En tant qu’entreprise, il est difficile de ne pas se laisser tenter par toutes les promesses de l’IA. Si vous en croyez tout le battage médiatique, cela peut transformer chaque aspect de l’entreprise, trouver et convertir de nouveaux clients, concevoir de nouveaux produits, gérer votre usine ou vos logiciels, et généralement faire tout sauf vous apporter un café le matin (et vous supposez que ils y travaillent en ce moment).
C’est un fantasme merveilleux et très tentant d’y croire. Mais à quel point est-ce vrai ? Avec tout ce battage médiatique, vous pourriez être tenté de prendre complètement le train en marche et de tout croire, ou d’aller dans l’autre sens et de rejeter tout ce que vous entendez comme étant une grossière exagération. La vérité doit se trouver quelque part entre les deux, mais comment la trouver ? Et une fois que nous l’aurons fait, comment pouvons-nous transformer cette compréhension en quelque chose d’utile pour notre entreprise ? Plongeons-nous et discutons de la manière dont l’IA est utilisée dans l’entreprise, et en particulier de la personnalisation d’un modèle d’IA pour qu’une entreprise puisse en voir la valeur. Nous dissiperons une partie du battage médiatique autour de l’IA tout en montrant les domaines dans lesquels elle peut véritablement transformer une entreprise aujourd’hui. Nous examinerons également le rôle des bonnes données et le défi de les trouver/nettoyer/vérifier pour les modèles d’IA, une industrie qui se développe rapidement dans l’espace Web3 avec des plateformes comme Synésie Un travailler à exploiter les attributs de la blockchain pour vérifier l’IA et récompenser les utilisateurs.
La promesse
On dit que l’IA résout de nombreux problèmes différents. Pour les non-initiés, certains de ces problèmes peuvent être impossibles à distinguer de la magie, ce qui est très excitant mais tout aussi inutile si vous êtes une entreprise qui envisage d’investir dans l’IA. Heureusement, l’IA n’est pas aussi compliquée qu’on pourrait le croire, car elle ne résout en réalité que trois problèmes clés. Premièrement, l’IA peut classer des choses. Pensez à un algorithme de contrôle qualité qui vous indique si une pièce sortant de la chaîne d’assemblage présente un défaut ou non. Cela peut être étendu à toutes sortes de capacités de détection d’anomalies, de tri et à d’autres utilisations non conventionnelles qui nécessitent un algorithme pour analyser quelque chose (par exemple des photos, des données de feuille de calcul), puis déterminer à quel compartiment il appartient. Ensuite, l’IA peut prédire. La maintenance prédictive peut utiliser de nombreux capteurs différents dans une machine pour prédire quand elle tombera en panne ou quand elle nécessitera une maintenance. Il peut fournir des prévisions très précises si les données sont disponibles. Il peut prédire où un robot devrait ensuite se déplacer pour atteindre un objectif spécifique. Enfin, l’IA peut optimiser. Il peut résoudre des problèmes complexes avec de nombreuses contraintes différentes d’une manière tout simplement trop difficile à réaliser pour un humain. Nous l’utilisons pour le GPS, l’organisation de nos usines et de nombreuses autres applications qui nécessitent une solution idéale compte tenu d’un objectif et de nombreuses contraintes différentes.
En fin de compte, l’IA fonctionne vraiment. Cela peut absolument résoudre les problèmes décrits ci-dessus, et bien d’autres encore. Mieux encore, l’IA s’améliore chaque jour. De nouvelles innovations sont développées, le traitement informatique s’améliore et des cas d’utilisation plus généraux sont découverts. D’une part, l’IA est bien plus incroyable que ce que nous lui attribuons, et elle transforme le monde d’une manière que nous ne pouvons même pas pleinement comprendre.
La réalité
Cela dit, ces résultats ont un coût : les données. L’IA est totalement inutile sans les bonnes données pour entraîner un modèle d’IA. Avec l’apparition des grands modèles linguistiques (LLM) comme ChatGPT, les perceptions incorrectes de l’IA sont devenues encore plus biaisées. Nous pouvons être tentés de croire que l’IA est toute puissante et peut répondre à toutes les questions que nous lui posons, et comme ChatGPT est accessible à tous, nous pouvons le voir de nos propres yeux. Cependant, il existe deux gros points faibles qui ne sont peut-être pas évidents. Premièrement, ChatGPT est étonnant dans certains domaines, comme rédiger un article sur le changement climatique ou suggérer dix endroits à visiter à Budapest ; mais il n’est pas bon dans beaucoup d’autres choses, comme donner une certaine réponse à des problèmes mathématiques ou donner des informations totalement fiables. Pour une entreprise, ce niveau d’incertitude n’est pas acceptable. Deuxièmement, ChatGPT a été créé en utilisant des milliards de points de données afin de répondre à des questions générales. Si vous souhaitez entraîner un modèle d’IA précis, cela prendra beaucoup moins que cela, mais vous devez savoir exactement quelles données utiliser, et elles doivent être validées pour être efficaces. En d’autres termes, vous devez savoir quel problème vous résolvez, quel modèle d’IA vous utiliserez et quelles données vérifiées cela nécessitera. Le problème est que la constitution de ces données est difficile et, en fonction d’un certain nombre de facteurs, la quantité de données peut parfois être importante. Le modèle d’IA ci-dessus qui a identifié des anomalies sur une chaîne de montage ? Cela nécessiterait probablement de très nombreux échantillons différents d’articles sur la chaîne de montage, avec différents angles d’éclairage, orientations et autres variations afin que le modèle puisse s’adapter à ces variations. Dans ce cadre, il aura besoin d’un nombre adéquat d’échantillons montrant des éléments de bonne qualité et d’échantillons montrant des éléments présentant des anomalies. Ce n’est qu’alors que le modèle pourra découvrir à quoi ressemble une anomalie. Et pour la majorité des modèles d’IA, toutes ces données doivent être étiquetées (par exemple « aucune anomalie » ou « anomalie »). Il s’agit du plus gros fardeau pour les entreprises, car elles ne disposent souvent pas de l’expertise ou des connaissances nécessaires pour traiter avec précision toutes ces informations, et le travail nécessaire peut être considérable. La blockchain a montré une capacité unique à aider à résoudre ce problème, avec des plateformes comme Synesis mentionnées ci-dessus exploitant les éléments uniques de la blockchain spécifiquement pour valider les données de formation de l’IA. En utilisant la décentralisation, l’immuabilité et la récompense du travail, la plate-forme est capable de constituer des ensembles de données massifs en récompensant une population massive de contributeurs à travers le monde. En raison de sa nature, il ne faut pas grand-chose pour former quelqu’un à valider un ensemble de données particulier. L’apprentissage est rapide et avec suffisamment de personnes, l’ensemble de données peut être validé, étiqueté (réponses attachées à chaque image ou point de données) et mis à la disposition de l’entreprise qui en a besoin. Il s’agit d’un modèle commercial fascinant, qui verra probablement naître une industrie entière au cours de la prochaine année.
De nombreuses petites et moyennes entreprises s’efforcent de créer des modèles d’IA propriétaires alimentés par leurs propres données. Cependant, entraîner un modèle n’est pas aussi simple que d’y insérer des données brutes. Le principal défi auquel ils sont confrontés est le manque de data scientists internes et de ressources pour gérer le… pic.twitter.com/97gQ4JQ8Qb
-Synesis One (@synesis_one) 17 novembre 2024
Utiliser l’IA
Maintenant que vous comprenez l’engouement pour l’IA et sa réalité, vous pouvez avoir une meilleure idée des problèmes qu’elle peut résoudre pour votre entreprise. La clé est d’identifier ces problèmes de classification, de prédiction et d’optimisation, puis de commencer à créer les données nécessaires à l’entraînement des modèles. Travailler avec une plateforme de validation de données comme Synesis sera crucial pour de nombreuses entreprises qui ne peuvent pas le faire elles-mêmes mais qui ont besoin d’une solution rentable. Une fois cela fait, votre entreprise peut être dynamisée par l’IA d’une manière qui relevait de la science-fiction il y a à peine quelques années.
Crédit image en vedette : Google DeepMind/Unsplash
