ChatGPT n’est qu’un début, un amuse-bouche. Les utilisations en entreprise de l’IA générative sont beaucoup plus sophistiquées. Explications de Brian Burke, Research VP for Technology Innovation, Gartner.

« Les premiers modèles de base d’IA générative, comme ChatGPT, se concentrent sur la capacité à augmenter le travail créatif. Mais, d’ici 2025, nous prévoyons que plus de 30 % -contre zéro aujourd’hui- de nouveaux médicaments et matériaux seront systématiquement découverts à l’aide de techniques d’IA générative. Et ce n’est là qu’un des nombreux cas d’usage de l’industrie… »

L’IA générative peut explorer de nombreuses conceptions possibles d’un objet pour trouver la bonne correspondance ou la plus appropriée. Non seulement, elle augmente et accélère la conception dans de nombreux domaines, mais elle a également le potentiel d’« inventer » de nouveaux modèles ou objets que nous aurions pu manquer autrement, assure Brian Burke, Research VP for Technology Innovation, Gartner.

Du marketing à l’industrie en passant par la santé

Le marketing et les médias ressentent déjà les impacts de l’IA générative. D’ici 2025, prédit Gartner, 30 % des messages marketing sortants des grandes organisations seront générés de manière synthétique, contre moins de 2 % en 2022. Et d’ici 2030, un film à grand succès sortira avec 90 % généré par l’IA -du texte à la vidéo.

Mais il y a plus important. « L’évolution la plus marquante sera l’usage de l’IA générative dans la conception de médicaments », assure Brian Burke. Une étude de 2010 a montré que le coût moyen du passage d’un médicament de sa découverte à sa mise sur le marché était d’environ 1,8 milliard USD, dont les coûts de découverte de médicaments représentaient environ un tiers, le tout entre trois et six ans. « L’IA générative a déjà été utilisée pour concevoir des médicaments pour diverses utilisations en quelques mois, offrant à l’industrie pharmaceutique des opportunités importantes pour réduire à la fois les coûts et le calendrier de la découverte de médicaments. »

IA générative et puissance des données synthétiques

On la verra aussi dans en science des matériaux. L’IA générative a un impact sur les industries de l’automobile, de l’aérospatial, de la défense, de l’électronique et de l’énergie en composant des matériaux entièrement nouveaux ciblant des propriétés physiques spécifiques. Le processus, appelé conception inverse, définit les propriétés requises et découvre les matériaux susceptibles d’avoir ces propriétés plutôt que de s’appuyer sur la sérendipité pour trouver un matériau qui les possède. « Le résultat est de trouver, par exemple, des matériaux qui sont plus conducteurs ou une plus grande attraction magnétique que ceux actuellement utilisés dans l’énergie et les transports -ou pour des cas d’utilisation où les matériaux doivent être résistants à la corrosion », commente Brian Burke.

Il est aussi question de données synthétiques. En clair, une classe de données générées plutôt qu’obtenues à partir d’observations directes du monde réel. « Cela garantit la confidentialité des sources originales des données qui ont été utilisées pour former le modèle, explique Brian Burke. Par exemple, les données de santé peuvent être générées artificiellement à des fins de recherche et d’analyse sans révéler l’identité des patients dont les dossiers médicaux ont été utilisés pour garantir la confidentialité. »

Ne négligez pas les risques

Toutefois, avant de vous lancer, rappelez-vous que l’IA générative ne présente pas seulement des opportunités pour les entreprises, conseille Brian Burke. Les menaces sont également réelles, y compris le potentiel de deepfakes, de problèmes de droits d’auteur et autres utilisations malveillantes.

« Travaillez avec les responsables de la sécurité et de la gestion des risques pour atténuer de manière proactive les risques de réputation, de contrefaçon et de fraude, invite le VP Research. Envisagez également de mettre en œuvre des conseils sur l’utilisation responsable de l’IA générative. Commencez par dresser une liste organisée de fournisseurs et de services approuvés. Ensuite, donnez la priorité à ceux qui s’efforcent d’assurer la transparence des ensembles de données. Investissez dans les bons modèles. Et, enfin, pensez formation ! »