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 façon dont elle transformera le milieu de travail et remodelera la société.

Suite au succès et à l’intérêt intense pour la première table ronde du Vector Institute sur l’IA générative en mars 2023, un suivi a été organisé à la fin avril. Cette deuxième édition a réuni un éventail de leaders d’opinion en IA, incluant des chercheurs, des fondateurs de startups en IA et des dirigeants d’organisations reconnaissant les avantages d’adopter les technologies d’IA générative.

La session comprenait un discours d’ouverture de Gillian Hadfield, membre du corps professoral de Vector, directrice de l’Institut Schwartz Reisman pour la technologie et la société à l’Université de Toronto; une présentation sur les modèles d’IA générative et l’avenir du travail par Frank Rudzicz, membre du corps professoral de Vector; deux tables rondes avec des penseurs de premier plan dans l’écosystème canadien de l’IA; et des tables rondes qui ont donné voix aux questions, idées et préoccupations de tous les participants.

Discours d’ouverture par Gillian Hadfield

Dans son discours d’ouverture, Hadfield a reconnu les limites et les risques actuels liés au travail avec des modèles d’IA générative populaires, tels que la génération de contenu faux ou trompeur. Une voie à suivre qu’elle voit consiste à construire des applications sur de grands modèles de langage qui peuvent garantir un résultat fiable 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 de manière fiable à des normes professionnelles élevées en matière d’examen de documents, d’analyse de contrats et d’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 technologique, mais aussi de nombreux domaines de la société, de l’éducation et du droit aux marchés, à l’urbanisme et plus encore.

Compte tenu de l’impact de l’IA, elle s’est concentrée sur l’importance cruciale d’adopter une vision globale de l’IA générative qui inclut non seulement les modèles et systèmes d’IA, mais aussi les lois, règlements et normes nécessaires pour utiliser cette technologie transformatrice de façon sécuritaire et efficace. Les entreprises ont tendance à considérer les lois et règlements comme des forces externes agissant sur leurs activités et les façonnant. Une approche holistique, en revanche, reconnaît que répondre aux défis de l’IA se fera inévitablement par une autorégulation méthodique et une collaboration avec le gouvernement. Chaque industrie adoptant l’IA mettra à profit son expertise pour créer des systèmes d’IA fiables et spécifiques à chaque domaine. Comme le dit Hadfield, en matière d’IA responsable, « la gouvernance est le produit. C’est ce que vous concevez, produisez et vendez. »

Les règlements créent des normes et des obligations qui rendent les produits et services sûrs et fiables. Ils aident à s’assurer que nos grille-pains ne nous électrocutent pas, que nos médicaments sur ordonnance n’ont aucun effet indésirable, que notre nourriture est sécuritaire, et que les prestataires de services professionnels comme les comptables et les avocats ont les connaissances et les compétences nécessaires pour nous aider et nous protéger.

Tout comme nous avons une infrastructure réglementaire en place dans tous ces domaines et d’autres de nos vies, Hadfield a soutenu que nous en avons aussi besoin pour l’IA, et en particulier pour l’IA générative.

À cette fin, a-t-elle exhorté, nous devons 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. Une étape dans cette direction consiste à créer un registre national pour les modèles les plus grands et les plus influents, où l’information sur la taille, la portée, le comportement et l’impact de ces modèles est rendue publique.

Imaginer nos vies futures avec une IA de plus en plus puissante est plus facile à dire qu’à faire. Comme l’a souligné Hadfield, nous avons tendance à considérer les lois, règlements et normes qui structurent souvent invisiblement notre monde comme constants lorsque nous imaginons où de puissantes nouvelles technologies nous mèneront. C’est, dit-elle, une erreur. Au lieu de cela, nous devons commencer à imaginer comment les structures de nos normes et lois devraient évoluer compte tenu du pouvoir 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 énormes améliorations observées dans l’IA générative ces derniers mois – y compris les améliorations notables de GPT-4 par rapport à GPT-3.

Comme d’autres participants, Rudzicz anticipe que les travailleurs intégreront de plus en plus des modèles d’IA dans le milieu de travail comme outils – et que ceux qui le font auront tendance à remplacer ceux qui ne le font 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 de base et chronophages d’écriture de code utilitaire permet déjà aux humains de se concentrer davantage sur la conception et l’architecture d’un programme.

Bien que notre focus soit surtout porté sur les modèles d’IA générative les plus récents et les plus puissants, Rudzicz affirme que tous les problèmes auxquels nous faisons face ne nécessitent pas cette technologie. Il existe de nombreux modèles moins puissants qui seront meilleurs pour certains usages.

Il a aussi noté que ChatGPT repose sur une « confédération de correctifs ». Son succès provient de la résolution des problèmes au fur et à mesure qu’ils surgissent de manière ponctuelle. Certains de ces patchs impliquent une main-d’œuvre humaine intensive, par exemple, la dépendance largement rapportée à des travailleurs au Kenya accomplissant le travail mentalement traumatique de signaler le contenu toxique afin que le modèle ne le reproduise pas. Il croit que l’IA générative doit dépasser cette approche fragmentée afin d’atteindre la robustesse et le contrôle dont nous avons besoin pour de nombreux types d’utilisations.

Enfin, Rudzicz a repris l’insistance de Hadfield sur l’importance des règlements. Toute technologie aussi puissante que l’IA générative a besoin de garde-fous solides pour la rendre sécuritaire à utiliser.

Tables rondes et tables rondes

Les tables rondes et panels ont abordé 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 portant sur les défis auxquels les entreprises font face pour adopter l’IA générative et les effets que cette technologie pourrait avoir sur l’avenir du travail.

Défis d’adoption

La vie privée était un enjeu clé pour les participants. Un panéliste a souligné que les vastes ensembles de données utilisés pour entraîner de grands modèles linguistiques incluent souvent des informations personnelles, mais qu’il est difficile de déterminer quelle vie privée est en jeu. Au-delà des données d’entraînement, il y a aussi des enjeux liés à la confidentialité des informations contenues dans les invites.

Pour de nombreuses applications, nous aurons besoin de données anonymisées qui protègent la vie privée des individus tout en permettant une analyse utile des données. Une tactique discutée est de tirer parti de la capacité de l’IA générative à utiliser de vrais ensembles de données pour créer des données synthétiques servant le même objectif sans risque d’exposer des informations sensibles. Une fois générées, les données synthétiques peuvent être testées pour vérifier qu’elles sont sécuritaires à utiliser, puis modifiées si nécessaire.

Un autre défi abordé était la difficulté de passer d’une démonstration d’un nouveau produit à un produit final stable qui fonctionne à grande échelle. L’IA générative a rendu la création d’une nouvelle démo de produit relativement rapide et facile, mais chaque étape suivante devient plus difficile. Il demeure difficile d’estimer le temps et le coût pour obtenir un produit de haute qualité, ce qui rend important pour ceux qui travaillent dans ce domaine de gérer leurs attentes.

En regardant vers l’avenir, les participants anticipaient des modèles d’IA générative plus robustes, privés et sécuritaires, facilitant l’adoption par les entreprises. Ils ont également souligné l’importance des indicateurs pour les entreprises afin d’évaluer la confidentialité, la performance et d’autres paramètres des modèles d’IA. Un autre thème de la discussion était l’importance d’éduquer les équipes sur la nature, les usages et les risques des outils d’IA à leur disposition. Et puisque les technologies d’IA générative sont souvent flexibles, il est aussi important d’être clair sur les tâches en milieu de travail pour lesquelles elles sont appropriées afin d’assurer leur utilisation sécuritaire et efficace.

L’IA en milieu de travail

Plusieurs participants ont décrit comment leurs organisations utilisent déjà des outils d’IA générative, notamment en accélérant les revues de code, en redachant des billets de blog, en générant des graphiques et en accélérant des séances de remue-méninges.

À long terme, les participants ont dit s’attendre à voir une bifurcation des tâches entre celles plus faciles à automatiser et celles qui nécessitent de la dextérité et du soin, comme la peinture d’une pièce, qui sont des machines plus complexes. Beaucoup d’emplois « peu qualifiés » s’avéreront difficiles à automatiser.

Bien que certaines personnes aient exprimé l’espoir que l’IA réduira la quantité de travail que les humains sont obligés de faire, un participant a noté qu’en 40 ans d’adoption généralisée des ordinateurs au travail, il n’y a eu aucune réduction de nos heures de travail, malgré l’augmentation de l’efficacité. Nous ne devrions pas nous attendre à ce que l’avènement des outils d’IA générative change cette tendance.

L’autre côté de la médaille de cette observation, cependant, aide à dissiper les craintes que l’IA générative entraîne une perte massive d’emplois, par exemple, dans le service à la clientèle. Un participant a anticipé que l’automatisation des fonctions de service à la clientèle pourrait en fait mener à un engagement plus profond avec les clients et à une perspective stable d’emploi dans ce domaine. En adoptant l’IA générative, ont-ils dit, les entreprises auront une bien plus grande capacité à créer des formes d’engagement plus significatives avec leurs clients, assurant une forte demande de représentants du service à la clientèle pour offrir une touche humaine au-delà de ce que l’IA peut offrir.

On avait aussi le sentiment que la société s’habituerait et accepterait davantage les outils d’IA générative. Certains participants anticipaient une diminution marquée des barrières à l’entrée pour des tâches comme le codage, ainsi qu’une réduction du temps nécessaire pour produire un travail de valeur. Tout comme Microsoft Excel a inauguré l’adoption généralisée de feuilles de calcul numériques puissantes, l’IA générative mettra entre nos mains des outils de productivité puissants. 

Alors que ces enjeux et d’autres enjeux liés à l’IA générative continuent de se concrétiser, l’intérêt intense pour cette technologie ne semble pas diminuer. La prochaine table ronde sur l’IA générative du Vector Institute aura lieu à la fin de l’été. Consultez la page des événements Vector dans les semaines à venir pour les détails d’inscription.

Lisez ici à propos de la première table ronde de Vector sur l’IA générative.