Prédictions IA pour 2022

Prédiction 1 : l'IA responsable dépasse la théorie pour devenir une application pratique

La conversation autour de l'utilisation éthique et responsable de l'IA reste essentielle à mesure que les cas pratiques se multiplient et que l'adoption de l'IA s'accélère. Je m'attends à ce que de plus en plus d'organisations dépassent le stade du discours pour passer à des applications plus pratiques, et je le constate déjà au sein de notre propre centre d'excellence en IA. La création d'une IA fiable et transparente est pour nous une priorité absolue. Cela signifie avoir une compréhension claire des résultats des modèles d'IA que nous créons, ainsi qu'une connaissance du processus de bout en bout de ce qu'il faut pour créer chaque modèle d'IA. Cette transparence commence par la compréhension des besoins de l'entreprise et du cas concret.

Nous avons mis au point un cadre d'IA de qualité qui sert de base à l'ensemble du processus de développement, avec un certain nombre de points de contrôle qui servent à vérifier l'éthique et les résultats responsables - y a-t-il un biais involontaire, un sous-échantillonnage, une atteinte à la vie privée ou des résultats injustifiés ? Ce type de dispositif, ainsi que la plateforme et les outils qui le soutiennent, seront de plus en plus importants pour garantir la confiance dans l'IA et les résultats obtenus.

Prédiction 2 : les hypercalculateurs démocratisent l'IA avec un code faible

Les hypercalculateurs comme Microsoft, Google, AWS et IBM changent la donne en matière d'IA. Ils poussent à la démocratisation de l'IA en proposant sur le marché de plus en plus de solutions d'IA à faible code. C'est en quelque sorte une arme à double tranchant. Pourquoi ? Parce que, si cela permet à un plus grand nombre de personnes de former des modèles d'IA, le spectre d'une IA responsable et éthique refait surface. Si vous utilisez une approche low-code de l'IA, il se peut que vous ne sachiez pas exactement ce que vous faites, ce qui peut entraîner de nombreuses complications et problèmes, selon le cas d'utilisation sous-jacent. Je reviens ici sur la nécessité de disposer de référentiels pour gérer cela et j'espère voir un débat plus large sur ce sujet afin de sensibiliser à ce qui est possible, éthique et responsable en matière d'IA - et à ce qui ne l'est pas. Ainsi, alors que nous verrons beaucoup de solutions d'IA à code faible au cours de l'année à venir, cela devrait aller de pair avec une compréhension de ce qui pourrait échouer.

Prédiction 3 : Adapter l'IA grâce aux MLOps

J'envisage de mettre davantage l'accent sur la manière dont les solutions d'IA sont conçues et adaptées. Au cours des dernières années, nous avons vu des équipes d'IA mettre au point des preuves de concept étonnantes, mais elles ont ensuite du mal à mettre ces solutions en production. Ces équipes arrivent maintenant à maturité, et elles doivent commencer à se concentrer sur la création d'une bonne base afin de pouvoir également faire mûrir leurs solutions. Et c'est là que MLOps entre en jeu. Tout d'abord, qu'est-ce que MLOps ? L'institut de recherche Capgemini le définit comme "un ensemble de pratiques permettant de réduire le temps de mise à jour et de mise en service des systèmes d'analyse et d'auto-apprentissage". Les principes solides de MLOps aideront les équipes à se développer plus rapidement et de manière plus cohérente.

Essentiellement, MLOps offre des principes de conception des meilleures pratiques qui aident les équipes à construire une IA de qualité avec une transparence et une auditabilité intégrées - tout cela dans un cadre centré sur les données. L'approche centrée sur les données garantit que les données sont gérées et utilisées comme un atout. MLOps permet également aux équipes d'avoir des boucles de rétroaction et de maintenir des cycles de maintenabilité afin de pouvoir identifier les risques tels que les dérives du modèle ou les biais qui apparaissent lorsque les ensembles de données changent, etc. MLOps sera la clé pour que les équipes d'IA deviennent plus efficaces en production ou lors de la mise à l'échelle. Par conséquent, nous verrons apparaître sur le marché un certain nombre de plateformes et de solutions à cet effet.

Prédiction 4 : l'IA favorise la collaboration et la créativité dans le métavers

Nous avons vu l'IA accélérer la créativité avec l'évolution des réseaux antagonistes génératifs, notamment dans le domaine de l'art. Nous assisterons à une accélération similaire en matière de collaboration avec le développement du métavers. Bien que le terme " métavers " ait été inventé il y a près de 30 ans, nous en entendons de plus en plus parler aujourd'hui par des entreprises comme Facebook et Microsoft - cette dernière a annoncé lors de sa conférence Ignite qu'elle introduisait des outils permettant de créer un métavers pour connecter les employés. Dans un métavers numérique, les gens peuvent se connecter dans des espaces virtuels, par exemple un espace de travail virtuel pour réfléchir à la prochaine innovation de l'entreprise.

Et tout cela sera piloté par de multiples modèles d'IA en arrière-plan. À l'avenir, nous verrons l'IA inspirer davantage de créativité et permettre une nouvelle ère de collaboration dans le métavers.