Comment l'essor de l'intelligence artificielle (IA) générative affectera-t-il réellement les entreprises cette année?

Au cours des derniers mois, deux experts ont mené trois enquêtes auprès de responsables des données et de la technologie. Deux impliquaient le directeur des données du Massachusetts Institute of Technology (MIT) et les participants au Information Quality Symposium – l'une commanditée par Amazon Web Services (AWS) et l'autre par Thoughtworks (non publiée). La troisième enquête a été menée par Wavestone. Au total, les nouvelles enquêtes ont porté sur plus de 500 cadres supérieurs, avec peut-être un certain chevauchement des participations.

Les enquêtes ne prédisent pas l'avenir, mais elles suggèrent ce que pensent et font les personnes les plus proches des stratégies et des projets en matière de science des données et d'IA des entreprises.

Un article de la MIT Technology Review explique ces cinq tendances :

1. L'IA générative brille, mais doit générer de la valeur
   L'IA générative apporte-t-elle réellement une valeur économique aux organisations qui l'adoptent? Les résultats de l'enquête suggèrent que, même si l'enthousiasme suscité par la technologie est très élevé, la valeur n'a pas encore été largement livrée. 
   Un pourcentage élevé de personnes interrogées pensent que l'IA générative a le potentiel d'être transformationnelle; 80 % des personnes interrogées dans l'enquête d'AWS ont déclaré qu'elles pensaient que cette technologie transformerait leur organisation, et 64 % des répondants de l'enquête Wavestone ont déclaré qu'il s'agissait de la technologie la plus transformationnelle depuis une génération. Une grande majorité des personnes interrogées augmentent également leurs investissements dans la technologie. Cependant, la plupart des entreprises n'en sont encore qu'au stade expérimental.
2. La science des données passe d'artisanale à industrielle
   Les entreprises ressentent le besoin d'accélérer la production de modèles de science des données. Ce qui était autrefois une activité artisanale est en train de s'industrialiser. Les entreprises investissent dans des plateformes, des processus et des méthodologies, des fonctionnalités, des systèmes d'opérations d'apprentissage automatique et d'autres outils pour augmenter la productivité et les taux de déploiement. Les systèmes d'opérations d'apprentissage automatique surveillent l'état des modèles d'apprentissage automatique et détectent si leurs prédictions sont toujours précises. Si ce n'est pas le cas, les modèles devront peut-être être recyclés avec de nouvelles données.
3. Deux versions de produits de données domineront : les « produits de données » et les « produits d'analyse et d'IA »
4. Les experts en science des données deviendront moins attrayants
   Un certain nombre de changements dans la science des données produisent des approches différentes pour gérer des éléments importants du travail. L'un de ces changements est la prolifération de rôles connexes qui peuvent résoudre certains aspects du problème de la science des données. Cet ensemble croissant de professionnels comprend des ingénieurs de données pour gérer les données, des ingénieurs en apprentissage automatique pour faire évoluer et intégrer les modèles, des traducteurs et des connecteurs pour travailler avec les enjeux commerciaux.
5. Les responsables des données, de l'analyse et de l'IA deviennent de moins en moins indépendants
   Les fonctions du « chef de file de la supertechnologie », qui rend généralement compte au PDG, sont désormais englobées dans un ensemble plus large de fonctions de technologie, de données et de transformation numérique.