À mesure que les connaissances et la compréhension progressent – tout comme les échecs de plus en plus médiatisés –, le voile se lève sur la perception qu’a le public de l’intelligence artificielle longtemps considérée comme une intelligence mystérieuse, incontrôlable ou évoluant de manière autonome. Nous entamons un nouvel épisode, dans lequel nous – en tant qu’individus et entités professionnelles – reconnaissons fermement et assumons pleinement notre rôle inaliénable d’architectes de l’avenir de l’IA.
En assumant cette capacité d’action, le facteur humain deviendra central dans la manière dont les entreprises envisagent le déploiement de l’IA et les domaines concernés. Dans cette perspective, voici 4 prédictions centrées sur l’humain concernant ce qui attend l’IA en 2022.
À lire également : Les meilleurs logiciels d’IA
1) L’expérience humaine s’impose
À mesure que les capacités de l’IA évoluent inexorablement, les organisations continuent de repenser l’engagement des collaborateurs et des clients. En conséquence, l’accent mis sur la conception centrée sur l’humain, ou expérience humaine (HX), gagnera du terrain dans tous les domaines.
La HX intègre des éléments traditionnels de l’intelligence décisionnelle ainsi que des pratiques de CX et d’UX, avec le design thinking. Toutefois, la HX élargit encore le champ de vision afin d’englober à la fois l’humain (l’individu) et l’humanité (la société dans son ensemble).
Nourrie par les leçons tirées du monde numérique et par une multitude d’échecs très médiatisés de l’IA, une orientation HX – comme l’a brillamment formulé la stratège Kate O’Neill – exige également de prendre en compte non seulement les échecs potentiels, mais aussi les succès retentissants. Elle fait ainsi sortir des outils stratégiques tels que la planification par scénarios de la salle du conseil.
Les sceptiques considéreront la HX comme un simple changement de marque de concepts existants. Ils n’auront pas tout à fait tort. Cependant, cette interprétation néglige le changement d’état d’esprit et la complexité inhérents au rapprochement de ces disciplines pour provoquer une transformation durable. Une transformation dans laquelle la technologie n’est pas déployée pour être utilisée par des destinataires passifs ou en leur nom (autrement dit, respectivement, les utilisateurs et les clients), mais pour les humains. Des humains qui, individuellement et collectivement, sont des acteurs à part entière, avec toute la capacité d’action et tout l’engagement que cela implique.
À lire également : Qu’est-ce que l’apprentissage automatique ?
2) Un respect renouvelé pour les travailleurs du savoir
Même si l’IA continuera d’être déployée pour identifier des schémas et révéler des connexions jusque-là inconnues, on reconnaîtra la nécessité de disposer d’humains compétents pour donner véritablement du sens aux résultats produits par les algorithmes. L’intérêt pour la puissance de l’IA s’intensifiera, mais plus important encore, ses limites bien réelles seront reconnues – comme l’ont récemment démontré les expérimentations avec GPT-3.
Cela détournera les organisations de l’utilisation de l’IA pour automatiser le travail intellectuel, au profit d’une utilisation visant à élargir les connaissances disponibles pour les experts. Ainsi, l’automatisation des tâches présentant un fort degré de variabilité ou de subtilité contextuelle évoluera vers l’assistance. Cela concerne notamment les professionnels de santé, les assistants juridiques et les ingénieurs de chaînes de production. Les tâches moins dépendantes du contexte, invariables et répétitives continueront d’être automatisées à un rythme soutenu.
3) Collaboration et apprentissage continu – pour les humains et les algorithmes d’IA
Dans une tendance connexe, mais distincte, l’amélioration de la maîtrise de l’IA dans l’ensemble de l’entreprise entraînera une évolution continue vers des modèles de travail collaboratifs et pluridisciplinaires. L’accent sera davantage mis sur l’identification des écueils potentiels, la mise en place de garde-fous opérationnels et l’expérimentation de processus intégrant l’IA en parallèle des processus existants.
Cela contribuera largement à établir des attentes réalistes en permettant aux modèles d’IA – ainsi qu’aux humains qui les utilisent – d’apprendre et de s’améliorer au fil du temps. À l’inverse de la situation actuelle, où les décideurs s’attendent souvent à ce que l’IA surpasse les systèmes existants (humains ou analytiques) avec un minimum de défauts dès sa sortie de la phase d’entraînement.
Cela donnera lieu à des solutions d’IA plus robustes, résilientes et responsables. Cela entraînera également, de manière paradoxale mais positive, des décisions plus éclairées quant aux situations dans lesquelles ces solutions ne sont pas à la hauteur.
4) Une IA éthique : le temps de la réflexion
À mesure que l’environnement juridique et réglementaire se durcit, les initiatives en matière d’éthique de l’IA pourraient marquer une pause salutaire, le temps que les organisations évaluent l’orientation, la portée et la viabilité des nouvelles réglementations.
Durant cette période, les entités qui n’auront pas encore mis en place de programmes distincts d’IA responsable adopteront une approche pragmatique, en s’appuyant sur leurs pratiques existantes de gouvernance et de gestion des risques comme première ligne de défense. Celles-ci pourront notamment inclure la gouvernance des données, la qualité des données, la cybersécurité, la gestion des risques et les pratiques d’audit. Les tactiques précises dépendront du secteur et du niveau de maturité. Elles s’appuieront sur les évaluations établies de bioéthique et de sécurité dans le secteur de la santé, sur l’audit des modèles et la conformité dans les services financiers, ainsi que sur les pratiques d’ingénierie de la sécurité dans l’industrie manufacturière.
Sur le plan humain, les organisations commenceront à trouver un équilibre entre les approches axées sur les risques et la conformité, d’une part, et les réponses fondées sur les droits ainsi que les initiatives de responsabilité des entreprises alignées sur les nouvelles priorités ESG, d’autre part.
À lire également : IA et éthique : des experts s’expriment sur les défis et les orientations possibles
À propos de l’auteur :
Kimberly Nevala est conseillère stratégique pour l’IA chez SAS