L'IA pourrait-elle laisser votre business sur le carreau ? Insights d'experts IoT

Mark Troester, VP Strategy chez Progress a récemment admis que l'adoption rapide de l'IA dans l'industrie de l'Internet des Objets (IoT) pourrait être prématurée. En tant que développeur IoT chevronné et fournisseur d'outils, la perspective de Troester est ancrée dans les défis de déploiement réels.

L'écrivain IT freelance Nick Booth fait écho à ces préoccupations, notant un scepticisme croissant sur le rôle de l'IA au travail. Il pointe le rapport Workforce Futures de Fuze, qui révèle que 40 % des travailleurs expérimentent déjà l'IA dans leur entreprise, pourtant 84 % préféreraient parler à un humain qu'à une machine. Ce fossé souligne la valeur durable de l'expertise humaine.

Pourquoi l'IA commence derrière l'intelligence humaine

Les systèmes d'IA sont fondamentalement limités par la portée des connaissances de leurs créateurs. Même les modèles les plus avancés sont entraînés sur une tranche étroite de l'expérience humaine, signifiant qu'ils ne peuvent qu'approximer, jamais répliquer, la profondeur de la cognition humaine. De plus, tandis que les humains possèdent un spectre de styles d'apprentissage — sensoriel, visuel, actif, réflexif, séquentiel, global — le machine learning repose sur des processus linéaires, mathématiquement pilotés, qui ne peuvent pas pleinement capturer cette diversité.

L'IA est-elle unidimensionnelle ?

Le machine learning excelle à la reconnaissance de patterns et au traitement de données à grande échelle, mais il manque la nuance contextuelle qui vient de modalités d'apprentissage variées. Bien que l'IA puisse traiter les données plus vite que les humains, elle ne peut pas encore anticiper les défis complexes, souvent non structurés, qui surgissent dans les déploiements IoT réels.

De nombreuses entreprises, dans leur hâte d'automatiser, ont supprimé les points de contact humains essentiels de leurs systèmes de support IoT, assumant que chaque problème peut être géré par une machine. Troester met en garde que cette approche « jumping the gun » peut laisser les entreprises vulnérables.

Combler le fossé : rendre l'IA accessible

Malgré ses limites, l'IA devient plus accessible. Une vague de capteurs intelligents connectés génère des données granulaires, tandis que des plateformes évolutives permettent maintenant la collecte, le stockage et le traitement à grande échelle. Troester met en lumière l'automatisation du cycle de vie de la data science — essentiellement « appliquer l'IA à l'IA » — comme un game-changer. En automatisant l'entraînement et la validation des modèles, les data scientists peuvent se concentrer sur l'analyse stratégique plutôt que les tâches répétitives, augmentant la valeur tangible de l'IA.

Les données de l'étude de Fuze montrent que 26 % des travailleurs croient que l'IA aura le plus grand impact réel sur le lieu de travail, un chiffre cinq fois supérieur à l'influence projetée de la blockchain. Pendant ce temps, seulement 8 % des pros IT voient l'IA comme la tech la plus surestimée de 2018, et 23 % considèrent la réalité virtuelle comme la plus prétentieuse.

L'insight le plus révélateur de l'étude est que les jeunes générations sont les plus sceptiques envers les technologies IA — un signe encourageant que la prochaine vague de talents exigera des solutions IA réfléchies, human-centric.

Auteur : Nick Booth, rédacteur IT et communications freelance.