Pourquoi l’IA d’entreprise est une évolution, pas une révolution
Une IA omniprésente mais précipitée
Il est aujourd’hui impossible d’échapper à la vague médiatique entourant l’intelligence artificielle (IA). Chaque semaine, de nouveaux domaines sont annoncés comme étant « révolutionnés » par l’IA : de l’industrie pharmaceutique à l’édition, du déminage à des domaines insoupçonnés comme la gestion des réseaux d’égouts. Cette effervescence donne parfois l’impression d’une course effrénée vers une transformation totale de nos sociétés.
Mais faut-il vraiment embrasser cette course sans réfléchir ? Pour Manoj Chaudhary, CTO chez Jitterbit, la réponse est non. Il prône une approche plus mesurée : une évolution progressive, conçue pour renforcer les humains plutôt que les remplacer. Cette vision propose une IA comme multiplicateur de compétences, et non comme un substitut.
Deux visions opposées de l’avenir de l’IA
Traditionnellement, les économistes considèrent que les nouvelles technologies profitent à l’ensemble de la société, même si ces bénéfices ne sont pas toujours équitablement répartis. Mais des données de plus en plus précises viennent nuancer cette vision. Deux chemins s’offrent à nous.
Le premier est descendant et disruptif : on cherche à créer une IA capable de remplacer les humains, quitte à supprimer des postes entiers. Cette vision, motivée par l’efficacité et la rentabilité à court terme, peut sembler séduisante, mais elle présente de nombreuses limites.
Les échecs de l’IA imposée
Des exemples concrets viennent illustrer les dérives d’une mise en œuvre trop rapide et mal pensée :
- McDonald’s a mis fin à un projet pilote de deux ans sur des preneurs de commandes IA. Résultat : des erreurs fréquentes, comme ajouter du bacon à des glaces ou confondre une commande avec « 2 610 nuggets ».
- Air Canada a été condamnée suite à des informations erronées fournies par son chatbot. Le juge a considéré que si une IA remplace un humain, elle doit assumer les responsabilités associées.
Ces cas illustrent un point essentiel : vouloir précipiter une révolution technologique sans en maîtriser les contours peut aboutir à des produits décevants, des clients insatisfaits, moins d’emplois et des risques accrus – sans réel gain pour l’entreprise.
La « technologie couci-couça » : ni bonne, ni mauvaise
Quand la technologie remplace sans améliorer
Le professeur Daron Acemoglu (MIT) et Pascual Restrepo (Université de Boston) parlent de « technologie couci-couça » : une technologie juste assez performante pour remplacer des humains, mais pas assez pour améliorer l’expérience.
Un exemple typique : les caisses automatiques. Censées révolutionner la grande distribution, elles ont :
- Supprimé certains postes sans les remplacer complètement
- Rendu l’expérience client plus laborieuse
- Multiplié les tâches pour les employés restants
Aujourd’hui, de nombreuses enseignes reviennent en arrière, réduisant ou éliminant ces dispositifs. Plutôt qu’une révolution ratée, il s’agit d’une correction nécessaire. La leçon à tirer ? Mieux vaut évoluer pas à pas, plutôt que de vouloir tout changer d’un coup.
Construire une IA au service des utilisateurs
L’exemple de Jitterbit : une stratégie pensée
Chez Jitterbit, l’IA est intégrée progressivement, de manière intentionnelle et centrée sur l’utilisateur. L’objectif n’est pas de « faire de l’IA pour faire de l’IA », mais d’ajouter une réelle valeur.
Ce refus de céder à la hype s’oppose à certaines pratiques douteuses dans le secteur. Par exemple, Meta a récemment annoncé vouloir former ses modèles IA à partir des données utilisateurs, sans consentement explicite. En Europe, cette initiative a été stoppée net par la régulation, rappelant les précédentes sanctions liées à la protection des données.
L’IA modulaire et indépendante
Un autre défi majeur : la dépendance à un fournisseur unique. Si une entreprise s’appuie exclusivement sur un modèle IA (comme ChatGPT, qui a connu des interruptions), elle se rend vulnérable.
Jitterbit prend le contrepied en construisant une technologie indépendante de tout fournisseur. Grâce à une architecture modulaire, les entreprises peuvent utiliser différents LLMs (Large Language Models) : Mistral, Perplexity, Copilot, Azure AI, etc.
Cette flexibilité permet de :
- Choisir l’outil le plus adapté à chaque tâche
- Préserver la souveraineté des données
Maximiser la valeur ajoutée de chaque solution
Conclusion : une IA utile, humaine et durable
L’approche défendue ici est claire : l’IA ne doit pas être une mode, mais un outil réfléchi, qui aide les humains à aller plus loin. L’évolution, plutôt que la révolution, assure une adoption durable, une meilleure expérience pour les utilisateurs et une valeur concrète pour les entreprises.
Chez Jitterbit, cette vision guide les prochaines étapes. L’objectif : créer une IA intégrée, utile et respectueuse des utilisateurs, qui évolue avec eux plutôt qu’en dépit d’eux.