L'IA d'entreprise doit apprendre de l'expérience

Un défi majeur lié au déploiement croissant des systèmes d'IA dans les entreprises est leur incapacité à apprendre des opérations quotidiennes. Bien qu'une IA puisse accumuler des informations et se souvenir d'interactions passées, cela ne signifie pas intrinsèquement qu'elle améliore sa prise de décision ou ses performances au fil du temps. Contrairement à un être humain qui se développe par l'expérience, de nombreux systèmes d'IA actuels conservent les mêmes capacités qu'au moment de leur mise en œuvre.

Satya Nadella a souligné la distinction entre les modèles généraux remplaçables et l'expertise durable, spécifique à l'entreprise. Les connaissances acquises grâce à l'expérience de l'entreprise – retours clients, campagnes de vente réussies et échouées, problèmes de chaîne d'approvisionnement ou résolutions du service client – sont précieuses. L'analyse de ces événements concrets et de leurs résultats peut conduire à une meilleure IA à l'avenir. La simple collecte de données sans processus d'apprentissage n'entraîne pas d'amélioration, faisant de l'apprentissage continu un objectif clé pour le développement de l'IA.

L'avantage concurrentiel ne repose plus uniquement sur l'utilisation des derniers modèles d'IA, car les concurrents peuvent acquérir des outils similaires. Un véritable avantage découle de ce qu'une entreprise a appris de son histoire unique : ses clients, ses décisions, ses campagnes et ses corrections. Le « test du vétéran d'entreprise » proposé par Satya Nadella mesure si l'expertise accumulée au sein de l'organisation persiste même si le modèle est remplacé. L'objectif devrait être de construire une boucle d'apprentissage où le capital humain et celui de l'IA se développent conjointement.

L'échelle devrait rendre une entreprise plus intelligente, pas seulement plus grande. Alors que les logiciels traditionnels peuvent traiter un million de transactions au lieu de dizaines de milliers, un système intelligent devrait améliorer ses performances à chaque nouvelle interaction. Des plateformes comme YouTube, Spotify et Amazon utilisent depuis longtemps des flux de comportement d'utilisateurs et des retours pour améliorer leurs recommandations. Les entreprises devraient exiger des capacités d'apprentissage similaires de leurs propres systèmes d'IA, en s'assurant qu'ils évoluent sur la base de l'expérience de l'entreprise.