Les profils compétents et la qualité des données sont les principaux freins au développement de l’IA dans les services

L’intelligence artificielle (IA) est en train de révolutionner de nombreux métiers. Du coté des services, son potentiel est particulièrement fort sur le front de la voix et du langage, et sur celui du traitement des données à grande échelle. Pour autant, des freins et risques existent. Ils sont liés essentiellement au manque de profils spécialisés IA disponibles sur le marché. Mais aussi à la qualité des données traitées.

International Data Corporation (IDC) vient de publier un rapport montrant que l’adoption de l’IA se développe, partout dans le monde. Toutes les grandes sociétés investissent dans cette technologie. Un quart des entreprises l’utilisent déjà. Un tiers ont des projets en production.

Les niveaux d’adoption et de qualité de l’IA vont creuser des fossés entre entreprises

Mais l’IA recouvre plusieurs réalités. Dans le secteur des services, les deux technologies en pôle sont le traitement des données à grande échelle et, surtout, le traitement du langage (pour fluidifier les parcours client en livrant une partie des processus à des chatbots ou voicebots).

L’IA risque de creuser un fossé entre les entreprises matures sur cette technologie, et celles à la traîne. Mais aussi, parmi les entreprises matures, un fossé entre celles qui utilisent correctement l’IA et celles qui l’utilisent de manière erronée.

Un manque dommageable de profils compétents

Mais les entreprises de service vont devoir relever deux défis d’importance pour proposer des solutions IA efficaces à grande échelle. Le premier est lié aux compétences. Des ingénieurs ou techniciens spécialisés en IA sont une denrée rare et chère sur le marché du travail. En quatre ans, les embauches dans ce secteur se sont envolées de 74%. Le risque, naturellement, est de choisir des profils insuffisamment qualifiés, faute de candidats (ou d’expertise en interne pour choisir les bons candidats).

Le second défi, corollaire du premier, est lié aux données. Pour que l’IA produise de bons résultats, elle doit apprendre à partir d’une base de données propre et non orientée. Car une IA ne peut désapprendre. Si son apprentissage a provoqué des biais, les corriger est tellement long que recommencer de zéro est souvent préférable !

La qualité de la donnée en question

« Il faut s’appuyer sur une base de données qui représente bien l’espace du “possible” d’un point de vue probabiliste. Si ce n’est pas le cas, l’algorithme donnera de mauvais résultats comme nous l’avons vu récemment avec un algorithme visant à « déflouter » les images. Développée par des chercheurs de la Duke University, cette solution est affectée de biais discriminatoires et racistes, car sa base de données n’intégrait pas assez la diversité de la population », insiste Olivier Ezratty, du cabinet McKinsley.

De ce point de vue, la situation est même inquiétante. Gartner Research prévoit ainsi qu’en 2022, 85% des IA produiront des résultats erronés. En cause : des biais dans la création des algorithmes ou dans les données pour l’apprentissage, en raison d’un manque de compétences en interne. Des soucis en perspective pour les branches IA de nombreuses entreprises de services.