Pourquoi la révolution de L’ intelligence Artificielle ne fait que commencer
Dans un article récent (2024) , Engberg et al [1], exploitent des sources de données publiques sur la façon dont les #algorithmes d'IA se sont améliorés ces dernières années et sur la façon dont cette exposition à l'IA affecte les entreprises, en particulier dans le contexte de l'emploi. La réponse ? Pas de suppression d'emplois, mais une nette montée en gamme où la demande d'emploi se déplace vers des compétences plus élevées. Mais au-delà de ce focus sur le marché du travail, les données issues des bases de données publiques de PWC et de l'EFF fournissent également une vision fondamentale de la façon dont la revolution est en trainde se jouer.
En creusant dans les données, voici quatre enseignements, , tirés de l'analyse des données des bases de données PWC/EFF :
- Tous les domaines de l'IA ne sont pas égaux : Alors que la reconnaissance d'images et de la parole a connu des avancées majeures au début des années 2010, la #traduction automatique a fait des percées dix ans plus tard. Cependant, la plupart des applications d'IA convergent désormais vers des performances équivalentes aux compétences humaines
- La course à la performance des algorithmes d'IA est incertaine. À tout moment, les algorithmes d'IA les plus performants ont un avantage de 20 à 30 % sur les algorithmes moyens, mais cet avantage se dissipe rapidement et les fournisseurs sont facilement dépassés. Dans le domaine de la reconnaissance d'images, alors que les algorithmes d'IA parviennent à reconnaître 90 % des images, chaque année voit apparaître un nouvel acteur de premier plan, de DotConnect à des sociétés comme Enas.
- Une progression fulgurante. Les performances des algorithmes ont plus que triplé en dix ans, ce qui signifie qu'en moyenne, la précision des performances de l'IA s'est améliorée d'environ 20 % chaque année au cours des 15 dernières années. Cette courbe de performance soutenue est stupéfiante - par analogie, la performance du processeur d'un ordinateur portable a augmenté de moins de 10 % par an au cours de la même période[2].
- Un progrès polyvalent qui n'est pas prêt de s'arrêter1. Nous avons décomposé la courbe de performance d'une quinzaine d'applications d'IA sur 20 ans, à l'aide d'un #modèle de masse à équations différentielles [3] pour séparer la croissance liée à l'innovation et le stock de performance passé. Nous avons découvert que les améliorations de performance sont réparties de manière égale entre le stock d'IA et les nouvelles innovations en matière d'IA. Cela signifie que le domaine ne manque pas de dynamiques fortes ;De plus, si la moitié de la croissance est toujours liée au stock de brevets et à la proactivité du passé, 50 % de la croissance moyenne de 20 % des performances représente toujours une amélioration de 10 % chaque année sur la base du passé. Dans 3 ans, l'IA pourrait être en moyenne meilleure qu'aujourd'hui, simplement grâce à ce qui a été fait aujourd'hui.
La dynamique des performances des algorithmes d'IA n'est donc rien d'autre qu'une amélioration radicale, rivalisant désormais avec les performances humaines dans de nombreuses activités. Alors que les algorithmes atteignent peu à peu des performances de pointe, l'évolution s'orientera probablement vers une amélioration des coûts et de la durabilité, ce qui conduira à une diffusion majeure dans de nombreuses fonctions de notre société. Préparez-vous à la #Aitransformation.
[1] Engberg, (2024). AI Unboxed and Jobs : A Novel Measure and Firm-Level Evidence from Three Countries.
[2] PassMark Software - CPU Benchmark Charts (en anglais)
