La démocratisation de la technologie accélérera-t-elle les progrès de l’IA ?

Si vous deviez sonder l’industrie informatique aujourd’hui pour « la technologie la plus en vogue de notre époque », je postule que l’intelligence artificielle serait facilement en tête de liste.

Et pour cause, la dernière décennie de progrès en IA a été passionnante à coup sûr. Mais le impact de cette innovation suit le principe de William Gibson : « L’avenir est déjà là, il n’est tout simplement pas réparti de manière égale.

Ce qui est particulièrement amusant à propos de l’IA, c’est que les gens pensent que le succès de l’IA doit être uniformément réparti. Si Tesla peut piloter automatiquement votre voiture et que Google Photos peut faire correspondre les visages de vos parents âgés à leurs photos de bébé, pourquoi votre entreprise ne peut-elle pas augmenter ses revenus et réduire ses coûts via l’IA ? Zut, l’IA ne sait même pas comment charger votre pile de feuilles de calcul dans un entrepôt de données !

Alors, qu’est-ce qui cause la déconnexion entre l’innovation et l’impact de l’IA ? Le problème est double. Premièrement, tous les défis informatiques ne sont pas les mêmes. Alors que certains sujets passionnants comme la vision par ordinateur ont fait d’énormes progrès ces dernières années, la plupart des problèmes de traitement des données d’entreprise traditionnellement douloureux sont encore bien au-delà des capacités de l’IA de pointe d’aujourd’hui. Deuxièmement, les outils et pratiques d’ingénierie pour une IA et un apprentissage automatique réussis en sont encore à leurs balbutiements.

Les magasins Big Tech d’aujourd’hui résolvent en grande partie leurs problèmes de données et d’IA en embauchant des armées d’ingénieurs logiciels experts pour « assembler à la main » des pipelines de données avec des morceaux d’IA. Ceci est exacerbé par l’état disparate des outils open source. À moins que votre entreprise ne puisse recruter de nombreux développeurs de logiciels de qualité Silicon Valley, vous n’avez pas de chance. Pour démocratiser les progrès de l’IA, nous devons faire quelques choses clés :

• Focus sur les interfaces homme-IA : Nous devons admettre que dans de nombreux contextes, l’IA ne peut pas parcourir toute la distance. Au lieu de cela, nous avons besoin que les innovateurs se concentrent sur l’IA en tant que augmentation du travail humain, pas un remplacement.
• Rassembler les gens à travers les ensembles de compétences : Nous devons comprendre que la démocratisation de la technologie doit rassembler des groupes aux compétences différentes. La prochaine génération d’outils d’IA doit permettre à toutes les parties prenantes clés de faire leur travail comme bon leur semble, tout en partageant les défis et les progrès de chacun.

Les magasins Big Tech d’aujourd’hui résolvent en grande partie leurs problèmes de données et d’IA en embauchant des armées d’ingénieurs logiciels experts pour « assembler à la main » des pipelines de données avec des morceaux d’IA. Ceci est exacerbé par l’état des outils open source. À moins que votre entreprise ne puisse recruter de nombreux développeurs de logiciels de qualité Silicon Valley, vous n’avez pas de chance.

C’est pourquoi à l’avenir, je vois trois tendances clés qui joueront un rôle important dans la démocratisation de l’IA :

1. Ingénierie des données: Je prédis que les interfaces centrées sur les développeurs comme SQL et Python deviendront de plus en plus interopérables avec des outils low-code. Sous la maturation logicielle, les services hébergés dans le cloud rendront cette nouvelle technologie très facile à adopter.
2. Ingénierie de l’IA: Je prédis que les MLOps entreront dans une phase d’explosion cambrienne en 2022. Nous le voyons sur le marché des startups où les entreprises se bousculent pour résoudre des éléments étroits du pipeline global d’ingénierie de l’IA. Certaines de ces startups trouveront des points de levier de grande valeur dans ces pipelines et gagneront du terrain rapidement ; d’autres disparaîtront.
3. Code bas et pas de code: Je prédis que la prochaine génération d’applications low-code et no-code pourra fonctionner comme des “assistants de programmation automatiques” qui utilisent l’IA générative et la synthèse de programme. Les non-codeurs pourront générer l’équivalent moral d’un logiciel personnalisé sans avoir besoin de savoir comment (ou si) ils le font.

L’année prochaine promet d’être une période très déroutante pour l’IA, en particulier dans des domaines comme les MLOps où la pile n’a pas commencé à trembler. Assurez-vous de garder un œil sur les interfaces homme-IA qui facilitent l’intelligence augmentée à l’aide d’outils low-code et no-code. Alors que les actualités technologiques sur les réalisations de l’IA continueront de vous exciter avec des possibilités, comprenez que les utilisations pratiques de l’IA dans les affaires resteront rares.