Skip to main content Skip to footer

RAPPORT DE RECHERCHE

Vision technologique 2024

15-MINUTES DE LECTURE

4 janvier 2024

En bref

  • La technologie devient humaine dès la conception et les entreprises qui se préparent maintenant réussiront à l’avenir.

  • L’IA commence à penser comme nous. Elle comprendra bientôt des écosystèmes entiers d’agents qui collaboreront entre eux et agiront en notre nom.

  • Un nouveau médium d’informatique spatiale émerge, où le monde numérique reflète ce qu’être humain et évoluer dans un espace physique signifie.

  • Le problème d’une technologie qui ne comprend pas nos intentions disparaît, les machines arrivant de mieux en mieux à interagir avec nous à notre niveau.

Humaine dès la conception : Comment l’IA augmente le potentiel humain

Il est temps de rendre la technologie humaine dès la conception.

Au cours des prochaines années, les organisations disposeront d’un éventail incroyable de technologies, qui seront cruciales pour réinventer le noyau de l’entreprise et qui libéreront un nouveau potentiel humain. Les utilisateurs précoces et les grandes entreprises ont déjà lancé la course vers une nouvelle ère de productivité, de capacité et de possibilités. Les stratégies individuelles varient, mais elles reposent toutes sur le fait que la technologie devient plus humaine.

Cela peut sembler paradoxal. Après tout, la technologie n’a-t-elle pas été conçue par et pour les humains? La création d’outils qui augmentent nos capacités physiques et cognitives est si unique à l’humanité que certains estiment qu’elle nous définit en tant qu’espèce (i).

Pourtant, les outils que nous créons sont souvent clairement artificiels. Ils comblent des lacunes en faisant ce que nous ne pouvons pas faire et transforment radicalement nos vies en cours de route. Les automobiles ont élargi notre liberté de mouvement. Les grues nous ont permis de bâtir des gratte-ciel et des ponts. Les machines nous ont aidés à créer, à distribuer et à écouter de la musique.

La nature artificielle de la technologie peut aussi être un inconvénient. L’usage prolongé d’outils manuels peut causer de l’arthrite. Des années à regarder des écrans peuvent accélérer les problèmes de vision. Nous avons d’excellents outils de navigation, mais ils nous distraient encore de la conduite.  Il est vrai que des efforts ont été déployés pour créer des outils plus ergonomiques ou plus faciles à utiliser.  Cependant, nous prenons souvent des décisions à propos de nos vies en fonction de ce qui convient à une machine plutôt que pour optimiser le potentiel humain.

Pour la première fois de l’histoire, des preuves solides indiquent que la tendance s’inverse. Nous ne nous éloignons pas de la technologie, mais nous adoptons une génération de technologie plus humaine. Une technologie plus intuitive, tant par sa conception que par sa nature, qui montre une intelligence plus humaine et qui s’intègre facilement dans tous les aspects de nos vies.

Pensez à l’incidence de l’IA générative et des transformeurs sur le monde qui nous entoure. Ce qui a commencé avec des robots conversationnels comme ChatGPT et Bard est devenu une force motrice qui rend la technologie plus intuitive, intelligente et accessible à tous. L’IA se concentrait autrefois sur l’automatisation et les tâches de routine. Elle se tourne maintenant vers l’augmentation, en changeant la façon dont les gens travaillent et en démocratisant rapidement les technologies et le travail du savoir qui nécessitaient auparavant des connaissances poussées ou d’importantes ressources financières.

Le potentiel d’influence de l’IA générative va bien au-delà de la tâche à accomplir. Elle commence aussi à changer profondément les organisations et les marchés.

Évidemment, l’apparition d’une technologie humaine ne se limite pas à l’IA. Elle commence à s’attaquer à plusieurs des irritants qui existent entre nous et la technologie, ouvrant la voie à un plus grand potentiel humain.

La technologie humaine dès la conception atteindra de nouvelles personnes et élargira l’accès au savoir, ce qui favorisera l’innovation continue. Pensez à tous les gens historiquement aliénés par la technologie qui pourront contribuer à la révolution numérique. À mesure que la technologie deviendra plus intuitive, ces gens seront de nouveaux clients et de nouveaux employés.

95%

des cadres conviennent que rendre la technologie plus humaine augmentera fortement les possibilités des industries.

Les leaders devront répondre à des questions familières. Quels produits et services sont prêts pour la diffusion? Quelles nouvelles données sont disponibles? Quelles mesures transformatrices peuvent être prises? Mais ils seront aussi appelés à répondre à des questions auxquelles ils ne se seraient peut-être jamais attendus. De quel type de surveillance l’IA a-t-elle besoin? Qui sera inclus dans la transformation numérique? Quelles sont nos responsabilités envers les gens dans notre écosystème?

Le concept de technologie humaine dès la conception ne décrit pas seulement des caractéristiques, c’est un mandat pour ce qui vient ensuite. Alors que les entreprises cherchent à réinventer leur noyau numérique, la technologie humaine deviendra un élément central de leur réussite. Toutes les entreprises commencent à voir le potentiel des technologies émergentes pour réinventer les piliers de leurs efforts numériques. Les expériences numériques, les données, l’analytique et les produits vont tous changer à mesure que des technologies comme l’IA générative et l’informatique spatiale vont évoluer et se généraliser.

En cette période de réinvention, les entreprises ont l’occasion d’élaborer une stratégie qui maximise le potentiel humain et élimine les frictions entre les humains et la technologie. L’avenir sera alimenté par l’IA, mais il doit être conçu pour l’intelligence humaine. Et alors qu’une nouvelle génération de technologies donne aux entreprises le pouvoir d’en faire plus, chacun de leurs choix compte encore plus. Le monde nous regarde. Serez-vous un modèle ou un avertissement?

93%

des cadres conviennent qu’avec les avancées technologiques rapides, il est plus important que jamais pour les organisations d’innover de façon éclairée.

Rendre la technologie plus humaine – Tendances 2024

L’an dernier, notre Vision technologique explorait comment la convergence des atomes et des octets établit les fondements de notre nouvelle réalité. Nous avons décrit un monde où l’effacement de la frontière entre nos réalités numérique et physique permet de nouvelles innovations dans presque toutes les dimensions de la technologie, en expliquant que chacun de ces éléments deviendra une partie essentielle du noyau de l’entreprise à l’avenir.

Dans la Vision technologique de cette année, nous explorons le domaine où l’incidence de cette fondation est la plus importante : les gens. Les quatre tendances de cette année décrivent les dimensions clés où la technologie devient humaine dès la conception, et la façon dont les organisations devront se préparer.

Tendances décrivant les façons clés dont la technologie devient plus humaine

Un mariage parfait

Les gens demandent de l’information aux robots conversationnels d’IA générative, transformant la recherche et l’avenir des logiciels et de l’entreprise axée sur les données.

Parlez à mon agent

L’IA passe à l’action. Des écosystèmes entiers d’agents intelligents pourraient bientôt contrôler des aspects majeurs des affaires. Mais sans notre aide, ils pourraient s’égarer.

Le nouvel espace

Le paysage de l’informatique spatiale se développe rapidement, mais pour profiter de ce nouveau médium, les entreprises devront découvrir ses incroyables applications.

Nos corps électroniques

Une gamme de technologies, allant du suivi des yeux à l’apprentissage automatique en passant par l’ICM, commencent à comprendre les gens de façons plus profondes et plus humaines.

L’ingénierie positive : Notre croisée des chemins technologique

Le monde arrive à ce qui pourrait être le plus important tournant technologique de l’histoire. Notre façon d’aller de l’avant dépendra fortement des entreprises et des décisions prises par leurs dirigeants.

Nous verrons de plus en plus de croissance et d’innovation, mais ce ne sera pas toujours pour le mieux. Il y aura de nouvelles possibilités de fraude, de désinformation et d’atteintes à la sécurité. Si nous concevons des outils avec des capacités humaines, mais sans intelligence ou conscience humaine, nous pourrions nuire à la fois aux résultats financiers et au bien commun.

À l’ère de la technologie humaine, chaque produit et chaque service arrivant sur le marché a le potentiel de transformer des vies, d’habiliter des communautés et de stimuler le changement, pour le meilleur ou pour le pire. Les entreprises devront invariablement trouver un équilibre délicat entre la nécessité d’agir rapidement et celle d’agir prudemment, en sachant que certains concurrents ou pays ne partagent pas les mêmes préoccupations ou n’imposent pas les mêmes garde-fous.

Alors que nous tentons de rendre la technologie humaine dès la conception, nous devons voir la sécurité comme un catalyseur et une façon essentielle de renforcer la confiance envers la technologie, plutôt que comme une limite ou une exigence. Nous devons également concevoir la technologie sans occulter ou bouleverser ce qu’être humain signifie. C’est un concept que nous appelons « l’ingénierie positive ». Au cours des dernières années, différentes questions éthiques ont fait leur entrée dans le domaine de la technologie. L’inclusivité, l’accessibilité, la durabilité, la sécurité d’emploi et la protection de la propriété intellectuelle créative… Tout ramène à la même question : comment pouvons-nous trouver un équilibre entre ce que la technologie peut accomplir et ce que nous voulons en tant qu’humains?

Il s’agit d’un moment transformateur pour la technologie comme pour les gens, et c’est à vous d’aider à le façonner.

Un mariage parfait : Redéfinir notre relation avec le savoir

Vue d’ensemble

Notre relation avec les données évolue, tout comme notre façon de penser, de travailler et d’interagir avec la technologie. Les fondements mêmes de l’entreprise numérique s’en trouvent perturbés.

L’ancien modèle d’interaction entre les humains et les données, qui était basé sur la recherche, cède la place à un nouveau modèle basé sur les conseils. Au lieu d’effectuer des recherches pour sélectionner des résultats, les gens demandent maintenant aux robots conversationnels d’IA générative de fournir des réponses. À titre d’exemple, ChatGPT, lancé en novembre 2022 par OpenAI, est devenu l’application à la croissance la plus rapide de tous les temps. Les grands modèles de langage (LLM) existent depuis des années, mais la capacité de ChatGPT de répondre aux questions de façon directe et conversationnelle a fait une énorme différence.

Les données sont l’un des plus importants facteurs qui façonnent les entreprises numériques modernes. Et les nouveaux robots conversationnels, qui peuvent synthétiser de grandes quantités d’information pour fournir des réponses et des conseils, utiliser différentes modalités de données, se souvenir des conversations antérieures et même suggérer des questions à poser, perturbent ce courant sous-jacent. Ultimement, ces robots conversationnels peuvent servir de « conseillers LLM », permettant aux entreprises de mettre toutes les connaissances de l’entreprise à la disposition de chaque employé. Cela pourrait libérer la valeur latente des données et permettre aux entreprises d’exploiter la promesse de l’organisation axée sur les données.

Les entreprises possèdent de l’information unique et précieuse qu’elles veulent transmettre aux clients, aux employés, aux partenaires et aux investisseurs. Mais que ce soit parce que nous ne connaissons pas les termes de recherche exacts, que nous ne pouvons pas rédiger la requête, que les données sont cloisonnées ou que les documents sont trop denses, une grande partie de cette information est difficile à obtenir ou à synthétiser. Pour l’entreprise axée sur les données d’aujourd’hui, il s’agit d’une valeur importante que l’IA génératrice peut aider à exploiter.

Cependant, la véritable perturbation ne concerne pas seulement notre façon d’accéder aux données. Elle concerne la possibilité de transformer tout le marché des logiciels. Et si l’interface de chaque application et de chaque plateforme numérique devenait un robot conversationnel d’IA générative? Et si cela devenait la façon dont nous lisons, écrivons et interagissons avec les données, en tant que compétence de base de toutes les plateformes?

Pour vraiment profiter des avantages de l’IA générative et bâtir l’organisation de l’avenir alimentée par les données et l’IA, les entreprises doivent radicalement repenser leur stratégie technologique de base. Elles doivent repenser leur façon de recueillir et de structurer les données, de concevoir leurs architectures, de déployer les outils technologiques et de sélectionner les caractéristiques de ces outils. De nouvelles pratiques comme l’entraînement, le débiaisement et la surveillance de l’IA doivent aussi être intégrées dès le départ.

95%

des cadres croient que l’IA générative obligera leur organisation à moderniser son architecture technologique.

La technologie : Libérer votre entreprise axée sur les données

Renforcer votre fondation de données

Les nouvelles technologies et les nouvelles techniques peuvent aider les entreprises à renforcer leur fondation de données et à se préparer pour l’avenir de l’organisation axée sur les données. Certaines entreprises ont déjà pris des mesures pour moderniser leur stratégie de données. Cependant, la triste réalité est que beaucoup d’autres ont encore de la difficulté et que leurs systèmes de gestion des connaissances sont gravement déficients. Peu importe le point de départ des entreprises, les conseillers LLM nécessiteront une fondation de données plus accessible et contextuelle que jamais.

Le graphe de connaissances est l’une des plus importantes technologies à cet égard. Il s’agit d’un modèle de données structuré sous forme de graphique qui comprend des entités et les relations entre celles-ci, ce qui permet d’encoder un contexte et une signification plus vastes. Un graphe de connaissances peut non seulement agréger de l’information provenant d’un plus grand nombre de sources et appuyer une meilleure personnalisation, mais il peut également améliorer l’accès aux données au moyen de la recherche sémantique (ii).

Pour démontrer la puissance d’un graphe de connaissances et de la recherche sémantique, examinons un cas d’utilisation de Cisco Systems. Comme de nombreuses grandes entreprises mondiales, l’équipe des ventes de Cisco avait des tonnes de contenu à exploiter. Mais ils avaient de la difficulté à trouver des documents pertinents au moyen de la recherche par indexation en raison d’un manque de métadonnées. Ils se sont donc tournés vers Neo4j pour les aider à créer un graphe de connaissances des métadonnées.

Ils n’ont pas utilisé de LLM, mais ils se sont appuyés sur le traitement du langage naturel pour créer une ontologie et un service d’étiquetage machine afin d’attribuer des métadonnées aux documents, qui ont ensuite été stockées dans une base de données orientée graphe. Trouver de l’information prend maintenant deux fois moins de temps et les vendeurs de Cisco gagnent plus de quatre millions d’heures par année grâce aux capacités améliorées de gestion des connaissances (iii).

En plus des graphes de connaissances, d’autres stratégies de gestion des données seront importantes. Le maillage des données et la structure des données sont deux façons d’aider à cartographier et à organiser l’information que les entreprises devraient envisager en mettant à jour leur architecture globale.

Explorer les LLM en tant que nouvelle interface de données

En soi, les graphes de connaissances, le maillage des données et la structure des données constituent un énorme pas en avant pour les systèmes de gestion des connaissances des entreprises. Mais il y a beaucoup à gagner en franchissant l’étape suivante, qui consiste à passer d’un modèle basé sur la recherche à un modèle basé sur les conseils. Imaginez si au lieu d’utiliser une barre de recherche, les employés pouvaient poser des questions dans un langage naturel et obtenir des réponses claires dans l’ensemble des sites Web et des applications de l’entreprise. Grâce à une fondation de données accessible et contextuelle, les entreprises peuvent commencer à bâtir cette réalité, et différentes options peuvent être explorées.

Tout d’abord, les entreprises peuvent entraîner leur propre LLM à partir de zéro, bien que cette approche soit rare en raison des importantes ressources nécessaires. Certains des chefs de file ici sont des géants de l’IA, comme OpenAI, Google, Meta, AI21 et Anthropic.

Une deuxième option consiste à « peaufiner » un LLM existant. Essentiellement, il s’agit d’adapter un LLM plus général à un domaine précis en l’entraînant davantage au moyen d’un ensemble de documents propres au domaine. De grands fournisseurs de services infonuagiques comme Amazon AWS, Microsoft Azure et Google Cloud offrent des services pour aider leurs clients à peaufiner une version privée d’un modèle de fondation avec leurs propres données (iv,v,vi). Ces modèles peuvent ensuite être intégrés et déployés dans les applications de l’entreprise. Bien que cette méthode nécessite beaucoup moins de ressources que l’entraînement d’un LLM à partir de zéro, elle ne garantit pas que le modèle possède l’information la plus à jour. Cette option est la plus logique dans les cas ne nécessitant pas d’information en temps réel, comme pour la création dans le domaine du design ou du marketing.

Une légère variante de cette option gagne également en popularité. Des entreprises commencent à mettre au point des modèles de langage plus petits (SLM) pour des cas d’utilisation spécialisés. Des modèles comme Chinchilla de DeepMind et Alpaca de Stanford ont commencé à rivaliser avec les modèles plus grands tout en ne nécessitant qu’une fraction des ressources informatiques (vii). Ces modèles sont non seulement plus efficaces, avec des coûts moindres et une empreinte carbone réduite, mais ils peuvent aussi être entraînés plus rapidement et utilisés sur des appareils de périphérie plus petits.

Enfin, l’une des approches les plus populaires pour créer un conseiller LLM a été d’« ancrer » des LLM préentraînés en leur fournissant de l’information propre au cas d’utilisation, habituellement au moyen de la génération augmentée de récupération (RAG). Comme le nom l’indique, cette méthode combine un système de récupération de l’information et un modèle génératif, qui peut être autoentraîné ou utilisé tel quel à partir d’une interface de programmation d’application (API).

L’ancrage d’un LLM au moyen de l’apprentissage contextuel et de la RAG prend beaucoup moins de temps et de puissance informatique, et nécessite beaucoup moins d’expertise par rapport à l’entraînement d’un LLM à partir de zéro ou du peaufinage. Cette option fonctionne bien pour les cas d’utilisation nécessitant de l’information à jour, bien qu’il puisse encore être requis de vérifier l’exactitude.

Le domaine de l’IA générative et des LLM évolue rapidement, de sorte qu’au moment de lire ce rapport, il pourrait déjà y avoir de nouvelles pratiques exemplaires pour créer des conseillers utilisant l’IA générative. Cependant, quelle que soit l’option que vous choisirez d’explorer, une chose restera constante : votre fondation de données devra être solide et contextuelle, sinon votre conseiller LLM ne remplira jamais ses promesses.

Les implications : L’avenir des connaissances d’entreprise

Comprendre et atténuer les risques

Tout d’abord, alors que les entreprises commencent à explorer les nouvelles possibilités offertes par les conseillers LLM, elles doivent comprendre les risques associés.

Pensez aux « hallucinations », une caractéristique presque intrinsèque des LLM. Parce qu’ils sont entraînés pour fournir des réponses probabilistes avec un degré élevé de certitude, ces conseillers transmettent parfois des renseignements erronés avec conviction. Alors que les applications LLM commencent à jouer un rôle plus important dans la façon dont nous trouvons et relayons l’information, ou à s’intégrer aux logiciels et à interagir avec eux, il peut y avoir de graves conséquences. Quel que soit le point de vue, quand vous ne savez pas si ce que vous lisez est vrai, c’est un problème majeur.

Et bien que les hallucinations soient peut-être le risque le plus connu des LLM, d’autres problèmes surgissent quand nous pensons à utiliser ces robots conversationnels dans l’entreprise. Si nous utilisons un modèle public, les données exclusives doivent être soigneusement protégées pour éviter les fuites. Avec les modèles privés, les données ne peuvent pas être partagées avec des employés qui ne devraient pas y avoir accès. Le coût de l’informatique doit être géré. L’autre problème sous-jacent est que peu de gens ont l’expertise nécessaire pour bien mettre en œuvre ces solutions.

Ces défis ne devraient cependant pas être considérés comme un obstacle, mais plutôt comme un appel à mettre en œuvre la technologie avec des contrôles appropriés.

Les données qui entrent dans le LLM, lors de l’entraînement ou de la requête, doivent être de haute qualité. Elles doivent être récentes, bien étiquetées et non biaisées. Les données d’entraînement doivent être des données de zéro partie proactivement partagées par les clients, ou des données de première partie recueillies directement par l’entreprise (viii). Des normes de sécurité doivent également être mises en œuvre pour protéger les données personnelles ou exclusives. Enfin, des autorisations d’accès aux données doivent être en place pour assurer que l’utilisateur est autorisé à accéder aux données récupérées pour l’apprentissage contextuel.

Au-delà de l’exactitude, les extrants du robot conversationnel d’IA générative doivent aussi être explicables et adaptés à la marque. Des garde-fous peuvent être mis en place pour que le modèle ne fournisse pas de données sensibles ou de mots nuisibles, et qu’il refuse les questions en dehors de son champ de compétence. Les réponses peuvent aussi indiquer l’incertitude et fournir des sources de vérification.

Enfin, les robots conversationnels d’IA générative doivent faire l’objet de tests continus et d’une surveillance humaine. Les entreprises doivent investir dans l’IA éthique et élaborer des normes minimales à respecter. Elles doivent aussi recueillir une rétroaction régulière et fournir de la formation aux employés.

Le potentiel du passage de la recherche à la demande

Le moment est enfin venu de commencer à profiter de la nouvelle ère des conseillers LLM.

Au sein des entreprises, les robots conversationnels d’IA générative offriront aux employés et aux clients un accès à des connaissances, mais aussi à des réponses contextuelles, d’une façon jamais vue auparavant. Cela renforcera le partage des connaissances à l’interne, le service à la clientèle, les capacités des produits et bien plus encore.

En ce qui concerne les possibilités externes, les robots conversationnels d’IA générative changeront la façon dont les clients susceptibles d’acheter les produits et services de l’entreprise trouvent de l’information sur celle-ci. Déjà, les gens remplacent les moteurs de recherche traditionnels par des robots de recherche d’IA générative comme Microsoft Bing Chat, ou augmentent l’expérience de recherche avec Google SGE, qui peut fournir des réponses et des aperçus alimentés par l’IA (ix,x). Les gens obtiennent des réponses directes à leurs requêtes dans un langage naturel. Bien que les sources soient citées et que les résultats de recherche soient également fournis sur la page, la question est de savoir si les gens cliqueront vraiment sur ces liens.

S’ils ne le font pas, quelles seront les répercussions pour les sites Web, ceux des entreprises en particulier? Comment les entreprises peuvent-elles s’assurer que leurs clients obtiennent l’information dont ils ont besoin, ou l’information la plus à jour citant les sources appropriées? Les entreprises ont l’occasion de réinventer complètement la façon dont elles rejoignent les clients.

Conclusion

L’IA générative est une révolution pour les données et les logiciels. Les LLM changent notre relation avec l’information. De la façon dont les entreprises rejoignent les clients à l’habilitation des employés et des partenaires, tout est en voie d’être transformé. Les chefs de file se lancent déjà, en imaginant et en créant la prochaine génération d’entreprises axées sur les données. Les autres suivront bientôt. Il s’agira du nouveau fonctionnement des affaires numériques.

En plus des autres implications de sécurité déjà discutées dans cette tendance, les entreprises doivent aussi réfléchir à la façon dont les conseillers LLM peuvent modifier la dynamique entre les utilisateurs et les données.

Nous avons l’occasion de réinventer la recherche et de restaurer la confiance entre les entreprises et leurs clients. Les entreprises peuvent maintenant être les gardiennes de leurs propres renseignements, qui peuvent être stockés, sécurisés, analysés et fournis directement aux clients au moyen de conseillers numériques. C’est une grande responsabilité, car votre entreprise doit s’assurer de protéger ses données tout en fournissant des réponses fiables par l’entremise de ses services consultatifs. Mais c’est une occasion encore plus grande, car sans les moteurs de recherche servant d’intermédiaires dans l’échange d’information, les entreprises peuvent être une source directe de renseignements fiables et regagner la confiance des clients.

Parlez à mon agent : Des écosystèmes pour l’IA

Vue d’ensemble

L’IA sort de son rôle limité d’assistance en agissant de plus en plus dans le monde. Au cours de la prochaine décennie, nous assisterons à l’émergence d’écosystèmes entiers d’agents, de grands réseaux d’IA interconnectée qui inciteront les entreprises à repenser fondamentalement leur stratégie en matière d’intelligence et d’automatisation.

Aujourd’hui, la plupart des stratégies d’IA se concentrent principalement sur l’assistance aux tâches et aux fonctions. Dans la mesure où l’IA agit, c’est en tant qu’acteurs solitaires, plutôt qu’en tant qu’écosystème de parties interdépendantes. Cependant, à mesure que l’IA évolue en agents, des systèmes automatisés prendront des décisions et agiront de leur propre chef. Les agents ne feront pas que conseiller les humains, ils agiront en leur nom. L’IA continuera à générer du texte, des images et des idées, mais les agents décideront eux-mêmes ce qu’ils doivent en faire.

Cette évolution des agents ne fait que débuter, mais les entreprises doivent déjà commencer à penser à ce qui viendra ensuite. Parce que si les agents se mettent à agir, ils commenceront très vite à interagir les uns avec les autres. La stratégie d’IA de demain nécessitera l’orchestration de tout un concert d’acteurs : une IA rigoureusement entraînée, des agents généraux, des agents adaptés à la collaboration humaine et des agents conçus pour l’optimisation machine.

Il y a cependant beaucoup de travail à faire avant que les agents intelligents ne puissent réellement agir en notre nom. Et encore plus avant qu’ils ne puissent agir de concert les uns avec les autres. La réalité est que nous voyons encore les agents se bloquer, mal utiliser les outils et générer des réponses inexactes, des erreurs qui peuvent se multiplier rapidement.

Les humains et les machines ont été jumelés au niveau de la tâche, mais les dirigeants ne se sont jamais préparés pour que l’IA exploite nos entreprises… jusqu’à aujourd’hui. À mesure que les agents deviendront nos collègues et nos mandataires, nous devrons réinventer ensemble l’avenir de la technologie et des talents. Il ne s’agit pas seulement d’acquérir de nouvelles compétences, mais aussi de s’assurer que les agents partagent nos valeurs et nos objectifs. Les agents aideront à bâtir notre monde futur et nous avons la responsabilité de nous assurer qu’il s’agit d’un monde dans lequel nous voulons vivre.

96%

des cadres conviennent que l’exploitation des écosystèmes d’agents intelligents sera une occasion importante pour leur organisation au cours des trois prochaines années.

La technologie : De l’assistance à l’action, puis aux écosystèmes

À mesure que les assistants intelligents deviendront des mandataires pouvant agir au nom des humains, les occasions d’affaires associées dépendront de trois capacités fondamentales : l’accès aux données et aux services en temps réel, le raisonnement suivant des chaînes d’idées complexes, et la création d’outils destinés non pas aux humains, mais aux agents eux-mêmes.

Commençons par l’accès aux données et aux services en temps réel. Lorsque ChatGPT a été lancé, une erreur répandue était de penser que l’application cherchait activement de l’information sur le Web. En réalité, GPT-3.5 (le LLM sur lequel ChatGPT était basé à son lancement) avait été entraîné à l’aide d’un très vaste corpus de connaissances et s’appuyait sur les relations entre ces données pour fournir des réponses.

En mars 2023, OpenAI a annoncé les premiers modules d’extension pour ChatGPT. Ces modules permettent aux LLM de chercher de l’information, d’utiliser des logiciels numériques, d’exécuter du code, d’appeler des API et de générer des extrants autres que du texte en permettant au modèle d’accéder à l’Internet.

Ces modules transforment les modèles de fondation, qui passent de puissants moteurs travaillant en vase clos à des agents capables de naviguer dans le monde numérique actuel. Alors que les modules d’extension présentent un puissant potentiel d’innovation, ils joueront également un rôle crucial dans l’émergence des écosystèmes d’agents.

La deuxième étape de l’évolution des agents est la capacité de raisonner et de penser logiquement, parce que même les actions les plus simples pour les gens nécessitent une série d’instructions complexes pour les machines.

La recherche en IA commence à éliminer les obstacles au raisonnement des machines. La requête de décomposition en étapes est une approche élaborée pour aider les LLM à mieux comprendre les étapes d’une tâche complexe (xi). Les chercheurs ont découvert qu’ils pouvaient obtenir de meilleurs résultats en décomposant les requêtes en étapes explicites, et même en incitant le modèle à « réfléchir à la question étape par étape ». Ce style de requêtes pourrait initialement nécessiter une contribution humaine, mais la recherche continue de révéler que les modèles peuvent être conçus pour s’autocritiquer et classer l’information dans leur mémoire de travail, ouvrant ainsi la porte à l’automatisation de ce type de raisonnement (xii).

Grâce à la requête de décomposition en étapes et aux modules d’extension, l’IA a le potentiel d’accomplir des tâches complexes en utilisant à la fois une logique améliorée et les nombreux outils numériques disponibles sur le Web. Mais que se passe-t-il si la solution requise n’existe pas encore?

Quand les humains font face à ce défi, ils acquièrent ou construisent les outils dont ils ont besoin. Avant, l’IA dépendait exclusivement des humains pour accroître ses capacités. Mais la troisième dimension d’agentivité que nous voyons émerger est la capacité pour l’IA de développer ses propres outils.

L’écosystème d’agents peut sembler déroutant. Après tout, en plus des trois capacités fondamentales des agents autonomes, nous parlons également d’un défi d’orchestration incroyablement complexe, ainsi que d’une réinvention majeure de votre main-d’œuvre humaine pour rendre tout cela possible. Il est normal que les dirigeants se demandent par où commencer.

La bonne nouvelle, c’est que les efforts actuels de transformation numérique contribueront grandement à donner une longueur d’avance aux entreprises. La modernisation des données et la création de bibliothèques d’API seront essentielles pour intégrer les systèmes des entreprises dans l’écosystème d’IA. Il est toutefois important de se rappeler que ces modèles comportent leurs propres inconvénients. Les réponses erronées demeurent inhérentes aux LLM. Il faudra également beaucoup de recherches supplémentaires sur les risques et les implications de cybersécurité associés à l’utilisation de ces modèles.

Les implications : Harmoniser la technologie et les talents au travail

Qu’arrivera-t-il lorsque l’écosystème d’agents se mettra au travail? Qu’ils nous servent d’assistants ou de mandataires, les agents entraîneront une productivité explosive, de l’innovation et une réorganisation de la main-d’œuvre humaine.

En tant qu’assistants ou copilotes, les agents pourraient multiplier le rendement des employés individuels de façon spectaculaire. Pour les processus d’entreprise qui dépendront toujours des humains, les agents agiront en tant que collaborateurs.

Dans d’autres scénarios, nous ferons de plus en plus confiance aux agents pour agir en notre nom. En tant que mandataires, ils pourraient accomplir des tâches actuellement accomplies par des humains, mais avec un énorme avantage : un seul agent pourrait posséder l’ensemble des connaissances et de l’information de votre entreprise. Leur base de connaissances dépasserait de loin celle de vos employés humains les plus expérimentés, et ils pourraient agir en utilisant ces connaissances partout, de façon simultanée. Lorsqu’ils n’ont pas l’information dont ils ont besoin, ils pourraient la créer. Lorsqu’ils n’ont pas les bons outils, ils pourraient les construire.

Les entreprises devront réfléchir aux approches humaines et technologiques dont elles auront besoin pour appuyer ces agents. D’un point de vue technologique, une considération majeure sera la façon dont ces entités vont s’identifier. À mesure que les agents agiront davantage par eux-mêmes, avec des comportements qui pourraient imiter ceux de leurs homologues humains, des technologies comme le Web3, l’identité décentralisée ou d’autres solutions émergentes deviendront essentielles pour s’assurer que ces agents peuvent s’identifier et s’authentifier adéquatement.

Les répercussions sur les travailleurs humains, comme leurs nouvelles responsabilités, leurs nouveaux rôles et leurs nouvelles fonctions, exigent encore plus d’attention. Soyons clairs, les humains ne vont pas disparaître. Oui, vos employés auront des capacités supplémentaires, mais ils vont en avoir besoin. Les agents prendront en charge certaines fonctions de l’entreprise, mais il ne s’agira pas d’une opération entièrement automatisée. Les humains établiront et appliqueront les règles pour les agents. Il est temps de repenser votre stratégie en matière de talents pour préparer vos employés à cette nouvelle réalité.

Repenser le talent humain

À l’ère des écosystèmes d’agents, vos employés les plus précieux seront ceux qui pourront le mieux établir les lignes directrices pour les agents. À mesure que les agents deviendront plus autonomes, les humains devront établir et appliquer des règles afin de s’assurer que leurs mandataires agissent pour le bien de l’entreprise et des gens qui y travaillent. Comme les humains seront habilités par ces agents à en faire plus que jamais auparavant, les humains et les agents devront avoir à l’esprit l’étoile du Nord de l’entreprise. Quels que soient les choix et les décisions de vos employés, ils sont sur le point d’être amplifiés, pour le meilleur ou pour le pire.

Le niveau de confiance d’une entreprise envers ses agents autonomes déterminera la valeur qu’ils peuvent apporter. Vos talents humains seront responsables d’établir cette confiance. Les écosystèmes d’agents agiront sans les humains, mais ils n’agiront pas toujours de la bonne façon. Avant de mettre les agents au travail, les humains devront leur fournir des règles, des connaissances et des capacités de raisonnement, puis les tester rigoureusement pour assurer leur préparation. À mesure que les écosystèmes d’agents évolueront, les humains auront deux responsabilités principales pour renforcer la confiance envers les systèmes semi-autonomes : construire des systèmes de soutien aux agents et raffiner le raisonnement machine.

Les employés des organisations pionnières mènent déjà l’IA autonome vers des actions précises en établissant leurs systèmes de soutien aux agents. Les LLM existants sont entraînés à l’aide d’énormes quantités d’information, ce qui permet à des outils comme ChatGPT de répondre à un éventail de questions avec une exactitude modérée. Mais si un agent contrôle votre chaîne d’approvisionnement, il doit avant tout avoir de l’expertise à ce sujet, et des renseignements superflus pourraient l’égarer. À mesure que vos employés intègrent vos connaissances d’entreprise, vos données exclusives et des outils externes dans l’IA autonome, ces systèmes de soutien pourront dicter l’information que les systèmes d’IA doivent prioriser.

Mais il ne suffit pas de penser logiquement. Les agents doivent aussi comprendre leurs limites. Dans quelle situation un agent a-t-il assez d’information pour agir seul et dans quelle situation doit-il demander du soutien avant d’agir? Les détails varieront d’un agent à l’autre, d’une entreprise à l’autre et d’une industrie à l’autre. Mais dans l’ensemble, les humains décideront du niveau d’indépendance à accorder à leurs systèmes autonomes. Les humains devront enseigner aux agents à déterminer ce qu’ils savent et ce qu’ils ne savent pas, pour que les agents puissent obtenir l’information et la certitude dont ils ont besoin pour continuer à travailler.

Ce que les entreprises peuvent faire maintenant

Que pouvez-vous faire maintenant pour aider votre main-d’œuvre humaine et vos agents à réussir? Donnez aux agents l’occasion d’en apprendre davantage sur votre entreprise et donnez à votre entreprise l’occasion d’en apprendre davantage sur les agents.

Les entreprises peuvent commencer par établir des liens entre les prédécesseurs des agents, les LLM, et leurs systèmes de soutien. Il existe de nombreux modèles matures d’IA générative et quelques copilotes numériques prêts à être connectés aux humains, aux données, aux outils et aux robots déjà essentiels à votre entreprise. En peaufinant les LLM à l’aide des renseignements de votre entreprise, vous donnez aux modèles de fondation une longueur d’avance dans le développement de l’expertise.

Plus tôt vous préparerez votre infrastructure et votre information en vue de l’utilisation par les agents, plus tôt vos futurs agents seront prêts à réaliser leur potentiel : agir comme mandataires pour les humains à l’intérieur et à l’extérieur de votre organisation. Pour l’instant, cette introduction nécessitera une transformation de certaines de vos pratiques de gestion des données, comme la vectorisation des bases de données, l’offre de nouvelles API pour accéder aux données, et l’expansion de vos outils pour interagir avec les systèmes d’entreprise.

Il est également temps de faire les présentations entre les humains et leurs futurs collègues numériques. Les entreprises peuvent jeter les bases de la confiance envers les futurs agents en enseignant à leur main-d’œuvre à dialoguer avec les technologies intelligentes existantes. Mettez vos employés au défi de découvrir et de surmonter les limites des systèmes autonomes existants. Aidez vos employés à élaborer des règles bien définies pour déterminer dans quelles situations ils peuvent faire confiance aux systèmes autonomes à leur disposition. En d’autres termes, formez et perfectionnez votre main-d’œuvre humaine pour qu’elle soit prête et enthousiaste à prendre les rênes, et qu’elle sache à quel point les tenir fermement, lorsque les écosystèmes d’agents se généraliseront.

Enfin, vous devez définir sans ambiguïté l’étoile du Nord de votre entreprise. Chaque action accomplie par vos agents devra être liée à vos valeurs fondamentales et à une mission. Il n’est donc jamais trop tôt pour opérationnaliser vos valeurs du sommet à la base de votre organisation.

Conclusion

Les écosystèmes d’agents ont le potentiel de multiplier la productivité et l’innovation des entreprises à un niveau difficilement compréhensible pour les humains. Cependant, la valeur de ces écosystèmes dépendra des humains qui les guident. Le savoir et le raisonnement humains donneront à un réseau d’agents l’avantage sur un autre. Aujourd’hui, l’intelligence artificielle est un outil. À l’avenir, les agents intelligents exploiteront nos entreprises. Notre travail est de les empêcher de s’égarer. Étant donné le rythme de l’évolution de l’IA, il est temps de commencer à intégrer vos agents.

Du point de vue de la sécurité, les écosystèmes d’agents devront assurer la transparence de leurs processus et de leurs décisions. Pensez à la reconnaissance croissante de la nécessité d’une nomenclature logicielle, une liste claire de toutes les composantes et dépendances de code qui forment une application logicielle, pour permettre aux entreprises et aux organisations de regarder sous le capot. De façon similaire, une nomenclature d’agent pourrait aider à expliquer et à suivre le processus décisionnel d’un agent.

Quelle logique l’agent a-t-il suivie pour prendre une décision? Quel agent a pris la décision? Quel code a été rédigé? Quelles données ont été utilisées et avec qui ont-elles été partagées? Mieux nous pourrons suivre et comprendre les processus décisionnels des agents, plus nous pourrons leur faire confiance pour agir en notre nom.

Le nouvel espace : Créer de la valeur dans de nouvelles réalités

Vue d’ensemble

L’informatique spatiale est sur le point de changer non seulement le cours de l’innovation technologique, mais aussi la façon dont les gens travaillent et vivent. Alors que les ordinateurs et les appareils mobiles utilisent des écrans comme portails vers le monde numérique, l’informatique spatiale combinera enfin nos réalités disparates, en fusionnant le physique et le numérique. Les applications conçues pour ce médium permettront aux gens de s’immerger dans des mondes numériques ressemblant à des espaces physiques, ou de superposer du contenu par-dessus leur environnement physique.

Alors, pourquoi n’avons-nous pas l’impression d’être au début d’une nouvelle ère technologique? Pourquoi sommes-nous plutôt inondés de discours sur le ralentissement du métavers? Le métavers est l’une des applications d’informatique spatiale les plus connues. Mais le prix de l’immobilier numérique, en plein essor en 2021 et 2022, a diminué de 80 à 90 % en 2023 (xiii).

Certaines entreprises choisissent d’attendre, se disant que le battage médiatique entourant le métavers a dépassé la maturité technologique. Mais d’autres prennent de l’avance en renforçant les capacités technologiques. Meta développe rapidement des produits de réalité virtuelle (RV) et de réalité augmentée (RA), et a présenté les Codec Avatars, qui utilisent l’IA et les caméras des téléphones intelligents pour créer des avatars photoréalistes (xiv,xv). L’application RealityScan d’Epic permet de numériser des objets 3D dans le monde physique à l’aide d’un téléphone et de les transformer en actifs virtuels 3D (xvi).

Simultanément, des technologies émergentes comme l’IA générative continuent de rendre la création d’expériences et d’environnements spatiaux plus rapide et moins coûteuse. Peut-être plus discrètement, ces technologies sont déjà testées dans des applications industrielles. Les jumeaux numériques dans la fabrication, la RV et la RA dans la formation et l’opération à distance, et les environnements de conception collaborative ont déjà des répercussions pratiques précieuses sur l’industrie.

La vérité est que nous voyons rarement naître de nouveaux médiums. Dans ces cas, l’adoption est lente. Mais l’avantage d’une adhésion précoce est presque incalculable.

La technologie : Le paysage de la technologie spatiale moderne

C’est le moment de se lancer. Nous arrivons à un tournant technologique, où le coût de la création et de l’adoption diminue, et où des avancées majeures sont réalisées dans la conception des applications spatiales, les rendant plus réalistes et leur permettant de réaliser leur potentiel.

Créer des applications spatiales

Fondamentalement, de nouvelles normes, de nouveaux outils et de nouvelles technologies permettent de créer plus facilement et à moindre coût des applications et des expériences spatiales qui semblent familières.

Pensez à vos applications favorites ou aux sites Web que vous fréquentez. Même s’ils ont différentes fonctions et offrent des expériences disparates, ils comportent quelque chose d’indéniablement universel. Pourquoi? Parce qu’ils ont tous la même fondation.

Pendant longtemps, l’informatique spatiale n’avait pas de fondation semblable. En essayant de bâtir des mondes réalistes, ce manque d’uniformité est un obstacle majeur. Les créateurs d’espaces numériques doivent aller bien au-delà des facteurs envisagés par un concepteur Web. Ils doivent tenir compte d’éléments comme les textures, les formes, l’éclairage et la physique. La modélisation 3D est entrée dans l’informatique spatiale à partir de différents domaines, allant des jeux vidéo au cinéma d’animation en passant par les applications industrielles comme le dessin architectural et la conception assistée par ordinateur. Il y avait donc une vaste gamme de langages, de types de fichiers, de fournisseurs et d’approches de conception. L’écosystème était fracturé.

C’est alors qu’est arrivé le format USD, qu’on pourrait décrire comme un format de fichier pour les espaces 3D. Développé par Pixar, le format USD est un cadre qui permet aux créateurs de cartographier les aspects d’une scène, comme les actifs, les arrière-plans, l’éclairage et les personnages. Comme le format USD est conçu pour réunir ces actifs dans une scène, différents logiciels peuvent être utilisés pour chacun, ce qui permet la création collaborative de contenu et l’édition non destructive (xvii). On pourrait penser que la principale utilisation du format USD concerne le domaine du divertissement, mais il devient rapidement crucial pour les applications spatiales les plus révolutionnaires, comme les jumeaux numériques industriels.

Les entreprises doivent comprendre qu’elles n’exploiteront pas les espaces en vase clos. Tout comme les pages Web et les applications n’existent pas sur l’Internet de façon isolée, la prochaine version du Web promet de rapprocher encore davantage ces expériences parallèles. L’identité numérique et le Web3 joueront un rôle majeur dans ces espaces, du déplacement d’une paire de pantalons numériques ou d’informations de paiement entre différents espaces à l’identification des entités évoluant dans ces espaces. Aujourd’hui, ces technologies ne semblent peut-être pas essentielles au développement d’un espace réussi, mais elles influenceront bientôt la viabilité à long terme et la valeur de l’espace pour le client.

Certains tiennent déjà compte de cette réalité. L’Open Metaverse Alliance for Web3 (OMA3) est en voie d’établir une norme sur la façon de passer d’une expérience à l’autre. Actuellement, si vous voulez passer d’un monde du métavers à un autre, vous devez quitter une application et en ouvrir une autre, un peu comme si vous deviez fermer et relancer votre navigateur chaque fois que vous visitez un nouveau site Web. En 2023, OMA3 a lancé un projet appelé l’Inter-World Portaling System (ou système de portail entre les mondes), qui vise à élaborer un protocole permettant aux développeurs de déplacer les utilisateurs d’un espace à l’autre sans interrompre l’immersion, un peu comme une barre d’adresse en haut de tous les sites Web que vous visitez (xviii).

Mais même si l’interopérabilité est cruciale, elle n’aide pas si le développement des actifs 3D coûte très cher, ce qui a toujours été le cas. Selon une estimation de 2020, le coût moyen des modèles 3D se situait entre 40 $ US et des milliers de dollars par actif. Et les scènes 3D nécessiteront beaucoup d’actifs (xix). Il s’agit cependant d’un domaine où la pression des coûts commence à diminuer.

Peupler les espaces

« Où est tout le monde? » Le physicien Enrico Fermi a prononcé cette phrase célèbre à propos de la vie dans l’univers. Les mathématiques lui disaient que notre univers devrait regorger de vie. Mais en regardant les étoiles, l’espace semblait vide, un sentiment que l’on ressent souvent dans les espaces actuels du métavers. Des espaces bien conçus, mais déserts peuvent déplaire aux utilisateurs. C’est la raison pour laquelle les espaces doivent non seulement sembler réalistes, mais aussi donner l’impression d’être habités.

Une façon évidente de remplir les espaces est d’amener plus d’utilisateurs, mais avec près de 400 millions de personnes visitant le métavers, ces espaces pourraient rapidement devenir surpeuplés. C’est une chose de visiter un détaillant local qui possède plusieurs succursales dans le monde physique. C’en est une autre quand la planète entière peut accéder au même magasin virtuel en même temps.

Une autre stratégie consiste à créer des personnages avec l’IA. Ces personnages intelligents peuvent peupler les applications spatiales et rendre les expériences interactives et personnalisées. Il ne s’agit pas d’un nouveau concept : les personnages non-joueurs existent depuis longtemps dans les jeux vidéo. Mais historiquement, ils ont apporté leur lot de défis, comme sembler superficiels et impersonnels. 

Dans le métavers, l’IA ouvre une nouvelle voie. Elle crée des personnages intelligents dotés d’une personnalité, qui peuvent communiquer de façon verbale et non verbale (xx). Ces personnages sont sensibles au contexte, ce qui leur permet d’éviter les hallucinations et les références à du contenu extérieur à leur monde établi, atténuant ainsi les risques de désinformation (xxi).

L’esprit des lieux

Enfin, une capacité émergente qui différencie l’informatique spatiale de ses homologues numériques est la mobilisation des sens. De nouvelles technologies permettent aux ingénieurs de concevoir des expériences qui font appel à tous les sens, comme le toucher, l’odorat et l’ouïe.

Les tentatives passées d’ajouter le sens du toucher à la RV ont donné des résultats maladroits ou décevants. Mais des chercheurs de l’Université de Chicago ont récemment proposé d’utiliser des électrodes pour mieux imiter le toucher (xxii). Ils ont conçu un système d’électrodes comportant 11 zones tactiles contrôlables sur les doigts d’une personne, lui permettant de « sentir » le contenu numérique. Imaginez une application spatiale de méditation qui vous transporterait sur une plage virtuelle où vous pourriez « toucher » les grains de sable.

Les odeurs peuvent également rendre les espaces numériques plus réalistes, en évoquant des souvenirs ou en déclenchant une réaction de lutte ou de fuite. Scentient, une entreprise qui tente d’intégrer l’odorat au métavers, expérimente avec la technologie pour former les pompiers et les premiers répondants, pour qui les odeurs, comme celle du gaz naturel, peuvent être cruciales pour évaluer une urgence (xxiii).

Évidemment, le son spatialisé est aussi essentiel à la création d’une scène numérique réaliste. Le New York Times a récemment utilisé le son spatialisé en ligne pour plonger les lecteurs dans le paysage sonore de la cathédrale Notre-Dame de Paris. Sur un appareil mobile ou un ordinateur, les utilisateurs pouvaient « marcher » dans la cathédrale en écoutant une chorale à partir de différents endroits dans l’espace (xxiv,xxv).

Enfin, les applications spatiales immersives devront s’adapter à notre façon naturelle de bouger. Le Vision Pro d’Apple suit les mouvements des yeux pour mieux afficher le contenu à faible latence (xxvi). La fonction Direct Touch de Meta explore comment le suivi des mouvements des mains en RV pourrait remplacer les commandes manuelles dans les expériences où le mouvement naturel serait plus adapté (xxvii).

Les implications : Les incroyables applications de l’informatique spatiale

L’informatique spatiale ne remplacera pas les ordinateurs et les appareils mobiles, mais elle devient un élément important de la trame informatique qui compose la stratégie de TI d’une entreprise.

Nous avons déjà vu les premières étapes. Les jumeaux numériques sont plus faciles à comprendre en les explorant de l’intérieur. La formation est plus efficace en vivant une expérience au lieu de regarder une vidéo. Les exemples sont souvent des projets pilotes indépendants, mais un examen attentif des avantages uniques de l’informatique spatiale peut aider à façonner et à guider la stratégie d’entreprise. Le marché est encore jeune, mais il devient rapidement clair que les applications spatiales sont utiles lorsqu’elles sont utilisées de trois façons : pour transmettre de grandes quantités de renseignements complexes, pour permettre aux utilisateurs de contrôler leur expérience et, peut-être paradoxalement, pour augmenter les espaces physiques.

Lorsqu’il s’agit de transmettre des renseignements complexes, l’avantage du médium spatial par rapport aux autres solutions est probablement le plus évident. Comme un espace peut permettre aux utilisateurs de bouger et d’agir naturellement, l’information peut être transmise de façon plus dynamique et immersive. Nous avons déjà vu la technologie en action. Certains des premiers exemples d’applications spatiales réussies étaient des jumeaux numériques industriels, des scénarios de formation virtuelle et de l’assistance à distance en temps réel. Ce sont tous des cas d’utilisation où de grandes quantités d’information doivent être partagées et où les méthodes conventionnelles peuvent entraîner une surcharge d’information, de la confusion et une formation inefficace.

Le deuxième avantage de l’informatique spatiale par rapport aux médiums traditionnels est la capacité de laisser les utilisateurs façonner leurs expériences dans les applications. Comme l’informatique spatiale nous permet de créer des expériences numériques qui offrent un sentiment d’espace, nous pouvons concevoir des expériences où les utilisateurs ont plus de flexibilité pour se déplacer et explorer. Pour certaines applications, mettre les utilisateurs aux commandes rendra les expériences plus personnelles, naturelles et utiles.

Le Centre Pompidou de Paris a tiré parti de cette capacité pour personnaliser une expérience muséale en collaboration avec Snapchat et l’artiste Christian Marclay (xxviii). Marclay a superposé un instrument de musique coloré sur la façade du Centre Pompidou, que les utilisateurs pouvaient manipuler de plusieurs façons à l’aide de la RA de Snapchat. Les visiteurs pouvaient également enregistrer et partager leur façon de « jouer » du musée. Au lieu d’une expérience entièrement façonnée par les conservateurs du musée, les visiteurs pouvaient insuffler leur créativité et leur curiosité dans l’espace.

Enfin, les applications spatiales apportent des avantages aux espaces physiques. Elles peuvent les augmenter, les améliorer et les agrandir sans les modifier physiquement. Imaginez un bureau de l’avenir où les écrans, les projecteurs et les affichages physiques sont remplacés par des applications et des ordinateurs spatiaux. Les gens pourront concevoir des espaces plus simples, réduire les frais généraux et transformer leur environnement plus facilement.

Conclusion

L’informatique spatiale est sur le point d’atteindre son rythme de croisière et les leaders cherchent à prendre une longueur d’avance. Pour se positionner au sommet de la prochaine ère d’innovation technologique, les dirigeants d’entreprise devront repenser leur stratégie à l’égard de l’informatique spatiale et reconnaître l’effet que les récentes avancées technologiques sont sur le point d’avoir. Les nouveaux médiums informatiques sont rares et ils peuvent avoir un impact incalculable sur les gens et les entreprises pendant des décennies. Êtes-vous prêt à plonger dans le moment?

À mesure que le monde du travail adopte l’informatique spatiale, les entreprises devront aussi penser à la sécurité. Il y aura plus d’appareils que jamais : les employés utiliseront des dispositifs spatiaux pour le travail, tandis que les clients les utiliseront pour accéder à des expériences. Cet écosystème d’appareils en expansion constante signifiera aussi plus de points d’entrée pour les attaquants. Alors, comment pouvez-vous fixer des limites à quelque chose d’illimité? Les stratégies spatiales des entreprises devront être élaborées selon des principes de confiance zéro.

Les entreprises doivent aussi reconnaître que l’informatique spatiale est un territoire inconnu. Les fournisseurs et les utilisateurs doivent donc s’attendre à avoir des angles morts. Une ligne de défense unique ne sera pas suffisante, mais des stratégies de défense en profondeur utilisant de multiples couches de sécurité (administrative, technique et physique) peuvent être déployées pour protéger cette nouvelle frontière.

Nos corps électroniques : Une nouvelle interface humaine

Vue d’ensemble

La difficulté à comprendre les gens est un obstacle pour de nombreuses technologies que nous utilisons aujourd’hui. Pensez aux robots et aux drones. La seule façon de les contrôler est de traduire ce que nous voulons en commandes qu’ils reconnaissent. Souvent, la technologie a du mal à nous comprendre parce que nos désirs, nos attentes et nos intentions sont une énigme.

Des innovateurs tentent à présent de changer cette réalité. Dans toutes les industries, ils conçoivent des technologies et des systèmes qui peuvent comprendre les gens de nouvelles façons plus profondes. Ils créent une « interface humaine », dont les répercussions iront bien au-delà de l’amélioration des maisons intelligentes, par exemple.

Pensez à la façon dont la neurotechnologie commence à se connecter à l’esprit des gens. Récemment, deux études distinctes de l’Université de Californie à San Francisco et de l’Université Stanford ont démontré la possibilité d’utiliser des prothèses neurales, comme des interfaces cerveau-machine (ICM), pour décoder le langage à partir de données neurales (xxix,xxx). Cette technologie pourrait aider des patients ayant un handicap verbal à « parler » en traduisant les tentatives de communication sous forme de texte ou de voix artificielles.

On peut aussi penser aux technologies qui lisent les mouvements du corps, comme le suivi des yeux et des mains. En 2023, le Vision Pro d’Apple a introduit visionOS, qui permet aux utilisateurs de naviguer et de cliquer avec le regard et un geste simple, éliminant le besoin d’utiliser une télécommande (xxxi).

Des innovations comme celles-ci réécrivent les règles et repoussent les limites qui ont guidé les interactions entre l’humain et la machine pendant des décennies. Aujourd’hui, il nous arrive souvent d’adapter et de changer ce que nous faisons pour que les technologies fonctionnent. L’interface humaine va changer cette réalité. Lorsque les technologies pourront mieux comprendre nos comportements et nos intentions, elles s’adapteront plus efficacement à nous.

Pour réussir, les entreprises devront également s’attaquer aux problèmes croissants liés à la confiance et à la mauvaise utilisation de la technologie. Les entreprises et les particuliers peuvent hésiter à laisser la technologie nous lire et nous comprendre de ces nouvelles façons plus intimes. Les normes de confidentialité en biométrie devront être mises à jour. De nouvelles garanties neuroéthiques devront également être définies, comme la façon de gérer adéquatement les données cérébrales et biométriques pouvant être utilisées pour déduire les intentions et les états cognitifs des gens. En attendant l’arrivée de règles formelles, il incombe aux entreprises de gagner la confiance des gens.

La technologie : Une vision plus humaine des gens

Essayer de comprendre des individus, des groupes cibles ou des populations est un défi commercial vieux de plusieurs siècles. Au cours des dernières décennies, l’utilisation de la technologie numérique à cette fin a été l’ultime différentiateur. Les plateformes et les appareils numériques ont permis aux entreprises de suivre et de quantifier les comportements des gens, leur offrant d’énormes avantages. Maintenant, l’interface humaine change de nouveau la donne, en permettant de comprendre les gens de façons plus profondes et plus humaines.

31%

des consommateurs conviennent qu’ils sont souvent frustrés par l’incapacité de la technologie à les comprendre correctement.

Comment la technologie numérique « comprend » les gens

Pensez aux principales stratégies que les entreprises utilisent actuellement pour comprendre le comportement humain. Elles se divisent généralement en deux catégories : la collecte de données sur le Web et les capteurs physiques dans le monde.

Sur le Web, la capacité des entreprises à comprendre les comportements est un facteur majeur qui influence les expériences numériques. Les plateformes s’appuient sur les données des utilisateurs pour personnaliser les expériences et améliorer les produits.

Dans le monde physique, des appareils recueillent depuis longtemps des données sur les gens, ce qui permet aux entreprises de créer des produits et des services basés sur la santé et l’emplacement. Les capteurs en magasin qui enregistrent l’achalandage et la reconnaissance faciale qui analyse les sentiments sont des outils servant à mieux comprendre les gens, afin de les orienter vers différents résultats.

Il s’agit de technologies importantes. Elles sont cependant basées sur le suivi et l’observation de tendances qui manquent encore de spécificité. Les gens peuvent consommer du contenu familier, alors qu’ils aimeraient avoir quelque chose de nouveau. Nous sommes très doués pour reconnaître ce que les gens font, mais nous ne comprenons pas toujours pourquoi ils le font.

Comment l’interface humaine mesure l’intention

Le concept d’interface humaine ne désigne pas une technologie unique. Il englobe plutôt une gamme de technologies qui approfondissent la façon dont les innovateurs voient et comprennent les gens.

Certaines utilisent des appareils portés sur le corps pour suivre des biosignaux qui peuvent aider à prédire ce que les gens veulent ou à comprendre leur état cognitif.

D’autres créent des façons plus détaillées de comprendre les intentions des gens par rapport à leur environnement. Par exemple, des chercheurs de l’École d’études automobiles de l’Université Tongji voulaient trouver un moyen de réduire les collisions entre les piétons et les véhicules (xxxii). Alors que la majorité des efforts de prévention des collisions se concentrent sur la détection des piétons, ces chercheurs ont capturé des détails comme la distance entre le véhicule et le piéton, la vitesse du véhicule et la posture du piéton. La posture d’une personne qui marche dans la rue peut servir d’indice pour anticiper ses déplacements, ce qui pourrait rendre les routes plus sécuritaires pour tout le monde.

Une autre approche pour comprendre l’intention humaine consiste à utiliser l’IA. Pensez aux collaborations entre les humains et les robots. Lorsque les gens se sentent ambitieux ou fatigués, cet état d’esprit peut influencer la façon dont ils abordent une tâche. Les humains sont généralement doués pour comprendre ces états d’esprit, mais ce n’est pas le cas pour les robots. Des chercheurs de l’Université de Californie du Sud ont donc tenté d’enseigner à des robots à identifier ces états pour les aider à mieux assister les humains (xxxiii).

Enfin, l’une des technologies les plus palpitantes de l’interface humaine est peut-être la neurotechnologie, qui comprend la neurodétection et l’ICM. De nombreuses entreprises de neurotechnologie sont apparues au cours de la dernière décennie et ce domaine présente un potentiel évident pour lire et identifier l’intention humaine.

La neurotechnologie montre le progrès de l’interface humaine

Beaucoup de gens peuvent penser que la neurodétection et l’ICM sont à des années d’une utilisation commerciale à grande échelle. Cependant, de récentes avancées indiquent le contraire.

Les sceptiques ont tendance à affirmer que la neurotechnologie restera limitée au domaine de la santé. Après tout, de nombreux appareils neurotechnologiques très en vue comportent des implants hautement invasifs utilisés dans le cadre d’un traitement médical. Mais à mesure que le nombre d’options technologiques augmente, on pourra trouver la bonne solution pour répondre au besoin et au niveau de confort de l’utilisateur prévu. Les initiatives commerciales et les cas d’utilisation augmentent de jour en jour.

Cela est dû à deux avancées majeures. La première est le décodage des signaux cérébraux. Il est possible depuis des décennies de capter ces signaux, mais le saut vers des produits commerciaux est gigantesque (xxxiv). Il est très difficile d’identifier des signaux et des schémas communs entre les cerveaux de différentes personnes. Mais les avancées dans la détection de schémas au moyen de l’IA, de même que la disponibilité accrue des données cérébrales, font une grande différence.

Le deuxième domaine à surveiller est le matériel neurotechnologique, plus précisément la qualité des appareils externes. Historiquement, l’électroencéphalographie (EEG) et l’imagerie par résonance magnétique fonctionnelle (IRMf) ont été deux des techniques de neurodétection externe les plus utilisées (xxxv). Cependant, jusqu’à récemment, la capture de l’un ou l’autre type de signal cérébral devait se faire en laboratoire.

Cela commence à changer. Les dispositifs d’EEG étaient autrefois très sensibles au bruit ambiant et au mouvement musculaire, ce qui obligeait les utilisateurs à rester complètement immobiles. De nouveaux appareils, comme le casque DSI-24 de Wearable Sensing utilisant un système d’EEG à électrode sèche, sont plus résistants au mouvement et au bruit (xxxvi). Et bien que l’IRMf soit susceptible de demeurer dans le domaine médical, une nouvelle technologie appelée spectroscopie proche infrarouge fonctionnelle permet de mesurer le débit sanguin dans le cerveau sans que les gens aient besoin d’entrer dans un tube en laboratoire (xxxvii).

En plus de la portabilité, la capacité de traduire rapidement les signaux cérébraux en action est essentielle. Pour certains cas d’utilisation, l’envoi de données cérébrales brutes dans le nuage pourrait être trop lent, ce qui pourrait créer de la frustration concernant l’utilisabilité et empêcher les gens de se déplacer ou de communiquer en temps opportun. Mais des avancées se produisent aussi dans ce domaine. En 2022, le financement par capital de risque a entraîné une explosion de jeunes entreprises spécialisées dans les puces d’IA de périphérie (xxxviii). Des fabricants de puces établis comme Nvidia et Qualcomm continuent de travailler à la conception de puces de périphérie plus petites et plus puissantes (xxxix). Certains travaillent aussi à augmenter l’efficacité computationnelle du traitement des signaux cérébraux.

94%

des cadres croient que l’interface humaine nous aidera à mieux comprendre les comportements et les intentions, transformant nos interactions avec les machines.

Les implications : Partir du bon pied

Alors que davantage d’entreprises commencent à élaborer des stratégies d’interface humaine, elles doivent en premier lieu identifier les différents domaines d’affaires et les défis qui peuvent être transformés.

La portée de l’interface humaine

Pensez d’abord à la façon dont les technologies de l’interface humaine relèvent la barre lorsqu’il s’agit d’anticiper les actions des gens. Certains des cas d’utilisation les plus prometteurs se trouvent dans des domaines où les gens et les machines travaillent dans des espaces partagés. Par exemple, les entreprises pourraient créer des systèmes de fabrication plus sécuritaires et plus productifs si les robots pouvaient anticiper ce que les gens s’apprêtent à faire.


Un autre domaine qui pourrait être transformé est la collaboration directe entre l’humain et la machine, soit la façon dont nous utilisons et contrôlons la technologie. Pensez notamment à la façon dont la neurotechnologie nous permet d’explorer nos esprits et de nous connecter à la technologie de nouvelles façons potentiellement plus naturelles.

Par exemple, des chercheurs de l’Université de technologie de Sydney ont mis au point un casque d’ICM utilisant un biocapteur pour détecter les ondes cérébrales et les traduire en commandes (xl). Lors d’un essai avec l’armée australienne, des soldats ont pu utiliser l’appareil pour contrôler un chien-robot à quatre pattes par la pensée, avec une précision allant jusqu’à 94 %.

Enfin, l’interface humaine pourrait mener à l’invention de nouveaux produits et de nouveaux services. La détection cérébrale, par exemple, pourrait aider les gens à mieux se comprendre. L’Oréal travaille avec EMOTIV pour aider les gens à mieux saisir leurs préférences en matière de parfums (xli).

D’autres réfléchissent à l’utilisation de l’interface humaine en tant que mesure de sécurité. Meili Technologies est une jeune entreprise travaillant à améliorer la sécurité des véhicules. Elle utilise l’apprentissage profond, des données visuelles et des capteurs dans l’habitacle pour détecter les situations où un conducteur est victime d’une crise cardiaque, d’une crise d’épilepsie, d’un accident vasculaire cérébral ou d’une autre urgence (xlii,xliii).

La concurrence évolue et la confiance est cruciale.

Les entreprises doivent commencer à évaluer les risques posés par ces technologies, ainsi que les nouvelles politiques et garanties qui devront être mises en place. Au lieu d’attendre la nouvelle réglementation, les entreprises responsables doivent commencer dès maintenant, en se tournant vers l’industrie médicale et les lois existantes en biométrie pour s’orienter. Le domaine de la neuroéthique en particulier attire déjà l’attention. Des questions sont soulevées sur la sécurité physique des appareils neurotechnologiques, ainsi que sur les risques psychologiques entourant l’autonomie humaine et certains facteurs sociétaux comme la confidentialité des données cérébrales, le consentement éclairé et l’équité (xliv).

Conclusion

L’interface humaine est une nouvelle approche pour relever l’un des plus anciens défis commerciaux : comprendre les gens en tant qu’êtres humains. Il s’agit d’une grande responsabilité et d’une occasion encore plus grande. Les gens auront des questions. Les préoccupations entourant la confidentialité seront le premier obstacle majeur que les entreprises devront surmonter. Cependant, la possibilité de comprendre les gens de cette façon plus profonde et plus humaine en vaut la peine.

Aurons-nous besoin de chapeaux en papier d’aluminium pour empêcher les machines de lire dans nos pensées? Plus que toute autre tendance cette année, l’adoption de l’interface humaine par les entreprises et les consommateurs dépendra de la sécurité.

Au minimum, la capacité des humains à contrôler quelles données sont partagées sera décisive dans l’acceptation d’outils plus perspicaces et connectés. Cette pratique doit être intégrée dans la conception de la prochaine génération d’outils d’interface humain-machine, pour que les gens puissent choisir de partager des données ou des informations de télémétrie pertinentes pour une tâche, ou refuser de fournir des renseignements sensibles ou superflus.

RÉDIGÉ PAR

Paul Daugherty

Directeur de la technologie et de l'innovation – Accenture

Marc Carrel-Billiard

Directeur général principal mondial – Labos Accenture

Adam Burden

Responsable – Technologie, Amérique du Nord et ingénieur logiciel en chef