Complex’ is an understatement. AI requires a great deal of data to ‘learn’ from and then to generate results that humans will find useful. The data sets used in AI training are typically large, and the algorithms used to analyze them are complicated. This means that few businesses have the in-house expertise or the computing power to develop AI from scratch. In addition, AI requires a lot of trial and error to hone. The most common AI technology in business use today is machine learning, which employs algorithms that learn from and improve with experience.
Comme la technologie se déploie de plus en plus dans de nombreux secteurs verticaux et industries, les analystes en informatique et en économie soulignent de plus en plus le potentiel de l’intelligence artificielle (IA) de transformer les processus commerciaux, les décisions stratégiques et les expériences client. Même les dirigeants d’entreprise, une fois réticents à approuver l’investissement nécessaire à la réalisation d’un rendement optimal de l’IA, sont désormais convaincus du potentiel de celle-ci d’améliorer l’efficacité opérationnelle et de préparer le terrain à de nouvelles sources de revenus. Les prévisions de célèbres observateurs du marché, comme PwC, étayent leur point de vue. Selon son « Global Artificial Intelligence Study », l’IA pourrait contribuer jusqu’à 15,7 trillions de dollars à l’économie mondiale en 2030. Parmi cela, 6,6 trillions de dollars pourraient provenir d’une productivité accrue et 9,1 trillions de dollars pourraient être issus des « effets de la consommation », estime PwC. Le recent déploiement de plusieurs outils d’IA générative est considéré comme un point de rupture pour ce qui était jusque-là une branche hautement spécialisée et « futuriste » de l’informatique. Au Royaume-Uni, en 2022, l’Office for Artificial Intelligence a rapporté que environ 15 pour cent des entreprises avaient adopté au moins une technologie d’IA, ce qui équivaut à 432000 entreprises. Environ 2 pour cent des entreprises testaient l’IA, et 10 pour cent prévoyaient d’adopter au moins une technologie d’IA à l’avenir (62000 et 292000 entreprises respectivement).
C’est toujours un domaine complexe
« Complexe » est un euphémisme. L’IA nécessite beaucoup de données pour « apprendre » et ensuite générer des résultats utiles aux humains. Les jeux de données utilisés pour l’entraînement en IA sont généralement importants, et les algorithmes utilisés pour les analyser sont complexes. Cela signifie que peu d’entreprises ont les compétences internes ou la puissance de calcul nécessaires pour développer l’IA à partir de zéro. De plus, l’IA nécessite beaucoup d’essais et d’erreurs pour être affinée. La technologie d’IA la plus courante dans les entreprises aujourd’hui est l’apprentissage automatique, qui utilise des algorithmes qui apprennent et s’améliorent avec l’expérience.
