Intelligence artificielle, IA génératives et innovation : définitions
Avant de se plonger dans le vif du sujet, il est indispensable de comprendre ce que sont réellement les IA génératives, et d’analyser les mécanismes sous-jacents à ce qu’on nomme « processus d’innovation ».
Qu’est-ce que l’intelligence artificielle et pourquoi parle-t-on d’IA génératives ?
L’intelligence artificielle est souvent considérée comme un concept vaste, pluridimensionnel, en constante évolution, et donc difficile à définir. Remontons donc à ses débuts. L’un des pionniers du domaine, John McCarthy, définissait l’intelligence artificielle comme « la science et l’ingénierie de la fabrication de machines intelligentes ».
Selon le Parlement européen, l’IA désigne tout système utilisé par une machine afin de reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité. Par exemple, l’IA peut se manifester à travers de simples algorithmes de recommandation sur des plateformes de streaming, mais aussi à travers des systèmes plus complexes comme la conduite autonome de véhicules.
Une IA générative générative, quant à elle, est une intelligence artificielle capable de créer de nouveaux contenus tels que du texte, des images ou de la musique en apprenant à partir d’exemples existants. On parle des IA génératives au pluriel parce qu’il existe différents types et modèles pour ces IA, chacun étant spécialisé dans la génération de différents types de contenus et utilisant diverses techniques et architectures.
Voici trois éléments essentiels à avoir en tête :
- Selon les besoins, il existe des solutions d’IA-Gén pour générer une grande variété de
contenus : du texte (ex. ChatGPT), des images (ex. Midjourney), des vidéos (ex. Sora), des Powerpoints (ex. Gamma), des musiques (ex. Mubert)…
- Les IA peuvent être probabilistes : au lieu de suivre des règles strictes et déterministes, une IA probabiliste évalue les différentes possibilités et choisit la plus probable en tenant compte de l’incertitude et de l’imprévisibilité des données.
- L’impact économique de l’utilisation des IA est indéniable. Après le temps des prédictions, les 1ers constats sont là : de réelles réductions de coûts pour + de 40% des organisations ayant mis en œuvre de l’IA, et des augmentations de revenus pour 60% d’entre elles (+10 points par rapport à 2022 – étude BCG).
Leur nom le décrit pour elles, les IA génératives sont intrinsèquement liées à un processus d’innovation auto-renouvelable.
* Source : Institut Reuters pour l’étude du journalisme | Yougov, CNIL
Mais alors, qu’est-ce que l’innovation ?
L’innovation désigne l’introduction sur le marché d’un produit ou d’un procédé nouveau ou significativement amélioré par rapport à ceux précédemment élaborés. Il existe différents moyens de favoriser l’innovation en entreprise.
Le management de l’innovation permet l’émergence de projets innovants et la maximisation de leurs performances. En lançant une démarche d’innovation participative par exemple, les entreprises acculturent leurs équipes à l’innovation, pour concevoir et améliorer leurs produits et services.
L’intelligence artificielle émane d’une innovation de rupture et, à son tour, est motrice de nombreuses innovations. C’est ce qu’on appelle le concept de l’innovation devenue innovatrice. Un joli cercle vertueux d’innovations prolifiques.
Comment l’Intelligence Artificielle stimule l’innovation ?
On l’aura compris, l’IA a le potentiel de révolutionner tous les secteurs d’activité. Elle agit comme un catalyseur pour l’innovation en offrant de nouvelles possibilités, en améliorant l’efficacité et en libérant le potentiel créatif des individus et des organisations.
Il existe de nombreux bénéfices à l’utilisation de l’IA dans un processus d’innovation :
En accélérant le processus d’innovation
L’IA permet d’analyser rapidement de grandes quantités de données, d’identifier des tendances et des modèles, ce qui accélère le processus de génération d’idées et de développement de nouveaux produits ou services.
En améliorant la précision et de la qualité des produits et services
En automatisant certaines tâches et en fournissant des analyses avancées, l’IA aide à réduire les erreurs humaines et à améliorer la qualité des produits et services innovants.
En personnalisant et adaptant des solutions
L’IA permet de créer des solutions innovantes personnalisées en fonction des besoins spécifiques des utilisateurs, ce qui peut conduire à une meilleure satisfaction client et à une plus grande fidélisation.
En identifiant de nouvelles opportunités
Grâce à l’analyse des données et à la détection de tendances, l’IA peut aider à identifier de nouvelles opportunités de marché ou de nouveaux domaines d’innovation qui n’auraient peut-être pas été détectés autrement.
En optimisant les ressources
En automatisant des processus et en fournissant des recommandations basées sur des données, l’IA permet d’optimiser l’utilisation des ressources disponibles, ce qui peut conduire à des économies de coûts et à une meilleure efficacité opérationnelle.
En stimulant la créativité
Les outils d’IA peuvent servir de catalyseurs pour la créativité humaine, en fournissant des suggestions et des idées, ou même en générant du contenu créatif, ce qui peut enrichir le processus d’innovation.
Force est donc de constater que l’IA révolutionne notre manière de concevoir et de mettre en œuvre l’innovation. Elle nous aide à mieux appréhender les données collectées, à générer de nouvelles idées et à mettre en place des solutions plus efficaces. L’IA accélère et cible nos processus d’innovation.
Mais attention… ces technologies ne sont pas sans risques ! Un conseil : gardez toujours un œil sur les quelques pièges à éviter lorsque vous utilisez l’IA.
Les 5 erreurs à éviter lorsque l’on intègre l’IA dans un processus d’innovation
Se reposer seulement sur l’IA
L’intelligence artificielle, comme son nom l’indique, n’a rien d’humain. Il est essentiel d’intégrer les connaissances et l’expérience des experts humains dans le processus d’innovation pour garantir des résultats pertinents et utiles. Par exemple, l’IA n’est pas dotée d’émotions ni de créativité.
Sous-estimer le besoin de données de qualité
L’IA repose souvent sur des données pour fournir des résultats précis. Il est crucial de s’assurer que les données utilisées sont pertinentes, précises et représentatives du problème à résoudre. Sous-estimer l’importance de la qualité des données peut conduire à des résultats peu fiables ou biaisés.
Sur-évaluer l’IA
Il est tentant de considérer les résultats de l’IA comme absolus, mais il est important de se rappeler que les modèles d’IA peuvent être influencés par des biais, des limitations ou encore générer ce que l’on appelle communément « des hallucinations ». Phénomène malheureusement encore trop fréquent, il désigne une réponse fausse donnée par une IA générative à un utilisateur qui la questionne. On pense notamment à l’une des hallucinations les plus connues de Google Bard qui, par erreur, attribue en 2023 au télescope spatial James-Webb la première photo d’une exoplanète. Le retour de bâton est immédiat : en une journée, le géant de la tech perd 100 Mds de dollars. Compter seulement sur les résultats sans une compréhension approfondie du fonctionnement de l’IA peut ainsi vous coûter très cher.
Omettre l’éthique
L’IA peut soulever des questions éthiques importantes, telles que la vie privée des données, la propriété intellectuelle, la discrimination algorithmique ou la responsabilité en cas d’erreurs. Prenons le cas du New York Times, par exemple, qui lance en décembre 2023 des poursuites contre ChatGPT pour violation des droits d’auteurs. En se nourrissant de plusieurs millions d’articles protégés, l’IA porte préjudice au quotidien, que l’on estime à plusieurs milliards de dollars. Rien ne vous empêche pour autant d’avoir recours au leader de l’IA générative, mais si vous souhaitez inclure l’IA à votre processus d’innovation, il vous sera essentiel d’intégrer une réflexion éthique dès le début et d’évaluer régulièrement les implications éthiques tout au long du projet.
Se cantonner à une approche unique
Il existe une variété de techniques et d’approches en matière d’IA, chacune avec ses forces et ses limites. Il est important d’être ouvert à l’exploration de différentes méthodes et de s’adapter en fonction des besoins spécifiques du projet. Prenons un contexte de gestion d’une plateforme d’e-commerce avancées. On pourrait utiliser des IA différentes pour la recommandation de produits, mais aussi pour le traitement du langage naturel, le service client, et la gestion de stocks.
Lorsqu’on souhaite intégrer l’IA dans le processus d’innovation d’entreprise, il est essentiel de ne pas se lancer tête baissée : il faut réfléchir et itérer pour espérer optimiser ses résultats.
Ce besoin de réflexion est d’autant plus crucial dans le cadre de l’innovation collaborative. Améliorer cette approche en y introduisant de l’IA implique un double défi : acculturer les collaborateurs à l’innovation et les sensibiliser à l’IA. Mais pas n’importe comment.
Citons notamment l’étude de BCG qui, en 2023, alors qu’OpenAI lançait ChatGPT pour les entreprises, analysait l’impact de l’IA générative sur la productivité et la créativité au travail.
En demi-teinte, les résultats interpelaient : la diversité des idées proposées par les utilisateurs de Chat GPT-4 dans des ateliers créatifs était 41 % plus faible que celle des groupes n’utilisant pas cette technologie. Paradoxalement, l’utilisation de l’IA générative améliorait les contributions des salariés travaillant individuellement.
Alors, demandons-nous. L’IA et l’innovation collaborative font-elles réellement bon ménage ? L’IA générative a-t-elle un impact positif sur la performance des programmes ?
Ofer Attali, CTO de Yumana, analyse la relation entre l’IA et l’innovation collaborative.
L’Intelligence Artificielle et l’innovation collaborative
Dans les grands groupes, ce sont des dizaines de milliers de collaborateurs qui sont susceptibles de participer à une démarche d’innovation collaborative. Même s’il n’y a que 10% des collaborateurs qui jouent le jeu, cela peut représenter plusieurs centaines d’idées, de suggestions et de commentaires par jour. Il est, bien sûr, impossible de trier à la main toutes ces contributions.
Un autre enseignement de l’étude BCG susmentionnée montre d’importants gains de performance dus à l’utilisation de l’IA générative dans le domaine de la création et par extension, de l’idéation. En utilisant GPT-4 dans la réalisation de tâches créatives (trouver de nouveaux concepts produits, par exemple), ~90 % des participants constatent une augmentation moyenne de leur performance de 40 %, comparée à celle des participants réalisant la même tâche sans GPT-4.
C’est la raison pour laquelle intelligence artificielle et innovation collaborative sont deux notions indissociables et l’intégration d’une composante d’intelligence artificielle dans la plateforme revêt un caractère hautement stratégique.
Quelles sont les méthodes d’utilisation de l’IA générative dans l’innovation collaborative ?
Le deep learning
Revenons à la source. L’IA n’est pas magique, c’est une famille de méthodes mathématiques. L’IA générative est considérée comme l’une des dernières nées de cette grande famille.
Pour être plus précis, il faudrait dire qu’il s’agit d’un sous-domaine d’un sous-domaine d’un sous-domaine de l’IA. Remontons le fil pour se pencher sur le deep learning, une sous-discipline du machine learning. En quelques mots, on nomme « machine learning » le rassemblement de plusieurs méthodes d’apprentissage statistique permettant à des systèmes d’effectuer des prédictions à partir de données passées.
Le deep learning est en réalité une sous-discipline du machine learning. Celle-ci vise à développer des réseaux de neurones dits profonds. Ils font ainsi interagir plusieurs couches de « neurones » interconnectées – constituées de pondérations et de fonctions mathématiques –, qui apprennent des représentations de données hiérarchiques. Et l’IA générative dans tout ça ? Elle n’est en réalité qu’un produit du Deep Learning. Chaque information est analysée, décodée et interprétée selon les données précédemment reçues.
Grâce aux nouvelles technologies et au deep learning, un ordinateur est capable d’apprendre par l’exemple. Pour y parvenir, plus le système accumule d’expériences différentes, plus il sera performant. C’est une technologie qui requiert une importante puissance de calcul pour entraîner des réseaux neuronaux.
Prenons le cas de l’innovation collaborative soutenue par une plateforme d’innovation management. La machine apprend de la navigation des utilisateurs de la plateforme et peut ainsi leur proposer des contenus personnalisés (tels que des articles, des suggestions d’idées…) en fonction de leurs centres d’intérêts, et interactions… Une démarche finalement assez classique que l’on retrouve au sein de nombreuses plateformes comme Netflix ou Amazon. Et à l’instar de ces géants américains, une plateforme de management de l’innovation peut aller encore plus loin, plus haut, en proposant des recommandations basées sur l’intelligence artificielle.
Considérons par exemple un Responsable de programme d’Intrapreneuriat qui doit, une fois les idées évaluées et les candidats sélectionnés, favoriser la création d’équipes capables de mener les meilleurs projets à leur terme. Grâce à son outil de profiling (analyse des compétences, soft skills et hard skills des utilisateurs, de leurs disponibilités, motivations…) une plateforme propulsée par l’IA sera à même de constituer, pour notre Responsable de programme, les équipes pluridisciplinaires les plus adaptées. Une sorte de Tinder de l’innovation, en somme.
Une méthode d’aide à la décision
L’IA est essentielle à l’innovation collaborative pour aider les entreprises à prendre les meilleures décisions. En effet, l’IA est un outil d’assistance qui va booster les capacités humaines pour aller plus vite, traiter des grands volumes de données et fournir aux décisionnaires humains des clés et des KPI objectifs pour prendre des décisions importantes.
L’IA sera ainsi capable de faire la différence entre les sujets classiques ou redondants, et les sujets vraiment pertinents, stratégiques et innovants. À partir d’une analyse fine, elle pourra faire remonter les bons sujets au bon moment et permettre au top management de prendre la meilleure décision.
Quels sont les bénéfices d’une IA dans un dispositif d’innovation collaborative ?
Sans cette brique technologique, l’outil d’innovation participative n’est finalement qu’une boîte à idées qu’il faut éplucher manuellement. C’est un travail considérable et difficilement tenable sur le long terme. Mais ce n’est pas le seul avantage.
Elle favorise l’engagement
Pour assurer le succès d’un dispositif d’innovation collaborative, une plateforme dédiée est essentielle. C’est en effet sur cette plateforme que les contributions sont soumises, enrichies et commentées, à l’image d’un fil d’actualité sur les réseaux sociaux. Les sujets les plus susceptibles de susciter des interactions sont mis en avant en fonction des profils des utilisateurs, permettant à chacun de voir ce qui l’intéresse réellement.
Encourager l’engagement est crucial pour inciter les participants à revenir régulièrement. Bien que d’autres facteurs interviennent également, une expérience utilisateur personnalisée joue aujourd’hui un rôle déterminant pour assurer la fidélisation des collaborateurs au dispositif.
Elle facilite l’accès aux sujets les plus pertinents
Même avec la meilleure volonté du monde, il est impossible de tout suivre. C’est pourquoi des choix doivent être faits, et l’IA apporte une valeur ajoutée significative à ce processus. Les sujets sont ainsi hiérarchisés en fonction des défis quotidiens des collaborateurs, tout en incluant des thématiques périphériques susceptibles de les intéresser.
Ce système de profilage ne se limite pas uniquement aux aspects professionnels, mais peut également prendre en compte les centres d’intérêt personnels des salariés pour optimiser leur engagement. Pour être véritablement utile, la plateforme doit donc éviter de présenter des sujets sur lesquels le collaborateur n’a ni compétence ni intérêt particulier.
En outre, si l’expérience utilisateur personnalisée est intégrée de manière automatique et naturelle dans la plateforme, l’utilisateur a également la possibilité de rechercher des informations spécifiques, des experts ou encore des partenaires commerciaux en interrogeant la plateforme en langage naturel. Une nouvelle dimension apportée par l’IA !
Elle favorise la création d’un marché de la co-création innovante
Un marché se définit par une offre et une demande : lorsque ces deux éléments se rencontrent et s’harmonisent, tout fonctionne parfaitement. L’innovation collaborative, associée à une analyse décisionnelle optimisée par l’IA, fonctionne de manière similaire à un marché : l’offre réside dans les propositions et les idées d’amélioration ou de création, tandis que la demande se manifeste par la volonté de s’engager et de participer.
L’objectif de l’IA est de créer un équilibre entre l’offre et la demande pour satisfaire toutes les parties impliquées. Cela implique de mettre en valeur les idées précieuses, ou « pépites », tout en évitant de sélectionner les contributions sans réel engagement. Pensez également à promouvoir les discussions enrichissantes pour les contributeurs.
Comment bien utiliser l’intelligence artificielle dans un dispositif d’innovation collaborative ?
L’IA est un terme qui peut faire peur. En réalité, elle est surtout là pour accompagner le bon fonctionnement du système. Mais encore faut-il que son implémentation soit bien réalisée, testée et intégrée au bon moment.
Ne pas attendre avant de la déployer
D’après Ofer Attali, expert en innovation depuis plus de 20 ans, ajouter une composante est une décision stratégique importante pour une favoriser la scalabilité des dispositifs d’innovation collaborative.
« Je parle en connaissance de cause, car j’ai déjà vécu des situations d’idéation où l’IA était soit absente soit inopérante. Résultat, quand on se rend sur une plateforme avec un volume d’idées qui peut atteindre 10 000 contributions, on se retrouve noyé. On ne trouve pas ce qu’on souhaite, la recherche est dysfonctionnelle et chronophage, et rien de ce qui se trouve sur la plateforme n’est finalement pertinent pour les collaborateurs. À force de tout trouver, on ne trouve rien ».
Selon lui, pour résoudre ce problème, il faut inverser le principe : la gestion de la priorité ne doit pas reposer sur les épaules des participants, mais doit être à la charge de la machine. Pour beaucoup, après un essai infructueux – voire deux dans le meilleur des cas – le taux de rétention est en chute libre. Pourquoi passer du temps sur un outil inutile ?
La solution est simple : l’IA ne doit pas être une fonctionnalité annexe qui peut se développer et s’ajouter dans une seconde ou troisième phase de développement. Elle doit être livrée et opérationnelle dès le lancement de l’outil. Sans elle, il ne peut y avoir de plateforme d’innovation collaborative.
Affiner la démarche de profiling
Pour qu’une IA soit efficace, elle doit intégrer les données des utilisateurs avec celles du contenu disponible sur la plateforme. Lors de la première connexion, l’utilisateur renseigne ses compétences, son métier, son service et ses domaines d’expertise. Ses interactions ultérieures avec la plateforme permettront à l’IA d’affiner ses recommandations.
Au quotidien, il est facile d’oublier que les suggestions proviennent d’algorithmes utilisant un système de mise en correspondance. Cependant, c’est précisément là que réside la marque d’une bonne IA : fournir rapidement des idées qui captivent le salarié, sans nécessiter l’utilisation d’un moteur de recherche.
Choisir la bonne technologie
Le choix de la technologie sous-jacente à l’IA est crucial pour garantir une assistance pertinente.
Chez Yumana, nous avons intégré la technologie Microsoft AI dans notre moteur d’idéation. Largement utilisée et appréciée par de nombreuses entreprises, cette solution présente de nombreux avantages significatifs. La confiance mutuelle établie entre les grandes entreprises et les outils de Microsoft renforce encore cette préférence.
Gérer le multilinguisme
Dans les grandes entreprises multinationales, il est courant que les collaborateurs parlent plusieurs langues. Il est tout aussi naturel que les solutions d’innovation collaborative reflètent cette diversité linguistique. Plutôt que d’imposer l’anglais universellement, ce qui peut entraver l’appropriation du contenu et limiter la précision dans l’expression des idées, nous préconisons l’utilisation de la langue maternelle des utilisateurs. Comment ? Grâce à l’IA, qui traduit automatiquement chaque contenu sur la plateforme dans la langue choisie par l’utilisateur.
Vive l’IA et la personnalisation avancée des contenus !
IA et intelligence humaine se combinent pour l’innovation, encore faut-il utiliser la bonne technologie
On l’aura compris, l’intelligence artificielle naît de l’innovation et, à son tour, en génère de nouvelles. Elle a le pouvoir de transformer tous les secteurs d’activité en améliorant l’efficacité, la précision, la qualité, et en libérant le potentiel créatif des individus et des organisations.
Certains pourraient craindre que l’IA nuise à l’innovation collaborative, comme le suggère l’étude BCG citée précédemment, en bridant parfois la créativité des collaborateurs. En réalité, lorsqu’elle est utilisée à bon escient, l’IA stimule l’innovation participative. Ce n’est pas une opposition entre l’IA et l’innovation, mais plutôt une synergie où l’un sert l’autre. La machine est là pour assister l’homme : elle ne prend pas les décisions, mais apporte des perspectives et participe à la prise de décision. Elle ne propose pas de nouvelles idées, mais nourrit celles-ci pour faire éclore de nouveaux concepts, produits et services. À toutes les organisations éclairées, tenez-vous prêtes ! L’IA ouvre un monde d’opportunités qui ne demandent qu’à être saisies.
CTO de Yumana
