Comment l'IA peut-elle avoir un impact sur la recherche, le développement et l'innovation ?

L'intelligence artificielle (IA) transforme la recherche, le développement et l'innovation (R&D&I), ouvrant de nouvelles possibilités pour relever certains des défis les plus urgents au monde, notamment la durabilité, les soins de santé, le changement climatique et la sécurité alimentaire et énergétique, tout en aidant les organisations à mieux innover et à lancer des produits et services révolutionnaires.

L’IA dans la R&D&I n’est pas une nouveauté. Cependant, l’essor de IA générative (GenAI) et grands modèles de langage (LLM) a considérablement amplifié ses capacités, accélérant les percées et l’innovation globale.

Comment les organisations peuvent-elles tirer parti de l'IA dans leurs efforts de R&D&I, et quelles sont les meilleures pratiques à adopter pour réussir ? Pour le savoir, le Blue Shift Institute d'Arthur D. Little (ADL) a mené une étude approfondie auprès de plus de 40 fournisseurs, experts et praticiens de l'IA, ainsi que d'une enquête auprès de plus de 200 organisations des secteurs public et privé. Le rapport qui en résulte, Eurêka ! sous stéroïdes : recherche, développement et innovation pilotés par l'IA, propose une analyse approfondie du paysage actuel et de la trajectoire future de l'IA dans la recherche et l'innovation.

Notre analyse se concentre sur cinq domaines clés :

L’IA apporte des avantages en matière de R&D&I, mais elle ne remplacera pas les humains

Tous les éléments constitutifs de la R&D&I peuvent bénéficier de l’IA, de la veille technologique et commerciale à la stratégie d’innovation, à l’idéation, à la gestion de portefeuille et de projet et à la gestion de la propriété intellectuelle. Lorsque nous cherchons à comprendre ces avantages, trois facteurs clés émergent :

• L'IA va renforcer les chercheurs, plutôt que de les remplacer, leur libérant ainsi du temps et leur permettant d'être plus productifs et créatifs.
• L'IA permet de résoudre des problèmes insolubles qui n'étaient pas envisageables auparavant en raison de la rapidité de la technologie et de sa capacité à évoluer et à apprendre, ouvrant ainsi de nouvelles voies d'innovation
• L’IA assumera une position de « planificateur-penseur », allant au-delà de la génération de contenu et de la recherche pour couvrir des rôles plus complexes tels que devenir un gestionnaire de connaissances, un générateur d’hypothèses et un assistant pour les équipes de R&D&I.

Pour décider si l’IA doit être utilisée pour résoudre un cas d’utilisation spécifique de R&D&I, il n’existe pas de modèle universel à déployer. Pour comprendre quelle approche d’IA donnera les meilleurs résultats, les organisations doivent se concentrer sur deux facteurs : le type et la quantité de données disponibles (de peu à beaucoup) et la nature de la question posée (de ouverte à spécifique). Dans le même temps, une seule approche d’IA peut ne pas donner des résultats optimaux : la plupart des systèmes intelligents de pointe produits au cours des 15 dernières années ont été des systèmes de systèmes. Il s’agit de systèmes, de modèles ou d’algorithmes d’IA indépendants conçus pour des tâches spécifiques, qui, une fois combinés, offrent de meilleures fonctionnalités et performances.

Le succès nécessite huit bonnes pratiques

Sur la base d'entretiens avec des chercheurs, des scientifiques en IA, des fondateurs et des responsables de la R&D dans les équipes numériques, de fabrication, de marketing et de R&D, nous avons identifié huit bonnes pratiques qui sous-tendent un déploiement réussi de l'IA. Les organisations doivent :

• Adopter des méthodologies agiles pour que les équipes puissent travailler rapidement dans un environnement d'IA en évolution rapide
• Construisez des bases solides en vous concentrant sur la qualité des données, la collaboration au sein de l'organisation et en exploitant les données propriétaires
• Faites un choix stratégique entre la construction, l'achat et le perfectionnement des modèles, cette dernière approche étant souvent la plus efficace
• Tenez compte des compromis analytiques pour garantir la progression des projets de preuve de concept, notamment en ce qui concerne l'acquisition ou la synthèse des données, la précision ou le rappel, et le sous-ajustement ou le sur-ajustement.
• Soyez proactif en exploitant les talents disponibles en science des données, notamment en établissant des partenariats extérieurs à l'organisation pour acquérir les compétences nécessaires
• Alignez-vous avec l'informatique pour équilibrer la sécurité et la conformité avec la vitesse d'expérimentation
• Démontrer rapidement les avantages et obtenir l'adhésion des utilisateurs pour renforcer la confiance et débloquer de nouveaux investissements
• Maintenir et surveiller en permanence les performances du système, notamment en ce qui concerne les améliorations du modèle

3. Les composants technologiques sont désormais en place

Comme pour la plupart des cas d’utilisation de l’IA, la chaîne de valeur R&D&I comprend trois couches : l’infrastructure, les développeurs de modèles et les applications.

En termes d’infrastructure, le coût de mise en œuvre et de maintenance d’une puissance de calcul suffisante est élevé, mais les fournisseurs d’hébergement proposent de plus en plus de modèles d’inférence en tant que service, exécutant des inférences et des requêtes dans le cloud pour supprimer le besoin d’infrastructure interne, réduisant ainsi les dépenses initiales et démocratisant l’accès à l’IA.

La chaîne de valeur de l’IA dans la R&D&I repose en grande partie sur les principaux modèles open source d’acteurs tels que Meta, Microsoft et Nvidia. Toutefois, des acteurs plus petits, tels que Mistral et Cohere, constituent également une part essentielle de l’écosystème, tout comme les institutions universitaires.

Du côté applicatif, des applications R&D&I générales et spécialisées ont déjà été créées pour répondre à la plupart des cas d’usage, avec plus de 500 désormais disponibles, couvrant l’ensemble du processus R&D&I.

L’avenir est incertain, mais la planification de scénarios aide à comprendre

L’évolution de l’IA dans la R&D&I dépend des résultats de trois facteurs principaux : la performance, la confiance et l’accessibilité financière. La combinaison de ces facteurs conduit à six scénarios futurs plausibles sur un spectre allant de l’IA transformant tous les aspects de la R&D&I à une utilisation limitée à des cas d’utilisation sélectifs et à faible risque. Sur une échelle allant de l’impact maximal à l’impact minimal, ces scénarios sont les suivants :

• Superproduction: L'IA devient une priorité tout au long du cycle de recherche et développement, transformant les organisations au fil du temps. Les données deviennent la nouvelle frontière.
• Chauffeur de salle: L’IA est pratique, abordable et adoptée pour les tâches de productivité quotidiennes, mais elle ne parvient pas à fournir une valeur scientifique/créative.
• Joyau de la couronne: L’IA apporte de la productivité et des avancées scientifiques, mais seulement aux organisations qui peuvent se le permettre, ce qui conduit à un monde à deux vitesses en matière de R&D&I.
• Problème Enfant: Malgré des cas d’utilisation emblématiques et des solutions abordables, l’IA ne parvient pas à démontrer sa valeur – les organisations de R&D&I restent préoccupées par la sécurité des données, la déontologie et le manque d’interprétabilité.
• Le secret le mieux gardé : Les performances de l'IA s'améliorent, mais les coûts élevés rendent les organisations plus réticentes aux risques. Le manque de confiance et les lourdeurs administratives limitent l'adoption de l'IA et peu de nouvelles expériences audacieuses sont lancées.
• Bon marché et dégoûtant : L'IA est largement utilisée dans les cas d'utilisation à faibles enjeux, mais uniquement comme outil de prototypage ou de brainstorming. Les systèmes non fiables sont rigoureusement contrôlés et les résultats sont vérifiés, ce qui limite les gains de productivité.

Il est important pour les organisations de R&D&I de comprendre ces scénarios lorsqu’elles tracent la voie à suivre pour l’adoption de l’IA.

Il est temps pour les organisations de R&D&I d’agir maintenant

Dans certaines situations, l’IA permet déjà des améliorations à deux chiffres en termes de délais, de coûts et d’efficacité dans la formulation, le développement de produits, l’intelligence artificielle et d’autres tâches de R&D&I. Cela signifie que, quel que soit le scénario qui se déroule, six mesures à prendre sans regret aideront les organisations de R&D&I à renforcer leur résilience et à tirer parti des avantages de l’IA. Elles doivent :

• Gérer et responsabiliser les talents, en veillant à ce que la main-d'œuvre dispose de la formation et de l'expertise nécessaires pour exploiter l'IA, en sous-traitant si nécessaire les mises en œuvre à des prestataires externes à moyen terme
• Contrôler le contenu généré par l'IA, mettre à jour les processus de gestion des risques et partager publiquement les méthodologies de validation pour renforcer la confiance
• Renforcer le partage des données et la collaboration, en travaillant avec l’écosystème plus large des secteurs public et privé pour favoriser une adoption réussie de l’IA
• Former sur le long terme, en éduquant la population d'utilisateurs la plus large possible sur les fondamentaux de l'IA, les compétences requises et les risques potentiels
• Repenser l'organisation et la gouvernance, en les déplaçant au-delà de l'informatique pour donner une orientation de haut niveau et briser les silos pour faciliter la collaboration
• Mutualiser les ressources de calcul, travailler avec des partenaires ou partager des ressources en interne pour répondre de manière rentable aux besoins d'infrastructure actuels et futurs

Au-delà de ces décisions sans regret, la réussite viendra de la création d’un portefeuille équilibré d’investissements en R&D&I basés sur l’IA, alignés sur les objectifs de l’entreprise. Cela signifie qu’il faut prendre en compte la portée, les coûts et les avantages de cas d’utilisation spécifiques de l’IA et les utiliser pour optimiser le portefeuille de projets d’innovation. Les décisions doivent être fondées sur les objectifs stratégiques, les capacités et les informations sur le marché, ainsi que sur le contexte dans lequel les organisations évoluent.

Chaque étape de la chaîne de valeur de la recherche, du développement et de l’innovation peut potentiellement être transformée par l’IA, en augmentant la capacité des chercheurs humains à transformer la productivité et à permettre des innovations de rupture. Ces opportunités doivent être mises en balance avec une série de défis liés à la performance, à la confiance et à l’accessibilité financière, ce qui signifie que les organisations doivent se concentrer dès maintenant sur le positionnement de leurs efforts de R&D&I en matière d’IA afin de garantir le succès, quel que soit l’avenir.

Cet article a été rédigé avec l'aide d'Albert Meige, Zoe Huczok, Arnaud Siraudin et Arthur D. Little.