Düsseldorf Thomas Edison a allumé l’ampoule en 1879. Quiconque pense qu’une vague d’inventions et de changements a suivi se trompe. Vingt ans plus tard, seuls 3 % des ménages américains étaient connectés à l’électricité, et le chiffre pour les usines n’était guère plus élevé. Il a fallu quatre décennies pour que l’électricité se répande. Pourquoi si longtemps?
C’est la question que se posent Ajay Agrawal, Joshua Gans et Avi Goldfarb dans leur livre Power and Prediction. Leur analyse vaut la peine d’être lue, ne serait-ce qu’en raison de leur expertise : les trois économistes canadiens et experts en IA se sont fait connaître en 2018 pour leur livre « Prediction Machines ». Le best-seller décrit les avancées de l’intelligence artificielle (IA).
« C’est le meilleur livre sur la meilleure technologie qui nous arrive », a déclaré Lawrence Summers, professeur et ancien économiste en chef à la Banque mondiale. Actuellement, tout le monde parle de ChatGPT et d’IA. Les avancées sont stupéfiantes, grâce à des ensembles de données et des capacités informatiques plus importants, les réseaux de neurones et les modèles d’apprentissage automatique reconnaissent de mieux en mieux les objets ou les personnes, écrivent des textes et analysent des composants chimiques ou des images radiographiques.
Cependant : même il y a cinq ans, l’enthousiasme pour l’IA était grand – pour s’endormir ensuite. Et cela pourrait se reproduire. Car nous sommes dans le « entre-temps », comme le décrivent les auteurs. Ils entendent par là le laps de temps qui s’écoule entre l’introduction d’une innovation fondamentale et ses conséquences économiques.
Dans le cas des cabinets de conseil aux entreprises, cela s’appelle le « Hype Cycle » : premièrement, une nouvelle technologie est accueillie avec euphorie et ses conséquences sont surestimées. Suit alors une phase de désillusion et de déception – dont les conséquences sont sous-estimées.
Ajay Agrawal, Joshua Gans, Avi Goldfarb : pouvoir et prédiction
Harvard Business Review Presse
Brighton 2022
288pages
26,99 euros
C’est rafraîchissant de lire les auteurs s’accuser d’exubérance. « Nos spéculations se sont avérées fausses – complètement fausses », dit-il à propos de leurs prédictions précédentes sur la « commercialisation de l’IA ». Ils avaient prédit un triomphe rapide.
Ils citent Geoffrey Hinton en s’excusant quelque peu. En 2019, le professeur et « parrain de l’apprentissage en profondeur » a prédit que le métier de radiologue allait bientôt prendre fin – car l’IA peut mieux évaluer les images radiographiques. Technologiquement, Hinton avait raison, écrivent les économistes dans le livre, mais il n’y aurait en aucun cas moins de radiologues.
Comment pouvaient-ils se tromper autant ? Les auteurs poursuivent la question sur plus de 250 pages. En utilisant l’électricité comme exemple, ils décrivent clairement pourquoi les innovations clés prennent du temps.
Leur pouvoir de changement est presque trop grand, au début ils ne sont guère utilisés. À la fin du XIXe siècle, par exemple, les usines fonctionnaient avec des machines à vapeur, et le passage à l’électricité était hors de question pour la plupart des propriétaires. Après tout, les nouvelles machines et turbines coûtent de l’argent.
Si vous commencez tôt, vous récolterez les bénéfices plus rapidement
Ce n’est qu’avec le temps que le véritable avantage de l’électricité s’est cristallisé : contrairement au fonctionnement à la vapeur, les machines n’ont pas besoin d’être proches de la source d’énergie. Cela permet une structure de production différente, comme celle qu’Henry Ford a mise en pratique avec la production à la chaîne – mais seulement en 1914, 35 ans après l’allumage de l’ampoule.
En particulier, les industries qui émergeaient à l’époque, telles que les industries automobile et chimique, ont été les premières à dépendre de l’électricité. Tout comme aujourd’hui, des entreprises comme Amazon, Google ou Meta utilisent massivement l’IA avec leurs modèles commerciaux numériques.
Le « dilemme de l’innovateur » empêche les industries établies de longue date de se repositionner, écrivent les auteurs : bien que les entreprises voient les avantages de l’IA, elles craignent de changer leur activité qui fonctionne bien. Des géants de la technologie comme Google sont également concernés. Le fournisseur de moteur de recherche craint l’impact de l’IA sur les entreprises, c’est pourquoi, selon les médias américains, sa propre AI Lamda a été retenue.
Pour s’en sortir, les entreprises choisissent une voie de compromis : elles introduisent l’IA de manière sélective. Comment les banques utilisent l’IA pour détecter la fraude financière. C’est comme l’ampoule de l’usine : l’application ne perturbe pas le modèle commercial précédent et peut être intégrée de manière transparente.
Cependant, le véritable pouvoir de l’IA réside ailleurs – dans le changement de système. Comment le moteur électrique a finalement remplacé la machine à vapeur. Mais cela prend du temps, il y a beaucoup de résistance. Pas seulement pour les employés ou les managers qui craignent le changement. Selon les auteurs, le problème est plus profond : dans les « procédures standards » qui se sont ancrées dans les règlements, les hiérarchies et les règles d’une entreprise.
En savoir plus sur l’IA :
Cela garantit que les différentes parties de l’entreprise et les employés peuvent travailler ensemble aussi efficacement que possible. Les règles sont le « colle » qui exclut les erreurs et garantit la fiabilité.
Cependant, les règles empêchent également les réformes. Le potentiel de l’IA ne peut pas être pleinement exploité : à savoir faire des prédictions précises qui ne coûtent presque rien. Cela modifie le processus de prise de décision dans une entreprise. Jusqu’à présent, prédictions et décisions vont de pair ; L’IA résout ce problème et permet de nouvelles idées commerciales.
Un exemple serait la livraison de marchandises avant que les clients ne les aient commandées. Amazon et d’autres entreprises l’expérimentent. L’IA pourrait nous permettre d’avoir chaque jour un approvisionnement en biens à notre porte, à partir duquel nous prélevons ceux dont nous avons besoin. Le shopping serait aboli.
Cependant, l’idée se heurte à de nombreux problèmes : que faire des marchandises retournées ? Les coûts de transport devraient également être bien inférieurs à ce qu’ils sont aujourd’hui. Cet exemple montre la pensée des auteurs : l’IA peut prédire assez précisément notre comportement d’achat, mais la mise en œuvre se heurte aux limites du système. Mais il serait concevable de convertir le système de manière à ce que l’idée fonctionne : avec un transport efficace et une réutilisation des marchandises retournées.
Selon la thèse, l’IA aura le plus grand impact dans les industries et les entreprises dans lesquelles il existe de nombreuses règles et « incertitudes cachées ». Dans les aéroports, par exemple, les nombreuses boutiques traduisent l’incertitude du passager quant à l’heure exacte à laquelle il doit quitter son domicile pour prendre l’avion. Une application basée sur l’IA pourrait changer cela et menacer les revenus des magasins.
Apprentissage personnalisé avec l’IA
Un autre exemple dans le livre est celui des écoles. Il existe de nombreuses règles pour s’assurer que tous les élèves reçoivent une éducation adéquate. Il est clair que les enfants apprennent à des vitesses différentes et ont des talents différents. Mais ils sont toujours poussés dans des classes avec le même contenu d’apprentissage.
L’apprentissage personnalisé pourrait apaiser les tensions, affirment les auteurs. L’IA formée pour un contenu d’apprentissage spécifique transmet mieux et plus directement les mathématiques ou la grammaire aux élèves. Les enseignants peuvent se concentrer sur le travail de groupe ou sur des élèves spécifiques pour résoudre des problèmes sociaux ou autres.
La conclusion des auteurs : même s’il faudra encore un certain temps avant que l’IA révolutionne notre économie comme l’électricité l’a fait autrefois, ne vous reposez pas et ne vous détendez pas. Il y a d’énormes avantages à utiliser l’IA plus tôt : « Plus tôt elle est mise en œuvre, meilleure est la prédiction. » Si une IA est juste un peu meilleure qu’une autre, plus de clients l’utiliseront. « Avec plus d’utilisateurs, l’IA obtient plus de données, avec plus de données clients, l’IA fait de meilleures prédictions. Cela attire de nouveaux clients.
Plus: Ce sont les livres d’affaires les plus vendus en janvier