AI Expert | Anthony Alcaraz (Chief AI Officer & Strategist, Aldecis)

Dans le cadre de notre dossier « Expert I.A : La force des algorithmes pour résoudre les énigmes du futur. », Anthony Alcaraz, Chief AI Officer & Strategist chez Aldecis, a accepté de faire un point sur l’année écoulée et sur les grands enjeux du secteur de l’IA.

Intelligence-artificielle.Com : Pouvez-vous vous présenter à nos lecteurs ? (Quel poste occupez-vous, dans quelle entreprise)

Anthony Alcaraz (Aldecis) : J’occupe actuellement le poste de Chief AI Officer chez Aldecis. Dans ce rôle, je me concentre sur le développement et la mise en œuvre de solutions IA et la création de partenariats stratégiques pour renforcer la visibilité de la marque dans le secteur technologique.

Avec une formation en Gestion du Secteur Public de Sciences Po Strasbourg et EN3S, et une expérience en tant que haut fonctionnaire, je combine les perspectives du secteur public avec sa connaissance de l’IA et de la Business Intelligence.

Malgré une période de transition au cours des deux dernières années, j’ai joué un rôle clé dans la rationalisation des flux de travail d’apprentissage automatique et m’intéresse particulièrement aux Opérations des Grands Modèles Linguistiques (LLM Ops) et aux Opérations d’Apprentissage Automatique (ML Ops).

Mon esprit créatif, issu de son passé dans le théâtre, et sa passion pour l’IA et l’apprentissage automatique, lui permettent d’apporter des perspectives innovantes aux solutions efficaces de prise de décision.

Je publie régulièrement sur les sujets data et IA en langue anglaise sur LinkedIn et Medium.

Quelles sont les dernières avancées et innovations dans le domaine de l’IA qui ont retenu votre attention récemment

Dernièrement, les avancées dans le domaine de l’intelligence artificielle (IA) ont été marquées par l’évolution des grands modèles de langage, comme le GPT-3. Ces modèles, appelés grands modèles de langage (LLMs), ont montré une compétence remarquable dans diverses tâches de traitement du langage naturel grâce à leur capacité à modéliser des motifs statistiques dans d’énormes corpus. Toutefois, leur capacité de connaissance reste limitée à ce qui peut être capturé par leurs paramètres de modèle.

Pour dépasser ces contraintes, l’accent a été mis sur l’augmentation des LLMs avec des sources de connaissances externes. En fournissant des informations contextuelles supplémentaires pendant l’inférence, ces modèles peuvent offrir des réponses plus factuelles et fondées. Cependant, l’intégration efficace des connaissances externes dans les LLMs nécessite des décisions architecturales clés. Ces décisions incluent l’identification de sources de connaissances appropriées et la sélection de techniques de récupération de connaissances adaptées.

Quels secteurs ont le plus bénéficié de l’intégration de l’IA

Je pense que l’IA a surtout bénéficié aux secteurs de la tech à l’heure actuelle.

Il existe, à ce jour, un pourcentage élevé de projets d’intelligence artificielle (IA) qui ont échoué dans les autres secteurs.

C’est expliqué par plusieurs raisons :

Attentes irréalistes : L’IA est souvent perçue comme une solution miracle pour tous les problèmes. Cependant, sans une compréhension claire de ce que l’IA peut et ne peut pas accomplir, les projets sont voués à décevoir.
Manque de données de qualité : L’IA, en particulier l’apprentissage profond, nécessite d’énormes quantités de données de haute qualité pour s’entraîner. Si les données sont insuffisantes, biaisées ou de mauvaise qualité, le modèle sera inefficace ou inexact.
Compétences et expertise : Il existe une pénurie de talents spécialisés en IA. Sans une équipe ayant l’expertise nécessaire, les projets peuvent être mal dirigés ou mal exécutés.
Intégration avec les systèmes existants : Intégrer de nouvelles solutions d’IA dans des systèmes existants peut s’avérer compliqué, surtout si ces systèmes sont obsolètes.
Complexité des modèles : Les modèles d’IA peuvent devenir extrêmement complexes et difficiles à gérer ou à interpréter, ce qui peut entraîner des erreurs ou des malentendus.
Manque de soutien organisationnel : Pour qu’un projet d’IA réussisse, il doit être soutenu à tous les niveaux de l’organisation. Cela inclut l’investissement financier, mais aussi la formation et la sensibilisation.
Questions éthiques et réglementaires : Les préoccupations concernant la vie privée, la sécurité, et les biais peuvent entraver la mise en œuvre de projets d’IA.
Absence d’une stratégie claire : Lancer un projet d’IA sans une stratégie ou un objectif clair peut conduire à des efforts dispersés et à des résultats médiocres.
Évaluation inadéquate : Sans méthodes appropriées pour évaluer et tester les modèles d’IA, il est difficile de mesurer leur efficacité réelle ou de détecter des problèmes potentiels.
Résistance au changement : Dans de nombreuses organisations, l’adoption de nouvelles technologies peut rencontrer une résistance due à la peur du changement ou à l’incompréhension de la technologie.

Comment voyez-vous l’avenir de l’IA et son impact sur la société

L’avenir de l’intelligence artificielle (IA) est prometteur et son potentiel est souvent comparé à celui de l’électricité en termes d’applicabilité universelle.

Sur le plan technique, l’IA englobe des techniques telles que l’apprentissage supervisé, qui est largement adopté pour les tâches de classification et d’étiquetage. D’autre part, l’IA générative, y compris les grands modèles de langage comme GPT, bien que plus petite en échelle, connaît une croissance rapide.

En ce qui concerne les tendances d’adoption, une grande partie de la valeur de l’IA est actuellement concentrée dans les entreprises technologiques et d’internet grand public. Cependant, l’adoption est entravée par le besoin d’équipes spécialisées en IA et par le fait que de nombreuses entreprises n’ont pas l’échelle nécessaire pour exploiter pleinement l’IA. Malgré ces défis, la démocratisation de l’IA est en marche, avec l’émergence d’outils sans code et à faible code qui permettent une personnalisation par les utilisateurs finaux.

L’avenir présente également d’énormes opportunités, avec de nombreux cas d’utilisation encore inexploités, étant donné que l’IA est une technologie polyvalente. Des outils comme GPT accélèrent la construction d’applications basées sur l’IA, et de grandes opportunités existent en dehors du noyau technologique de l’IA.

Cependant, l’IA présente également des défis sociaux et éthiques. Les préoccupations comprennent la perte d’emplois, les biais inhérents à l’IA, et le battage médiatique autour de l’IA générale (AGI). Bien que l’AGI ne soit pas considérée comme une menace existentielle imminente, il est essentiel de prendre soin de ceux qui sont perturbés par l’IA et de guider les progrès de manière éthique.

En conclusion, tout en reconnaissant l’énorme potentiel de l’IA, il est crucial d’aborder son développement et son déploiement de manière éthique et responsable, en tenant compte de l’impact sur la société. La clé réside dans l’équilibre entre l’exploitation de ses avantages et la minimisation de ses risques.

Quel est votre avis sur l’impact qu’a et qu’aura l’IA sur l’emploi en France ?*

Selon le rapport « The state of AI in 2023 » de Mc Kinsey, 33 % des entreprises dans le monde utilisent déjà régulièrement l’IA générative. Cette diffusion rapide transforme de nombreux métiers, surtout dans le marketing, le développement de produits et services, et le support client.

Le rapport estime qu’environ 40 % des employés devront être requalifiés d’ici 3 ans, et seulement 8 % des réductions d’effectifs. Les recrutements se font sur les profils IA (data engineers, machine learning…).

Le rapport « Generative AI and the future of work in America » de Mc Kinsey estime qu’aux États-Unis, l’automatisation pourrait impacter 30 % des heures travaillées d’ici 2030. L’IA générative accélère cette tendance, notamment dans les métiers administratifs, la vente et les services à la clientèle.

Cependant, le rapport américain ne prévoit pas de destruction nette d’emplois aux États-Unis. Les gains dans la santé, les STEM, la construction et les métiers qualifiés devraient compenser les pertes. Les femmes et les travailleurs peu qualifiés seront plus impactés.

Bien que la France ait un contexte différent, des tendances similaires sont probables. Nous pouvons nous attendre à des destructions d’emplois dans certains métiers, mais couplées à de nouvelles créations liées à l’IA. L’enjeu sera d’accompagner les reconversions, via des formations adaptées.

Les entreprises devront recruter sur les compétences plutôt que les diplômes et donner des formations continues à leurs employés.

L’impact dépendra des politiques mises en place. Si la France investit dans les compétences, l’emploi et régule l’IA de façon éthique, le solde net pourrait être positif. Mais cela demande une stratégie proactive de l’État, des entreprises et des individus pour s’adapter à ces changements rapides.

Quels sont les principaux défis éthiques liés à l’IA et comment les abordez-vous dans votre travail ?

Les principaux défis éthiques liés à l’intelligence artificielle sont multiples. Dans mon travail, j’accorde une attention particulière aux aspects suivants :

La transparence et l’explicabilité des systèmes d’IA. Il est important de comprendre comment ils fonctionnent et sur quels données/logiques ils se basent pour prendre des décisions. J’essaie de documenter mes modèles de la manière la plus claire possible.
Les biais et les discriminations. Les données et algorithmes peuvent reproduire des stéréotypes sociétaux. Je vérifie la qualité et la représentativité des données, et je surveille les résultats des modèles.
La vie privée et la confidentialité. J’accorde une grande importance à la protection des données personnelles et au respect de la réglementation.
La sécurité. Je reste vigilant sur les cyber-risques et je mets en place des procédures de tests et de validation rigoureuses avant tout déploiement.
La gouvernance. J’essaie de suivre les principes d’IA responsable dans la conception des systèmes, en impliquant les parties prenantes.
L’impact sociétal. Je réfléchis aux conséquences positives et négatives potentielles des technologies développées.

Je pense que l’éthique implique un questionnement permanent. Mon approche consiste donc à intégrer ces défis dès la conception des projets, et à maintenir un dialogue ouvert avec les parties prenantes.

Quelles sont, selon vous, les opportunités et les défis futurs pour les experts en IA, notamment en ce qui concerne l’évolution de la technologie et de la réglementation ?

Selon moi, les experts en intelligence artificielle feront face à des opportunités, mais aussi à des défis importants dans les années à venir, liés à l’évolution rapide de la technologie et à l’émergence de nouvelles réglementations.

Les opportunités comprennent :

La possibilité de travailler sur des technologies de pointe comme l’apprentissage profond, les modèles génératifs, la robotique avancée, etc.
Contribuer à des applications d’IA à fort impact positif dans des domaines comme la santé, l’environnement, l’éducation.
Développer de nouvelles spécialités liées à l’éthique et la gouvernance des systèmes d’IA.

Les défis comprennent :

S’adapter à l’évolution rapide des techniques d’IA, avec besoin de formation continue.
Gérer la complexité croissante des systèmes d’IA, et les risques associés.
Intégrer les contraintes éthiques et légales, qui commencent à émerger avec les réglementations sur l’IA.
Communiquer de manière transparente sur les capacités et limites des technologies d’IA.
Travailler de concert avec les parties prenantes pour développer une IA responsable et bénéfique à la société.

Les experts en IA auront un rôle central pour relever ces défis, en adoptant une approche éthique, pluridisciplinaire et tournée vers l’innovation responsable. Leur expertise sera essentielle pour construire une IA robuste, digne de confiance et créatrice de valeur.

Quels conseils donneriez-vous à ceux qui souhaitent se lancer dans une carrière dans l’IA ?
Voici quelques conseils que je donnerais à quelqu’un qui souhaite se lancer dans une carrière dans l’intelligence artificielle :

Se former en permanence : l’IA évolue rapidement, il est donc essentiel de se former régulièrement aux nouvelles techniques via des MOOCs, tutoriels, livres, etc.
Développer ses compétences en programmation : maîtriser au moins un langage comme Python est indispensable pour manipuler et analyser des données.
S’entraîner sur des jeux de données : participer à des challenges Kaggle ou travailler sur des projets open source permet d’acquérir de l’expérience.
Se spécialiser : il existe de nombreux domaines d’application de l’IA (vision par ordinateur, NLP, robotique, etc.), il est recommandé de se concentrer sur l’un d’eux.
Élargir ses connaissances : l’IA nécessite des compétences pluridisciplinaires (maths, stats, informatique), il est donc intéressant d’avoir des bases solides dans ces domaines.
Rester à jour des avancées : lire régulièrement des articles et publications scientifiques permet de rester au fait des dernières innovations.
Développer des qualités humaines : la curiosité, la rigueur, l’éthique et le travail d’équipe sont des atouts clés pour un spécialiste de l’IA.
Se créer un portfolio : disposer de projets concrets est un plus pour démontrer ses compétences auprès des recruteurs.