Gartner - 4 tendances qui stimulent l'innovation en matière d'intelligence artificielle à court terme : l'IA responsable, les données, l'opérationnalisation et l'utilisation efficace des ressources

Quatre tendances mentionnées dans le Hype Cycle for Artificial Intelligence 2021, de Gartner, Inc. sont les moteurs de l'innovation à court terme en matière d'intelligence artificielle (IA). Ces tendances comprennent l'IA responsable, les approches basées sur des données de petite et grande taille, l'opérationnalisation des plateformes d'IA et l'utilisation efficace des données, des modèles et des ressources informatiques.

"L'innovation en matière d'IA se produit à un rythme rapide, avec un nombre supérieur à la moyenne de technologies du Hype Cycle atteignant une adoption généralisée dans les deux à cinq ans", a déclaré Shubhangi Vashisth, analyste principal de recherche senior chez Gartner. "Des innovations telles que l'IA de pointe, la vision par ordinateur, l'intelligence décisionnelle et l'apprentissage automatique sont toutes prêtes à avoir un impact transformationnel sur le marché dans les années à venir."

Le marché de l'IA reste dans un état évolutif, avec un pourcentage élevé d'innovations IA apparaissant sur le déclencheur d'innovation en pente ascendante (voir la figure 1). Cela indique une tendance du marché où les utilisateurs finaux recherchent des capacités technologiques spécifiques qui vont souvent au-delà des capacités des outils d'IA actuels.

Figure 1 : Hype Cycle for Artificial Intelligence, 2021

Nom : gartner.png
Affichages : 1279
Taille : 189,4 Ko
Source: Gartner (Septembre 2021)

Voici les quatre tendances qui stimulent l'innovation en matière d'IA, selon Gartner :

L'IA responsable

"Le renforcement de la confiance, de la transparence, de l'équité et de l'auditabilité des technologies d'IA continue de revêtir une importance croissante pour un large éventail de parties prenantes", a déclaré Svetlana Sicular, vice-présidente de la recherche chez Gartner. "Une IA responsable permet d'atteindre l'équité, même si des biais sont intégrés aux données ; de gagner la confiance, même si les méthodes de transparence et d'explicabilité évoluent ; et d'assurer la conformité réglementaire, tout en se débattant avec la nature probabiliste de l'IA."

En fait, Gartner prévoit que d'ici 2023, tout le personnel embauché pour le développement de l'IA et les travaux de formation devra démontrer une expertise en IA responsable.

Petites et larges données

Les données constituent le fondement des initiatives d'IA réussies. Les approches fondées sur les petites et larges données permettent des analyses et une IA plus robustes, réduisent la dépendance des organisations à l'égard des grandes données et offrent une connaissance de la situation plus riche et plus complète.

Selon Gartner, d'ici 2025, 70 % des organisations seront contraintes de passer des big data aux petites et larges données, ce qui fournira davantage de contexte pour les analyses et rendra l'IA moins avide de données.

"Les petites données concernent l'application de techniques analytiques qui nécessitent moins de données mais offrent tout de même des aperçus utiles, tandis que les données larges permettent l'analyse et la synergie d'une variété de sources de données", a déclaré Sicular. "Ensemble, ces approches permettent des analyses plus robustes et aident à atteindre une vision plus à 360 degrés des problèmes de l'entreprise."

Opérationnalisation des plateformes d'IA

L'urgence et la criticité de l'exploitation de l'IA pour la transformation des entreprises entraînent le besoin d'opérationnalisation des plateformes d'IA. Cela signifie faire passer les projets d'IA du concept à la production, afin que les solutions d'IA puissent être utilisées pour résoudre les problèmes à l'échelle de l'entreprise.

"Les recherches de Gartner ont révélé que seule la moitié des projets d'IA passent du stade du pilote à celui de la production, et que ceux qui y parviennent mettent en moyenne neuf mois à le faire", a déclaré Sicular. "Des innovations telles que les plateformes d'orchestration et d'automatisation de l'IA (AIOAP) et l'opérationnalisation des modèles (ModelOps) permettent la réutilisation, l'évolutivité et la gouvernance, accélérant ainsi l'adoption et la croissance de l'IA."

L'utilisation efficace des ressources

Compte tenu de la complexité et de l'échelle des données, des modèles et des ressources de calcul impliqués dans les déploiements de l'IA, l'innovation en matière d'IA exige que ces ressources soient utilisées avec une efficacité maximale. La multi-expérience, l'IA composite, l'IA générative et les transformateurs gagnent en visibilité sur le marché de l'IA pour leur capacité à résoudre un large éventail de problèmes commerciaux de manière plus efficace.

Source : Gartner

Et vous ?

Que pensez-vous de ces tendances révélées par Gartner ?
Votre entreprise fera-t-elle partie de celles qui adopteront l'IA d'ici 2023 ? quels sont les principaux obstacles la freinant dans cette démarche ?
Croyez-vous en une IA éthique et responsable ?

Voir aussi :

Les investissements dans les solutions d'intelligence artificielle vont s'accélérer, pour atteindre 204 milliards de dollars en 2025, le TCAC pour la période 2021-2025 sera de 24,5 %, selon IDC

93 % des entreprises envisagent d'utiliser l'intelligence artificielle pour rationaliser les opérations de leur service d'assistance, selon une nouvelle étude de Freshworks

Un rapport révèle un désintérêt des chefs d'entreprise pour l'utilisation éthique et responsable de l'IA : seuls 20 % surveillent l'équité et l'éthique de leurs modèles en production