IA générative : le cep propose un guide de déploiement au sein des petites et moyennes entreprises
Les modèles linguistiques comme ChatGPT sont à la fois un risque et une opportunité pour l'Europe. Le Centre for European Policy (cep) esquisse un guide en dix points pour les petites et moyennes entreprises (PME). La question clé est de comprendre comment l'intelligence artificielle (IA) peut créer efficacement des avantages concurrentiels. Il est crucial pour les entreprises d‘être pragmatiques et moins hésitantes.
Les Inputs du cep
« Nous voyons des avantages à l'intégration de l'intelligence artificielle dans le travail quotidien. Il est important que les entreprises intègrent la technologie des modèles de langage pour rester compétitives et innovantes », explique l'auteur Anselm Küsters. L'expert en technologie numérique du cep propose un mode d’emploi en dix points pour orienter les PME dans l’incorporation de l’IA à leurs activités. Sur la base d’une analyse des besoins et d’une planification stratégique, les entreprises pourraient tirer au mieux parti de l’IA pour améliorer leurs processus d’activité. Le choix de services basés sur le cloud ainsi que l'utilisation de modèles ouverts ont influencé la flexibilité des outils d'IA, mais aussi la dépendance à l’égard des entreprises externes.
L’installation sur place des LLM et leur adaptation à l’activité de l’entreprise représente un coût important pour une PME. Une étude de faisabilité apparaît donc nécessaire pour déterminer les meilleures stratégies d’incorporation des IA aux activités des PME qui, en l’état, sont dépendantes de fournisseurs tiers pour avoir accès aux LLM, notamment OpenAI. Toutefois l'utilisation de modèles de base ouverts peut aider à minimiser les dépendances stratégiques, or, actuellement, les principaux fournisseurs d’IA proposant des modèles ouverts sont européens, par exemple Mistral AI. À tout bien considérer, les PME auraient tout intérêt à se fier davantage à ces acteurs européens.
Küsters recommande des techniques telles que le fine tuning, une méthode permettant de spécialiser un langage pré-entraîné sur une tâche précise, de sorte à adapter l’IA utilisée aux activités de l’entreprise. Il recommande également la génération augmentée par récupération, une technique permettant d'améliorer la précision et la fiabilité des modèles d'IA générative à l'aide d’éléments provenant de sources externes, de sorte à actualiser les informations sur lesquelles se fonde l’IA utilisée. Selon lui, le risque d'erreur des modèles d'IA doit être aligné sur la tolérance d'erreur interne de l’entreprise. Il faudrait en outre développer des compétences internes dans le domaine du prompt design – l’art de donner les bonnes instructions à une IA pour parvenir au résultat souhaité - et du Online-design – l’actualisation de l’activité d’une IA en temps réel grâce aux retours qui lui sont faits. Küsters plaide également pour une utilisation durable et socialement responsable de l'IA sur la base d'un cadre légal. Des tests internes pourraient mesurer l'efficacité énergétique et des mécanismes de feedback pourraient maintenir la technologie à jour.
