Lors de la deuxième table ronde du Vector Institute sur l'IA générative, les participants ont discuté de la réalité de l'adoption de l'IA générative et de la manière dont elle transformera le monde du travail et remodèlera la société.
Suite au succès et au vif intérêt suscités par la première table ronde du Vector Institute sur l'IA générative en mars 2023, une deuxième édition a été organisée à la fin avril. Cette dernière a réuni un large éventail de leaders d'opinion en IA, notamment des chercheurs, des fondateurs de startups spécialisées et des dirigeants d'organisations qui reconnaissent les avantages de l'adoption des technologies d'IA générative.
La séance comprenait un discours d'ouverture de Gillian Hadfield, membre du corps professoral de Vector et directrice de l'Institut Schwartz Reisman pour la technologie et la société de l'Université de Toronto ; une présentation sur les modèles d'IA génératifs et l'avenir du travail par Frank Rudzicz, également membre du corps professoral de Vector ; deux tables rondes avec des experts de l'écosystème canadien de l'IA ; et des discussions qui ont permis à tous les participants d'exprimer leurs questions, leurs idées et leurs préoccupations.
Discours d'ouverture de Gillian Hadfield
Dans son discours d'ouverture, Hadfield a reconnu les limites et les risques actuels liés à l'utilisation des modèles d'IA génératifs populaires, notamment la production de contenu erroné ou trompeur. Elle envisage une solution : développer des applications basées sur de grands modèles de langage capables de garantir des résultats fiables et de haute qualité. À titre d'exemple, Hadfield a cité CoCouncil, un « assistant juridique IA » construit sur GPT-4, mais spécifiquement conçu pour répondre avec fiabilité aux exigences professionnelles élevées en matière d'analyse de documents, de contrats et autres tâches.
Tout au long de son discours d'ouverture et lors des tables rondes, Hadfield a souligné le caractère révolutionnaire de l'IA générative en tant qu'outil qui transformera non seulement le monde de la technologie, mais aussi de nombreuses sphères de la société, de l'éducation et du droit aux marchés, à l'urbanisme et bien plus encore.
Compte tenu de l'impact de l'IA, elle a insisté sur l'importance cruciale d'une vision globale de l'IA générative, englobant non seulement les modèles et systèmes d'IA, mais aussi les lois, réglementations et normes nécessaires à une utilisation sûre et efficace de cette technologie transformatrice. Les entreprises ont tendance à percevoir les lois et les règlements comme des forces extérieures influençant et façonnant leur activité. Une approche globale, au contraire, reconnaît que relever les défis de l'IA passera inévitablement par une autorégulation méthodique et une collaboration avec les pouvoirs publics. Chaque secteur adoptant l'IA déploiera son expertise pour créer des systèmes d'IA fiables et adaptés à son domaine. Comme le souligne Hadfield, en matière d'IA responsable, « la gouvernance est le produit. C'est ce que vous concevez, produisez et commercialisez. »
La réglementation établit des normes et des obligations qui assurent la sécurité et la fiabilité des produits et services. Elle aide à s'assurer que nos grille-pain ne présentent aucun risque d'électrocution, que nos médicaments sur ordonnance sont sans effets secondaires, que nos aliments sont sains et que les professionnels, tels que les comptables et les avocats, possèdent les connaissances et les compétences nécessaires pour nous aider et nous protéger.
Tout comme nous disposons d'une infrastructure réglementaire dans tous ces domaines et bien d'autres de notre vie, Hadfield a soutenu que nous en avons également besoin pour l'IA, et en particulier pour l'IA générative.
À cette fin, a-t-elle insisté, il est nécessaire de développer une nouvelle infrastructure réglementaire capable d'accueillir l'innovation et la diversité de l'IA générative, tout en protégeant l'intérêt public et la sécurité. La création d'un registre national des modèles les plus vastes et les plus influents, où des informations sur leur taille, leur portée, leur comportement et leur impact seraient rendues publiques, constitue une première étape essentielle.
Imaginer notre avenir avec une IA toujours plus puissante est plus facile à dire qu'à faire. Comme le souligne Hadfield, nous avons tendance à considérer comme immuables les lois, les réglementations et les normes qui structurent souvent notre monde de manière invisible, lorsque nous imaginons où nous mèneront les nouvelles technologies puissantes. C'est une erreur, affirme-t-elle. Nous devons plutôt commencer à imaginer comment les structures de nos normes et de nos lois devraient évoluer compte tenu de la puissance et du potentiel de l'IA.
Frank Rudzicz sur les modèles génératifs et l'avenir du travail
La présentation de Frank Rudzicz, membre du corps professoral de Vector, a mis en lumière les progrès considérables réalisés ces derniers mois dans le domaine de l'IA générative, notamment les améliorations notables de GPT-4 par rapport à GPT-3.
À l'instar d'autres participants, Rudzicz prévoit que les travailleurs intégreront de plus en plus les modèles d'IA à leur environnement de travail comme outils, et que ceux qui les adopteront auront tendance à remplacer ceux qui ne le feront pas. Il considère l'IA générative, sous sa forme actuelle, comme utile pour le remue-méninges, ainsi que pour la création et l'évaluation de prototypes. Sa capacité à effectuer des tâches basiques et chronophages, telles que l'écriture de code utilitaire, permet déjà aux humains de se concentrer davantage sur la conception et l'architecture d'un programme.
Bien que nous nous concentrions principalement sur les modèles d'IA générative les plus récents et les plus performants, Rudzicz précise que tous les problèmes auxquels nous sommes confrontés ne nécessitent pas cette technologie. Plusieurs modèles moins puissants s'avéreront plus adaptés à certains cas d'utilisation.
Il a aussi souligné que ChatGPT repose sur un système de correctifs. Son succès est dû à sa capacité à résoudre les problèmes au fur et à mesure qu'ils surviennent, de manière ad hoc. Certains de ces correctifs nécessitent un travail humain considérable, comme par exemple le recours, largement médiatisé, à des travailleurs kenyans pour effectuer la tâche éprouvante de signaler les contenus toxiques afin que le modèle ne les reproduise pas. Il estime que l'IA générative doit dépasser cette approche fragmentaire pour atteindre la robustesse et le contrôle nécessaires à de nombreux cas d'utilisation.
Finalement, Rudzicz a fait écho aux propos d'Hadfield concernant l'importance de la réglementation. Toute technologie aussi puissante que l'IA générative nécessite des garde-fous solides pour assurer sa sécurité d'utilisation.
Tables rondes et panels de discussion
Les discussions en panel et en table ronde ont porté sur le potentiel de croissance, les risques et l'impact plus large de l'IA générative, notamment sur l'avenir du travail. Les participants ont soulevé un large éventail de questions concernant les défis auxquels les entreprises sont confrontées pour adopter l'IA générative et les effets probables de cette technologie sur l'avenir du travail.
Défis liés à l'adoption
Le respect de la vie privée était un enjeu crucial pour les participants. Un commentateur a souligné que les vastes ensembles de données utilisés pour entraîner les grands modèles linguistiques contiennent souvent des renseignements personnels, mais il est difficile de déterminer qui a une vie privée menacée. Outre les données d'entraînement, la question de la confidentialité des informations contenues dans les invites de commande se pose également.
Pour de nombreuses applications, nous aurons besoin de données dépersonnalisées qui protègent la vie privée des individus tout en permettant une analyse pertinente. Une des tactiques envisagées consiste à exploiter la capacité de l'IA générative à utiliser des ensembles de données réelles pour créer des données synthétiques remplissant la même fonction sans risque de divulgation d'informations sensibles. Une fois générées, ces données synthétiques peuvent être testées afin de vérifier leur sécurité d'utilisation et, le cas échéant, modifiées.
Un autre défi évoqué concernait la difficulté de passer d'une démonstration de nouveau produit à un produit final, stable et opérationnel à grande échelle. L'IA générative a grandement simplifié et accéléré la création d'une démo, mais chaque étape suivante se complexifie. Estimer le temps et le coût nécessaires pour obtenir un produit de haute qualité reste complexe, d'où l'importance, pour les intervenants de ce secteur, de bien gérer les attentes.
À l'avenir, les participants ont anticipé des modèles d'IA générative plus robustes, respectueux de la vie privée et sécurisés, facilitant ainsi leur adoption en entreprise. Ils ont également souligné l'importance des indicateurs permettant aux entreprises d'évaluer la confidentialité, le rendement et d'autres paramètres des modèles d'IA. Un autre thème abordé lors de la discussion portait sur la nécessité de former les équipes à la nature, aux usages et aux risques des outils d'IA à leur disposition. Enfin, la flexibilité des technologies d'IA générative exige de bien définir les tâches professionnelles auxquelles elles sont adaptées afin d'assurer une utilisation sécuritaire et efficace.
L'IA au travail
Plusieurs participants ont décrit comment leurs organisations utilisent déjà les outils d'IA générative, notamment pour accélérer les revues de code, rédiger des billets de blogue, générer des graphiques et accélérer les séances de brainstorming.
À long terme, les participants prévoient une bifurcation des emplois entre ceux qui sont plus faciles à automatiser et ceux qui exigent dextérité et attention, comme peindre une pièce, et pour qui l'automatisation représente un défi plus important. Plusieurs emplois peu spécialisés s'avéreront difficiles à automatiser.
Alors que certains espèrent que l'IA réduira la charge de travail humaine, un participant a fait remarquer qu'en quarante ans de généralisation de l'informatique au travail, malgré les gains de productivité, le temps de travail n'a pas diminué. Il ne faut donc pas s'attendre à ce que l'avènement des outils d'IA générative inverse cette tendance.
Cependant, cette observation a aussi pour revers de contribuer à apaiser les craintes que l'IA générative n'entraîne une perte massive d'emplois, notamment dans le service client. Un participant a même anticipé que l'automatisation des fonctions du service à la clientèle pourrait favoriser un engagement plus profond avec les clients et garantir des perspectives d'emploi stables dans ce secteur. Selon lui, en adoptant l'IA générative, les entreprises seront bien mieux en mesure de créer des interactions plus pertinentes avec leurs clients, assurant ainsi une forte demande pour des conseillers à la clientèle capables d'offrir un contact humain, au-delà des capacités de l'IA.
On avait aussi l'impression que la société s'habituerait aux outils d'IA générative et les accepterait davantage. Certains participants anticipaient une nette diminution des obstacles à l'entrée dans le domaine, notamment pour des tâches comme la programmation, et une réduction du temps nécessaire à la production d'un travail de qualité. Tout comme Microsoft Excel a permis la généralisation des puissants tableurs informatisés, l'IA générative mettra entre nos mains de puissants outils de productivité.
Alors que ces questions, parmi d'autres liées à l'IA générative, continuent de se préciser, l'intérêt intense suscité par cette technologie ne faiblit pas. La prochaine table ronde de l'Institut Vector sur l'IA générative aura lieu à la fin de l'été. Consultez la page des événements de Vector dans les prochaines semaines pour connaître les modalités d'inscription.
Découvrez ici le compte rendu de la première table ronde de Vector sur l'IA générative .
