Panorama de l’IA générative : tendances actuelles et perspectives

L’IA générative est une forme d’intelligence artificielle qui s’appuie sur le traitement du langage naturel, d’immenses jeux de données d’entraînement et des stratégies avancées d’entraînement de l’IA, comme les réseaux neuronaux et l’apprentissage profond, pour générer du contenu original semblable à celui produit par un être humain.

Les professionnels de la technologie comme les utilisateurs grand public se familiarisent avec les modèles de génération de contenu tels que ChatGPT, apparu pour la première fois en 2022. Mais cet exemple d’IA générative ne fait qu’effleurer ce que l’IA générative peut faire et la direction qu’elle prend.

Dans ce guide consacré au panorama de l’IA générative, nous examinerons les capacités de l’IA générative, ainsi que la façon dont elle est apparue et devenue si populaire. Nous étudierons également les tendances actuelles dans le domaine de l’IA générative et tenterons de prévoir ce que les consommateurs doivent attendre de cette technologie dans un avenir proche.

État actuel du panorama de l’IA générative

Bien que la technologie d’IA générative soit encore relativement récente, les modèles d’IA actuels sont utilisés pour répondre à un large éventail de besoins personnels et professionnels. Voici quelques-unes des applications et des exemples d’IA les plus courants dans le panorama actuel de l’IA générative :

• Usage personnel : Les utilisateurs grand public d’outils d’IA générative les emploient souvent pour générer du contenu textuel ; les cas d’usage comprennent les questions-réponses, la planification de voyages et d’événements, la conversation et la recherche.
• Assistants IA, chatbots et recherche : Les moteurs de recherche et copilotes propulsés par l’IA gagnent rapidement du terrain. Plusieurs start-up proposent également des outils de recherche d’entreprise alimentés par l’IA générative.
• Tâches des développeurs : Les outils d’IA générative destinés aux développeurs peuvent prédire des séquences de code, contribuer à la résolution de problèmes, documenter le code existant et automatiser les tâches de programmation.
• Génération de contenu créatif : Au-delà de la génération de texte, plusieurs modèles d’IA générative peuvent également générer de l’audio, de la vidéo, ainsi que des images. Parmi les dernières tendances en matière de génération de contenu par l’IA figurent la création de contenus musicaux, de jeux vidéo et de podcasts.
• Vision par ordinateur : La génération de données synthétiques et la création de modèles 3D peuvent être appliquées à des cas d’usage de vision par ordinateur tels que la surveillance des conducteurs et la détection des piétons, la réalité augmentée/virtuelle/étendue, l’essayage virtuel, et bien plus encore.
• Synthèse vocale et audio : Les voix générées par l’IA peuvent être utilisées dans des projets d’entreprise comme les vidéos marketing ; les options vocales basées sur l’IA sont rapidement disponibles dans un large éventail de langues et de tonalités.

Ces exemples, entre autres, sont aujourd’hui utilisés dans de nombreux secteurs et services d’entreprise, notamment le marketing et les ventes, le service client et les centres de contacts, la santé et l’industrie pharmaceutique, la biologie et la biophysique, le divertissement, les services juridiques et publics, la finance et la banque, ainsi que le commerce électronique.

Des outils comme ChatGPT peuvent être utilisés pour différents types de génération de contenu, notamment pour générer des extraits de code. Source : Shelby Hiter via ChatGPT.

Pour mieux comprendre comment les entreprises utilisent l’IA générative, consultez notre guide : 15 cas d’usage de l’IA générative en entreprise.

Technologies et innovations clés qui façonnent le panorama de l’IA générative

L’IA générative se développe actuellement à une échelle massive pour deux raisons principales : 1) des techniques de réseaux neuronaux plus matures ont fait leur apparition et 2) les modèles et la puissance de calcul sont désormais plus accessibles.

En 2017, Google a posé les fondations de l’IA générative que nous utilisons aujourd’hui lorsque l’entreprise a proposé pour la première fois une architecture de réseau neuronal appelée Transformer. Les transformers ont permis de créer des modèles de langage de meilleure qualité, pouvant être entraînés plus efficacement et dotés de fonctionnalités plus personnalisables. À cette époque, des outils de saisie prédictive et de simples chatbots d’IA ont commencé à apparaître et à mûrir, mais de façon limitée.

Cependant, même avec le développement des transformers et des architectures de réseaux neuronaux associées, les modèles d’IA générative restaient prohibitivement coûteux et difficiles à développer et à exploiter. Le traitement des requêtes d’IA générative nécessitait des ressources informatiques dont la plupart des entreprises ne disposaient pas.

À partir de 2022, la puissance de calcul et la couche d’infrastructure des plateformes d’IA ont commencé à rattraper les exigences de traitement des outils d’IA générative, permettant à davantage d’entreprises de développer des technologies d’IA générative. Plus important encore, cette innovation a permis aux développeurs d’IA générative existants d’étendre leurs modèles à d’autres utilisateurs à un tarif abordable.

À peu près au même moment, de nouvelles techniques de réseaux neuronaux, comme les modèles de diffusion, sont également apparues pour réduire les barrières à l’entrée du développement de l’IA générative.

L’IA générative nécessitant désormais moins d’énergie et d’investissements financiers, son panorama s’est élargi pour inclure un certain nombre d’entreprises technologiques établies et de start-up d’IA générative. Le paysage continue d’évoluer tandis que les modèles existants sont proposés à davantage d’utilisateurs via des API, des versions gratuites limitées et des logiciels open source, ce qui entraîne régulièrement de nouvelles applications et l’apparition de nouveaux cas d’usage.

Pour en savoir plus sur les acteurs émergents du panorama de l’IA générative, consultez notre guide : Start-up d’IA générative.

Principaux acteurs et start-up qui façonnent le panorama de l’IA générative

OpenAI est clairement le leader du panorama de l’IA générative, avec une valorisation actuelle d’environ 80 milliards de dollars US. Grâce à ses liens étroits avec Microsoft, à son modèle GPT-4, à son outil ChatGPT incroyablement populaire et à ses innovations continues dans d’autres formes de génération de contenu multimodal, OpenAI est bien placé pour poursuivre sa croissance et attirer des investissements de tiers qui alimenteront cette croissance.

De grandes entreprises technologiques comme Amazon et IBM contribuent également à faire avancer l’IA générative, mais les acteurs majeurs les plus en vue actuellement sont Microsoft et Google. Bien que Microsoft ait commencé plus tôt à proposer au public de véritables outils d’IA générative, les deux entreprises offrent désormais des outils prenant en charge la génération de contenu multimodal, les conversations pilotées par l’IA, l’assistance par IA et bien plus encore.

Parmi les autres leaders du secteur figurent :

• Cohere
• Jasper
• Anthropic
• Glean
• Stability AI
• Inflection AI

5 tendances émergentes du panorama de l’IA générative

Aussi influente soit-elle devenue rapidement, l’IA générative devrait, au vu des taux d’adoption initiaux, façonner un avenir bien plus omniprésent qui touchera différents secteurs, de l’éducation à la réalité virtuelle. Découvrez les tendances émergentes actuelles qui joueront probablement un rôle dans l’utilisation future de l’IA générative.

Automatisation du marketing et des ventes

L’IA générative est actuellement fréquemment utilisée pour le marketing, les ventes et les tâches similaires de génération de contenu créatif. Si les utilisateurs peuvent saisir manuellement leurs demandes de contenu dans des chatbots et des modèles d’IA générative, de nombreux fournisseurs d’IA permettent désormais de réduire au minimum les invites à fournir à un assistant ou à un copilote IA afin d’automatiser les tâches de génération de contenu.

L’automatisation peut par exemple être utilisée pour rédiger du contenu destiné aux réseaux sociaux et aux blogs, créer du contenu vidéo et visuel multicanal et gérer les flux de travail d’e-mailing marketing entrant et sortant.

Nombre de ces outils sont actuellement limités quant aux langues dans lesquelles ils fonctionnent et aux fenêtres de contexte qu’ils prennent en charge. À mesure que ce cas d’usage gagnera en maturité, attendez-vous à voir davantage de solutions multilingues dotées de fenêtres de contexte plus larges, permettant de soumettre des requêtes plus longues et plus complexes.

Assistance au développement de produits et de logiciels

Que vous soyez un développeur expérimenté ou un débutant sans connaissances en programmation, plusieurs outils d’IA générative peuvent désormais vous aider à effectuer différentes tâches de programmation. Prenons GitHub Copilot par exemple : cet outil fonctionne directement avec les comptes et les écosystèmes GitHub des utilisateurs, en les aidant à compléter du code, à générer des extraits de code, à résoudre des problèmes, ainsi qu’à générer et expliquer du code en langage courant. Grâce à l’accent mis sur les entrées en langage naturel, n’importe qui peut générer du code pour résoudre divers problèmes de développement de produits et de logiciels.

Développement et impact croissants dans l’éducation

Les élèves utilisent déjà des outils comme ChatGPT pour répondre à des questions de devoirs ou rédiger des dissertations, ce qui inquiète les enseignants et les parents.

Bien que ces grands modèles de langage ne « connaissent » pas nécessairement les réponses aux devoirs scolaires, leur entraînement les a préparés à prédire avec précision une séquence de texte pour différentes entrées, permettant aux élèves d’utiliser ces outils pour résoudre des problèmes en classe. Cela pourrait bien sûr nuire à l’éducation des élèves, mais aussi leur être bénéfique, ainsi qu’à leurs enseignants, si les systèmes éducatifs apprennent à mettre en œuvre des solutions d’IA comme outils d’apprentissage auxiliaires.

De même que les technologies utilisées en classe ont évolué par le passé — les rétroprojecteurs, ça vous dit quelque chose ? — l’IA générative obligera les enseignants à faire évoluer leur approche pédagogique. L’apprentissage virtuel constitue par exemple un domaine passionnant de l’IA générative, qui évolue rapidement. Des jeux d’IA générative et des solutions de narration par IA sont désormais proposés, offrant aux enseignants un soutien pédagogique et de nouvelles façons attrayantes de transmettre du contenu éducatif aux élèves.

Mais la question du plagiat fondé sur l’IA demeure. Pour lutter contre la tendance des élèves à s’appuyer sur ChatGPT et des outils similaires pour faire leurs devoirs, les enseignants peuvent utiliser l’un des nombreux détecteurs gratuits de plagiat de contenu généré par l’IA désormais disponibles. Bien qu’ils ne soient pas parfaits, ces outils peuvent estimer efficacement le pourcentage de contenu généré artificiellement.

À mesure que les préoccupations liées à l’éducation grandissent, les utilisateurs peuvent également s’attendre à voir évoluer ces outils de détection du plagiat.

Applications d’IA intégrées

Quelques grandes entreprises technologiques comme Microsoft proposent désormais des assistants IA qui guident les recherches des utilisateurs sur le Web ou prennent en charge la génération de contenu et l’exécution de tâches dans des suites bureautiques comme Microsoft 365. Google a suivi le mouvement avec Gemini, en ajoutant des fonctionnalités permettant d’utiliser l’outil directement dans Gmail, Docs et d’autres services. Par ailleurs, certaines des plus grandes start-up d’IA générative, comme Cohere et Glean, proposent aux utilisateurs des outils de recherche d’entreprise alimentés par l’IA.

À mesure que les outils d’entreprise d’assistance continuent d’enrichir leurs fonctionnalités, de nombreuses entreprises commenceront à suivre l’exemple de Microsoft, comme l’a fait Google, et à intégrer ces applications à leurs sites Web, produits et logiciels internes afin d’offrir une meilleure expérience utilisateur en libre-service aux employés comme aux clients.

Microsoft Copilot est désormais disponible dans plusieurs applications professionnelles de Microsoft, notamment Power BI. Source : Microsoft.

Une IA générative contextualisée et mondiale

La plupart des modèles d’IA générative actuels présentent des limites temporelles et linguistiques, mais plusieurs fournisseurs d’IA générative ont étendu leurs outils afin qu’ils fonctionnent dans davantage de langues et de dialectes. À mesure que la demande d’IA générative augmente dans le monde, ces fournisseurs seront de plus en plus nombreux à devoir veiller à ce que leurs outils puissent accepter des entrées et produire des résultats adaptés à différents contextes linguistiques et culturels, avec un minimum d’erreurs.

Certains modèles d’IA générative, notamment BLOOM de Hugging Face, sont disponibles dans des langues et dialectes moins courants à l’échelle mondiale. Les utilisateurs doivent savoir que nombre de ces langues ont été représentées par une quantité minimale de données d’entraînement ; il sera donc important de contrôler la qualité des résultats dans les langues autres que l’anglais. Source : Hugging Face.

Par ailleurs, les modèles d’IA générative devront fournir aux utilisateurs des informations plus précises et en temps réel afin de maintenir leur engagement. Bien que ChatGPT soit actuellement le modèle de génération de contenu et de langage à grande échelle le plus populaire, il pourrait finir par être dépassé par des concurrents comme Gemini, qui dispose d’une version gratuite connectée à Internet et génère des réponses à partir d’informations à jour. À l’inverse, la version gratuite de ChatGPT fonctionne actuellement avec des données qui s’arrêtent en avril 2023 et ne dispose d’aucune connexion Internet en temps réel, bien que les formules payantes aient accès à Bing.

Panorama de l’IA générative : enjeux en matière de cybersécurité

Les outils d’IA générative peuvent être utilisés pour simuler des attaques et des environnements, recueillir des renseignements sur les menaces et créer des jumeaux numériques de données sensibles. Si l’IA générative contribue à renforcer les protections et les pratiques de sécurité lorsqu’elle est utilisée de manière stratégique, elle peut également être manipulée par des acteurs malveillants et des pirates qui connaissent les secrets et les méthodes de contournement liés à l’entraînement des modèles d’IA générative et à l’utilisation des données.

Un nombre croissant de fournisseurs d’IA générative font progresser leur approche de la cybersécurité pour les outils qu’ils proposent au public. Toutefois, nombre de ces solutions d’IA générative ne disposent pas, et ne disposeront pas, de toutes les protections de cybersécurité nécessaires aux entreprises des secteurs fortement réglementés ou traitant des données sensibles.

Supposer que les outils d’IA générative disposent des protections de cybersécurité adaptées à votre entreprise peut entraîner toutes sortes de problèmes, notamment le vol de propriété intellectuelle ou de données privées, la perte de confiance des consommateurs, ainsi que des problèmes juridiques et de conformité.

Que vous utilisiez le modèle d’IA d’un autre fournisseur ou que vous développiez le vôtre, voici quelques bonnes pratiques à suivre pour protéger vos données et vos utilisateurs :

• Familiarisez-vous avec les politiques d’utilisation et de stockage des données de votre fournisseur d’IA.
• N’entraînez pas les modèles avec des données sensibles et ne saisissez pas de telles données.
• Formez vos employés à l’utilisation appropriée de ces outils et des données de l’entreprise.
• Élaborez une politique de gouvernance de l’IA.
• Utilisez des outils de gouvernance des données et de cybersécurité qui couvrent le paysage moderne des menaces, y compris les applications d’IA tierces.

Pour en savoir plus sur les liens entre l’IA et l’IA générative, consultez notre guide : IA générative et cybersécurité : guide ultime.

Orientations futures du panorama de l’IA générative

Au vu des évolutions actuelles, des priorités et de l’intérêt du public, voici quelques domaines dans lesquels nous prévoyons une nouvelle croissance et de nouvelles opportunités pour l’avenir du panorama de l’IA générative :

IA générative et réalité virtuelle

La vidéo et les modèles 3D comptent aujourd’hui parmi les formats de modèles d’IA générative dont la croissance est la plus rapide. Cette croissance est particulièrement visible dans le marketing de contenu vidéo par IA, qui utilise des avatars, la synthèse audio et d’autres fonctionnalités d’IA générative pour créer à grande échelle des contenus marketing percutants.

Les contenus créatifs marketing, les jeux et les médias de divertissement peuvent certainement tirer parti de cette avancée de l’IA, mais c’est l’impact des modèles génératifs sur les technologies de réalité virtuelle (RV) et de réalité augmentée (RA) — le métavers — que beaucoup attendent avec le plus d’impatience.

À mesure que les modèles seront perfectionnés pour traiter davantage de données, créer des contenus en plus haute résolution et accepter des fenêtres de contexte plus longues, attendez-vous à ce que la technologie d’IA générative crée des expériences immersives donnant à la réalité virtuelle une apparence bien réelle.

Évolution des parcours professionnels et des opportunités

Les outils d’IA générative complètent déjà certains types de travail et pourraient, à l’avenir, venir à remplacer certaines tâches. Cela ne devrait toutefois pas alarmer le professionnel moyen, à condition qu’il soit disposé à réorienter sa carrière et à développer ses compétences à mesure que les attentes liées aux postes évoluent.

Par exemple, de nombreux rédacteurs se concentrent actuellement sur la rédaction SEO, une forme d’écriture qui consiste principalement à créer du contenu bien positionné dans les résultats de recherche. C’est exactement le type de contenu que les modèles d’IA générative peuvent produire grâce à leur entraînement algorithmique. Pour un rédacteur préoccupé par la sécurité de son emploi à mesure que les grands modèles de langage gagnent en capacités, il sera important de développer de nouvelles compétences stratégiques, comme la planification éditoriale et la gestion de l’assurance qualité des contenus, et de travailler avec des entreprises qui accordent de la valeur à la créativité et à la recherche humaines.

Autre avantage, ces outils facilitent déjà certains types de tâches répétitives, comme l’envoi d’e-mails, la création d’ébauches de feuilles de calcul, la documentation des actions à mener et la prise de notes. À l’avenir, les fonctionnalités d’assistance au travail s’étendront probablement à des tâches plus complexes, comme la conception d’ébauches complètes de plans de lancement de produits et la gestion de l’intégration des nouveaux employés aux RH de bout en bout.

Lorsque les employés disposeront de plus de temps parce que ces tâches chronophages leur auront été retirées, ils pourront plus que jamais se concentrer sur un travail stratégique à plus forte valeur ajoutée.

Applications et outils sectoriels spécialisés

Bien que de nombreuses applications et de nombreux outils sectoriels spécialisés aient déjà été commercialisés, plusieurs secteurs présentent une telle complexité et des exigences si nombreuses en matière de lancement de produits qu’il est difficile de commercialiser rapidement ces outils. Par conséquent, certains de ces secteurs accusent un retard sur d’autres en matière d’utilisation de l’IA.

Le secteur de l’IA dans la santé en est un excellent exemple. Ce domaine suscite beaucoup d’enthousiasme et d’effervescence autour de l’IA générative, mais à ce stade, les lancements de produits d’IA générative connaissent une forte rotation et une certaine stagnation. Cela peut s’expliquer par plusieurs raisons, mais on peut raisonnablement supposer que les données PHI et PII fortement réglementées, ainsi que les brevets propres au secteur (c’est-à-dire les brevets pharmaceutiques) concernés, compliquent le franchissement de toutes les étapes réglementaires nécessaires.

Dans les années à venir, à mesure que ces outils s’établiront et que les fournisseurs d’IA renforceront leur transparence et leur explicabilité, nous devrions observer une croissance accrue dans les secteurs réglementés et complexes, notamment les relations avec les patients et le secteur de la santé, l’industrie pharmaceutique et la découverte de médicaments, l’assurance, ainsi que la finance et la banque.

Renforcement de la réglementation et implications éthiques

Dans la plupart des régions et des secteurs, l’utilisation de l’IA reste largement dépourvue de réglementation, ce qui peut entraîner divers problèmes. Certains utilisateurs ont déjà subi les conséquences de l’intégration de leurs données personnelles aux données d’entraînement d’un modèle et à ses résultats potentiels, tandis que d’autres ont tiré la sonnette d’alarme concernant le stockage des données et les protocoles de sécurité associés à ces solutions. Bien que certains fournisseurs d’IA aient choisi de leur propre initiative de rendre plus transparents leurs processus d’entraînement, leurs méthodes de collecte des données et leur stratégie globale, il existe peu d’organismes de réglementation capables d’imposer cette transparence.

Attendez-vous à ce que cela change très bientôt, notamment dans l’Union européenne. AI Act de l’UE, une loi globale sur l’IA qui réglemente la manière dont les fournisseurs d’IA peuvent utiliser l’automatisation fondée sur l’IA et collecter des données personnelles, tout en imposant certains types d’obligations d’information et de transparence, a fait l’objet d’un accord provisoire entre le Parlement et le Conseil le 9 décembre 2023. Son adoption formelle devrait suivre en 2024, après le vote des commissions du marché intérieur et des libertés civiles sur le texte.

L’AI Act de l’UE souligne l’importance de minimiser les risques liés à l’IA dans plusieurs domaines clés. Source : Commission européenne.

D’autres pays, notamment la Corée du Sud, Singapour, la Chine et les États-Unis, ont soit proposé des cadres de réglementation de l’IA, soit engagé l’élaboration de réglementations sectorielles sur l’IA. Toutes ces initiatives deviendront probablement prioritaires à mesure que les outils d’IA générative gagneront en capacités et susciteront une demande accrue du public.

Avec l’augmentation attendue de la législation et de la sensibilisation du public aux dangers de l’IA générative, il faut s’attendre à voir davantage de fournisseurs d’IA générative non seulement faire le nécessaire pour se conformer à ces lois, mais aussi prendre des mesures de relations publiques pour expliquer plus en détail les actions éthiques et responsables qu’ils mettent en œuvre en matière d’IA.

Tirer parti du paysage de l’IA générative pour innover

Le paysage de l’IA générative est propice à l’innovation et aux nouvelles opportunités, que vous soyez développeur d’IA, utilisateur professionnel ou simple utilisateur. Pour tirer le meilleur parti de ces outils et de l’écosystème technologique dans son ensemble, nous recommandons les stratégies suivantes :

• Travailler avec des fournisseurs d’IA établis ou spécialisés : Il est judicieux de s’associer à des fournisseurs d’IA et d’AIaaS qui disposent d’une expérience dans votre secteur d’activité ou votre cas d’usage. Si les plus grands fournisseurs présentés plus haut peuvent constituer un bon choix, plusieurs autres sont spécialisés dans le développement d’applications d’IA générative destinées aux entreprises, notamment C3.ai.
• Expérimenter l’ajustement fin des modèles : L’ajustement fin des modèles permet aux utilisateurs de s’appuyer sur les capacités avancées d’un modèle de base et de les adapter à une fonction plus spécifique. Selon votre budget et votre expertise technique en interne, un modèle open source peut offrir le meilleur rapport qualité-prix pour les projets d’ajustement fin.
• S’orienter vers des entrées et sorties multimodales : Les utilisateurs se tournent de plus en plus vers les outils de génération de contenu par IA pour créer du texte, du code, des images et d’autres types de contenus. Si vous développez un outil d’IA destiné à un usage interne ou public, travaillez à la création d’une interface et d’une approche d’entraînement adaptées à cette multimodalité.
• Donner la priorité aux fonctionnalités multilingues : La démocratisation mondiale de l’IA générative constitue une étape importante dans la maturation de cet écosystème. Bien que l’entraînement multilingue puisse être difficile, plusieurs modèles open source proposent désormais un entraînement de base et une prise en charge de nombreuses langues et variantes linguistiques.
• S’intégrer aux applications professionnelles pertinentes : Que ce soit par le biais d’API ou d’intégrations préconfigurées, soyez attentif aux intégrations souhaitées par les utilisateurs et veillez à ce que les modèles que vous développez fonctionnent parfaitement avec ces outils.
• Accepter les retours et réentraîner les modèles : À l’instar de ce que Google a ajouté dans Gemini, envisagez d’intégrer des mécanismes de retour utilisateur aux outils que vous développez, afin de permettre aux utilisateurs d’évaluer les réponses, de demander la génération de nouveaux contenus selon des paramètres précis, et plus encore. L’examen de ces données de retour permettra à votre équipe de réentraîner les modèles afin d’obtenir de meilleurs résultats à l’avenir.
• Mettre l’accent sur la transparence et l’explicabilité : La transparence et l’explicabilité sont de bonnes pratiques à suivre, non seulement pour rester en conformité avec les réglementations sur l’IA, mais aussi pour que les utilisateurs se sentent en confiance et rassurés lorsqu’ils utilisent vos outils. La meilleure approche consiste ici à fournir des politiques détaillées, des guides d’utilisation et des formations.

En bref : l’avenir du paysage de l’IA générative

Apparue plus largement sur la scène technologique à la fin de 2022 avec l’arrivée de ChatGPT, l’IA générative a rapidement commencé, en quelques mois, à remodeler radicalement le secteur technologique. En fait, il n’est pas exagéré de dire que le « paysage de l’IA générative » et le « paysage technologique global » sont en train de fusionner pour ne former qu’une seule et même entité, à mesure que les technologies d’IA générative s’intègrent à une liste croissante d’outils et de solutions technologiques.

Pour gérer au mieux les difficultés actuelles et se préparer aux défis futurs qui accompagneront l’innovation en matière d’IA générative, les dirigeants d’entreprise doivent suivre de près le marché, la manière dont les différents fournisseurs d’IA abordent la transparence et l’explicabilité, ainsi que les protections de sécurité et de confidentialité qui fonctionnent ou non pour ce type de technologie. Une telle préparation aidera l’IA générative à se développer de manière à produire davantage de bien que de mal.

Pour en savoir plus sur les leaders actuels du secteur de l’IA générative, consultez notre guide : Principales entreprises d’IA générative.