L’intelligence artificielle générative (IA générative) est une technologie qui utilise des algorithmes d’apprentissage automatique pour créer des contenus numériques originaux, tels que des images, des vidéos, des textes ou des sons, à partir de données existantes. Elle se distingue de l’IA traditionnelle, qui se concentre sur l’analyse et la classification des données, en permettant de produire de nouvelles données qui n’existaient pas auparavant.L’IA générative offre un potentiel économique considérable, car elle peut améliorer la productivité, la créativité et la personnalisation dans de nombreux secteurs. Par exemple, elle peut permettre de concevoir des produits innovants, de créer des contenus personnalisés pour les clients, de générer des scénarios de simulation pour la formation ou la planification, ou encore de synthétiser des données pour combler les lacunes ou augmenter la diversité.
L'IA générative est une étape dans l'évolution de l'intelligence artificielle. Alors que les entreprises s'empressent de l'adapter et de la mettre en œuvre, la compréhension du potentiel de cette technologie à apporter de la valeur à l'économie et à la société dans son ensemble permettra de prendre des décisions cruciales. McKinsey a utilisé deux optiques complémentaires pour déterminer où l'IA générative, avec ses capacités actuelles, pourrait apporter la plus grande valeur et quelle pourrait être l'ampleur de cette valeur.
L'impact potentiel de l'IA générative peut être évalué sous deux angles
La première lentille analyse les cas d'utilisation de l'IA générative que les organisations pourraient adopter. McKinsey définit un « cas d'utilisation » comme une application ciblée de l'IA générative à un défi commercial spécifique, aboutissant à un ou plusieurs résultats mesurables. Par exemple, un cas d'utilisation en marketing est l'application de l'IA générative pour générer un contenu créatif tel que des courriels personnalisés, dont les résultats mesurables comprennent potentiellement des réductions du coût de génération de ce contenu et des augmentations de revenus provenant de l'efficacité accrue d'un contenu de meilleure qualité à l'échelle.
McKinsey identifie 63 cas d'utilisation de l'IA générative couvrant 16 fonctions commerciales qui pourraient générer une valeur totale de l'ordre de 2,6 à 4,4 milliards de milliards de dollars en avantages économiques annuels lorsqu'ils sont appliqués à l'ensemble des industries.
Cela ajouterait 15 à 40 % aux 11 000 à 17 700 milliards de dollars de valeur économique que nous estimons aujourd'hui que l'intelligence artificielle non générative et l'analytique pourraient débloquer. (La précédente estimation de McKinsey, datant de 2017, indiquait que l'IA pourrait générer une valeur économique comprise entre 9 500 et 15 400 milliards de dollars.)
Le deuxième objectif de McKinsey complète le premier en analysant l'impact potentiel de l'IA générative sur les activités professionnelles requises dans quelque 850 professions. McKinsey modélise des scénarios pour estimer le moment où l'IA générative pourrait effectuer chacune des plus de 2 100 « activités de travail détaillées » - telles que « la communication avec d'autres personnes au sujet de plans ou d'activités opérationnels » - qui composent ces professions dans l'ensemble de l'économie mondiale. Cela nous permet d'estimer comment les capacités actuelles de l'IA générative pourraient affecter la productivité du travail pour l'ensemble des tâches actuellement effectuées par la main-d'œuvre mondiale.
Une partie de cet impact se chevauchera avec les réductions de coûts dans l'analyse des cas d'utilisation décrite ci-dessus, que nous supposons être le résultat de l'amélioration de la productivité du travail. Si l'on neutralise ce chevauchement, les avantages économiques supplémentaires de l'IA générative au-delà de ces cas d'utilisation - ou les nombreuses petites augmentations de la productivité qui sont susceptibles de se matérialiser lorsque la technologie est appliquée aux activités des travailleurs du savoir - s'élèvent à 6 100 à 7 900 milliards de dollars supplémentaires par an.
Si l'IA générative est une technologie passionnante qui progresse rapidement, les autres applications de l'IA évoquées dans notre précédent rapport continuent de représenter la majorité de la valeur potentielle globale de l'IA. Les algorithmes traditionnels d'analyse avancée et d'apprentissage automatique sont très efficaces pour effectuer des tâches numériques et d'optimisation telles que la modélisation prédictive, et ils continuent de trouver de nouvelles applications dans un large éventail d'industries.
Cependant, à mesure que l'IA générative continue à se développer et à mûrir, elle a le potentiel d'ouvrir de toutes nouvelles frontières en matière de créativité et d'innovation. Elle a déjà élargi les possibilités de l'IA dans son ensemble (voir l'encadré "Comment nous avons estimé le potentiel de valeur des cas d'utilisation de l'IA générative").
L'IA générative pourrait avoir un impact sur la plupart des fonctions de l'entreprise ; toutefois, quelques-unes se distinguent lorsqu'on mesure l'impact de la technologie en tant que part des coûts fonctionnels (tableau 3). L’analyse de 16 fonctions commerciales a permis d'en identifier quatre seulement - opérations clients, marketing et ventes, ingénierie logicielle et recherche et développement - qui pourraient représenter environ 75 % de la valeur annuelle totale des cas d'utilisation de l'IA générative.
L'utilisation de l'IA générative dans quelques fonctions seulement pourrait permettre d'étendre l'impact de la technologie à l'ensemble des cas d'utilisation potentiels au sein de l'entreprise.
Selon McKinsey, l’IA générative pourrait générer entre 1400 et 13400 milliards de dollars de valeur ajoutée annuelle à l’économie mondiale d’ici 2030, en fonction du rythme d’adoption et de la réglementation. Les secteurs les plus susceptibles de bénéficier de l’IA générative sont ceux qui ont une forte intensité de données, une forte demande de créativité ou de personnalisation, et une faible automatisation actuelle. Parmi ces secteurs figurent les médias et le divertissement, le commerce électronique, l’éducation, la santé, la fabrication et les services financiers.
Pour réaliser ce potentiel, les entreprises devront surmonter les défis techniques, organisationnels et éthiques liés à l’utilisation de l’IA générative. Les défis techniques concernent la qualité, la fiabilité, la sécurité et la responsabilité des contenus générés. Les défis organisationnels concernent le développement des compétences, la gestion du changement, l’intégration des processus et la mesure de la performance. Les défis éthiques concernent le respect des droits d’auteur, de la vie privée, de la sécurité et de la moralité. Les entreprises devront adopter des principes et des pratiques éthiques pour utiliser l’IA générative de manière responsable et durable.
L'IA s'est introduite progressivement dans nos vies, que ce soit par le biais de la technologie qui alimente nos smartphones, des fonctions de conduite autonome des voitures ou des outils que les détaillants utilisent pour surprendre et ravir les consommateurs. En conséquence, ses progrès ont été presque imperceptibles. Des événements marquants, comme la victoire d'AlphaGo, un programme d'IA développé par DeepMind, sur un champion du monde de go en 2016, ont été célébrés, mais ont rapidement disparu de l'esprit du public.
Les applications d'IA générative telles que ChatGPT Copilot, Stable Diffusion et d'autres ont capturé l'imagination des gens du monde entier d'une manière qu'AlphaGo n'a pas connue, grâce à leur large utilité - presque tout le monde peut les utiliser pour communiquer et créer - et à leur capacité naturelle à avoir une conversation avec un utilisateur. Les dernières applications d'IA générative peuvent effectuer une série de tâches de routine, telles que la réorganisation et la classification de données. Mais c'est leur capacité à écrire des textes, à composer de la musique et à créer des œuvres d'art numériques qui a fait les gros titres et persuadé les consommateurs et les ménages d'expérimenter par eux-mêmes.
En conséquence, un plus grand nombre de parties prenantes sont confrontées à l'impact de l'IA générative sur les entreprises et la société, mais sans beaucoup de contexte pour les aider à le comprendre.
La technologie de l'IA générative se développe à une grande vitesse
ChatGPT a été publié en novembre 2022. Quatre mois plus tard, OpenAI a publié un nouveau grand modèle de langage, ou LLM, appelé GPT-4, dont les capacités ont été nettement améliorées. De même, en mai 2023, Claude, l'IA générative d'Anthropic, était capable de traiter 100 000 tokens de texte, soit environ 75 000 mots en une minute - la longueur d'un roman moyen - contre environ 9 000 tokens lors de son lancement en mars 2023.2.
En mai 2023, Google a annoncé plusieurs nouvelles fonctionnalités alimentées par l'IA générative, notamment Search Generative Experience et un nouveau LLM appelé PaLM 2 qui alimentera son chatbot Bard, parmi d'autres produits Google.
Les percées qui ont permis l'essor de l'IA générative
Les modèles de l’IA contiennent des réseaux neuronaux artificiels expansifs inspirés des milliards de neurones connectés dans le cerveau humain. Les modèles de base font partie de ce que l'on appelle l'apprentissage profond, un terme qui fait référence aux nombreuses couches profondes des réseaux neuronaux. L'apprentissage profond a été à l'origine de nombreuses avancées récentes dans le domaine de l'IA, mais les modèles de base qui alimentent les applications d'IA générative constituent une évolution marquante de l'apprentissage profond. Contrairement aux modèles d'apprentissage profond précédents, ils peuvent traiter des ensembles extrêmement vastes et variés de données non structurées et effectuer plus d'une tâche.
Les modèles de fondation ont permis de créer de nouvelles capacités et d'améliorer considérablement les capacités existantes dans un large éventail de modalités, y compris les images, la vidéo, l'audio et le code informatique. L'IA formée sur ces modèles peut remplir plusieurs fonctions : elle peut classer, éditer, résumer, répondre à des questions et rédiger de nouveaux contenus, entre autres tâches.
L’IA générative est un domaine émergent et passionnant qui nous offre de nouvelles possibilités et de nouveaux défis. Explorer son potentiel, ses limites et ses implications pour l’avenir reste un objectif pour beaucoup. Les études montrent que l’IA générative peut révolutionner des domaines comme les ventes et le marketing, les services aux clients et la création de logiciels. Elle pourrait aussi créer de la valeur dans de nombreux secteurs, de la finance à la santé.
Source : Mckinsey
Et vous ?
Les conclusions de Mckinsey sur l'expansion de l'IA sont-elles pertinentes ? Quel est votre avis sur le sujet ?Voir aussi :
La plupart des gens ne font toujours pas confiance à l'IA, lorsqu'il s'agit de prendre des décisions importantes en leur nom, d'après une enquête de Krista Software I-JEPA : le premier modèle d'IA basé sur la vision de Yann LeCun, le scientifique en chef de Meta spécialisé dans l'IA, pour une IA plus proche de l'humain Les employés qui utilisent des outils d'IA au travail sont plus susceptibles de se sentir seuls, ce qui peut les pousser à l'insomnie et à la consommation d'alcool, selon des chercheurs 
Envoyé par Stéphane le calme
