Les facteurs ralentissant l’adoption de l’IA générative
L’introduction de l’IA générative (gen AI) a déclenché une conversation au niveau des conseils d’administration et de la direction générale sur la manière dont les entreprises peuvent utiliser et bénéficier de cette technologie.
Comme je l’ai expliqué dans un article de blog plus tôt cette année, les entreprises ont modifié les droits de décision concernant l’adoption de cette technologie pour y inclure les responsables de département. Lorsque vous ajoutez plus de parties prenantes à un cycle de prise de décision, vous compliquez et ralentissez ce cycle. Avec le temps, les responsables des risques, de la sécurité et de la conformité (qui orchestreront quelles parties seront automatisées et routinières) devront également être impliqués.
Que fait réellement l’IA générative et vaut-il la peine de passer par les problèmes de conformité, de sécurité et de gouvernance que l’organisation informatique doit mettre en place ? Oui. C’est une technologie puissante.
Où se fait l’adoption
L’IA générative ne change pas la pile technologique utilisée par le département. Je pense que la meilleure façon de la considérer est comme une extension de produit ou de fonctionnalité pour la pile technologique existante que les départements utilisent.
Il ne semble pas particulièrement compliqué d’ajouter cette technologie à une pile technologique. Par compliqué, j’entends qu’il n’y a pas beaucoup d’intégration de systèmes ou de changement dans la pile technologique existante. C’est une extension de fonctionnalité, une extension de produit de ce que les départements font déjà.
Dans la plupart des cas, elle agit comme un catalyseur de productivité pour un individu ou une fonction qui existe déjà. C’est l’état actuel de la situation sur l’endroit où la plupart de cela se passe.
Microsoft a bien fait les choses en créant son produit, Copilot. Il est complémentaire à ce que fait déjà une entreprise.
Est-ce que cela aide potentiellement les individus et les fonctions à travailler plus rapidement et de manière plus efficace ? Oui, à bien des égards. C’est quelque chose que la plupart des individus doivent apprendre à utiliser par eux-mêmes plutôt que d’être un changement fondamental dans les opérations commerciales actuellement en cours.
Il est possible qu’avec le temps, cela ait un impact plus important et change radicalement les opérations commerciales. Mais à l’heure actuelle, la plupart de l’adoption semble se situer dans les extensions de fonctionnalités et de produits déjà en cours.
Pourtant, c’est là que l’adoption semble ralentir ou souvent se heurter à un mur. Voici quelques-uns des principaux facteurs ralentissant l’adoption.
Gestion du changement
Les entreprises dispensent-elles la formation nécessaire pour que les individus comprennent comment utiliser l’outil gen AI de manière productive ? Cela ressemble beaucoup aux anciens défis de gestion du changement auxquels les entreprises étaient confrontées avec d’autres technologies.
Prix
Complication supplémentaire des problèmes de gestion du changement ralentissant l’adoption : la tarification ambiguë par les acteurs fondamentaux pour leurs produits. Copilot de Microsoft, par exemple, est tarifé à 30 $ par personne. Dans de nombreuses start-ups, les produits sont tarifés à un coût élevé pour fonctionner dans leur itération actuelle.
Je crois que ces prix vont baisser assez drastiquement au cours des 18 prochains mois pour plusieurs raisons. Tout d’abord, les prix actuels sont fixés en fonction de la valeur. Les fournisseurs essaient de faire valoir qu’un produit est tellement précieux que les clients paieront beaucoup pour l’obtenir. Mais à mesure que la technologie mûrit, le rapport prix-valeur et la tension concurrentielle rapprocheront les prix du coût de fonctionnement.
Un autre facteur affectant le prix est qu’il s’agit d’une technologie relativement coûteuse à exploiter. De nouvelles avancées arriveront très rapidement sur le marché, ce qui abaissera considérablement le coût d’exploitation. Par exemple, le coût des puces diminuera. Il y aura des innovations en place qui rendront le CPU plus important dans le traitement par rapport aux puces NVIDIA, ce qui fera également baisser le prix.
De plus, il y a des gains d’efficacité potentiels en cours qui rendront le traitement beaucoup plus efficace dans les requêtes réelles.
L’open source est un autre facteur qui fera baisser le coût d’exploitation et donc augmentera la compétitivité et fera baisser le prix. Les modèles fondateurs peuvent faire un travail adéquat, les entreprises transféreront donc des tranches significatives d’opérations vers les modèles open source. Cela fera baisser les prix.
Expertise requise
La gestion du changement sérieux et les problèmes d’exploitation des entreprises seront les principaux obstacles qui ralentiront – et, dans de nombreux cas, empêcheront – l’adoption. Ces problèmes seront le dernier kilomètre à surmonter.
Pour résoudre ces problèmes, il faut posséder plusieurs compétences et un modèle multidisciplinaire. Cela nécessite une expertise sectorielle, une expertise fonctionnelle et éventuellement une expertise sectorielle pour déployer cette technologie. Beaucoup de ces compétences semblent se regrouper dans le prompt engineering, où l’utilisateur et/ou les architectes de processus métier créent les filtres et les questions nécessaires pour restreindre la portée des réponses et les encadrer de manière utile pour les utilisateurs. Bien que les compétences en intégration de systèmes soient sensiblement moins importantes que prévu, il faut tout de même une certaine expertise technique pour le déployer.