L'évolution de l'IA générative en 2025 : de la nouveauté à la nécessité

L'année 2025 marque un moment charnière dans le parcours de IA générative (Gen AI). Ce qui a commencé comme une nouveauté technologique fascinante est désormais devenu un outil essentiel pour les entreprises de divers secteurs.

IA générative : de la recherche de solutions à un problème à la résolution de problèmes

L’enthousiasme initial suscité par la Gen AI a été alimenté par la nouveauté brute de l’interaction avec grands modèles de langage (LLM), qui sont formés à partir de vastes ensembles de données publiques. Les entreprises comme les particuliers ont été à juste titre captivés par la possibilité de saisir des invites en langage naturel et de recevoir des réponses détaillées et cohérentes des modèles de frontières publiques. La qualité humaine des résultats des LLM a conduit de nombreuses industries à se lancer tête baissée dans des projets avec cette nouvelle technologie, souvent sans problème commercial clair à résoudre ni aucun indicateur clé de performance réel pour mesurer le succès. Bien que l’IA de la génération ait permis de dégager de grandes valeurs au début, il est clair que nous sommes dans un cycle d’innovation (ou de battage médiatique) lorsque les entreprises abandonnent la pratique consistant à identifier d’abord un problème, puis à rechercher une solution technologique réalisable pour le résoudre.

En 2025, nous nous attendons à ce que le pendule revienne à la normale. Les entreprises se tourneront vers la Gen AI pour en tirer une valeur commerciale en identifiant d’abord les problèmes que la technologie peut résoudre. Il y aura sûrement beaucoup plus de projets scientifiques bien financés, et la première vague de cas d’utilisation de la Gen AI pour la synthèse, les chatbots, le contenu et la génération de code continuera de prospérer, mais les dirigeants commenceront à demander des comptes aux projets d’IA en matière de retour sur investissement cette année. L’accent technologique se déplacera également des modèles de langage à usage général publics qui génèrent du contenu vers un ensemble de modèles plus restreints qui peuvent être contrôlés et continuellement formés sur le langage spécifique d’une entreprise pour résoudre des problèmes du monde réel qui ont un impact mesurable sur les résultats financiers.

2025 sera l’année où l’IA se placera au cœur de l’entreprise. Les données d’entreprise sont la voie à suivre pour exploiter la valeur réelle de l’IA, mais les données de formation nécessaires à l’élaboration d’une stratégie de transformation ne sont pas sur Wikipédia et ne le seront jamais. Elles se trouvent dans les contrats, les dossiers clients et patients et dans les interactions désordonnées et non structurées qui circulent souvent dans le back-office ou dans des boîtes de papier. Obtenir ces données est compliqué et les LLM à usage général ne sont pas une technologie adaptée ici, malgré les préoccupations en matière de confidentialité, de sécurité et de gouvernance des données. Les entreprises adopteront de plus en plus les architectures RAG et petits modèles de langage (SLM) dans des environnements de cloud privé, ce qui leur permet d'exploiter des ensembles de données organisationnelles internes pour créer des solutions d'IA propriétaires avec un portefeuille de modèles entraînables. Les SLM ciblés peuvent comprendre le langage spécifique d'une entreprise et les nuances de ses données, et fournir une précision et une transparence supérieures à un coût inférieur, tout en restant en phase avec les exigences de confidentialité et de sécurité des données.

Le rôle crucial du nettoyage des données dans la mise en œuvre de l'IA

À mesure que les initiatives d’IA se multiplient, les organisations doivent donner la priorité à la qualité des données. La première étape, et la plus cruciale, de la mise en œuvre de l’IA, que ce soit à l’aide de LLM ou de SLM, consiste à s’assurer que les données internes sont exemptes d’erreurs et d’inexactitudes. Ce processus, connu sous le nom de « nettoyage des données », est essentiel pour la conservation d’un ensemble de données propres, qui est la clé de voûte du succès des projets d’IA.

De nombreuses organisations dépendent encore de documents papier, qui doivent être numérisés et nettoyés pour leurs opérations quotidiennes. Idéalement, ces données devraient être intégrées à des ensembles d'entraînement étiquetés pour l'IA propriétaire de l'organisation, mais nous n'en sommes qu'aux prémices de cette perspective. En effet, une enquête récente menée en collaboration avec Harris Poll, auprès de plus de 500 décideurs informatiques interrogés entre août et septembre, a révélé que 59 % des organisations n'exploitent même pas l'intégralité de leur parc de données. Le même rapport révèle que 63 % des organisations reconnaissent manquer de compréhension de leurs propres données, ce qui entrave leur capacité à exploiter le potentiel de GenAI et des technologies similaires. Les préoccupations en matière de confidentialité, de sécurité et de gouvernance constituent certes des obstacles, mais des données précises et propres sont essentielles. Même de légères erreurs d'entraînement peuvent engendrer des problèmes complexes, difficiles à résoudre lorsqu'un modèle d'IA se trompe. En 2025, le nettoyage des données et les pipelines garantissant leur qualité deviendront un domaine d'investissement crucial, garantissant qu'une nouvelle génération de systèmes d'IA d'entreprise puisse fonctionner sur la base d'informations fiables et précises.

L’impact croissant du rôle de CTO

Le rôle du directeur technique (CTO) a toujours été crucial, mais son impact devrait être décuplé en 2025. En faisant des parallèles avec « l’ère du CMO », où l’expérience client sous la direction du directeur marketing était primordiale, les années à venir seront celles de la « génération du CTO ».

Si les responsabilités principales du CTO restent inchangées, l'influence de ses décisions sera plus importante que jamais. Pour réussir, un CTO devra comprendre en profondeur comment les technologies émergentes peuvent transformer son organisation. Il devra également saisir comment l'IA et les technologies modernes qui lui sont associées stimulent la transformation de l'entreprise, et pas seulement l'efficacité au sein de l'entreprise. Les décisions prises par les CTO en 2025 détermineront l'avenir de leur organisation, rendant leur rôle plus important que jamais.

Les prévisions pour 2025 mettent en évidence une année de transformation pour la génération IA, la gestion des données et le rôle du directeur technique. Alors que la génération IA passe du statut de solution à la recherche d’un problème à celui de puissance de résolution de problèmes, l’importance du nettoyage des données, la valeur des parcs de données d’entreprise et l’impact croissant du directeur technique façonneront l’avenir des entreprises. Les organisations qui adoptent ces changements seront bien placées pour prospérer dans un paysage technologique en constante évolution.