Engouement face à l’IA vs la réalité : Les leaders technologiques de CDW présentent les principales tendances en matière d’IA sur BCNET CONNECT

Lorsque les chercheurs ont soumis le modèle d’IA Claude 3 au test de l’aiguille dans une botte de foin, non seulement il a réussi le test, mais le modèle a également été en mesure, presque comme s’il était doté d’une conscience, de déchiffrer qu’il était testé.

De tels cas peuvent susciter des réactions émotionnelles. « Tout d’un coup, de telles occurrences peuvent mener à des opinions sur ce monde optimiste ou pessimiste, selon que l’IA va résoudre tous nos problèmes ou qu’elle va nous mener vers un avenir dystopique? », a déclaré M. Burke.

Mais dans ce cas, le modèle a pu comprendre le test parce qu’il s’est avéré être inclus dans les données sur lesquelles le modèle a été fondé. Donc, naturellement, le modèle était conscient du test. 

Sans cette information clé, on peut avoir des opinions émotionnelles sur les systèmes d’IA. Vous pourriez surestimer leurs capacités avec un optimisme extrême ou laisser la peur et l’incertitude s’infiltrer dans le processus décisionnel.

Par conséquent, il est important de comprendre comment ces modèles d’IA fonctionnent vraiment pour s’assurer que les décisions sont basées sur des connaissances factuelles.  

L’adoption réussie des systèmes d’IA repose essentiellement sur deux choses :

• Les données : L’intégrité, la propreté et la convivialité des données sur lesquelles un système d’IA est fondé.
• Les outils : De quelle façon les organisations sélectionnent et utilisent divers outils alimentés par l’IA pour leurs cas d’utilisation. 

 « De nos jours, nos ordinateurs peuvent exécuter beaucoup de ces GML sur place et donner accès à des données privées, ce qui me fait un peu peur. Parce que nous avons maintenant des gens qui créent des applications seuls, sans aucune connaissance informatique », a déclaré M. Beauchamp. 

Sans une compréhension approfondie des types d’outils de grand modèle de langage (GML) avec lequel vous travaillez et de la façon dont ils utilisent vos données, il est risqué et difficile de tirer pleinement parti des systèmes d’IA. M. Beauchamp souligne la nécessité de la gouvernance des données et d’établir des garde-fous servant à prévenir les mauvais usages et les dommages accidentels.  

En fonction des conversations avec les clients et des nouvelles architectures de solutions élaborées par nos experts, voici six tendances clés que le marché devrait observer en 2024.

1. La transformation par l’IA 

L’IA peut transformer la façon dont les individus accomplissent les tâches répétitives quotidiennes. Les outils alimentés par l’IA et les offres « en tant que service » ou « à la demande » continueront d’augmenter. Le déploiement organisationnel des outils d’IA dépendra en grande partie de la maturité de la gouvernance des données.

« Il est important de comprendre que seuls de faibles pourcentages de gains sont en cause. En ce moment, nous sommes dans une ère un peu primitive de l’IA. Nous avons des GML dotés de capacités comme le texte-parole, la voix-image, etc., mais ceux-ci constitueront les éléments de base », a déclaré M. Beauchamp.

« À l’heure actuelle, les applications d’IA ne peuvent pas prendre en charge une entreprise dans un avenir de quatre ans. Il est question de petits gains par échelons et de l’établissement de vos attentes d’un point de vue commercial. » 

2. Gestion et gouvernance des données 

Les organisations chercheront à intégrer l’IA et l’analyse avancée des données dans leurs entreprises et devront se concentrer sur de meilleures façons de gérer et de traiter les données. Il faudra une stratégie de données qui établit des politiques sur la façon dont les données sont acquises, traitées et régies dans l’organisation.

« La nécessité d’assurer la gestion formelle et la gouvernance des données, et de demander aux équipes de mettre en place des garde-fous autour des contrôles basés sur les utilisateurs, des cadres de sécurité à vérification systématique – c’est vraiment là où beaucoup d’organisations devraient creuser et se renforcer de l’intérieur », a déclaré M. Burke.

3. Information à la fine pointe  

L’information tirée des données recueillies à la fine pointe aidera les organisations de la vente au détail, de la fabrication, des soins de santé et des finances à innover dans leur entreprise et à tirer parti de l’IA plus rapidement que les autres marchés verticaux. Ces industries ont une plus grande tendance à utiliser des informations de données pouvant être fusionnées avec des applications d’IA favorisant une transformation rapide.  

4. Investissement et expansion des nuages multiples

Au cours des prochaines années, nous observerons un renouvellement des investissements dans l’infrastructure, non seulement pour nous préparer à l’innovation par l’IA, mais aussi pour investir dans l’établissement du multinuage hybride. Les organisations devront mieux normaliser leurs outils et leurs technologies dans le nuage public, le centre de données moderne et à la fine pointe.

5. Intégration de la cybersécurité

La cybersécurité a commencé comme une entité distincte au sein de nombreuses organisations, mais dans de nombreux cas, les rôles des équipes d’opérations classiques et les équipes de cybersécurité se sont combinés. Le risque pour besoins de l'entreprise doit être partagé dans l’ensemble de l’organisation, et la coordination et l’outillage partagé seront nécessaires.

6. Priorités de l’entreprise

Alors que les entreprises numérisent les services et offrent de la valeur en utilisant des applications, leurs budgets sont de plus en plus orientés vers les projets de développement d’applications et s’éloignent des opérations informatiques. Il est essentiel que les équipes informatiques s’harmonisent aux objectifs d’affaires et sur les opérations des TI afin de rester pertinentes et s’assurer que l’entreprise suit des pratiques technologiques bien définies.

On s’attend à ce que l’adoption de l’IA suive une voie descendante. Les gestionnaires s’attendront à ce que leurs équipes soient plus productives grâce aux outils alimentés par l’IA, lesquels peuvent les aider à utiliser les données d’une toute nouvelle façon.

• Collègues et équipes : Les équipes pourront accéder aux données et les utiliser pour rationaliser les flux de travail, atteindre une productivité plus élevée et en faire plus au sein de leur organisation. Il y a quelques années, cela aurait nécessité une expertise informatique, mais aujourd’hui, il peut être réduit à l'essentiel pour écrire une phrase simple et ainsi accomplir le travail.  
• Organisation : Plus de GML seront axés sur les unités d’affaires et plus seront susceptibles d’être développés à l’interne. Les organisations prioriseraient les domaines qui peuvent stimuler l’innovation, apporter plus de valeur et augmenter les revenus.
• Plateformes : Les plateformes d’IA comme NVIDIA joueront un rôle clé dans l’habilitation des services de données, de la puissance informatique et des offres intégrées permettant de rendre l’innovation en matière d’IA accessible à tous.

« Pour les organisations, il s’agira de ne pas mettre des obstacles sur le chemin, mais de construire des garde-fous et des moyens pour les gens d’utiliser les outils de l’IA dans le cadre des politiques de sécurité », a déclaré M. Burke.

La gestion de l’IA peut être divisée en quatre disciplines principales : 

• Gouvernance des données : Soyez conscient de la façon dont vos données privées sont exploitées par un système d’IA, et assurez-vous d’éliminer les préjugés et d’élaborer des politiques qui interdisent l’utilisation abusive de données sensibles hébergées dans votre organisation. 
• Cybersécurité : Travaillez avec vos équipes informatiques pour comprendre les aspects de sécurité des systèmes d’IA que vous souhaitez déployer. Tester avec rigueur les nouveaux projets pilotes du point de vue de la cybersécurité, avant qu’ils ne deviennent publics, et passer à des méthodes de déploiement mieux sécurisées.
• Gestion des plateformes : Adopter des pratiques modernes de déploiement de l’IA comme AIOps pour améliorer la gérabilité des systèmes d’IA tout en tirant parti de l’évolutivité du nuage. 
• Gestion des modèles : Élaborez des stratégies sur la façon dont vous sélectionnez les modèles, gérez leur cycle de vie, migrez vers de nouveaux modèles et comparez leur rendement aux résultats prévus.

Comme l’explique M. Burke, la plupart des organisations qui envisagent des investissements dans l’IA sont souvent confrontées à des problèmes de découverte. Les systèmes de l’entreprise contiennent beaucoup de données non organisées qu’ils ne savent pas comment rationaliser. Sans feuille de route claire, il y a la peur, l’incertitude et le doute quant à la faisabilité des systèmes d’IA.

Ils ne sont pas entièrement sûrs des cas d’utilisation qui seraient les plus logiques pour les flux de travail de leur entreprise. Enfin, ils ne savent pas comment commencer à développer des capacités de l’IA.

Nous suggérons les mesures suivantes pour surmonter les difficultés associées à l’adoption de l’IA.

• Conservation des données : Commencez par identifier les données qui sont importantes. Séparez les ensembles de données qui pourraient répondre aux objectifs de l’organisation et mieux soutenir les outils que vous souhaitez utiliser pour créer une valeur maximale. 
• Démystifier l’IA : Faites la promotion de l’éducation sur l’IA au sein de votre entreprise et soyez à l’affût pour améliorer votre compréhension des systèmes d’IA avec lesquels vous souhaitez travailler. Cela permettra de réduire la peur et l’incertitude qui sont souvent issues de connaissances limitées. 
• Commencez simplement : Concentrez-vous sur des mises en œuvre faciles qui nécessitent moins de ressources et qui génèrent toujours de la valeur pour vos utilisateurs. Identifier les cas d’utilisation qui ne nécessitent pas de tenter l’impossible. 
• Identifier les partenaires : Travaillez avec des partenaires experts qui peuvent vous aider à réduire les risques, à établir une feuille de route claire et à tester de nouvelles technologies avec plus de confiance. 

CDW Canada regroupe plusieurs experts technologiques distingués qui ont permis aux organisations canadiennes d’offrir des solutions révolutionnaires dans le passé et qui continuent de repousser les limites à l’ère de l’IA.

Nos experts peuvent vous aider à naviguer à travers les inconnus de l’adoption de l’IA et vous aider à créer une voie définitive vers une mise en œuvre réussie. Nous nous spécialisons dans les solutions qui couvrent le nuage hybride, l’espace de travail numérique et la cybersécurité. Ces technologies ont toutes un potentiel énorme pour soutenir l’innovation en matière d’IA, et ce, dans tous les secteurs et tous les domaines. Communiquez avec nos experts pour discuter et faire un remue-méninges pour votre prochain projet pilote d’IA.