Transcription
Transcription : Tendances du changement provoqué par la technologie : Demandez-moi ce que vous voulez, partie 1
[00:00:00 Le texte suivant apparaît à l'écran : « Tendances du changement provoqué par la technologie ».]
[00:00:06 Chris Howard apparaît en fondu.]
Chris Howard : Bonjour, je suis Chris Howard. Je suis le responsable de la recherche chez Gartner. Merci de prendre le temps d'écouter les conseils que nous donnons sur l'IA et les sujets connexes. J'espère que vous trouverez le tout intéressant.
[00:00:17 Le texte suivant apparaît à l'écran : « Questions et réponses avec Chris Howard, partie 1 ».]
[00:00:22 Le texte suivant apparaît à l'écran : « Comment dépasser l'engouement autour de l'IA? »]
L'engouement est parfois utile, car il incite les gens à prêter attention. Ce que l'attention devrait nous apporter, c'est une conversation plus profonde sur ce qu'est réellement l'IA, ce qu'elle peut faire, ce qu'elle ne peut pas faire, et une sorte de conversation complète sur ses capacités et ses limites. Parce qu'elle ressemble étrangement à l'humain, nous lui accordons une attention différente de celle que nous portons aux autres technologies. C'est ce qui est différent, mais vous avez commencé au bon endroit. En fait, il faudra l'IA pour résoudre les problèmes de climat, d'énergie, de réseau électrique, comme le réseau dynamique. Tout est basé sur la compréhension de l'IA, l'équilibrage de la charge entre les fils de différentes puissances. En fin de compte, si nous communiquons clairement sur les utilisations de la technologie, les gens comprennent bien les problèmes auxquels elle peut s'appliquer. C'est donc cela.
Poser des questions fait donc partie de cette démarche : quelles sont les questions auxquelles nous n'avons jamais pu répondre auparavant parce que le problème était tout simplement trop difficile? Et dans le cas de l'IA, c'est la classe de problèmes est constituée de tonnes de données où; les modèles pourraient nous dire quelque chose, point final. Il peut s'agir d'un diagnostic différentiel, des conditions météorologiques, de tout ce qui implique l'interaction d'un grand nombre de variables. Ensuite, il s'agit en quelque sorte de passer de l'engouement pour l'IA à l'idée de la mettre en œuvre pour résoudre ce problème. C'est donc dans ce sens qu'il faut aller. Mais aussi, comme je l'ai dit, cela a permis d'attirer davantage l'attention sur la question du climat parce que cela lui porte préjudice. Cela a donc entraîné un grand nombre d'innovations très intéressantes, non seulement au niveau des puces, mais aussi au niveau des mathématiques, comme les théories qui évoluent plus rapidement en raison de la volonté d'atténuer l'impact sur le climat.
[00:02:04 Le texte suivant apparaît à l'écran : « Comment justifier l'investissement dans les outils d'IA pour les employés? ».]
La première chose à faire est d'élaborer une politique d'utilisation, de ce qui est acceptable et de ce qui ne l'est pas. Cela n'a pas besoin d'être très compliqué, mais il s'agit en quelque sorte d'indiquer les garde-fous, les endroits où; l'on peut se tromper, mais aussi un bac à sable où; l'on peut jouer en toute sécurité. Ainsi, de nombreuses entreprises ont créé une instance privée de Microsoft, comme vous le faites, avec les capacités d'OpenAI. Il n'y a aucune chance que les données soient divulguées. Il n'y a rien qu'ils puissent faire de mal, et ils le donnent à tout le monde. Ils donnent accès à tout le monde et disent : « Allez jouer avec ça et ramenez-nous des options sur la façon dont vous pensez que nous pourrions le mettre en œuvre ».
L'avantage d'une plus grande exposition dans un environnement sûr est que vous obtiendrez de meilleures idées plus rapidement, mais cela suppose que vous ayez mis en place un processus de gouvernance pour absorber ces idées, les classer par ordre de priorité et déterminer celles qu'il convient de suivre, n'est-ce pas? J'observe donc une croissance des centres d'excellence, comme de petits noyaux, de petites équipes de fusion provenant de toute l'organisation, qui aident à établir des priorités et à réfléchir à la valeur, mais aussi à rechercher les doublons. Il s'agit donc de le mettre en place, de l'encadrer, de le rendre sûr pour les utilisateurs, puis de les inviter à y participer. C'est ce que je constate dans la plupart des organisations qui le font de manière efficace.
[00:03:14 Le texte suivant apparaît à l'écran : « Dans quelle mesure les entreprises doivent-elles investir dans l'architecture des données pour soutenir l'IA? ».]
Il est bon d'investir dans les données, que l'on ait ou non recours à l'IA, et même en utilisant certaines des techniques associées à l'IA, comme les graphes de connaissances, les bases de données vectorielles, ce genre de choses est utile de toute façon, même si l'on n'y ajoute jamais l'IA, parce que ce qu'elles font, c'est que… au lieu que les choses se trouvent dans une gigantesque base de données plate, elles commencent à étudier les relations entre les entités dans ces données. C'est ce que font les graphes de connaissances, qui deviennent alors utiles pour la recherche, la découverte et la gestion des connaissances, et ainsi de suite, même si vous n'utilisez jamais l'IA. Des investissements sont donc nécessaires, mais ils ne le sont pas pour toutes les données. Je pense que c'est la partie sur laquelle les gens s'arrêtent. C'est comme si je devais faire cela avec toutes les données. Non, il faut en fait établir des classifications pour savoir où; il est vraiment important d'investir dans des endroits où; l'argent peut rester sur le papier parce qu'une partie est encore là, n'est-ce pas? Il ne faut donc pas ignorer les données. C'est l'essentiel.
[00:04:15 Le texte suivant apparaît à l'écran : « Quelle gouvernance les gouvernements doivent-ils privilégier pour soutenir l'utilisation de l'IA? ».]
On peut considérer que tout n'est pas nouveau, mais que certains aspects le sont, et qu'il y a beaucoup de choses pour lesquelles on a déjà commencé à développer des voies d'accès, comme la prise de décision algorithmique. Le Conseil du Trésor a donc mis en place toute une EAI, l'évaluation de l'impact algorithmique. Ces éléments sont toujours valables, ils doivent simplement être étendus aux aspects légèrement différents de l'essor de l'IA générative, qui concerne la création de la propriété intellectuelle, l'utilisation de la propriété intellectuelle, etc. Ce que je ferais donc, c'est chercher à savoir quelles sont les politiques dont nous disposons et qui peuvent être étendues pour couvrir le delta que nous connaissons actuellement. Cela signifie qu'un grand nombre de personnes sont chargées d'atténuer le bruit qui fait partie de cette conversation et de se concentrer sur ce qui est déjà assez stable et sur ce qui doit être fait de nouveau.
Mais cela concerne la protection de la vie privée, car les informations sont plus faciles à partager, en particulier dans l'environnement des données, n'est-ce pas? Ainsi, la conversation que j'ai avec de multiples agences, et que vous avez, est que les données sont vraiment cloisonnées, même au sein des agences individuelles. Pour atteindre ces objectifs, nous devons aplanir la situation et avoir accès à tout. Cela va nécessiter une reformulation de la manière dont ces informations sont traitées, car si elles sont cloisonnées, c'est en partie parce qu'il existe des politiques sur la manière dont elles sont utilisées. Ces choses ne peuvent pas nécessairement disparaître. Il suffit de les mécaniser différemment, n'est-ce pas?
Intervieweur : Y a-t-il un moyen d'interroger des ensembles de données au lieu de partager des données qui pourraient...
Chris Howard : L'une des choses auxquelles je pense ici est la suivante : voulons-nous partager des données ou des connaissances, et intégrer la couche de connaissances plutôt que la couche de données? C'est pourquoi il existe actuellement toute une série de réflexions sur ce que l'on appelle les flux de travail. Cela signifie qu'Amazon Alexa est un agent et qu'Alexa va négocier d'autres conversations pour vous en arrière-plan afin de vous apporter les résultats que vous souhaitez. La même chose peut se produire dans ces systèmes, n'est-ce pas? Ainsi, l'agent Microsoft pourrait communiquer avec un agent SAP pour créer le résultat complexe et vous le renvoyer de cette manière. L'intégration ne se fait donc pas au niveau des données individuelles. À ce stade, l'intégration se fait au niveau de la couche d'information générée, puis une méta-information est trouvée par-dessus, ce qui signifie que l'on a une vision différente des données qui doivent être intégrées ou non, et que l'on peut apprendre ce qu'il faut faire avec la couche d'information.
[00:06:35 Le texte suivant apparaît à l'écran : « Où; le Canada a-t-il un avantage stratégique en matière d'IA? ».]
Je regarde Ada et je me demande s'il s'agit du projet de loi C-26. Je pense que c'est 26 ou 27.
Intervieweur : 27.
Chris Howard : C'est 27, oui. Ces pays sont plus avancés que les États-Unis en ce qui concerne la clarté de l'utilisation des produits. Vous êtes probablement en retard par rapport à l'Europe. Vous êtes dans la même situation que l'Australie. Vous êtes donc probablement plus progressistes ici, et je le dois en partie à Navdeep et au travail qu'il effectuait au sein du Conseil de l'innovation, et à d'autres. Ils ont donc réfléchi à ces questions à l'avance. Je pense aussi qu'en tant que… quelqu'un me l'a dit dans un ascenseur aujourd'hui dans l'un des bâtiments de l'autre côté et j'ai appris que le Canada essaie de mécaniser une énorme expérience sociale, n'est-ce pas? Et le fait est que l'ouverture de votre société signifie que vous envisagez les données d'une manière différente de celle des États-Unis, par exemple, et peut-être plus proche de celle de la Norvège, où; je me suis rendu récemment. C'est donc plutôt cela. Je pense que cela vous donne une sensibilité à l'utilisation des données qui vous donne un grand avantage, même si ce n'est pas facile, n'est-ce pas? D'une province à l'autre, il y a des réglementations sur les données qui rendent les données difficiles.
Intervieweur : J'étais sur le point de dire : et les fédérations?
Chris Howard : Je sais. Il s'agit donc encore une fois de savoir comment maintenir ce niveau d'autonomie tout en ayant une vision intégrée de la situation. En Norvège, c'était un exemple amusant. Leurs systèmes de santé couvrent trois régions différentes, et les personnes qui possèdent un logement dans l'une et un logement dans l'autre doivent s'occuper de deux systèmes complètement différents en fonction de l'endroit où; ils se trouvent, même s'il s'agit du même pays, mais je pense que c'est parce que vous êtes habitués à résoudre des problèmes de société d'une manière qui correspond à votre éthique en tant que pays qui, je pense, fera son chemin dans la politique de l'IA et sera un modèle à suivre pour d'autres pays.
Merci de votre attention. Encore une fois, j'espère que vous avez trouvé cela utile et intéressant pour le travail que vous faites au Canada.
[00:08:28 Le logo de l'EFPC apparaît à l'écran.]
[00:08:35 Le logo du gouvernement du Canada apparaît à l'écran.]
