont légèrement en dessous (pour certaines observations) de celles observées dans les pays comme l’Allemagne, la Grande-Bretagne, la Chine et les États-Unis. Ce qu’il faudrait aussi retenir, selon Deloitte Analytics, c’est qu’il n’y a clairement pas d’approche unique pour adopter et intégrer l'IA. La transformation des entreprises et des industries alimentée par l'intelligence artificielle semble être rapide et la fenêtre de différenciation se rétrécit. Le cabinet complète que beaucoup de choses sont en jeu, y compris la compétitivité future des entreprises et même des pays entiers. En combinant leur enthousiasme avec une approche équilibrée des objectifs et de l'exécution de l'IA, les entreprises et les pays peuvent connaître le succès.

Source : Rapport de l'étude (pdf)

Et vous ?

Quel est votre avis sur le sujet ?

Voir aussi

Stratégie IA : Cédric Villani suggère de doubler les salaires en début de carrière pour résister à la pression compétitive des géants du numérique

Macron veut investir 1,5 milliard d'euros dans l'intelligence artificielle, mais exclut l'idée de doubler les salaires suggérée par Cédric Villani

France : Facebook investit 10 millions d'euros dans l'IA et noue un partenariat avec Pôle Emploi, pour former 50 000 chômeurs au numérique d'ici 2019

[blbird]

Toujours le même problème, aucune définition de ce qu'est l'IA. Je suis sûr que si on pose la question à ceux interviewés dans ce "rapport", les explications données varieront très fortement.

Du coup le résultat, à mon sens, ne sert à rien.

[XanatosAO]

L'épreuve de philo est passée mais... c'est quoi une IA ?

Comme précisé dans l'article, à mon sens : l’apprentissage automatique, l’apprentissage en profondeur, etc.
J'ai souvent l'impression au fil des articles que beaucoup d'entreprises considèrent un programme avec 1 boucle et 2 conditions => une AI

[TheLastShot]

L'iA est soi n'est pas si difficile à définir, ça change juste selon l'époque.
Les algos considérés comme "basiques" sont l'IA d'hier, l'IA d'aujourd'hui (deep learning, etc.) sont les algos "basiques" de demain...

[ShigruM]

L'iA est soi n'est pas si difficile à définir, ça change juste selon l'époque.
Les algos considérés comme "basiques" sont l'IA d'hier, l'IA d'aujourd'hui (deep learning, etc.) sont les algos "basiques" de demain...

pourtant la plupart des algos ont été inventé avant les années 80....

[TheLastShot]

pourtant la plupart des algos ont été inventé avant les années 80....

Il n'y a pas que l'invention qui compte, il y a la possibilité de mettre en oeuvre.
Prend le deep learning. "Basiquement" c'est juste un réseaux de neurones, et a été conçu il y a bien longtemps. Mais sa particularité, qui est le nombre très conséquents de couches internes, fait qu'il n'a pu être mis en oeuvre que relativement récemment, quand nous avons eu des machines suffisamment puissantes pour pouvoir être utilisé.

[Matthieu Vergne]

Le cabinet explique aussi qu’un moyen efficace pour accélérer les efforts consisterait à utiliser des solutions d'intelligence artificielle faciles à utiliser, telles que des applications en tant que service basées sur le cloud.

MDR !

De l'IA facile à utiliser ? C'est presque antinomique.
Ces technos, c'est soit difficile à utiliser, soit difficile à rendre efficace.
Plutôt que des services d'IA, ils parlent plutôt de services métiers basés sur de l'IA.
Par exemple utiliser un ERP/PGI pour gérer ses produits, et qui intègre de l'IA pour faire du prévisionnel.
Là ce serait facile à utiliser, car pré-intégré, et facile à rendre efficace, car c'est l'utilisation quotidienne du logiciel qui permet d'accumuler la donnée.

Toujours le même problème, aucune définition de ce qu'est l'IA.

L'épreuve de philo est passée mais... c'est quoi une IA ?

L'IA est un terme fourre-tout, mais il est aujourd'hui employé pour parler principalement des techniques à apprentissage (profond ou non). Pour ceux qui maîtrisent moins et parlent sans savoir, ils peuvent aussi inclure les outils de big data dans le panier IA. Je ne sais pas ce qu'il en est de cette étude, mais quand elle parle d'IA ça doit être de cet acabit.

La définition de TheLastShot est une autre définition utilisée, qui se veut plus générique mais qui n'est qu'une manière cachée d'abandonner l'exercice de définition. Ça inclus bien l'idée changeant de ce qu'on met derrière. Aujourd'hui ce sont les technos à apprentissage. Hier c'était les systèmes experts. Ce sont tous des systèmes d'IA, mais quand quelqu'un parle d'IA, c'est généralement à des fins marketing, et donc plus pour qualifier les technos du moment -l'apprentissage aujourd'hui- que leur ensemble.

[Invité]

Prend le deep learning. "Basiquement" c'est juste un réseaux de neurones, et a été conçu il y a bien longtemps. Mais sa particularité, qui est le nombre très conséquents de couches internes, fait qu'il n'a pu être mis en oeuvre que relativement récemment, quand nous avons eu des machines suffisamment puissantes pour pouvoir être utilisé.

Le développement actuel du deep learning n'est pas du qu'à la puissance de calcul mais également aux nombreux travaux de recherche sur les algorithmes. Il y avait effectivement déjà des réseaux multi-couches dans les années 80 mais les réseaux "modernes" (à convolution, LSTM...) ont à peine 20 ans. Et récemment, il y a eu beaucoup de vraies améliorations et inventions : fonctions RELU, technique du dropout, architectures classiques de réseaux (AlexNet, ResNet...), réseaux génératifs, combinaisons réseaux-graphes à la AlphaGo...