Gilles Cymbalista

Gilles Cymbalista

Vice-président spécialiste de l’intelligence artificielle au sein du Centre d'innovation Digitale - CGI

Explorez les sujets clés

  1. Gérer les énormes volumes de données
  2. Garantir la durabilité de l’IA générative
  3. Élaborer une feuille de route ciblée et durable en matière d’IA générative

Alors que les organisations évoluent rapidement vers l’utilisation de l’intelligence artificielle (IA) générative, beaucoup d’encre a coulé sur les considérations à garder à l’esprit lors de l’exploration et de la mise en œuvre de cette technologie prometteuse. On compte parmi celles-ci le choix des bonnes solutions et du bon fournisseur d’IA, la gestion des données, y compris leur sécurité et leur confidentialité, l’utilisation de l’IA de manière responsable et ainsi de suite.

Cependant, deux considérations importantes sont souvent absentes de cette réflexion : la souveraineté des données et le développement durable.

Il ne fait aucun doute que l’IA et le développement durable sont des tendances importantes dans tous les secteurs, partout dans le monde. L’étude La voix de nos clients 2023 de CGI, par exemple, révèle que 57 % des hauts dirigeants des fonctions d’affaires et du secteur des technologies explorent l’intelligence artificielle ou font des preuves de concept, et que 55 % d’entre eux considèrent que le développement durable est essentiel à la création d'une valeur future pour les parties prenantes. Ces deux éléments sont essentiels pour bénéficier d’un avantage concurrentiel.

Cependant, de nombreux défis sont associés à chacun d’entre eux, notamment : 1) réduire le champ d’application des données de l’IA, et c’est là que la souveraineté des données entre en jeu, et 2) gérer l’impact de l’IA sur le développement durable. Ces deux défis doivent être relevés pour que les organisations puissent à la fois tenir les promesses de l’IA générative et continuer à faire progresser leurs engagements en matière de changement climatique.

Gérer les énormes volumes de données

Les données alimentent l’IA générative, et le volume de données est colossal et ne cesse de croître. Cela soulève la question de la souveraineté des données. Comment déterminer quels types et quelle quantité de données numériser, stocker, analyser et utiliser à des fins commerciales?

La souveraineté des données implique de fixer des limites pour guider l’utilisation de la puissance de l’IA dans l’analyse de grands volumes de données. L’objectif final est de compiler un ensemble ciblé et fiable de données, adaptées à l’objectif visé.

Une expertise et des compétences spécialisées sont nécessaires pour assurer une souveraineté efficace des données. Un modèle et des systèmes de gestion des données appropriés sont également requis. Par exemple, quel modèle de gestion – décentralisé ou centralisé – est le mieux adapté à votre organisation?I De quels types de systèmes avez-vous besoin pour interagir avec de grands modèles de langage et comment choisir le bon écosystème? Autre question : comment pouvez-vous aligner votre modèle et vos systèmes aux exigences réglementaires, telles que le Règlement général sur la protection des données (RGPD) en Europe et d’autres directives similaires dans le monde? Enfin, comment garantir une utilisation responsable de l’IA générative lorsque vous numérisez et manipulez des quantités massives de données à de nouvelles fins commerciales?

Je vous invite à lire nos articles de blogue qui approfondissent les thèmes de l’adoption responsable de l’intelligence artificielle et de l’utilisation d’un écosystème d’IA multimodèle.

Garantir la durabilité de l’IA générative

La durabilité est un autre élément clé à prendre en compte lorsqu’il s’agit de mettre en œuvre une IA générative. Les ressources informatiques utilisées pour numériser des quantités massives de données, analyser des modèles et imiter le comportement humain nécessitent de grandes quantités d’électricité pour faire fonctionner les systèmes et d’eau pour les refroidir. Par exemple, des entreprises comme Microsoft, OpenAI et Google ont fait état d’une augmentation significative de leur consommation d’eau au fur et à mesure qu’elles développaient de nouvelles solutions d’IA. Pour réduire la chaleur générée par les systèmes d’intelligence artificielle, il faut pomper de l’eau à partir de sources proches, comme les rivières, dans les tours de refroidissement des centres de données.

Les organisations qui souhaitent introduire ou accélérer l’utilisation de l’IA générative doivent tenir compte de l’augmentation de la consommation d’énergie qu’elle nécessite et des coûts associés. Il faut trouver des moyens d’en améliorer l’efficacité énergétique. C’est là qu’un expert disposant d’un savoir-faire et d’une expérience en matière d’IA et de développement durable peut vous aider.

Nous réalisons des évaluations pour nos clients qui démontrent comment ils peuvent préciser leurs projets d’IA pour se concentrer sur les bonnes connaissances, c’est-à-dire garantir la souveraineté des données, tout en mettant en œuvre des pratiques d’IA efficaces sur le plan énergétique. Ces évaluations peuvent les aider à réduire jusqu’à 50 % leur consommation d’énergie liée à l’IA.

Élaborer une feuille de route ciblée et durable en matière d’IA générative

Si votre organisation explore l’utilisation de l’IA générative ou pense la mettre en œuvre, voici quelques recommandations pour tenir compte de la souveraineté des données et de la durabilité.

  1. Adoptez une approche progressive – Abordez vos initiatives d’IA générative de manière progressive, en commençant par une évaluation de base de la situation actuelle et une identification claire des exigences, des possibilités et des défis. Ensuite, établissez une feuille de route étape par étape, avec des jalons et des objectifs réalistes concernant les données et la manière dont elles sont consultées et les implications environnementales qui résultent de leur traitement.
  2. Élaborez des preuves de concept – Dans le cadre de nos travaux sur l’IA avec des clients de tous secteurs, nous avons appris la valeur des preuves de concept. Prendre le temps de réaliser une preuve de concept avant de se lancer dans un projet à grande échelle, en particulier dans un domaine qui évolue rapidement comme l’IA, permet de minimiser les risques et de garantir de meilleurs résultats.
  3. Trouvez le bon partenaire – Il est essentiel de trouver un partenaire capable d’offrir non seulement une expertise et des solutions en matière d’IA, mais aussi des capacités de gestion des connaissances et de développement durable. Un tel partenaire peut fournir tous les conseils nécessaires à une mise en œuvre réussie.
  4. Assurez une collaboration étroite – Le bon partenaire n’est pas d’une grande utilité s’il n’y a pas une forte collaboration entre ses équipes et les vôtres. Assurez-vous que votre partenaire propose des meilleures pratiques, des outils et d’autres ressources pour garantir un travail d’équipe efficace.

L’IA générative est en train de changer les affaires et le monde. Il y a beaucoup de choses à prendre en considération lorsque l’on s’oriente vers l’IA. Mieux vous serez préparés, meilleurs seront vos résultats. Nous pensons que la souveraineté des données et le développement durable sont deux facteurs de réussite sur la voie de l’IA générative. Investir dans ces éléments peut vous donner un avantage concurrentiel.

CGI se spécialise dans ces deux domaines et peut vous aider à maximiser chacun d’entre eux. N’hésitez pas à communiquer avec moi pour en savoir davantage sur notre travail.

A PROPOS DE L'EXPERT

Gilles Cymbalista

Gilles Cymbalista

Vice-président spécialiste de l’intelligence artificielle au sein du Centre d'innovation Digitale - CGI

Gilles fait partie du centre d’innovation digitale de CGI en France, où il occupe le poste d’expert en science des données. Dans ce rôle, il conseille les clients et développe des solutions de preuve de concept pour plusieurs services, y compris sur la façon d’adopter ...