Aujourd'hui, la plupart des gens comprennent que l'intelligence artificielle (IA) et son corollaire, l'apprentissage machine (ML), n’ont pas grand-chose à voir avec l'intelligence humaine. L'IA/ML consiste à reconnaître des modèles dans les données et à automatiser des tâches discrètes, depuis les algorithmes qui repèrent les transactions financières frauduleuses jusqu’aux chatbots qui répondent aux questions des clients. Et devinez quoi ? Les responsables IT apprécient leur énorme potentiel. Selon un sondage CIO Tech Poll réalisé auprès des responsables IT et publié en février, 62 % d’entre eux considèrent les technologies IA/ML comme les plus disruptives et 42 % pensent que ce sont celles qui ont le plus d'impact. Dans les deux cas, en termes de pourcentage, l’IA/ML obtient un score deux fois plus élevé que l'analyse big data, la technologie concurrente la plus proche. De plus, 18 % des personnes interrogées ont déclaré qu’elles disposaient déjà d'une solution AI/ML en production, ce qui représente un pourcentage impressionnant. Une enquête réalisée au mois juillet pour évaluer l'impact de la pandémie sur les entreprises incluait cette question assez provocante : « Quelle est la probabilité que votre entreprise investisse dans l'IA/ML pour réduire les coûts du capital humain ? » Près de la moitié des répondants, soit 48 %, a déclaré que leur entreprise pourrait très ou assez probablement adopter cette stratégie. Par conséquent, alors que le ralentissement économique s'aggrave, la demande de solutions AI/ML pourrait bien s'intensifier.

L'entreprise intelligente

Il est probable que les technologies d’intelligence artificielle et d’apprentissage machine remplaceront certains emplois, mais dans son article intitulé « L’IA au bureau : votre prochain collègue pourrait être un algorithme », Matthew Finnegan de Computerworld s’est surtout intéressé à la contribution des systèmes IA pour augmenter la productivité des employés. L'un des exemples les plus intéressants est celui des « cobots », ces assistants-robots qui opèrent aux côtés des employés sur le plancher de l'usine pour améliorer les capacités humaines. Mais comme le décrit Clint Boulton de CIO, l’apport des solutions d'IA/ML peut se manifester sous de nombreuses formes qu’il détaille dans son étude de cas intitulée « 5 cas d’usage réussis de l’apprentissage machine ». Selon Clint Boulton, les plus grands succès du ML en termes d’usages sont l'analyse prédictive pour anticiper les résultats des traitements médicaux, l'analyse intensive des données pour personnaliser les recommandations de produits et l'analyse d'images pour améliorer le rendement des cultures. Ce qui apparaît aussi très clairement, c’est que, quand une entreprise voit ce que l’apprentissage machine peut apporter dans un domaine, elle applique souvent une technologie ML similaire dans d'autres domaines.

Dans son article intitulé « Comment créer des datacenters autonomes grâce à l’IA », le contributeur Neil Weinberg explique comment un usage très pratique de l'IA/ML peut apporter un bénéfice direct à l’IT. Selon lui, l'IA/ML peut gérer l’alimentation, l'équipement et la charge de travail, en optimisant en permanence et à la volée ses contrôles - et dans le cas du matériel, en prédisant les pannes - sans intervention humaine. Les datacenters peuvent aussi tirer parti des capacités de l'IA/ML dans la sécurité, aussi bien pour alerter les administrateurs sur les anomalies que pour identifier les vulnérabilités et y remédier. Souvent, le premier travail de l’apprentissage machine, quel qu’il soit, est de découvrir des modèles dans de grandes quantités de données. Mais, comme le souligne Maria Korlov, collaboratrice de CSO dans un article intitulé « Comment sécuriser vos projets d’IA et d’apprentissage machine », ces données peuvent être sensibles. Celle-ci fait remarquer que la sécurité des données est souvent envisagée a posteriori, ce qui rend certains systèmes d’apprentissage machine intrinsèquement vulnérables aux violations de données. D’où la nécessité d'établir des politiques de sécurité explicites dès le départ, et dans les grandes entreprises, de dédier un seul responsable à la gestion des risques liés à l'IA.

Bien choisir sa plateforme IA/ML

Alors, où faut-il exécuter sa solution d'IA/ML ? Les fournisseurs de cloud public offrent des options très intéressantes, mais comme le recommande Martin Heller, rédacteur en chef adjoint d'InfoWorld dans son article « Bien choisir sa plateforme d’apprentissage machine », il faut les sélectionner avec soin. Martin Heller a répertorié 12 capacités indispensables que doit offrir une plateforme cloud de ML et il a expliqué pourquoi elles étaient nécessaires. La quantité des charges de travail d'analyse de données exécutés dans le cloud justifie le recours au ML pour en tirer plus de valeur. Cependant, selon lui, il est essentiel de s'assurer que l’entreprise pourra exploiter les meilleurs frameworks de ML disponibles et aura accès à des modèles pré-entrainés. On l’a compris, l’IA comme pendant de l'intelligence humaine n’est pas pour demain. D’ici là, les technologies IA/ML vont progressivement s'infiltrer dans tous les domaines ou presque. Elles vont contribuer à alléger certaines corvées et offriront des capacités sans précédent. Pas étonnant si les responsables IT pensent que ces technologies peuvent avoir le plus d’impact sur l’activité de leur entreprise.