De l’impact économique aux cas d’usages et ROI  de l’IA générative

Un échange passionnant autour de l’IA générative à l’institut G9+

Ce mercredi 11 octobre, HEC Alumni Digital Hub, avec le concours de l’l’Institut G9+ dont PAC est un partenaire historique, a réuni des experts des différents horizons pour discuter d’un sujet brulant d’actualité – l’IA générative.

Eric Hazan, senior partner chez McKinsey, a présenté une étude que le cabinet a menée sur l’impact économique de l’IA générative. Ces résultats marquent les esprits : l’usage de l’IA générative à travers 16 fonctions-métiers pourraient générer une valeur totale allant jusqu’à 4,4 trillions de dollars par an. De plus, les cas d’usages dans quatre domaines clés, notamment marketing et ventes, ingénierie logicielle, opérations clients et R&D produits, contribueraient à 75% d’un tel résultat. Les témoignages des experts de Salesforce, de Meta, et d’Aive corroborent aussi à cette vision. Les exemples de cas d’usages partagés avec l’audience incluaient Einstein Copilot qui permet d’intégrer différents Einstein GPTs (sales GPT, service GPT, marketing GPT, etc.) dans l’unique interface avec son Einstein Trust Layer intégré pour assurer la sécurité des données sensibles (en version pilote); la plateforme d’Aive utilisant l’IA générative pour l’automatisation de la production de vidéos à l’échelle ; et Meta AI et 28 IAs représentants célèbres personnalités comme Snoop Dogg, Tom Brady, Kendall Jenner, and Naomi Osaka ainsi que Meta AI sandbox, un outil de publicité assisté par IA générative pour personnaliser les campagnes publicitaires (en version beta). De son côté, PAC continue de suivre ce sujet passionnant et publie régulièrement des études sur les cas d’usages de l’IA générative, comme celles pour le marketing et l’expérience client, la cybersécurité, l’automatisation et la santé.

L’arrivée de l’IA générative doit aussi permettre à la technologie d’atteindre le niveau de performance dans l’exécution des certaines tâches comparable à celle de l’humain. McKinsey s’attend à un niveau de performance au-dessus de celle des 25% top experts humains pour le même type de tâche, pour 2040. L’accélération est aussi évidente sur le plan de l’automatisation du travail. Selon Eric Hazan, 50% des emplois pourrait être automatisé par le biais d’une technologie sans usage de l’IA générative, tandis qu’avec l’IA générative ce chiffre monte jusqu’à 70%. Cela nous ramène naturellement aux réflexions sur les usages de l’IA éthiques et aux enjeux d’upskilling et de reconversion des employées. Les professions concernées au premier rang sont les agents du service client, les avocats, les directeurs financiers et tout autre personne travaillant dans le domaine du «knowledge work ».

En même temps, bien que l’IA générative représente un grand avancement technologique, dans une certaine mesure comparable aux grandes révolutions industrielles, elle n’est pas une solution miracle, d’autant plus qu’elle n’en est qu’à ses balbutiements. Aujourd’hui, sa contribution ne constitue qu’une fraction du revenu total généré par d’autres technologies comme la data et l’analytics dans les différents domaines métiers et opérationnels. D’autre part, les bénéfices que cette technologie pourrait apporter à une entreprise varient selon son domaine industriel, sa maturité technologique et la pertinence des cas d’usages choisis.

C’est justement sur cet aspect que Mohamed Mazouni, digital transformation, tools, and AI director d’Alstom, a attiré notre attention. En effet, prendre en compte des facteurs clés qui ont un impact sur la réussite du projet d’IA générative (et par ailleurs, n’importe quel autre projet data) est un « must ». Ces facteurs incluent entre-autres :

• Avoir une grande vision mais agir par petits pas en investissant dans les cas d’usage susceptibles d’apporter un ROI, réel et important ;
• Créer un modèle opérationnel cible* et assurer d’avoir des experts à double casquette, ayant expertise à la fois dans l’AI et business
• Développer des compétences en data, AI et autres technologies émergentes en interne
• Mobiliser les champions de l’IA dès les premières étapes des projets.

Enfin, une autre chose importante à retenir par rapport à l’IA générative : son usage n’implique pas forcément de gros investissements car, dans la majorité des cas, une entreprise n’aura pas besoin de modèles ultra-performants au coût très élevé pour atteindre le résultat souhaité. De plus, une bonne architecture data doit aussi permettre de faire des économies.

En guise de conclusion, PAC remercie encore une fois HEC Alumni Digital Hub d’avoir organisé ce bel évènement avec ses intervenants de qualité.

*TOM – Target Operating Model