Qu’apporte l’intelligence artificielle par rapport à la classique analyse de données ?
C’est un peu comme chercher une aiguille dans une botte de foin. Nous travaillons depuis toujours sur le traitement des données, que les clients captent mais ne savent pas toujours qu’en faire. Ce qui était traité par le « machine learning » est désormais traité plus en profondeur avec de l’IA, qui permet d’analyser des quantités massives d’information, bien au-delà des capacités humaines et d’en relever des signaux faibles pour anticiper des évolutions, qu’elles soient isolées ou issues d’un croisement avec d’autres sources.
Quels sont les risques liés aux données et à la confidentialité ?
Les entreprises doivent être extrêmement vigilantes quant à l’exploitation de leurs données. L’IA peut révéler des informations sensibles de manière insoupçonnée, en croisant de multiples sources. Protéger ses données et éviter qu’elles ne soient librement accessibles est essentiel. Toutefois, à moins de vouloir tout développer en interne, les entreprises doivent faire appel à des prestataires tiers, avec le risque que cela comporte, malgré les engagements contractuels. De même, il est essentiel de suivre de près les évolutions réglementaires. Aux États-Unis, nous venons de le voir récemment, les règles peuvent changer brutalement, et les entreprises doivent garder la maîtrise de leurs données pour ne pas se retrouver piégées par de nouvelles contraintes. Pour limiter ces risques, il est recommandé de recourir à des prestataires hébergeant leurs serveurs en Europe, en conformité avec les régulations. Une autre solution consiste à privilégier des infrastructures de cloud privé ou des traitements en local, afin de réduire les risques de fuite. Préserver cette autonomie permet également de conserver une certaine flexibilité vis-à-vis des solutions informatiques, notamment pour changer de prestataire si nécessaire. Ces problématiques existaient déjà avec le cloud, mais elles prennent une importance encore plus critique avec l’IA.
Quels sont les cas d’usage concrets de l’IA dans le transport et la logistique ?
L’IA peut être utilisée pour analyser ou générer des documents standardisés comme des factures ou des contrats. Elle peut aussi intervenir sur des tâches plus complexes, comme le recoupement de données pour la prise de décision ou la création de jumeaux numériques permettant de simuler des scénarios en temps réel. Cela est particulièrement utile en cas d’aléa dans une chaîne logistique ou un réseau de transport. Dans ce contexte, faire appel à une IA générale - comme ChatGPT tente de l'être - est rarement nécessaire. Nul besoin d’avoir une IA au savoir encyclopédique, ayant mémorisé toute l’Histoire de France, pour traiter des problèmes logistiques ! Des modèles plus légers, tournant en local, suffisent souvent et présentent moins de risques pour la confidentialité des données.