Partout où vous regardez, les gros titres proclament que l’IA va changer le monde du jour au lendemain. Pourtant, dans la pratique, la plupart des organisations en sont encore à la phase d’expérimentation, et cela ne va pas changer de sitôt. Si l’IA est vraiment la plus grande révolution depuis Internet, pourquoi ne voyons-nous pas déjà son impact partout ?
La réponse courte : parce que c’est exactement ainsi que cela doit se présenter. Les technologies transformatrices n’arrivent jamais en un seul grand bouleversement. Elles s’imposent lentement, par essais, erreurs et itérations. L’électricité a mis des décennies à transformer les usines (source). Internet a mis des décennies à remodeler le commerce. L’IA suit le même chemin.
Ce rythme lent d’adoption de l’IA est un sentiment né de grandes attentes et d’enthousiasme, associé à une faible compréhension de l’histoire des révolutions technologiques. Explorons cela.
Pourquoi cela semble lent
Nous avons entendu dire que l’IA est adopté lentement, mais par rapport à quoi exactement ? Je pense qu’il faut regarder l’histoire d’autres révolutions technologiques et comparer la rapidité avec laquelle elles ont transformé le monde. Spoiler : c’était bien, bien plus lent. Je crois qu’après avoir examiné les avancées technologiques précédentes, vous réaliserez que l’impression que l’adoption de l’IA est lente n’est qu’une impression. L’IA est probablement la révolution technologique la plus rapide de l’histoire.
Les précédents historiques & Le paradoxe de la productivité
Lorsque les usines ont commencé à utiliser l’électricité dans les années 1890, la productivité n’a presque pas augmenté pendant des décennies. Les économistes étaient perplexes et ont appelé cela le « paradoxe de la productivité. » La raison était simple : les propriétaires d’usines utilisaient une nouvelle source d’énergie pour faire fonctionner un ancien système. Ils remplaçaient simplement une grande machine à vapeur par un grand moteur électrique, tout en conservant la même disposition inefficace de courroies et de poulies.
La véritable révolution est arrivée une génération plus tard, lorsque les usines ont été entièrement repensées autour des capacités uniques de l’électricité : de petits moteurs répartis alimentant la chaîne de montage moderne. Cette transformation a nécessité de repenser l’ensemble du processus de fabrication lui-même.
Nous sommes aujourd’hui dans la phase de « remplacement des moteurs » de l’IA. Nous l’utilisons pour accomplir d’anciennes tâches un peu mieux. Il s’agit d’une période d’apprentissage nécessaire. La véritable transformation commencera lorsque nous commencerons à repenser nos entreprises autour des capacités de l’IA. Je ne pense pas que nous aurons à attendre une génération cette fois-ci.
La révolution est en construction, pas en retard
La période désordonnée et réfléchie que nous traversons actuellement n’est pas un signe d’échec. C’est la base essentielle. L’adoption des technologies suit une courbe exponentielle qui paraît plate pendant longtemps avant de s’envoler soudainement. Nous sommes sur cette partie plate de la courbe, en train de construire l’infrastructure, les compétences et la gouvernance nécessaires à l’explosion à venir.
La révolution de l’IA n’a pas besoin d’être précipitée. Elle doit être comprise. La transformation n’est pas en pause ; elle se construit, une étape méthodique à la fois. Ce n’est pas un moment pour l’impatience, mais pour la prévoyance stratégique.
La Révolution Invisible
Ce sentiment de lenteur vient aussi du fait que l’IA est en quelque sorte une technologie invisible. Les révolutions passées étaient physiquement évidentes. La machine à vapeur s’annonçait par de grandes machines de fer et de fumée. Internet a rempli nos bureaux de tours d’ordinateurs beiges. L’IA est différente. Elle fonctionne sur les mêmes serveurs et câbles que l’ancien internet, ressemble à n’importe quelle autre application et apparaît comme un simple morceau de code de plus.
La conséquence est que nous avons l’impression que la révolution de l’IA est lente parce que nous ne réalisons pas qu’elle est déjà partout. Elle alimente vos recommandations de produits sur Amazon et conçoit les prochains traitements contre le cancer. L’IA générative n’est pas seulement un chatbot comme ChatGPT ; elle peut aussi effectuer une optimisation topologique pour construire des avions plus légers qui consomment nettement moins de carburant. Elle optimise déjà les chaînes d’approvisionnement mondiales et réduit les émissions de CO2.
Lorsque nous parlons d’IA, nous pensons souvent à ChatGPT parce que c’est ce que la plupart des gens connaissent. Mais le plus grand impact de l’IA provient de l’amélioration des processus industriels, de la création de produits mieux conçus et de l’amélioration de notre vie quotidienne de façons que nous ne remarquons même pas.
Les frictions humaines et ce qui freine réellement l’adoption de l’IA
Toute nouvelle technologie doit surmonter la résistance de la nature humaine. Les défis que nous observons avec l’adoption de l’IA ne sont pas nouveaux ; ils suivent les mêmes schémas d’inertie, de confiance et de mauvais usage qui ont accompagné chaque grande évolution technologique.
L’inertie du « suffisamment bien »
Les humains sont des créatures d’habitude. Nous résistons au changement non pas parce que nous sommes paresseux, mais parce que les processus établis sont prévisibles. L’état d’esprit du « tant que ça marche, pourquoi améliorer » est une force puissante. On le constate dans les administrations municipales qui fonctionnent encore avec des formulaires papier, des décennies après que les ordinateurs sont devenus omniprésents.
Ce n’est pas parce que le papier est supérieur ; c’est parce que le système existant fonctionne, et l’énergie d’activation nécessaire pour en mettre un nouveau en place est énorme. L’IA doit non seulement être meilleure que les solutions actuelles, mais tellement meilleure qu’elle puisse surmonter cette résistance fondamentale au changement.
Beaucoup utilisent l’outil de manière incorrecte
Une autre raison pour laquelle l’avancement de l’IA est perçu comme lent, c’est que j’entends souvent des gens se plaindre que l’IA fait des erreurs ou n’est pas assez performante à ce stade. Mais ensuite, je leur demande comment ils l’utilisent et ce qu’ils en attendent. Alors tout s’éclaire. Je pense que les gens s’attendent à un outil parfait et magique capable de tout faire. En réalité, l’IA est performante dans certains domaines et moins dans d’autres. Le plus souvent, elle peut accomplir 75 % du travail, et il vous reste à faire le reste vous-même. Certaines personnes estiment que ce n’est pas suffisant. Pour ma part, je constate que ma productivité a été multipliée par trois.
L’IA n’est pas devin ; c’est un partenaire dans un processus. Elle excelle lorsque vous la traitez comme telle, en fournissant du contexte et des clarifications étape par étape. Sa véritable force ne réside pas dans la création de nouveautés à partir de rien, mais dans l’aide apportée là où le contexte est déjà riche. Se plaindre que l’IA est « mauvaise » après lui avoir donné une consigne vague, c’est comme demander à un architecte de « construire une belle maison » sans fournir de plans ni de préférences, puis être déçu du résultat. Nous devons apprendre à utiliser l’outil pour ce pour quoi il a réellement été conçu : générer des solutions à partir du contexte.
Par exemple, l’IA fonctionne mal si vous lui demandez de rédiger un article de blog sur un sujet à partir de zéro. Cependant, fournissez-lui un plan, quelques liens vers des sources que vous avez recherchées, vos propres notes et des exemples de votre style. Soudainement, elle peut produire quelque chose de bien plus proche de vos attentes.
Notez que vous deviez tout de même faire une partie du travail : la partie créative. C’est là que l’IA échoue pour le moment. Elle est très douée pour réorganiser des données de manière cohérente : produire un article de blog à partir de notes et de sources, générer un résumé ou créer de la documentation à partir de code. Mais l’IA est nulle pour être créative, ce qui nous laisse la partie intéressante du travail.
Le problème de la confiance dans une boîte noire
La confiance représente un autre obstacle majeur. Les gens sont à juste titre sceptiques à l’égard des systèmes « boîte noire ». Lorsqu’un outil garde son processus de prise de décision opaque, nous ne pouvons pas nous fier pleinement à ses résultats, surtout dans des domaines sensibles comme la finance, le droit ou la médecine, où l’explicabilité est essentielle. Cela ralentit donc l’adoption dans certains secteurs.
Cela crée un problème crucial pour l’IA générative moderne. Bien qu’elle puisse produire des explications fluides et plausibles pour ses conclusions, nous ne pouvons pas auditer son raisonnement interne. Comme je l’ai expliqué dans mon article « Le thermomètre n’est pas la température », une mesure de performance n’est pas la performance elle-même. Une IA peut obtenir une grande précision sur un jeu de données de test pour de mauvaises raisons.
Oui, la génération actuelle d’IA générative est capable de « penser ». Elles génèrent un dialogue intérieur avant de produire une réponse. Cependant, bien que cette technique fonctionne très bien, nous ne pouvons pas être certains que la réponse finale découle directement de ce processus de réflexion.
Sans un processus de raisonnement transparent, nous ne pouvons pas vérifier que l’IA a produit la bonne réponse. Cela rend les IA actuelles excellentes pour des tâches administratives non critiques, comme l’aide à la rédaction de rapports ou à la programmation. Cependant, nous ne pouvons toujours pas leur faire confiance pour agir de manière autonome et fiable, comme le ferait un humain. Le voudrions-nous d’ailleurs ?
Pourquoi c’est vraiment rapide
En médecine, AlphaFold de DeepMind utilise également la même technologie que ChatGPT pour replier les protéines. Avant AlphaFold, il fallait des années pour comprendre une protéine ; aujourd’hui, nous en analysons des milliers par jour. La conséquence est que nous sommes capables de développer de meilleurs médicaments beaucoup plus rapidement qu’auparavant. Par exemple, USAN est un nouveau médicament expérimental conçu grâce à l’IA, et il montre des résultats prometteurs pour le traitement de certaines maladies pulmonaires.
D’autres exemples incluent l’IA qui conçoit de nouveaux moteurs de fusée en quelques semaines au lieu de plusieurs mois. L’IA redessine aussi les ailes d’avion, ce qui permet de réduire la consommation de carburant de plusieurs centaines de tonnes par an et par avion. Enfin, Amazon a déployé DeepFleet, un modèle d’IA générative capable de contrôler des milliers de robots d’entrepôt à une vitesse supérieure.
D’après mon expérience personnelle, j’ai constaté d’importantes améliorations de productivité grâce à l’IA. Par exemple avec Cursor, un outil de développement logiciel utilisant un agent IA. Il m’a aidé à rédiger des dizaines de pages de documentation en quelques jours au lieu de plusieurs semaines. Récemment, j’ai créé et publié un plugin pour WordPress en 2 jours. Sans Cursor, cela m’aurait pris plusieurs semaines. La révolution de l’IA est là, et elle impacte déjà de nombreuses industries valant des milliards de dollars.
La révolution de l’IA est-elle lente ? Elle ne l’est pas
À certains égards, cet article est une réponse au célèbre rapport du MIT qui affirme que 95 % des projets d’IA échouent. Cette étude a fait beaucoup de bruit. Cependant, beaucoup ont souligné que le rapport est biaisé et que les auteurs cherchent simplement à vendre leur propre solution d’IA. Je vous suggère de lire cet article, qui propose une excellente analyse de ce rapport.
En réalité, l’IA offre déjà un excellent retour sur investissement, et ce n’est que le début. Un rapport complet de Google datant de 2024 indique que « 74 % des entreprises utilisant l’IA générative déclarent un retour sur investissement dès la première année, dont 86 % signalent une augmentation de leur chiffre d’affaires, avec une hausse de 6 % ou plus. » Cette étude est très approfondie. Je vous recommande de la lire si vous êtes intéressé.
Cet article est également une réponse à l’article de The Economist : « Pourquoi l’IA se diffuse-t-elle si lentement ? L’économie peut l’expliquer ». Bien que cet article soit intéressant, il ne fait qu’effleurer la surface du problème, et j’ai souhaité approfondir la question.
La révolution se déroule à son propre rythme. Comme toutes les autres. Le paradoxe de la productivité de la révolution industrielle et l’explosion de la bulle Internet d’autrefois nous montrent que les révolutions technologiques ne se produisent ni instantanément ni de manière fluide. Les humains sont des créatures d’habitude, et nous n’avons encore fait qu’effleurer la surface de ce que nous pouvons accomplir avec l’IA.
Devons-nous être déçus par la vitesse du changement ? Non, nous devrions apprendre à nous y attendre. La bourse va-t-elle s’effondrer comme lors de la bulle Internet ? Peut-être bien. Mais la révolution de l’IA arrive, et dans 10 à 20 ans, toute notre médecine et tous nos logiciels seront conçus par l’IA. La révolution de l’IA pourrait arriver plus lentement que vous ne l’imaginez, mais elle avance plus vite que les révolutions technologiques précédentes.
En tant que chercheur/développeur indépendant en IA, spécialisé dans le traitement du langage naturel (NLP), j'ai une expertise approfondie dans le développement et l'intégration de systèmes d'IA, ainsi que dans l'analyse de données.
Votre entreprise cherche-t-elle à intégrer des solutions d'IA, à analyser des données ou à renforcer son développement back-end ? Contactez-moi !
Mail : pro.judicael.poumay@gmail.com
Linkedin : Judicaël Poumay
Portfolio : www.judicael-poumay.be