un agent conversationnel basé sur un grand modèle de langage ne raisonne pas. Il joue sur des similarités textuelles, traduites dans un espace vectoriel. La façon même de répondre, de pouvoir reproduire un style, dépend de ses données d’apprentissage. Peut-on dès lors réellement utiliser le terme intelligence à son sujet ? En tous cas, ses capacités découlent de la nature des données sur lesquelles il a été entrainé.
ChatGPT utilise un modèle transformer : and so what ? ChatGPT est un agent conversationnel (ChatBot) qui utilise un modèle transformer GPT-3.5 (Generative Pre-trained Transformer) pour comprendre et répondre à des questions d’utilisateurs. Il reprend les principes d’InstructGPT et utilise un apprentissage par renforcement avec un feedback humain (RLHF) pour améliorer ses réponses. Soyons honnêtes : ces deux phrases n’apprennent rien à personne. Ceux qui travaillent dans le domaine le savent déjà. Quant aux autres, cela ne clarifie rien. Car le premier point d’interrogation demeure : qu’est-ce qu’un modèle Transformer ?
L’IA, un marteau de guerre… économique ? Dans l’art de la guerre économique, l’IA fournit des armes numériques pour le triptyque : veille, influence, protection. Ces armes ont pour particularité d’être peu visibles et on ne les lie pas forcément à leurs résultats. Surtout quand il s’agit de « l’art du faire savoir, faire croire et du faire faire ». La subtilité nécessairement liée à l’art de l’influence de l’IE est opposée à la visibilité des influenceurs des réseaux sociaux. Ce qui peut constituer une difficulté à déterminer la complicité par instigation, si l’influence pousse jusqu’au délit.
Avec l’IA, nous devons réfléchir à changer de paradigme de croissance, pas répliquer l’existant Les avancées technologiques des outils dits d’intelligence artificielle donnent l’impression d’être au bord d’un changement de paradigme. L’aphorisme est connu : « Il faut que tout change pour que rien ne change ». Passé le retournement de la boule à neige en verre, les faux flocons retombent sur un paysage figé. Car la plupart des usages qui enthousiasment renvoient à des paradigmes existants : la destruction créatrice de Schumpeter, l’Intelligence économique et la guerre de l’information, le paradoxe de l’épée et du bouclier, la croissance vue par le PIB. Pourtant, nous aurions bien besoin, pour un futur plus durable, d’un peu plus d’innovations dans nos systèmes de pensées.
Assisterions-nous à une nouvelle vague épidémiologique d’un battage publicitaire disproportionné sur les miracles tant attendus de l’intelligence artificielle ? On peut se le demander avec les articles incessants depuis un mois sur le robot conversationnel ChatGPT. Pour en avoir le cœur net, j’ai décidé de tester quelques questions via l’interface mise à disposition par OpenAI. Pour me faire ma propre idée de son utilité (ou pas) ainsi qu’en cerner les limites.
Gnothi seauton (traduit en latin par Nosce te ipsum ou temet nosce) est une expression signifiant « Connais-toi toi-même ». Elle était l’une des trois maximes gravées au fronton du temple d’apollon à Delphes. L’entreprise doit se connaître elle-même et connaître son environnement Dans le monde économique tel qu’il est actuellement, les entreprises font face à l’impératif de savoir exploiter des données métiers numérisées afin d’en tirer de la connaissance utile à la fois pour des décisions d’orientations stratégiques ou pour optimiser leur fonctionnement opérationnel.
Intelligence artificielle ou data science sans conscience ?
Posted by Sabine Bohnké / data centric, gouvernance, ingénierie des connaissances, Intelligence Artificielle, ontologies, sémantique
Science sans conscience n’est que ruine de l’âme. Cette citation de Rabelais peut s’appliquer aujourd’hui à beaucoup de sujets connexes à la data science. Il y a celui des entreprises pilotées par les données (data driven). On peut aussi traiter des architectures « data-centric » mettant l’accent sur les données et leurs modèles conceptuels comme actifs essentiels de l’entreprise. L’idée étant de construire, sur un noyau central fait de « données », des systèmes d‘information agiles et durables servant la performance globale. Ce sont deux approches de niveau stratégique et deux sujets distincts. Néanmoins, quand on traite d’implémentation, on peut recourir dans l’un ou l’autre cas à des algorithmes de machine learning ou des solutions de représentation des connaissances et mécanismes de raisonnement. Autrement dit, nous parlons ici de disciplines liées à l’intelligence artificielle, mises au service d’un objectif commun aux deux approches.
Sommes-nous devant un paradoxe ? Les écosystèmes d‘affaires/d’innovation sont des leviers de développement efficaces. En tablant sur la co-évolution des capacités d’acteurs en réseau, la synergie créée accroit la portée des efforts de tous. La logique d’écosystème, propice à la diversité des intervenants, aboutit à la création de valeur pour l’ensemble des parties prenantes. Néanmoins, dans le secteur IT (Information Technology), elle a construit aussi une situation oligopolistique. Après la convergence des médias et des technologies autour de l’échange d’information, nous sommes à l’ère de l’interaction virtuel-réel. Sur ce nouveau terrain de jeu des affaires, un petit nombre de sociétés ayant réussi à devenir des firmes pivots pour la plupart des usages du numérique, deviennent des super prédateurs.
Le vocabulaire lié aux métiers des systèmes d’information d’entreprise est riche en acronymes ou expressions de toutes sortes. Que penser de celle-ci : data centric? Bien souvent, de nouveaux mots-clés apparaissent, par effet de mode ou par l’impulsion de nouvelles technologies. Mais ils ne font que recouvrir d’anciens concepts liés au besoin de maîtriser la complexité des SI. Bien que désignant des solutions utiles, ils ne sont pas non plus la solution ultime. En fournissant une nouvelle voie, ils proposent juste un nouveau point de vue. Finalement, tout l’enjeu dans les SI est de bien poser les problèmes avec l’ensemble des parties prenantes. Il faut pouvoir réconcilier des perspectives différentes, pour tenter de répondre aux trois questions essentielles de la création de valeur.
Ceci n’est pas un billet d’humeur. Mais un questionnement qui me taraude depuis la publication de la liste des sociétés du Next40. Pourquoi un des principaux critères du choix public reposerait-il sur le montant des levées de fonds privés ? Pourquoi convaincre des investisseurs garantirait-il, au-delà d’un potentiel succès financier, la durabilité et l’équité d’un modèle et une proposition de valeur équilibrée ? Puis des startups m’invitent à des présentations en soulignant leur importance par un « en cours de levée de fonds ». En réalité, l’argument ne me semble pas si pertinent pour juger de la valeur.