À l’image de ChatGPT, Gemini, Claude, ou encore le français Mistral, de nombreux acteurs promettent de transformer les entreprises par l'automatisation, la productivité accrue et l'innovation. Mais ces technologies tiennent-elles réellement leurs promesses ou ne sont-elles qu'un effet de communication ?

Les LLM, une révolution de productivité pour des entreprises de plus en plus convaincues

Les LLM offrent des capacités d'automatisation sans précédent. Traitement des emails, génération de rapports, rédaction de contenus … désormais une multitude de tâches répétitives et chronophages peuvent être déléguées à ce nouvel assistant. À la clé : des bénéfices concrets en termes de coûts opérationnels mais aussi de gain de temps pour les ressources internes qui peuvent se concentrer sur des
missions à plus forte valeur ajoutée. Ainsi, si certaines entreprises ont pu au départ se montrer sceptiques, la plupart d’entre elles réfléchissent désormais à intégrer dans leur process métier de l’IA générative. L’intégration des “Grands modèles de langage”, comme on les nomme en Français, profite aujourd’hui à tout un panel de secteurs, depuis l’industrie, en passant par les secteurs de la santé, de la banque, ou encore de la logistique.

Les LLM peuvent offrir un avantage concurrentiel certain en permettant aux entreprises de se démarquer par des services plus rapides et plus personnalisés. Les entreprises capables d'exploiter pleinement ces technologies peuvent répondre plus rapidement aux demandes du marché, anticiper les besoins des clients et proposer des solutions innovantes. L'intégration de LLM dans le support client transforme la relation avec ce dernier. Les chatbots et autres assistants virtuels peuvent gérer une variété de requêtes, offrant des réponses instantanées et personnalisées, améliorant ainsi l'expérience client. De plus, les LLM analysent d'immenses volumes de données pour détecter des tendances et générer des idées innovantes.

Les entreprises proposant des services basés sur l’IA générative sont désormais légion. Il n’y a qu’à voir le nombre de startups créées chaque année qui intègrent l’IA générative avec plus ou moins de succès. Ce qui est sûr c’est que ce volume de création démontre un besoin et des attentes marchés évident, même si le niveau de maturité varie d’un secteur à l’autre. Cependant, il est essentiel de savoir comment déployer son LLM. Inutile, donc, d’intégrer ce type de langage si les besoins de l’entreprise n’ont pas été clairement définis en amont.

À l’heure de son déploiement à outrance, il s’agit d’une perte d’argent et de temps. Et c’est bien là le fond de la problématique : n’est-ce pas la promesse des solutions disponibles sur le marché ? Un ROI mesurable, et rapide. Investir dans une IA générative peut offrir des avantages considérables certes, mais cela nécessite une approche réfléchie et stratégique pour vraiment en tirer profit. Alors, restons pragmatique, anticipons les défis et gardons à l’esprit que l’objectif ultime est de générer des bénéfices économiques tangibles.

La face cachée des LLM : quand la révolution technologique rencontre ses limites

Cependant, l’utilisation des LLM n’est pas sans risque. Une approche prudente et réfléchie est nécessaire notamment au niveau de la sécurité et de la confidentialité des données traitées. En effet, lorsqu'une entreprise utilise une IA générative, comme ChatGPT, tout l'historique de conversation est stocké sur les serveurs de l'entreprise fournissant le service. Ces données sont souvent utilisées pour perfectionner l'entraînement du modèle, ce qui signifie que des informations confidentielles peuvent être apprises par ce dernier. Ces informations peuvent dès lors être utilisées ultérieurement pour fournir des réponses à d'autres utilisateurs du service, compromettant ainsi la confidentialité des données de l'entreprise. Il est donc essentiel de sensibiliser les salariés et les partenaires à tous les échelons afin d’assurer la sécurité lors de la manipulation de données sensibles ou vulnérables.

De plus, les biais présents dans les données d’entraînement des LLM peuvent mener à des erreurs de jugement. Prenons le cas des RH, une étude¹ a montré que certains modèles LLM traitaient différemment les candidatures en fonction de critères biaisés, ce qui soulève de graves préoccupations éthiques. À cela s'ajoute un impact social réel lié à la suppression d'emplois. Il devient nécessaire de requalifier et de former les employés pour qu'ils puissent évoluer dans un environnement de travail transformé par l'IA. Cette transition doit être gérée de manière proactive pour minimiser les impacts négatifs sur l'emploi.

Ne surestimons donc pas les capacités des LLM. Le marketing peut parfois créer des attentes irréalistes quant à leurs performances, ce qui peut entraîner un effet “déceptif”. Il apparaît capital que les entreprises communiquent de manière transparente sur les capacités réelles et les limitations de ces modèles.

Concrètement, de belles promesses, et une réglementation à surveiller...

L'adoption des LLM en entreprise est à la fois une promesse excitante et un défi complexe. Les avantages sont clairs : gains de productivité, innovation et amélioration du support client. Mais ces bénéfices doivent être pesés contre les risques sérieux de sécurité, de biais, d'impact sur l'emploi et de réglementation. Ces outils sont d’ailleurs loin de respecter les exigences de la future législation européenne sur l'IA. Les chercheurs de Stanford² ont évalué 10 modèles d'IA sur 12 critères correspondant à des exigences de l'AI Act. Bilan : aucun n'est conforme à la future réglementation européenne.

Les entreprises doivent, en ce sens, adopter une approche équilibrée, en intégrant ces technologies de manière responsable et en restant transparentes sur leurs capacités et leurs limites. L'avenir des LLM en entreprise est certes prometteur, mais il exige une gestion prudente et éclairée pour éviter de tomber dans le piège de la simple « hype » technologique. Faisons de ces langages un allié du quotidien et non un concurrent dans la recherche de rentabilité et de performance !

Par Julien Tessier, CEO de LockSelf

¹ Etude sur les perceptions et comportement des recruteurs face aux recommandations humaines et algorithmiques lors de la présélection de CV, par Alain Lacroux (Paris 1 Panthéon Sorbonne) et Christelle Martin-Lacroux (Université Grenoble Alpes) (PDF, 1.01 Mo)

² Etude Stanford - “Do Foundation Model Providers Comply with the Draft EU AI Act?”