L’Intelligence Artificielle Générative : Un Potentiel Élevé, mais des Défis à Surmonter
Une étude menée par Gartner révèle que près de 30 % des projets d’intelligence artificielle générative (IA générative) pourraient être abandonnés après la phase de preuve de concept d’ici la fin de 2025. Les raisons principales de ces abandons incluent la qualité insuffisante des données, l’augmentation des coûts et une valeur commerciale peu claire.
Les entreprises qui ont été parmi les premières à adopter cette technologie rapportent des améliorations variées en fonction des cas d’utilisation, des types de postes et des compétences des employés. Selon l’enquête, les répondants ont constaté une augmentation moyenne de 15,8 % de leurs revenus, des économies de coûts de 15,2 % et une amélioration de la productivité de 22,6 %.
Eyad Tachwali, directeur senior chez Gartner, souligne l’importance de comprendre les différentes manières d’exploiter l’IA. Il explique que l’IA quotidienne, qui vise à améliorer l’efficacité des tâches existantes, est essentielle pour générer de la valeur. Cette forme d’IA se mesure principalement par les gains de productivité.
En revanche, l’IA révolutionnaire se concentre sur la création de nouvelles solutions. Tachwali donne l’exemple d’une entreprise pharmaceutique qui utilise l’IA pour découvrir de nouvelles molécules destinées à la fabrication de médicaments.
Lors de l’évaluation des coûts des applications d’IA générative, les responsables informatiques doivent prendre en compte plusieurs facteurs. Tachwali précise que les coûts varient en fonction des cas d’utilisation, du secteur d’activité et de l’appétit au risque de l’organisation.
Les entreprises cherchent souvent des gains rapides en utilisant des produits disponibles sur le marché, tels que ChatGPT ou Microsoft Copilot. Dans ces cas, le calcul des coûts est relativement simple, basé sur le nombre d’utilisateurs et le coût des licences logicielles.
En revanche, les initiatives d’IA révolutionnaire présentent des défis de calcul des coûts plus complexes. Les capacités fournies par les fournisseurs, qui sont souvent formées sur des données publiques, doivent être combinées avec les données internes de l’organisation. Cela inclut également des coûts additionnels liés à l’infrastructure informatique, aux données et au développement d’applications.
De plus, Tachwali évoque des éléments de coût multiplicatif qui peuvent faire grimper les dépenses. Par exemple, en plus des frais de licence par utilisateur, un tarif basé sur les tokens est souvent utilisé pour améliorer la précision des réponses générées par un modèle d’IA. Les tokens, qui représentent des mots ou des segments de mots, peuvent considérablement augmenter les coûts, parfois de cinq à dix fois, rendant ainsi les prévisions budgétaires très difficiles.
Gartner recommande aux dirigeants informatiques de simuler les limites inférieure et supérieure de l’utilisation des modèles de langage pour mieux appréhender les coûts potentiels. Ces estimations peuvent ensuite être utilisées pour maintenir l’utilisation dans des limites acceptables, garantissant que les coûts d’exploitation du modèle ne dépassent pas la valeur qu’il peut apporter.
En savoir plus sur l’intelligence artificielle, l’automatisation et la robotique
-
Comment les données synthétiques créées par l’IA générative améliorent l’augmentation
-
Les 10 meilleures histoires d’intelligence artificielle de 2023
-
Symposium Gartner : Tout tourne autour de l’IA
-
La peur de l’IA pourrait accroître le turnover en entreprise
