Intelligence artificielle

Comment ça marche

L’intelligence artificielle désigne un ensemble de techniques qui permettent à des programmes de réaliser des tâches qu’on associait au jugement humain : reconnaître, classer, prédire, générer, décider. La plupart des systèmes actuels relèvent de l’apprentissage automatique : au lieu d’écrire les règles, on fait apprendre un comportement au programme à partir d’exemples, par millions. Les modèles de langage, qui génèrent du texte, en sont l’illustration la plus visible depuis 2023.

Ce qui distingue l’IA d’aujourd’hui de celle des décennies précédentes, c’est la généralité : un même modèle de langage rédige, résume, traduit, analyse, écrit du code, sans avoir été conçu pour chaque tâche. Mais cette généralité trompe : une capacité constatée sur une tâche ne garantit rien sur une autre, et une réponse fluide peut être fausse. En entreprise, l’IA se juge tâche par tâche, résultat par résultat.

Un exemple concret

1. Le filtre anti-spam de la messagerie : un classificateur entraîné sur des millions d’e-mails. De l’IA depuis quinze ans.
2. La prévision de réapprovisionnement dans l’outil de gestion : un modèle statistique qui apprend des ventes passées.
3. L’assistant de rédaction que les commerciaux utilisent pour leurs e-mails : un modèle de langage, arrivé en 2023.
4. Le nouvel outil de lecture des factures fournisseurs : reconnaissance de documents plus modèle de langage, installé cette année.
5. Le projet de l’an prochain : un assistant interne qui répond sur les fiches produits et les procédures, à partir des documents de l’entreprise.

Seuls les trois derniers sont perçus comme « de l’IA ». Les deux premiers ont pourtant produit la plus grande partie des gains jusqu’ici. La nouveauté, c’est que les équipes peuvent maintenant s’en servir directement.

Ce que ça change pour une équipe

• Des tâches intellectuelles répétitives se délèguent. Lire, trier, résumer, extraire, rédiger un premier jet : ce qui prenait des heures prend des minutes, à condition de relire.
• Le jugement humain se déplace. Moins de production, plus de cadrage et de vérification. Les compétences qui comptent changent.
• Les données deviennent un actif, et un risque. Ce qu’on confie à l’IA, et à qui, devient une décision de direction.
• La compréhension commune est un prérequis. Une équipe qui sait ce que l’IA fait et ne fait pas l’utilise mieux, et se méfie au bon endroit.

Les limites et les erreurs fréquentes

• Partir de la technologie. « Il nous faut de l’IA » ne mène nulle part. « Le tri des demandes prend trois heures par jour » mène quelque part.
• Généraliser une réussite. Un modèle excellent pour résumer peut être médiocre pour calculer. Chaque tâche se teste.
• Confondre fluidité et fiabilité. Une réponse bien écrite n’est pas une réponse juste. La vérification fait partie de l’usage.
• Attendre que ça se stabilise. Les outils changent tous les six mois et continueront. On apprend à les utiliser avec méthode, pas à attendre le bon moment.