Comment les entreprises activent-elles l’IA générative en toute sécurité? 

Les organisations doivent saisir les capacités distinctes des modèles de grande langue, qui les distinguent des autres types d’IA, pour exploiter rapidement les cas d’utilisation pratiques. Ces capacités ont déjà été éprouvées par de nombreux cas d’utilisation sur le marché, de la rédaction de textes à la traduction, en passant par la synthèse de données et la création de vidéos et d’images. Dès le début de l’expérimentation, les organisations sont plus susceptibles de découvrir des victoires rapides qui ne nécessitent même pas de nombreuses équipes de scientifiques des données ou d’infrastructures coûteuses. D’après nos expériences, il est évident que des valeurs considérables peuvent être obtenues même sans la nécessité de modèles exclusifs ou de formation personnalisée.

De plus, la compréhension et l’évaluation de ces cas d’utilisation doivent être menées du point de vue des personas des utilisateurs. Bien que nous identifiions généralement trois groupes principaux de personas – utilisateurs de bureau, développeurs citoyens et équipes informatiques – votre organisation peut identifier des segments supplémentaires. Il est essentiel de reconnaître ces différents segments, car chacun d’eux présentera des risques distincts, nécessitera des garde-corps uniques et nécessitera des programmes de perfectionnement personnalisés. Le segment des utilisateurs de bureau est celui qui présente le plus de risque de perturbation avec l’approche centralisée traditionnelle de la gestion des TI qui ne répond souvent pas à leurs besoins.

Les utilisateurs de bureau désignent les employés qui utilisent généralement des ordinateurs à leur bureau pour effectuer des tâches. Aujourd’hui, de nombreux outils d’IA gratuits ou abordables sont disponibles au bout des doigts des utilisateurs de bureau pour leur permettre d’écrire, de résumer, d’analyser, de traduire ou de créer eux-mêmes des images et des vidéos. Par conséquent, il est irréaliste de faire en sorte que cette personne attende les instructions des scientifiques des données ou des services informatiques. La transition de l’équitation aux trains et, finalement, à la production de masse de voitures est similaire au scénario en cours. De quoi les gens avaient-ils le plus besoin pendant ce changement important dans le transport? Ils avaient besoin de compétences de conduite et de permis de conduire, de routes et de panneaux de signalisation. De même, dans notre parcours vers un milieu de travail génératif compatible avec l’IA, la clé réside dans la fourniture de compétences appropriées et la création de garde-corps robustes.

Commencez par former un comité des risques liés à l’IA avec des experts en cybersécurité, en droit, en conformité et en modèles de grande langue pour superviser les expériences et élaborer un cadre des risques liés à l’IA à l’échelle de l’organisation. Étant donné l’évolution rapide du paysage de l’IA et la maturation continue des lois et règlements associés, une structure permettant une surveillance continue est cruciale.

Deuxièmement, commencez à expérimenter avec des cas d’utilisation de données publiques pour acquérir de nouvelles compétences, telles que l’incitation et le développement d’une compréhension claire de la façon de gérer les risques potentiels, y compris, mais sans s’y limiter, les inexactitudes, l’inadéquation, la violation des droits d’auteur et les préjugés.

Troisièmement, les expériences réussies peuvent mener à un catalogue d’outils d’IA à l’échelle de l’entreprise pour permettre aux utilisateurs de bureau et au déploiement de l’environnement d’entreprise pour habiliter les développeurs citoyens. De plus en plus, au lieu de construire ou de personnaliser leur propre approche, de nombreuses entreprises préfèrent l’approche « fondée sur les connaissances » sur des modèles préformés, en déplaçant l’infrastructure technologique et les compétences vers les API de l’IA basée sur les instructions. Cela nécessite une révision des piles technologiques et une prise de décision stratégique concernant l’investissement en TI et le redéploiement des scientifiques des données. Avec les outils et l’infrastructure, la littératie de l’IA et les garde-corps doivent être en place.

Enfin, la sélection des fournisseurs, des outils ou des modèles doit être faite en consultation avec le Comité des risques de l’IA. Il existe souvent des risques cachés associés aux modèles de fondation qui peuvent ne pas être immédiatement apparents. Par exemple, de nombreux modèles à code source ouvert construits sur GPT ou LLaMA sont par conséquent soumis aux conditions d’utilisation d’OpenAI ou de Meta. Lorsque les fournisseurs utilisent ces modèles à code source ouvert, ils introduisent des risques liés à la chaîne d’approvisionnement que les organisations, en tant qu’acheteurs, pourraient ne pas comprendre entièrement.

Nous avons vu la puissance de l’IA générative pour démocratiser les connaissances et la créativité. Contrairement aux itérations précédentes de l’automatisation qui ont largement touché le travail répétitif basé sur des règles, l’IA générative aura également une incidence sur le travail à faible volume et très variable. Les rôles et les compétences nécessaires à la réussite changeront à mesure que certaines activités sont substituées et que beaucoup d’autres sont augmentées. Afin de suivre ce rythme rapide du changement, les entreprises devront faire de la conception du travail une capacité de base pour assurer les combinaisons optimales de talents et d’automatisation alors que l’IA poursuit son évolution inévitable. Il sera essentiel de déconstruire des emplois pour identifier comment l’IA générative affectera diverses tâches et de reconstruire le travail pour tirer le meilleur parti des capacités de la machine et de l’humain. Ce processus de déconstruction et de reconstruction sera essentiel pour garder la main-d’œuvre pertinente, car il mettra en lumière les compétences rendues obsolètes par l’IA générative, les compétences qui changent dans leur application et les nouvelles compétences qui sont requises. Ces renseignements seront essentiels pour permettre la mise à niveau et la requalification en temps opportun de la main-d’œuvre.

Avec plus de nouvelles sur le déplacement d’emploi et les mises à pied, l’IA continuera de rendre de nombreuses personnes nerveuses. Maintenant, plus que jamais, les organisations doivent diriger avec empathie et assumer la responsabilité des efforts mondiaux de requalification.  L’IA générative a le potentiel de redéfinir la façon dont nous travaillons, créons et innovons. Mais nous devons l’aborder non seulement comme une simple avancée technologique, mais comme une stratégie englobant les gens à la base.

N’oubliez pas que l’IA n’est pas seulement une merveille informatique, c’est un copilote humain. Il ne s’agit pas seulement de réduire les coûts, mais aussi de requalifier pour obtenir une plus grande valeur. L’avenir n’est pas seulement algorithmique, il est anthropocentrique.