L’IA générative attire l’attention en raison des progrès considérables qu’elle permet d’accomplir. Les dernières avancées en matière d’IA pourraient-elles être appliquées à votre entreprise ?
Vous avez peut-être entendu des amis ou des collègues parler de ChatGPT, le chatbot qui fait fureur parce qu’il est capable de tenir des conversations textuelles de manière réaliste. Cette application est un exemple des dernières avancées en matière d’intelligence artificielle qui font régulièrement parler d’elles. Pour les non-initiés, les dernières technologies d’intelligence artificielle témoignent des progrès relativement rapides réalisés dans ce domaine au cours des dernières années. De nombreuses personnes qui ont passé du temps avec les outils les plus récents remarquent que le langage généré par la machine se lit de manière convaincante comme s’il était écrit par un humain, ce qui n’était pas le cas il y a seulement cinq ans. Cette technologie pourrait offrir des opportunités et avoir des implications pour les entreprises.
La qualité des réponses qu’un système d’IA peut aujourd’hui apporter aux questions et aux instructions était impossible il y a seulement quelques années. – John Crook, chef de groupe, groupe Volaris
Remue-méninges sur les utilisations possibles de l’IA par les entreprises
Naturellement, les capacités croissantes de l’IA peuvent également soulever des préoccupations en matière d’éthique et de propriété intellectuelle. Mais en supposant que ces problèmes puissent être résolus avec le temps, on ne peut s’empêcher de se demander si les entreprises tournées vers l’avenir peuvent utiliser l’IA pour faciliter la gestion des tâches répétitives. Après tout, les entreprises utilisent déjà la technologie pour libérer le temps de leurs employés et leur permettre de se concentrer davantage sur les tâches à forte valeur ajoutée. Elles adoptent déjà l’automatisation et l’IA sous la forme de chatbots, d’analyses prédictives et d’automatisation des processus robotiques (RPA). Lors d’une conférence Volaris en 2022, certains participants ont réfléchi et expérimenté des cas d’utilisation, dont beaucoup étaient des points de départ pour une variété de tâches :
- Suggestions d’écriture créative – Demandez à GPT-3 de rédiger un article de blog sur lequel vous pourrez vous appuyer.
- Analyse des sentiments – Classer les courriels des clients selon qu’ils sont satisfaits, mécontents ou neutres.
- Marquer les courriels des clients avec des sujets ou des catégories
- Rédiger un modèle de référence comme point de départ d’une nouvelle politique ESG
- Proposer des suggestions pour simplifier un texte compliqué ou confus
- Résumer un article
- Remue-méninges pour trouver d’autres idées de marketing
- Répondre aux questions de l’appel d’offres
- Diverses applications de programmation
L’IA a parcouru un long chemin
L’entreprise de recherche OpenAI, qui a mis au point un puissant modèle linguistique, le GPT-3, est à l’origine de l’engouement de ces dernières années. Ce modèle fournit la structure sous-jacente de ChatGPT et d’autres applications. Comprendre comment un modèle de langage comme le GPT-3 a été développé peut fournir un contexte pour ses utilisations possibles et ses limites. En tant que plus grand modèle d’apprentissage automatique de réseau neuronal accessible au public jamais produit, GPT-3 est conçu pour prédire quel texte est susceptible de suivre une invite donnée en s’appuyant sur l’entraînement approfondi qu’il a reçu des chercheurs. Le modèle GPT-3 peut prédire les réponses à partir d’un ensemble de données massives comprenant 175 milliards de paramètres et plus de 45 téraoctets de texte, provenant notamment de Wikipédia, de livres et d’articles scientifiques. (Un élément clé de l’architecture utilisée dans GPT-3 est le modèle de transformateur, qui a représenté une avancée majeure et a fait l’objet d’un premier article en 2017[i]). Une autre raison de s’intéresser au monde de l’IA ? Il est devenu plus facile que jamais pour quiconque d’accéder à des outils d’IA tels que GPT-3 et de les expérimenter. Pour générer un texte dans GPT-3, par exemple, l’utilisateur saisit un message dans une base de données accessible au public et l’outil d’IA utilise sa formation pour générer rapidement une réponse pertinente. GPT-3 peut également résumer des textes et répondre à des questions. « La qualité des réponses qu’un système d’IA peut désormais fournir à des questions et à des instructions était impossible il y a seulement quelques années », déclare John Crook, chef de groupe au sein du groupe Volaris, qui a suivi les derniers progrès. « Si vous avez déjà envisagé d’utiliser l’IA dans votre entreprise, mais que vous pensiez que c’était trop difficile, trop cher ou trop bancal, je vous suggère d’y réfléchir à deux fois. » Si vous souhaitez en savoir plus sur les dernières capacités de l’IA, M. Crook a rassemblé un guide ci-dessous pour aider les chefs d’entreprise à démarrer et à naviguer dans la courbe d’apprentissage de l’IA à l’aide du GPT-3.
Pour commencer : Comment accéder à l’aire de jeux GPT-3
Le terrain de jeu GPT-3 est un outil en ligne qui vous permet de saisir un texte, d’appuyer sur « Envoyer » et de voir la réponse de GPT-3. Vous pouvez structurer le texte que vous fournissez (appelé invite) pour obtenir des résultats utiles. Pour commencer à utiliser GPT-3, rendez-vous sur la page d’inscription d’OpenAI et créez un compte gratuit. Connectez-vous, puis accédez à l’application Playground. Saisissez ou collez votre invite et appuyez sur Entrée pour créer une nouvelle ligne, puis cliquez sur « Soumettre ». Les paramètres par défaut sont parfaits pour commencer à expérimenter.
Démonstration du fonctionnement du GPT-3
Voyons quelques exemples qui illustrent les capacités du GPT-3, ainsi que certaines de ses limites. Ces démonstrations peuvent vous inspirer des idées que vous pouvez utiliser dans votre entreprise dès aujourd’hui.
Exemple 1A : Améliorer la formulation d’un contrat
L’exemple 1 montre comment améliorer la formulation d’un contrat. Le texte en vert est la réponse de GPT-3 aux instructions de texte (invite) que vous avez saisies. (Note de l’éditeur : Nous ne suggérons pas que vous utilisiez la réponse du GPT-3 à la place de votre processus d’examen juridique existant. Cependant, vous pouvez considérer le GPT-3 comme une sorte d’assistant virtuel qui peut suggérer des sorties à prendre en considération).
Réécrivez le paragraphe suivant en l’adaptant à un contrat légal qui réduit le risque pour LinkSoft :
LinkSoft s’efforcera de fournir à ses clients un temps de disponibilité de 99,99%. Ceci n’inclut pas les périodes prévues pour les mises à jour et la maintenance. Le temps d’arrêt est mesuré à partir du moment où une interruption de service imprévue est signalée par le client.
Nonobstant toute disposition contraire du présent Contrat, Linksoft s’efforcera de fournir les Services avec un taux de disponibilité de 99,99% (« Niveau de Service »), à l’exclusion (i) des périodes pendant lesquelles les Services sont indisponibles alors qu’ils sont programmés pour des mises à jour et de la maintenance, ou (ii) de toute indisponibilité causée par des facteurs échappant au contrôle raisonnable de Linksoft, tels que, par exemple, les catastrophes naturelles, les actes de guerre ou de terrorisme, les émeutes, les troubles civils, les interruptions des télécommunications ou des services des fournisseurs d’accès à Internet ou les pannes d’équipement. Le temps d’indisponibilité est mesuré à partir du moment où une interruption de service imprévue est signalée par le Client.
Exemple 1B : Examen des résultats
Remarquez que l’outil d’intelligence artificielle a, entre autres, été modifié :
- a ajouté la clause dérogatoire au début du texte,
- a remplacé « meilleurs efforts » par « efforts raisonnables », et
- a ajouté quelques exclusions.
Une fois de plus, il est très important de se rappeler que vous ne devez pas simplement utiliser la réponse de GPT-3 telle quelle, car elle ne remplace pas votre processus d’examen juridique. Ses résultats doivent simplement être considérés comme une suggestion à prendre en compte. Après avoir exécuté ces résultats plusieurs fois, vous remarquerez peut-être que vous n’obtiendrez pas toujours le même résultat. Parfois, vous serez surpris. Par exemple, une fois, il a remplacé 99,99 % par 99,9 %, et une autre fois, il a supprimé toute mesure spécifique du temps de fonctionnement. Si vous n’aimez pas sa réponse, il est facile et rapide de réessayer pour obtenir un résultat différent. N’oubliez pas que, comme pour tout service en ligne, votre texte est envoyé aux serveurs du fournisseur ; il n’est donc pas conseillé d’utiliser des données confidentielles.
Exemple 2A : écrire une macro Excel
Le GPT-3 peut vous aider à écrire du code, y compris dans Excel. Imaginez que vous disposiez d’une feuille de calcul comportant des centaines d’onglets de structure identique, où la cellule W44 de chaque onglet indique l’EBITA pour l’entreprise/le groupe figurant dans cet onglet. Vous aimeriez rassembler tous les EBITA dans une colonne et les placer sur la première feuille, mais vous ne savez pas exactement comment procéder. Essayez l’invite suivante dans GPT-3 :
Écrivez une macro Excel pour parcourir en boucle tous les onglets d’une feuille de calcul Excel et copier le contenu de la cellule W44 de chaque onglet dans la colonne A de la première feuille de calcul.
Pour chaque ws dans ActiveWorkbook.Worksheets
ws.Range(« W44 »).Copy
Sheets(1).Range(« A » & Rows.Count).End(xlUp).Offset(1, 0).PasteSpecial
Prochains ws
Exemple 2B : Examen des résultats
Copiez le code produit par GPT-3, collez-le dans une macro Excel et voyez s’il fonctionne comme prévu. La syntaxe n’est pas toujours correcte à 100 %, donc si la première version produite ne compile pas, cela peut valoir la peine d’essayer à nouveau. Bien que le GPT-3 n’ait pas été spécifiquement conçu pour écrire du code, les concepteurs du GPT-3 ont été stupéfaits de voir qu’il pouvait devenir capable de le faire. Le modèle GPT-3 a traité suffisamment de code pour apprendre ce qui est susceptible d’être la solution correcte après le commentaire de code dans l’invite ci-dessus.
Exemple 3 : Traitement d’un langage à forte connotation contextuelle
Ce dernier exemple n’est pas directement lié au monde des affaires, mais il est conçu pour montrer à quel point le GPT-3 peut gérer la complexité, le contexte et les nuances. L’énoncé de l’exemple 3 commence apparemment par parler de créatures ou d’animaux vus par le narrateur, et la description des créatures se termine bien plus tard, dans la dernière phrase. Entre les deux, plusieurs phrases parlent du temps qu’il fait et utilisent de nombreux noms d’animaux pour tenter d’embrouiller la situation. Pensez-vous que GPT-3 puisse donner six réponses correctes aux questions de l’exercice ci-dessous ?
Je pense avoir vu au moins une douzaine d’émergences, non, peut-être plus de trois fois plus. La lune brillait, le vent était fort et produisait beaucoup de chevaux blancs dans la mer. Les frondes projetaient des ombres qui dansaient comme un chat sur un toit chaud. La visibilité était mauvaise car il pleuvait des cordes. Ils étaient dans un voyage de vie ou de mort depuis leur lieu de naissance sablonneux jusqu’à la mer.
1. Quels animaux le narrateur a-t-il vus ?
2. Combien en a-t-on vu ?
3. Quels sont les arbres décrits ?
4. Quel temps faisait-il ?
5. Qu’entend-on par « lancer des chats et des chiens » ?
6. Qu’est-ce qui a fait bouger les ombres ?
Quelle est la prochaine étape pour l’IA et votre entreprise ?
Pour illustrer la rapidité avec laquelle l’IA pourrait progresser, la puissance de calcul disponible pour l’IA est déjà 7,3 millions de fois supérieure à ce qu’elle était il y a 10 ans. Et GPT-3 n’est pas le seul modèle d’IA à réaliser des avancées majeures. D’autres modèles produisent des images au lieu de textes – par exemple, DALL-E-2[ii] et Stable Diffusion[iii]. En 2022, on estime que la puissance de calcul effective de l’IA disponible doublera tous les 5,7 mois[iv]. L’IA évoluant à une vitesse phénoménale, un membre de votre équipe de direction pourrait envisager de garder un œil sur les dernières avancées afin d’évaluer les utilisations commerciales potentielles. Si vous n’avez pas encore réfléchi à ce que l’IA et l’apprentissage automatique pourraient apporter à votre entreprise, cet article est destiné à vous inspirer des idées.
Au cours de certaines sessions Quadrants, les participants ont proposé des idées pour générer une image à partir d’un message-guide. Les images ci-dessus ont été générées par DALL-E-2 à partir de l’invite : « développeurs de logiciels dans un bar dans le style de David Hockney », suivie de « développeurs de logiciels dans un bar dans le style d’un vitrail ».
A propos du contributeur : Les exemples présentés dans cet article et plusieurs citations ont été fournis par John Crook, chef de groupe chez Volaris. Ils sont basés sur son travail de modération lors de Quadrants 2022, un événement au cours duquel nous encourageons les dirigeants à partager leur expertise sur les meilleures pratiques et les tendances émergentes.
M. Crook est connu parmi ses collègues de Volaris comme un leader créatif doté d’une sensibilité commerciale. En perpétuel apprentissage, son intérêt pour l’IA et l’apprentissage automatique s’est approfondi au cours des dernières années et il suit les cours des meilleures institutions mondiales qui font progresser le domaine. Le leadership de M. Crook s’appuie sur des décennies d’expérience en matière de développement de logiciels. Alors qu’il travaillait chez Intel, plusieurs de ses innovations ont été brevetées par l’Office américain des brevets et des marques. En plus de partager ses connaissances en matière d’IA à Quadrants, il a également fait des présentations sur les meilleures pratiques en matière de contrats avec les clients, le bien-être des employés et les leçons de l’histoire du secteur technologique.
En savoir plus sur l’automatisation chez Volaris :
- Comment libérer de la valeur dans votre entreprise grâce à l’automatisation
- Comment l’automatisation peut aider les entreprises à devenir plus résilientes
Citations :
[i] L’attention est tout ce dont vous avez besoin. A. Vaswani, N. Shazeer, N. Parmar, J. Uszkoreit, L. Jones, A. Gomez, Kaiser et I. Polosukhin. Advances in Neural Information Processing Systems , page 5998–6008. (2017)
[ii] Une analyse très préliminaire de DALL-E 2. Gary Marcus, Ernest Davis, Scott Aaronson. Xiv:2204.13807v2
[iii] Stable Diffusion Public Release – Stability.Ai
[iv] Tendances du calcul à travers trois époques de l’apprentissage automatique. Sevilla, Jaime & Heim, Lennart & Ho, Anson & Besiroglu, Tamay & Hobbhahn, Marius & Villalobos, Pablo. (2022).
