Pendant des années, une grande partie des débats autour de l’IA s’est concentrée sur les modèles de plus en plus volumineux, les scores de référence et la possibilité de systèmes de plus en plus autonomes. Mais de nombreuses organisations constatent que sa fonctionnalité la plus utile est d’une simplicité trompeuse : elle aide simplement les gens à comprendre des informations complexes sans avoir à maîtriser au préalable des outils spécialisés.
Le passage de la génération à l’interprétation
La plupart des informations dont ont besoin les professionnels se trouvent dans des feuilles de calcul et des rapports, qui ne sont pas toujours faciles à comprendre sans connaissances ou expertise spécifiques. Dans ces cas-là, aider ces personnes à donner du sens à ces informations représente une opportunité commerciale.
Le fait est que la plupart des grandes entreprises ne manquent pas de données, mais plutôt de personnes capables de déchiffrer ce que ces données leur révèlent. Des indications précieuses sont peut-être déjà présentes, mais leur identification dépend souvent d’un analyste qui sait où chercher et comment expliquer la réponse à tous les autres. Grâce à l’IA, cela commence à changer. Plutôt que d’exiger de leurs collaborateurs qu’ils acquièrent davantage de compétences techniques, ces outils permettent de faciliter l’exploitation des informations elles-mêmes.
L’IA devient une interface
On observe déjà l’intégration d’interfaces d’IA dans les outils utilisés pour analyser les informations, ce qui marque une évolution par rapport à son utilisation exclusivement sous forme de chatbot. Par exemple, un responsable qui souhaite savoir pourquoi le taux de désabonnement a augmenté dans une région ne devrait pas nécessairement avoir à apprendre le langage SQL ni à attendre l’intervention d’une équipe chargée des données ; il pourrait simplement poser sa question en langage courant et poursuivre à partir de là. Les marchés financiers illustrent bien cette évolution, puisque forex trading s’appuie de plus en plus sur des plateformes qui transforment de grandes quantités de données de marché en graphiques et en outils visuels plus faciles à explorer et à interpréter.
Bien sûr, cela ne signifie pas que les outils spécialisés ou les analystes soient soudainement devenus inutiles. Il s’agit plutôt d’un changement dans le point de départ de la collecte d’informations et de l’analyse des données pour les professionnels ne disposant pas de connaissances techniques spécifiques.
Un accès plus facile modifie le cercle des utilisateurs des données
Une fois que l’information devient plus facile à interroger directement, cela peut également modifier le cercle des personnes autorisées à participer aux décisions fondées sur les données. Cela signifie que les analystes continuent de jouer un rôle important, mais que celui-ci consiste désormais moins à contrôler l’accès à l’information qu’à s’assurer que celle-ci est correctement interprétée. Cela signifie également que tous les collaborateurs de l’entreprise peuvent examiner eux-mêmes les informations brutes plutôt que de se fier entièrement à un tableau de bord ou à un rapport préétabli. Si un indicateur a baissé pour une raison quelconque, par exemple, vous souhaiterez peut-être savoir où et si vous avez déjà observé la même tendance auparavant. Faciliter ce type de réflexion pourrait avoir un impact significatif sur la prise de décision au quotidien des personnes occupant des postes à forte responsabilité.
À cela s’ajoute le fait que même un bon tableau de bord part du principe que l’utilisateur sait où cliquer et quel indicateur mérite son attention. Or, ce n’est pas toujours le cas : un responsable commercial peut remarquer que le taux de conversion a baissé après un changement de tarification, mais il ne comprendra pas forcément si cette baisse se concentre sur un segment particulier ni ce qui s’est passé dans des conditions similaires par le passé. C’est pourquoi une approche plus conversationnelle de l’analyse peut s’avérer avantageuse, car elle permet de raccourcir l’ensemble du processus en laissant l’utilisateur partir d’une question plutôt que d’apprendre à interpréter les données à partir de zéro.
Des réponses plus simples peuvent créer une fausse confiance
Il y a toutefois un bémol important : rendre l’information plus facile à assimiler ne la rend pas automatiquement plus fiable. Une explication en langage naturel peut paraître convaincante même lorsque l’ensemble de données sous-jacent est incomplet ou qu’il manque un contexte important… et si un système sélectionne le mauvais graphique ou présente une corrélation avec trop d’assurance, une explication trop assurée et trop lisse peut en réalité rendre le problème plus difficile à repérer.
Nous ne pouvons donc pas laisser la vérification humaine disparaître sous prétexte que l’interface est plus facile à utiliser. Les utilisateurs doivent toujours comprendre d’où proviennent les informations et si les données disponibles permettent réellement de répondre à la question posée.
Cela est particulièrement important lorsqu’une organisation tente d’expliquer pourquoi un événement s’est produit plutôt que de se contenter de le décrire. Le chemin vers une réponse est peut-être plus court, mais quelqu’un doit tout de même décider si cette réponse est pertinente.
La prochaine étape pourrait porter sur la compréhension
Au cours des prochaines années, les entreprises technologiques continueront probablement à développer des modèles plus performants, ce qui signifie que le niveau par lequel les utilisateurs appréhendent leurs propres informations continuera lui aussi à évoluer. Cela explique également pourquoi les requêtes en langage naturel et l’analyse assistée deviennent des fonctionnalités importantes des produits. Si les utilisateurs se tournent vers la même interface chaque fois qu’ils souhaitent comprendre un rapport ou enquêter sur un résultat inattendu, l’entreprise qui la fournit aura évidemment une influence considérable sur la manière dont ces informations sont présentées.
Mais cela ne s’arrête pas aux entreprises ; il en va de même pour les gouvernements, les médias et les autres institutions traitant de grandes quantités d’informations. Comme ces systèmes se situent entre les données brutes et la personne qui tente de les comprendre, les questions relatives à l’accès et au degré de confiance que l’on accorde à l’explication qui en résulte prennent une importance bien plus grande.
La véritable avancée pourrait donc résider dans le fait que rendre les informations complexes plus faciles à remettre en question et à comprendre augmente le nombre de personnes capables de les utiliser.
