Transcription
Transcription : Tendances du changement provoqué par la technologie : L'évolution de l'IA
[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 : « L'évolution de l'IA ».]
C'est un chiffre étonnant. Selon nos prévisions, trois mille milliards de dollars américains seront consacrés à l'IA d'ici à l'an 2027. Il s'agit d'une somme d'argent considérable, et pas seulement pour l'IA générative, pour être clair. Il s'agit de l'IA, dont je vais parler dans une minute, mais ce niveau d'investissement, mon équipe de prévisionnistes ne l'a jamais vu. Les éléments les plus proches ont été l'adoption de l'iPad, ce qui est intéressant, donc pas seulement le mobile, mais l'iPad en particulier. Il y avait un flux similaire, comme si les cadres supérieurs utilisaient des iPads pour leur propre productivité. Il en va de même pour l'IA. Il s'agit donc d'un mouvement qui se produit ici. C'était donc comme… comme l'Internet, mais la différence avec l'introduction du navigateur, c'est qu'il a fallu 30 ans pour que tout cela se mette en place. Il s'agit d'une période de trois ans. C'est donc un ordre de grandeur plus rapide.
Encore une fois, une grande partie de cet argent sera gaspillée, et nous en sommes à un tiers de l'histoire, mais c'est la nature même de l'économie, n'est-ce pas? Lorsque quelque chose de nouveau se présente et nécessite un investissement, on brûle beaucoup de carburant dans la phase de démarrage. Pensez aux contre-courbes de Carlota Perez. Vous construisez… vous dépensez beaucoup jusqu'à ce que le projet prenne son propre élan et que vous n'ayez plus à dépenser autant de carburant. Nous en sommes donc au premier tiers, et la complexité de la situation réside dans le fait qu'elle ne cesse de se renouveler. Vous espérez que quelque chose se déclenchera et que le projet trouvera simplement sa voie, mais le contexte ne cesse de se renouveler parce que l'innovation est rapide. Chaque semaine, il y a quelque chose de nouveau. C'est vraiment, vraiment difficile à suivre. Il s'agit donc d'une situation inédite.
Bien. Je vous ai dit que l'histoire de l'IA avait évolué. L'année dernière, l'accent a été mis sur ChatGPT. ChatGPT est aujourd'hui essentiellement un produit de fournisseur. Il s'agit d'un produit commercialisé par OpenAI. Microsoft a une relation de financement avec eux. C'est ainsi que la compréhension de l'espace a commencé à se développer. Ainsi, ChatGPT est une catégorie d'IA générative. GPT signifie… bien sûr, je l'ai dit et je vais l'oublier maintenant (rires), Generative Pretrained Transformer. En fait, tout ce qu'un GPT fait, c'est prédire quelque chose. Il prédit l'ordre des mots, et il a été entraîné sur une telle quantité de données qu'il est vraiment, vraiment, vraiment bon dans ce domaine. Ainsi, si vous lui donnez une phrase avec un mot manquant, il a de bonnes chances de comprendre ce qu'est ce mot, et il a raison si souvent qu'on dirait que c'est vraiment un humain. Mais quand l'outil n'a pas raison, il a vraiment tort (rires). Lorsque nous avons commencé à expérimenter en novembre 2022, mes analystes, qui sont des gens curieux, ont dit : « Eh bien, écrivez une notice nécrologique pour moi dans le style de Wikipédia, juste pour voir l'exactitude des renseignements ». Non, pas une notice nécrologique, pardon, une biographie.
(Rires)
Je viens de dévoiler la chute, car ce qui s'est passé, c'est que l'outil a écrit une biographie assez réaliste, avec d'assez bons détails et quelques erreurs. Mais dans tous les cas, ils écrivent également une notice nécrologique, toujours. Pourquoi? Parce qu'ils lui ont demandé de le faire dans le style de Wikipédia et que la plupart des biographies de Wikipédia comportent une notice nécrologique. L'outil a donc comblé ce qui lui semblait une lacune. Je vais juste le mettre là parce que c'est le prochain morceau qui viendra, je prédis les morceaux. C'est donc cette machine à prédire qui fait toute la magie, mais elle peut aussi prédire d'autres choses. Il peut prédire l'ordre des blocs Lego et la façon dont ils s'assemblent, ce que je vous ai montré au début. Il peut prédire comment les éléments d'une politique s'imbriquent les uns dans les autres.
Je travaille notamment avec la grande compagnie d'assurance AXA en Europe, qui réalise ce que l'on appelle des études de contrats calculables. Ils prennent tout le langage des contrats d'assurance et le convertissent en code, afin de pouvoir le recombiner pour créer des polices hautement personnalisées, ce qui, je pense, peut également s'appliquer au gouvernement en termes de langage politique, mais lorsqu'ils l'ont converti, ils ont trouvé des erreurs dans le langage. Ils ont pu tester le code de différentes manières et trouver des failles dans la logique ou des éléments imbriqués dans le langage politique qu'ils ont ensuite corrigés. Ils disposaient donc d'un outil intéressant, capable de prédire la réorganisation et les combinaisons de politiques dans le cadre d'un contrat. Certaines choses sont autorisées à être ensemble et d'autres non, et il le comprend. Ainsi, toute la magie à laquelle nous pensons ici et qui lui donne une apparence humaine est le fait qu'elle prédit l'ordre des choses. Cela est possible grâce aux GML, qui sont de grands modèles de langage, et à l'ingénierie des questions, qui est la manière dont vous posez les questions. Les gens y réfléchissent donc davantage.
[00:04:40 Une diapositive est présentée avec un diagramme qui se lit comme suit :
« Décider
-Optimiser, Prévoir »
« Découvrir
-Anomalies, Identité (p. ex. visages) »
« Agir
-Automatiser, Modifier » en bleu foncé
et « Générer
-Texte (+ autres médias)
-Code » en rouge]
Actuellement, l'IA générative s'installe dans l'ensemble de l'IA. Le message est le suivant : ces fonctions de l'IA qui sont les capacités en bleu foncé, et c'est simplifié, existent depuis 50 ans sous une forme ou une autre et ont mûri au cours des trois dernières décennies. Le traitement du langage naturel est une discipline très, très mature, tout comme la reconnaissance d'images.
Je me souviens de l'époque où; je travaillais sur le campus de Stanford, vers 2003, 2004, il y a donc 20 ans. À l'époque, nous disposions de toutes les données mathématiques. Ce que nous n'avions pas, c'était le calcul. Ainsi, pour ingérer les billions de paramètres de données et toutes les images de chats que l'on pouvait trouver, il fallait une puissance de calcul bien supérieure à celle dont nous disposions. Il a donc fallu attendre l'évolution de l'espace informatique, ce que l'on appelle les unités de traitement graphique (GPU) et d'autres éléments à venir, pour créer un environnement informatique permettant de rendre ces choses réelles, et c'est en grande partie pour cette raison que beaucoup de gens ont l'impression que c'est nouveau, car c'est ce qui a rendu les choses utiles. Cela l'a en quelque sorte mis sur la place publique.
Mais vous construisez sur des éléments qui ont une longue tradition de maturité et qui sont probablement déjà utilisés dans plusieurs organismes et ministères, comme la détection des fraudes, la détection des anomalies, ce genre de choses. Nous disposons de masses de données pour lesquelles nous utilisons l'apprentissage automatique afin d'en comprendre les schémas. Cette technique n'est pas nouvelle. Ce qui est nouveau, c'est la possibilité de lui poser une question. Ainsi, dans le cas de la police AXA, il s'agit non seulement de créer une nouvelle police personnalisée, mais aussi de permettre à un assuré de prendre une photo de quelque chose et de dire : « Cette chose bizarre vient de se produire, suis-je couvert? » Et puis, le message-guide leur donne la possibilité de parler à leur politique d'une manière humaine et naturelle.
L'erreur que nous commettons parfois lorsque nous élaborons des politiques et des services, c'est que nous attendons des personnes à qui nous les proposons qu'elles les comprennent parfaitement, comme si elles travaillaient avec eux tous les jours, comme nous le faisons. En réalité, pour une demande d'indemnisation, ils le font peut-être une ou deux fois, pour une assurance-vie une fois, d'accord? Ainsi, lorsque nous concevons de meilleures politiques, de meilleurs processus et de meilleurs services pour ces personnes, nous devons nous demander quelle est la manière naturelle dont elles veulent communiquer avec ce matériel, et cela devient un moyen de le faire. Ainsi, s'asseoir sur les capacités est une façon plus naturelle pour l'humain d'y accéder.
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.
[00:07:04 Le logo de l'EFPC apparaît à l'écran.]
[00:07:10 Le logo du gouvernement du Canada apparaît à l'écran.]
