Plus les mois passent, et plus le marché de l’IA générative s’enlise dans des discours prophétiques et des débats d’experts qui semblent bien loin des considérations des entreprises. Si personne ne remet en cause les prouesses techniques réalisées par les modèles récents, je constate que l’on ne s’intéresse pas beaucoup au quotidien des cols blancs et à leurs besoins primaires (lutter contre l’infobésité). Comme le fait de doubler la taille de la fenêtre contextuelle allait comme par magie motiver les utilisateurs lambda à changer leurs habitudes. La clé de l’adoption ne réside pas dans l’amélioration des modèles, mais dans une intégration sans couture aux outils de travail.
En synthèse :
- L’essentielle des efforts des éditeurs d’outils reposant sur l’IA générative est consacré à l’amélioration des modèles, mais pas à la facilité de prise en main ;
- Le marché de l’IA générative se résume aujourd’hui à des services en ligne qui sont plus proches de démonstrateurs techniques que de produits prêtsà à l’utilisation ;
- Malgré la promesse d’une prise en main intuitive, obliger les utilisateurs à interagir avec les modèles génératifs via des prompts semblent être un réel obstacle ;
- L’adoption à grande échelle de l’IA générative ne passera pas par de nouveaux services en ligne, mais par l’intégration de fonctions génératives au sein d’outils existants ;
- La priorité pour les cols blancs n’est pas de libérer leur créativité, mais de les aider à mieux s’organiser et à lutter contre l’infobésité.
Dans cet article, je prolonge la réflexion entamée il y a quelques mois sur l’IA générative et son adoption en entreprise (De l’intérêt d’outils intégrés et maitrisés pour faciliter l’adoption de l’IA). Voilà en effet presque deux ans que chatGPT est sorti, deux ans de frénésie médiatique et de surenchères de promesses et d’investissements. Rien que sur les deux derniers jours, nous avons eu les annonces suivantes :
Le constat que l’on peut aisément faire est que le « marché » de l’IA générative se résume à un certain nombre de modèles par-dessus lesquels les éditeurs ont plaqué des interfaces textuelles pour faire des prompts. Soyons honnêtes : cette stratégie de mise sur le marché ne correspond à aucun besoin pour les utilisateurs, mais à la nécessité de prendre la concurrence de vitesse (cf. La course à la domination de l’IA).
De cette approche minimaliste, il ressort :
- une gigantesque confusion sur ce qu’est l’IA générative et ce que l’on peut en faire (alimentant les fantasmes des uns et les phobies des autres) ;
- une régulation extrêmement sévère dans l’UE (qui risque bien de mettre les startups européennes hors course) ;
- une adoption très faible, car la prise en main de ces services est bien trop laborieuse pour les utilisateurs lambda.
Pourtant les apôtres de l’IA générative continuent d’y croire : ils font comme si de rien n’était et continuent de vendre leurs formations au prompt engineering.
Ce que je constate surtout est que le doute commence à sérieusement s’installer, comme dans cet article aussi lucide qu’explicite du MIT : Here’s how people are actually using AI. Un point de vue que je défends, et je ne suis heureusement plus le seul, non pas que l’IA est une supercherie, mais que la révolution engendrée par les modèles génératifs sera plus lente que prévue et que l’adoption à grande échelle ne se fera que sur le moyen ou le long terme (5 à 10 ans), car ni le marché ni les outils d’IA générative proposés ne présentent la maturité nécessaire.
Maintenant que le constat est posé, il reste à savoir quel est l’impact réel de l’IA générative pour les marques et organisations. Je serai à ce sujet à Biarritz très prochainement pour l’événement 1to1 Expérience Client afin justement de « prendre le pouls du marché » et faire un point d’étape sur le niveau de maturité des annonceurs sur l’IA générative et l’évolution de leurs besoins et pratiques.
La question que je cherche à trancher est de savoir si des services comme ChatGPT ou Midjourney peuvent en l’état contribuer de façon significative à une amélioration notable de l’expérience client. J’ai la conviction que non, pour des raisons qui sont détaillées ci-dessous, mais mon avis n’a pas réellement d’importance, car seul l’avis des annonceurs rentre en ligne de compte. D’où l’importance de confronter mes convictions avec des annonceurs…
Panorama des services d’IA générative : démos techniques, chatbots NSFW et assistants anémiques
Si vous avez l’impression que le marché de l’IA générative tourne en rond, car les éditeurs et experts mettent en avant toujours les mêmes usages, c’est parce que justement, après une première phase d’exploration (divergence des offres et usages), nous rentrons dans une phase de maturation (convergence des offres et usages).
Le problème est double : d’un côté des modèles dont les performances ne progressent qu’à la marge (quasiment tous les contenus disponibles pour entraîner les modèles ont déjà été utilisés) ; et de l’autre, des services reposant sur des modalités d’interaction non-compatibles avec le niveau de maturité numérique des utilisateurs lambda (les prompts).
Pour faire une analogie : demander à vos collaborateurs d’apprendre à prompter est au moins aussi illusoire que de leur demander d’abandonner Windows ou Mac pour passer à une interface à lignes de commande ! Une régression qu’ils n’accepteront jamais, voilà pourquoi l’utilisation de l’IA générative sur les prochains Mac et iPhone sera minimaliste et sans prompt (L’IA est un concept, pas un produit).
Je peux me tromper, et j’en serais très agréablement surpris, mais après 25 ans passés à expliquer les enjeux et à faciliter l’adoption des nouveaux usages et technologies numériques, je suis convaincu que c’est une marche bien trop haute à franchir, du moins à grande échelle (incluant les majorités précoce et tardive).
La grande question est maintenant de savoir ce que les annonceurs peuvent ou sont censés faire avec l’offre actuelle. Formulé autrement : les services actuellement proposés sont-ils suffisants pour permettre aux salariés lambda d’augmenter de façon significative leur productivité et/ou créativité ? Je serai tenté de vous répondre à nouveau que non, mais ça serait jetter le bébé avec l’eau du bain.
Pour correctement répondre à cette question, il faut dans un premier temps lister les différentes catégories de services d’IA générative disponibles :
- les chatbots (ChatGPT, Claude…) et meta-chatbots (Perplexity, Poe…) ;
- les moteurs de recherche enrichis (You, Liner…) ainsi que les nouvelles versions des moteurs de recherche traditionnels (Google Search Generative Experience et Bing) ;
- les agents conversationnels (Character.ai, Replika…) ;
- les générateurs / éditeurs de textes (Quillbot, Grammarly, Smodin…) ;
- les générateurs / éditeurs d’images (MidJourney, Dall-E, Stable diffusion, Craiyon…) ;
- les générateurs / éditeurs de diaporamas (Gamma, SlidesAI…) ;
- les générateurs / éditeurs de voix (ElevenLabs, Murf, Rask, Altered…) ;
- les générateurs / éditeurs de musiques (Suno, Udio…) ;
- les générateurs / éditeurs de vidéos (Runway, Pika, PlayPlay…) ;
- les générateurs / éditeurs de vidéo d’illustration (InVideo, Lumen5…) ;
- les générateurs / éditeurs d‘avatars (HeyGen, Veed, Synthesia…) ;
- les générateurs / éditeurs de données (Rows, Equals…) ;
- …
Non seulement la seule modalité d’interaction de ces services est un simple champ dans lequel les utilisateurs sont censés rédiger leurs prompts, mais en plus, ils ne sont pas intégrés aux outils du quotidien (Outlook, Word, Teams, Gmail…). La seule catégorie de services en ligne reposant sur l’IA qui se démarque est celle des générateurs / éditeurs de compte-rendus de réunion (Notta, Otter, MeetGeek…) qui proposent une intégration transparente aux services de visioconférences ainsi qu’une interface simple à prendre en main. Mais pour le reste, ce n’est tout simplement pas acceptable.
Entendons-nous bien : tous ces services fonctionnent, mais ils ne réunissent pas les conditions pour être adoptés par des centaines de millions d’utilisateurs, et qui plus est des utilisateurs payants, car il va bien falloir rentabiliser les investissements colossaux réalisés par ces startups (qui se chiffrent en dizaines de milliards de $).
À ces démonstrateurs techniques, il faut ajouter un certain nombre de services NSFW qui permettent de générer des nudes synthétiques et d’avoir des conversations coquines avec des avatars de personnes réelles ou fictives (JanitorAI, Candy.ai…), mais que je n’aborde pas car ils sont hors sujet.
Au final, nous avons un ensemble de démonstrateurs techniques très impressionnants, mais pas suffisants pour provoquer la révolution annoncée (rappel : l’IA générative est censée être la plus grande innovation de l’histoire de l’humanité depuis l’invention de l’électricité).
Le point commun à tout ceci est bien évidemment l’empressement des différents éditeurs à traire une vache qui vient à peine de naître. Oui, le potentiel de l’IA générative est bien réel, mais son arrivée à maturité est beaucoup plus éloigné qu’on ne le pense ou du moins qu’ils essayent de nous faire croire.
La priorité des éditeurs est donc maintenant de revoir leur stratégie de mise sur le marché en s’appuyant sur les outils existant plutôt que de miser sur un changement d’habitudes. Nombreux sont ceux qui s’y sont cassé les dents…
Intégration > Adoption
Voilà presque deux ans que je m’efforce d’expliquer ce qu’est l’IA générative et ce qu’elle peut nous apporter (ou pas) par rapport aux outils reposant sur de l’IA traditionnelle (moteurs de règles et modèles statistiques). Deux ans à lutter contre courant, car l’opinion publique oscille entre fascination et terreur face à des technologies mal comprises (cf. L’intelligence artificielle fait peur, surtout à ceux qui ne font pas l’effort de la comprendre).
Malgré tout l’enthousiasme exacerbé des prophètes de l’IA générative et les promesses des éditeurs et cabinets conseil, le scepticisme commence à l’emporter, car force est de constater que les inconvénients de l’IA générative (coût, courbe d’apprentissage, fiabilité…) sont largement supérieurs aux bénéfices (gains de temps et de performances), sauf pour quelques cas d’usage qui sont bien loin de pouvoir refléter l’état réel du marché (ex : traduction, transcription…).
Je pense ne pas me tromper en écrivant que les reproches qui sont systématiquement faits dès que l’on évoque l’IA (sécurité, confidentialité, souveraineté, éthique…) ne sont que des prétextes pour NE PAS changer ses habitudes et pour ne pas être confronté à une technologie complexe à appréhender (cf. AI fear scenarios).
La première chose à faire si l’on souhaite fluidifier l’adoption des outils reposant sur l’IA générative est de se confronter aux réticences au plus vite pour pouvoir aborder le déploiement de façon plus sereine (ne pas faire l’autruche et se dire que les utilisateurs devront bien un jour apprendre à prompter).
Pour vous convaincre de l’importance cruciale de cette condition préalable au déploiement à grande échelle, il suffit de se souvenir des précédentes « ruptures » technologiques que l’on nous avait annoncées avec l’Entreprise 2.0 : malgré toutes les qualité que nous pouvions reconnaître aux solutions collaboratives, faire changer les habitudes de centaines de millions d’utilisateurs est une tâche quasi-insurmontable qui nécessite un cas de force majeur, en l’occurrence, la pandémie. Quoi que… que reste-t-il de cette période : des réunions en visio et quelques groupes de travail dans Teams alors que des solutions comme Slack ou Trello ont fait des progrès considérables (cf. Futur du travail : faut-il tuer l’email pour forcer l’adoption de la digitale workplace ?).
Comme quoi, l’adoption ne peut se faire en bousculant les habitudes, quelle que soit les prouesses proposées par telle ou telle innovation. L’enseignement à en tirer est que le déploiement de nouvelles technologies ou nouveaux usages à grande échelle doit se faire par l’intermédiaire des outils et pratiques existants. Souvenez-vous que les smartphones ont pendant plusieurs années principalement servi à téléphoner, envoyer des SMS, consulter son agenda et lire ses emails. Il a ainsi fallu 5 ans pour que le niveau d’adoption des smarthones dépasse les 50% en Europe occidentale.
Voilà pourquoi je suis persuadé que l’adoption à court et moyen terme de l’IA générative passera nécessairement par des suites applicatives déjà bien implantées comme celles de Microsoft (Office 365 + Copilot), de Google (Workspace + Gemini), d’Adobe (Creative / Experience cloud + Firefly), de SalesForce (AgentForce), Hubspot (AI Assistant)…
Plus que des services en ligne : des coachs numériques
Je répète pour être certain de bien me faire comprendre : Ici, le point bloquant n’est pas la performance des modèles, mais la facilité de prise en main. L’important pour faciliter l’adoption est de minimiser l’effort que les utilisateurs doivent faire pour appréhender de nouvelles fonctionnaltiés ou façon sde travailler. Et sur ce point-là, les startups en vue comme OpenAI ou Anthropic ont un très gros retard en matière de stratégie produit (dans le sens « produits grand public »).
Donc non, je ne crois pas en un scénario où ces startups vont parvenir à imposer leur offre dans les prochaines années, mais plutôt en la faculté des grands éditeurs de convaincre et accompagner leurs clients dans l’adoption d’assistants intégrés à des outils déjà massivement déployés (Si l’IA générative est le futur du travail, quel est son présent ?).
Non seulement ces assistants numériques sont intégrés de façon native aux outils de notre quotidien professionnel, mais en plus, ils ont la possibilité d’interagir avec les données et documents des utilisateurs, ce que les services en ligne ne pourront jamais faire. En ce sens, ils deviendront de véritables coachs capables d’apporter une aide productive (rédiger un document plus vite, répondre à un message plus vite…), qualitative (meilleure orthographe, syntaxe, traduction…) et méthodologique (meilleure organisation, planification, communication, collaboration…). Exactement ce dont les cols blancs ont besoin pour lutter contre l’infobésité et tourner la page des outils informatiques du XXe siècle : L’IA n’est qu’un moyen d’achever votre transformation numérique.
Passé l’émerveillement de la découverte des capacités de l’IA générative (rédaction d’articles, génération d’images photoréalistes…), l’important pour les salariés lambda n’est pas ce qu’ils pouvent faire de plus (création), mais ce qu’ils peuvent faire de mieux (avec plus d’efficacité). Avec en prime, un déploiement et une adoption progressive pour ne pas trop les perturber !