La plupart des sociétés qui développent des capacités d'IA n'ont pas encore obtenu d'avantages significatifs
La plupart des entreprises qui développent des capacités d'IA n'ont pas encore obtenu d'avantages significatifs,
À moins de prendre en compte ce que l'IA apprend de manière autonome
Une nouvelle étude note que l'adoption de l'intelligence artificielle dans tous les secteurs est en augmentation et que de plus en plus d'entreprises perçoivent que l'IA est à la fois source d'opportunités et de risques stratégiques. Cependant, l'enquête publiée par le Boston Consulting Group (BCG) en partenariat avec le MIT Sloan Management Review, a révélé qu'une entreprise sur dix seulement tire des bénéfices financiers importants de l'IA. Selon les chercheurs, les bénéfices financiers significatifs de l’IA interviendront lorsque les organisations prendront en compte ce que ces systèmes apprennent de manière autonome.
Une enquête mondiale menée auprès de plus de 3 000 dirigeants, ainsi que des entretiens avec des cadres et des universitaires - publiée dans un rapport intitulé "Expanding AI's impact with organisational learning -, a révélé qu'une majorité d'entreprises développent des capacités d'intelligence artificielle mais n'ont pas encore tiré d'avantages significatifs de leurs efforts. L'étude a pourtant constaté que de plus en plus d’organisations dans tous les secteurs d’activité adoptent l'IA parce qu’elles y perçoivent une source d'opportunités pour leurs activités.
Les chercheurs ont constaté que 57 % des entreprises ont déclaré être en train de piloter des projets d'IA ou avoir déployé l'IA. Il s'agit d'une augmentation significative par rapport à 2018, où 44 % des entreprises déclaraient piloter ou déployer l'IA. Plus de la moitié des entreprises interrogées (59 %) déclarent avoir une stratégie d'IA, contre 39 % en 2017. Plus des deux tiers (70 %) ont dit comprendre comment l'IA peut générer de la valeur commerciale dans leur organisation.
Ces chiffres reflètent une augmentation statistiquement significative de l'adoption, du développement de stratégies et de la compréhension par rapport à il y a quatre ans. De plus, un nombre croissant d'entreprises reconnaissent qu'il est impératif d'améliorer leurs compétences en matière d'IA. Malgré ces tendances, seule une entreprise sur dix génère des bénéfices financiers significatifs grâce à l'IA, d’après l’une des conclusions des chercheurs du BCG et MIT Sloan.
Selon l’étude, les entreprises qui investissent dans l’IA modifient intentionnellement les processus, de manière large et profonde, pour faciliter l'apprentissage organisationnel avec l'IA. Un meilleur apprentissage organisationnel leur permet d'agir avec précision lorsqu'elles détectent une opportunité et de s'adapter rapidement lorsque les conditions changent. Leur objectif stratégique est l'apprentissage organisationnel, et pas seulement l'apprentissage machine, ont noté les chercheurs.
L’étude a cependant constaté qu'il est loin d'être suffisant d'appliquer les principes de base, comme disposer des bonnes données, de la bonne technologie et des bons talents, organisés autour d'une stratégie d'entreprise. Selon le rapport, seuls 20 % des entreprises réalisent des bénéfices financiers significatifs grâce à ces fondamentaux. Ce n'est que lorsque les entreprises ajoutent la capacité d'apprendre avec l'IA que des avantages significatifs deviennent probables.
Les capacités d'IA basées sur un apprentissage supervisé
L’analyse des réponses à plus de 100 questions de l'enquête provenant de 29 industries et 112 pays avait pour but de mieux comprendre ce qui permet réellement aux entreprises de générer des bénéfices financiers importants grâce à l'IA. L’analyse a permis aux chercheurs de constater que l'intelligence artificielle des organisations auditionnées a tendance à reposer sur un apprentissage supervisé.
L'une des entreprises citées dans le rapport est le constructeur allemand de voitures de sport Porsche, qui a utilisé l'IA pour prendre des décisions de production complexes et spécifiques à chaque région afin de faire correspondre les stocks à la demande locale dans les villes du monde entier. Dans le rapport, Mattias Ulbrich, le directeur informatique de Porsche, a décrit comment le constructeur automobile utilisait l'IA pour apprendre en permanence à mieux adapter la combinaison précise de configurations de voitures, parmi les millions d'options potentielles, que l'entreprise fournit à chaque marché.
Les auteurs du rapport notent que les changements de la demande du marché et des environnements réglementaires intensifient le besoin de prévisions précises et continuellement ajustées. Par exemple, ils affirment que la nécessité pour Porsche d'améliorer sa capacité à attribuer les bons produits au bon marché est une motivation permanente pour apprendre avec l'IA.
L’efficacité est aussi la motivation du développement d’un supercalculateur haute performance basé sur les systèmes d’intelligence artificielle NVIDIA DGX et destiné à accroître les performances de développement du véhicule autonome. Avec le Deep Learning, un réseau neuronal artificiel permet à la machine, lancée en juillet dernier, d'apprendre par expérience et de relier les nouvelles informations aux connaissances existantes, en imitant essentiellement le processus d'apprentissage du cerveau humain.
« Ce système de pointe réduit le temps de formation des réseaux neuronaux, car il permet de réaliser au moins 14 fois plus d'expériences en même temps », avait déclaré à l’époque Christian Schumacher, le responsable des systèmes de gestion des programmes au sein de l'unité commerciale Advanced Driver Assistance Systems chez Continental.
Prendre en compte les capacités de l’IA à apprendre de manière autonome
Alors que la formation à l'IA supervisée exige que les humains aident le système à produire des réponses plus précises, les auteurs du rapport suggèrent que l'IA peut également offrir des alternatives que les humains n'ont pas encore envisagées. Cela tend à se produire après la formation initiale supervisée, selon les chercheurs, lorsque l'IA commence à apprendre de manière autonome.
Par exemple, le rapport explique comment les ingénieurs qui ont développé l'application de covoiturage Lyft ont conçu un algorithme pour maximiser les revenus en faisant correspondre l'offre des chauffeurs et la demande des clients. Dans le rapport, Elizabeth Stone, ancienne vice-présidente de la science chez Lyft, a déclaré que l'algorithme évaluait le trajet demandé, l'endroit où se trouvait le chauffeur et toute la dynamique du système afin de maximiser les revenus.
Au cours de tests supplémentaires, a déclaré Stone, les scientifiques de Lyft ont découvert que l'IA avait identifié un meilleur algorithme, basé sur l'optimisation du taux de conversion des utilisateurs qui commandent effectivement un trajet après avoir ouvert l'application. Elle a ajouté qu'il était essentiel d'avoir des humains dans la boucle qui pourraient réfléchir et tester les objectifs possibles des algorithmes d'apprentissage automatique.
L’initiative « Obstacle Tower Challenge » - annoncée l’année dernière par Unity Technologies, le créateur de la plateforme de développement 3D en temps réel, en partenariat avec Google Cloud Platform – pourrait également être citée en exemple. Ce challenge repose sur un environnement de jeu doté de 100 niveaux dont la difficulté évolue en temps réel. Il combine un gameplay de type plateforme avec des puzzles et des résolutions d’énigmes à l’intérieur d’une tour avec des étages potentiellement interminables, tout en intégrant des ennemis et des pièges.
Danny Lange, vice-président d’IA et de ML chez Unity Technologies, a déclaré à l’époque : « Chacun des étages de la tour est généré de manière procédurale, ce qui signifie qu’un agent d’IA doit non seulement être capable de résoudre une version unique de la tour, mais également n’importe quelle version arbitraire ». Il a précisé qu’Unity voulait « donner aux chercheurs quelque chose avec lequel ils pourraient vraiment travailler, qui mettrait à rude épreuve les capacités des systèmes d’IA actuellement en développement dans le monde entier ».
En revenant à la nouvelle enquête, les chercheurs ont noté que la combinaison de la connaissance humaine de l'entreprise et de la puissance de calcul de l'IA a permis à Lyft d'améliorer une mesure stratégique clé. Le changement a influencé toute une série d'activités commerciales, notamment les opérations, les objectifs de revenus, la gestion des performances et le marketing.
L'étude a également interrogé les entreprises sur le terme "IA responsable". Les chercheurs ont défini le terme IA responsable en termes d'amélioration de l'équité des algorithmes et de réduction des biais dans la prise de décision ; de promotion de l'inclusion et de la diversité des perspectives ; de fourniture d'une interprétabilité et d'une explicabilité des modèles aux utilisateurs finaux de l'IA ; de garantie de la confidentialité et de la sécurité des données dans l'IA ; de respect des exigences légales ; et de contrôle de l'impact social et de l'éthique de l'IA.
Selon le rapport d’enquête, plus des deux tiers (72 %) des entreprises ayant une stratégie d'IA responsable ont déclaré avoir tiré des avantages financiers de l'utilisation de l'IA responsable, et 62 % ont déclaré que l'utilisation de l'IA leur avait permis de réduire le risque opérationnel.
Source : Rapport d’enquête
Et vous ?
Que pensez-vous de ce rapport d’enquête ?
Voir aussi :
Répondre avec citation
Partager