La firme conseil Gartner, connue pour ses prédictions sur les nouvelles technologies, a publié au début de l’automne un rapport en lien avec le sujet en titre. L’éditrice en chef de Campus Technology, Rhea Kelly, en a résumé les grandes lignes que voici.
1) Une IA responsable. Selon Svetlana Sicular, vice-présidente de la recherche chez Gartner, les parties prenantes exigent de l’IA qu’elle soit digne de confiance, transparente, équitable et vérifiable. L’IA responsable fournit un cadre de gouvernance pour répondre à ces exigences : “L’IA responsable permet d’atteindre l’équité, même si des biais sont intégrés dans les données ; de gagner la confiance, même si les méthodes de transparence et d’explicabilité évoluent et d’assurer la conformité réglementaire, tout en se débattant avec la nature probabiliste de l’IA”, a déclaré Mme Sicular.
2) Des données provenant de sources diverses. Gartner affirme que les modèles d’IA basés sur de grandes quantités de données historiques sont devenus moins pertinents, car les organisations ont subi des changements radicaux pendant la pandémie de COVID-19. Aujourd’hui, les « petites données » (small data) – que Gartner définit comme « l’application de techniques analytiques qui nécessitent moins de données mais offrent tout de même des informations utiles » – et les « données élargies » – “données qui permettent l’analyse et la synergie d’une variété de sources de données petites et grandes, non structurées et structurées” – permettent des analyses plus robustes pour soutenir l’aide à la décision. « D’ici 2025, 70 % des organisations seront contraintes de passer des mégadonnées aux petites et aux larges données, ce qui fournira davantage de contexte pour les analyses et rendra l’IA moins gourmande en données », prédit Gartner.
3) Opérationnalisation des plateformes d’IA. L’opérationnalisation signifie « faire passer les projets d’IA du concept à la production, de sorte que l’on puisse s’appuyer sur les solutions d’IA pour résoudre les problèmes à l’échelle de l’entreprise », a déclaré Gartner, soulignant qu’il s’agit d’une étape essentielle pour tirer parti de l’IA pour la transformation de l’entreprise. « Seule la moitié des projets d’IA passent du stade du pilote à celui de la production, et ceux qui y parviennent mettent en moyenne neuf mois à le faire », a déclaré Sicular. Les innovations en matière d’opérationnalisation de l’IA « permettent la réutilisation, l’évolutivité et la gouvernance, accélérant ainsi l’adoption et la croissance de l’IA », a-t-elle ajouté.
4) Utilisation efficace des ressources. « Compte tenu de la complexité et de l’échelle des données, des modèles et des ressources de calcul impliqués dans les déploiements de l’IA, l’innovation en matière d’IA exige que ces ressources soient utilisées avec une efficacité maximale », a noté Gartner. Parmi les domaines qui gagnent en popularité dans ce domaine figurent la multiexpérience, l’IA composite, l’IA générative et les transformeurs.
Un résumé du rapport est accessible sur le site de la firme.
(Traduit avec l’aide de DeepL et adapté)
Source: Kelly, Rhea. Gartner: 4 Key Trends Speeding AI Innovation. Campus Technology, 9 août 2021.
