Intelligence artificielle : au-delà du battage médiatique

L'Intelligence Artificielle (que j'appellerai simplement IA dans la suite de cet article) est aujourd'hui au cœur de toutes les conversations. On en parle lors de conférences, de séminaires, de salons professionnels et de forums spécialisés, sur les réseaux sociaux comme dans les médias traditionnels, mais aussi autour d'un café, à table, dans les salles de réunion, à l'école et en famille.

À elle seule, cette omniprésence nous dit une chose essentielle : l'IA est désormais reconnue comme une technologie de transformation majeure, qui mérite un débat ouvert, éclairé et fondé sur des connaissances solides...

Ces trois points de suspension sont intentionnels. Ils nous conduisent à une question fondamentale.

Sommes-nous réellement prêts à avoir cette conversation ?

Comprenons-nous les principes fondamentaux de l'IA ou faisons-nous ce que nous faisons souvent dans bien d'autres domaines : devenir entraîneurs sportifs pendant un match ou experts juridiques au moindre fait divers relayé par les médias ?

C'est une question qui me revient chaque fois que j'écoute un débat ou que je lis un article consacré à l'IA. Parfois, je suis sincèrement surpris. D'autres fois, je ne peux m'empêcher d'éprouver une certaine inquiétude.

Ce qui me préoccupe le plus, c'est la confusion persistante autour de quelques-uns des concepts les plus élémentaires de cette technologie.

• Tout d'abord, beaucoup assimilent l'Intelligence Artificielle aux grands modèles de langage (Large Language Models – LLM) accessibles au public.

  En réalité, les LLM ne représentent qu'une application de l'IA. Certes, ils sont aujourd'hui les plus visibles, mais ils sont loin de résumer à eux seuls l'ensemble du domaine de l'Intelligence Artificielle.

• Une autre idée largement répandue consiste à considérer un système fondé sur des modèles statistiques, mathématiques et probabilistes comme s'il était capable de penser. Pour ma part, je continue de trouver le qualificatif intelligent quelque peu trompeur lorsqu'il est appliqué à une machine. C'est un raccourci commode, mais il ne doit jamais être interprété au sens littéral.

• On entend également très souvent que l'IA n'est accessible qu'au travers de services en ligne tels que ChatGPT, Copilot, Gemini ou d'autres plateformes similaires, souvent proposées sous forme d'abonnement payant. La réalité est pourtant bien différente.

  Depuis la conférence de Dartmouth en 1956, l'IA est considérée comme une discipline de l'informatique conçue pour être au service de l'humanité. Aujourd'hui encore, de nombreux modèles d'IA sont diffusés sous des licences ouvertes, permettant aux développeurs, chercheurs, entreprises et même aux passionnés de les télécharger, de les étudier et de les exécuter localement. Il est donc essentiel de distinguer clairement les modèles d'IA, souvent librement accessibles, des services commerciaux qui les proposent sous forme de solutions cloud selon leurs propres modèles économiques.

  Déployer une solution en local, en environnement hébergé ou dans le cloud relève avant tout d'un choix stratégique de l'entreprise, et non d'une contrainte technique ou d'une obligation dictée par le marché.

  Préserver le patrimoine de connaissances de l'entreprise n'est ni un exercice théorique ni un investissement insurmontable. C'est un choix stratégique, réfléchi et pleinement assumé.

• Un autre mythe tenace veut que l'IA ne puisse fonctionner qu'avec d'immenses volumes de données, le célèbre concept de Big Data. Si certaines applications nécessitent effectivement des ensembles de données très volumineux, d'innombrables projets menés avec succès démontrent qu'il est tout à fait possible de développer des solutions performantes à partir de volumes de données beaucoup plus modestes, dès lors qu'ils sont pertinents et bien structurés.

• Cette idée reçue en entraîne naturellement une autre : celle selon laquelle les données devraient être parfaitement propres avant que l'IA puisse créer de la valeur. En théorie, il est vrai que de meilleures données produisent de meilleurs résultats. En pratique, cependant, l'IA est de plus en plus utilisée pour améliorer la qualité des données elles-mêmes, en détectant les anomalies, en corrigeant les incohérences, en enrichissant les jeux de données et en facilitant leur préparation pour le Machine Learning et l'analyse prédictive.

• Enfin, beaucoup pensent encore que l'IA exige nécessairement des infrastructures informatiques gigantesques et des environnements cloud particulièrement coûteux. Là encore, cette vision est incomplète. Certains modèles avancés nécessitent effectivement une puissance de calcul importante. Mais des milliers d'applications d'IA fonctionnent aujourd'hui avec succès sur des serveurs d'entreprise correctement dimensionnés et des infrastructures parfaitement maîtrisées, sans dépendre des grandes plateformes cloud hyperscale.

Ces idées reçues alimentent une incertitude grandissante, notamment dans le monde de l'entreprise. Et l'incertitude conduit presque toujours à l'hésitation.

Faut-il investir dès maintenant ? Vaut-il mieux attendre ? Agissons-nous trop tôt… ou sommes-nous déjà en retard ?

Paradoxalement, cette hésitation risque de devenir le principal frein à l'innovation.

C'est pourquoi je souhaite adresser une recommandation simple aux dirigeants, entrepreneurs et décideurs.

Avant de vous laisser séduire par les promesses du marché, prenez quelques heures pour comprendre les fondements de l'Intelligence Artificielle.

Il n'est pas nécessaire de devenir développeur. Il n'est pas indispensable d'être diplômé en mathématiques ou en science des données. Ce qui compte réellement, c'est de maîtriser les principes essentiels : comprendre comment fonctionne l'IA, quels problèmes elle peut résoudre, où se situent ses limites et quelles sont les nombreuses idées reçues qui continuent d'alimenter le débat.

Quelques heures de formation sérieuse suffisent souvent à dissiper une grande partie de la confusion et à donner les clés nécessaires pour évaluer les opportunités avec discernement.

C'est seulement à cette condition que nous pourrons distinguer les véritables opportunités du simple battage médiatique.