Les prévisions de Gartner permettent aux responsables informatiques de suivre et d’anticiper l’évolution rapide des technologies de l’IA générative.
Nous anticipons la progression de modèles spécifiques à un domaine, de l’utilisation de données synthétiques et de mesures d’atténuation des impacts environnementaux de l’IA générative.
By Lori Perri | 3-minute read | April 12, 2024
Synthèse
Les technologies de l’IA générative sont appelées à évoluer considérablement au cours des quatre prochaines années.
Les technologies sur lesquelles repose l’IA générative ont progressé à un rythme sans précédent, boostées notamment par d’énormes investissements réalisés par de grandes entreprises technologiques et des laboratoires de recherche. Effectivement, l’IA générative semble immunisée contre le ralentissement mondial des investissements en capital-risque, tandis que des startups bien financées poursuivent leur ascension et leur développement.
Téchargez maintenant : 4 actions concrètes pour préparer votre entreprise à l’IA
Après avoir étudié les quatre composantes de ces technologies : l’infrastructure, les modèles, les outils d’ingénierie de l’IA et les applications, Gartner formule cinq pronostics sur l’évolution future de l’IA générative. Ici, vous retrouverez un aperçu de trois de ces prévisions et leurs implications pour votre entreprise :
Inscrivez-vous pour recevoir les dernières informations
E-mail professionnel
Continuer
En cliquant sur "Continuer", vous acceptez les conditions d'utilisation et la politique de confidentialité de Gartner.
D’ici 2027, plus de 50 % des modèles d’IA générative utilisés par les entreprises seront spécifiques à un secteur ou à une unité opérationnelle, contre environ 1 % en 2023.
Bien que les modèles généralistes présentent des résultats satisfaisants dans un large éventail d’applications, on constate dans de nombreux secteurs un essor du recours à l’IA générative. La disponibilité croissante de LLM open-source performants et exploitables commercialement s’accompagne d’un intérêt croissant pour les modèles spécialisés dans certains domaines.
Les modèles spécifiques à un domaine peuvent être moins complexes, moins gourmands en ressources informatiques et réduire les risques d’hallucination associés aux modèles généralistes.
Préparez-vous à devoir déployer et gérer plusieurs modèles d’IA générative spécialisés dans des domaines spécifiques afin de répondre à différents types d’utilisation. Mais avant de développer vos propres modèles, recherchez des modèles prêts à l’emploi, spécialisés dans un domaine particulier, que vous pouvez former ou adapter aux besoins de votre entreprise.
D’ici 2026, 75 % des entreprises utiliseront l’IA générative pour créer des données client synthétiques, alors que cette proportion était inférieure à 5 % en 2023.
Le développement de données synthétiques (générées artificiellement) intervient dans les systèmes dans lesquels les données sont rares, indisponibles, peu homogènes ou inutilisables en raison de réglementations relatives à la protection de la confidentialité des données.
Le fait d’intégrer des données synthétiques dans les modèles permet aux entreprises de simuler des environnements et d’identifier de nouvelles opportunités de développement de produits, en particulier dans des secteurs très réglementés. Cela facilite également le prototypage rapide des expériences logicielles, digitales et hybrides.
Privilégiez une utilisation ciblée des données synthétiques dans des domaines corrélés à la croissance des activités, comme le développement des segments, des parcours et des expériences client, ainsi que la formation des modèles de machine learning.
D’ici 2028, 30 % des déploiements de l’IA générative seront optimisés grâce à des méthodes informatiques à économie d’énergie, dans le cadre de programmes de développement durable.
L’adoption rapide des outils d’IA générative a placé l’impact environnemental négatif de l’IA générative, pointé du doigt par les autorités et le grand public, au premier rang des préoccupations des chefs d’entreprise.
Il est donc crucial de réduire au minimum l’énergie et les ressources nécessaires à la formation et au développement de l’IA. Les infrastructures et les énergies renouvelables pour les services sur site et dans le cloud seront modifiées en fonction des besoins de l’IA.
Vous pouvez limiter la consommation d’énergie des ressources informatiques en les optimisant grâce à une diversification de vos fournisseurs, la mise en place d’une architecture composable et d’opérations en périphérie pour les activités d’IA dans chaque secteur opérationnel concerné, et en venant utiliser une énergie renouvelable de haute qualité pendant la formation des modèles afin que celle-ci n’ait pas une incidence néfaste sur vos objectifs en matière de développement durable.
Découvrez les dessous de l’étude
Le point de vue d’Arun Chandrasekaran, vice-président analyste chez Gartner
« L’IA générative est intégrée dans un large éventail d’applications commerciales et, à mesure que les modèles sous-jacents adoptent une approche multimodale, elle peut permettre des flux de travail automatisés plus complets et plus intelligents. Cela permettra également aux modèles d’IA générative de gagner en autonomie et de mieux refléter les environnements sur lesquels ils sont formés. »
3 messages à faire passer à vos pairs
1 - Avec un investissement continu de la part de grandes entreprises technologiques et de recherche, ainsi que de startups, l’IA générative est amenée à poursuivre sa progression au cours de l’année à venir.
2- Les prévisions de Gartner (et nos recommandations sur les actions à entreprendre sur la base de ces prévisions) permettent aux responsables informatiques de garder une longueur d’avance.
3- Les trois prévisions présentées dans cet article évoquent l’essor des modèles spécialisés, l’utilisation de données synthétiques et les efforts déployés pour rendre l’IA générative plus durable.
Aucun commentaire:
Enregistrer un commentaire