L'impact de l'expansion constante des applications de l'IA1 Cela inquiète de nombreux investisseurs vis-à-vis des entreprises traditionnelles reposant sur la main-d'œuvre humaine, qu'il s'agisse de services professionnels et techniques ou d'employés administratifs.
L'évaluation de la pérennité de ces entreprises est un sujet complexe et difficile à appréhender. Or, la complexité des analyses proposées par de nombreux consultants pour évaluer l'impact de l'IA – notamment la disponibilité des données, l'existence et la stabilité des règles au sein d'un processus ou d'un système, etc. – ne fait qu'accroître cette difficulté. Si ces cadres d'analyse sont à l'origine d'ouvrages de référence comme « The Second Machine Age » (d'Erik Brynjolfsson et Andrew McAfee), récompensé par un prix, leur application pratique est quasi impossible lors de l'analyse préalable d'une acquisition ou d'un autre investissement. Bien que le développement constant de robots de traitement logique (RTL) révolutionnaires basés sur l'intelligence artificielle (ChatGPT, Gemini de Google, etc.*) suscite des inquiétudes chez tous, des conseillers clientèle aux investisseurs, quant aux répercussions sur leur emploi, l'obtention de résultats précis et cohérents grâce à l'IA exige un travail considérable. Par conséquent, il est à la fois important et réalisable d'appréhender les progrès de l'IA.
Alors, comment évaluer concrètement la probabilité d'une rupture technologique ? Lorsque GRAPH est sollicité pour évaluer le risque de rupture par l'IA, nous analysons les sept questions suivantes (qui n'ont pas fondamentalement changé ces cinq dernières années) :
Évaluer la raison d'être de l'entreprise :
- Quelles sont les activités spécifiques qui créent de la valeur du point de vue du client ? Énumérez-les et définissez-les avec le plus de précision possible.
- Quelle est la nature du problème que l'on cherche à résoudre ? S'agit-il d'un problème profond ou d'un problème général ?
- Qu’est-ce que les clients considèrent comme une solution “ suffisamment bonne ” ?
- Quelle importance accordez-vous à la qualité pour les clients ? Quelle différence perçoivent-ils entre les solutions 80% et les solutions 95% ou 100% disponibles sur le marché ?
- Quel pourcentage d'activités ou d'achèvement d'une activité particulière les clients considèrent-ils généralement comme “ suffisant ” ?”
- Existe-t-il des preuves que des clients se tournent vers une solution “ suffisante ” dans des domaines similaires ?
- Ce secteur est-il réglementé ?
- Les clients sont-ils confrontés à une pression concurrentielle croissante ou à d'autres forces économiques et, si oui, existe-t-il un lien menaçant entre cette pression concurrentielle croissante et la solution actuelle “ suffisamment bonne ” ?
- Existe-t-il aujourd'hui des applications qui permettent de réaliser certaines de ces activités ? Lesquelles ?
- Existe-t-il des plateformes qui, si elles étaient utilisées, permettraient de réaliser ces activités ? Lesquelles ?
- Quelles sont les dépendances technologiques de l'application et/ou de la plateforme ? Les contraintes typiques incluent le besoin de traitement dans le cloud (par opposition au traitement en périphérie) ; des données spécifiquement formatées ; le besoin de vastes ensembles de données pour l'entraînement ; et des processus d'ingénierie et de science des données personnalisés pour chaque installation.
- Qui finance les applications et les plateformes ? Les investissements en R&D se chiffrent-ils en milliers, millions ou milliards pour chaque activité ?
En réfléchissant à ces sept questions, l'ampleur de la menace immédiate devrait vous apparaître beaucoup plus clairement. N'oubliez pas que dans les secteurs peu réglementés, les technologies sont passées de la plateforme à l'application, puis à l'adoption, en seulement 2 à 5 ans ; dans les secteurs fortement réglementés, ce même parcours prend souvent plus de 10 ans.
*Cet article a été mis à jour en 2024 pour prendre en compte des plateformes comme ChatGPT et Gemini de Google.
- 1. L'IA est un terme qui a été défini de manière extrêmement large par de nombreux CIM et risque de perdre son sens. GRAPH définit l'IA comme des services de développement ou des applications finies capables de : (a) raisonner sur des données non structurées ; (b) modéliser des inférences non linéaires ; (c) s'auto-corriger et s'améliorer régulièrement ; et généralement, (d) faire le lien avec les modes de communication traditionnels. ↩︎