Les technologies d’Intelligence Artificielle proposent des outils très performants, mais la qualité de leur emploi dépend de la personne qui les utilise, selon La Tribune, article publié par Emmanuel Olivier, directeur général et membre du directoire d’Esker.
Le 30 novembre dernier, Open AI lançait ChatGPT, la dernière version de son Intelligence Artificielle (IA) générative. En quelques jours à peine, cette révolution a provoqué un raz-de-marée médiatique riche d’enseignements sur le fonctionnement de l’IA. On parle, certes, d’un outil performant, mais on lui attribue des capacités quasi magiques de création suivies par une substitution massive des emplois existants. Qu’en est-il vraiment au quotidien dans les entreprises ?
La réalité est plus prosaïque, mais les performances de l’IA permettent des gains de productivité dont les entreprises auraient tort de se passer. Plusieurs concepts se cachent derrière le terme générique d’IA, qui existe en réalité depuis plus de 10 ans. En premier lieu vient le Machine Learning ou l’apprentissage automatique. On le retrouve à la base de nombreux processus, les entreprises font du Machine Learning sans le savoir.
Prenons l’exemple de la reconnaissance de caractères ou d’images dans un processus de numérisation de commandes clients. Le système va extraire des données pertinentes (dont le numéro de commande, l’adresse de livraison, les quantités associées, les références, etc.) à partir d’e-mail, de PDF, d’images, voire de fax pour les injecter dans le système d’information. Parfois, il va se tromper, confondant une date avec le numéro d’un bon de commande ou vice-versa. L’intervention humaine permettra alors de rectifier l’erreur et le système, fort de son dispositif de Machine Learning, s’en souviendra pour la prochaine fois.
Ainsi, en analysant les corrections de l’utilisateur, l’algorithme s’ajuste automatiquement afin d’augmenter la précision du processus d’extraction au fil du temps. Plus les interactions entre l’IA et la supervision humaine sont nombreuses, plus elles permettent de converger vers une extraction parfaite et totalement automatique des données.
Différence considérable entre la machine et l’humain
Le deuxième pilier de l’IA est le Deep Learning, qui consiste à apprendre à la machine à effectuer une tâche sans nécessairement coder un algorithme qui lui explique précisément comment faire. De la même manière que si vous montrez trois ou quatre arbres à un jeune enfant, il saura rapidement identifier un nouvel arbre, même s’il est différent des précédents. Pour une machine, la différence est considérable puisqu’il lui faut observer des dizaines de milliers d’arbres pour être aussi performante. Le Deep Learning nécessite donc énormément de données validées.
Cependant, cette technologie peut être utilisée pour trier des informations entrantes. Par exemple, dans un projet de dématérialisation de factures fournisseurs, vous établissez une adresse e-mail générique pour que vos fournisseurs vous envoient leur facture. À la longue, l’adresse dédiée à l’envoi des commandes par les clients se retrouve souvent polluée par des pubs, des réclamations, des demandes de devis… sources de confusion, de perte de temps et d’inefficacité.
Jusqu’à un passé récent, le seul moyen de s’en sortir était de requérir le service d’un humain en chair et en os pour vérifier chaque e-mail et réexpédier les requêtes vers le bon service, ou, simplement, supprimer les spams. Avec le Deep Learning, il devient possible d’automatiser ce processus et donc de se passer d’une intervention humaine pour une tâche pour le moins fastidieuse.
Détection de signaux faibles
Troisième pilier, les IA Générative, façon Chat GPT, permettent d’aider les responsables de relation client à générer, rapidement, des réponses pertinentes. En réalité, la plupart des questions se ressemblent : « Où se trouve ma commande ? » « Quand serai-je livré ? » « Avez-vous bien reçu mon mail ? » On peut utiliser ChatGPT pour comprendre la question et aller chercher dans les systèmes d’informations de l’entreprise les éléments de réponse appropriés, les récupérer et proposer une réponse écrite formatée au responsable du Service Client avant son envoi. Ces gains de temps sur des tâches administratives permettent d’allouer le temps des responsables à des tâches plus intéressantes et moins chronophages.
L’intérêt technique de ces outils capables de séduire les programmeurs et les technophiles ne doit pas faire oublier leur intérêt pratique pour les entreprises. Les réponses à ces deux questions doivent aiguiller leur réflexion : à quoi ça sert ? Pouvons-nous en profiter ?
