[Tribune] Comment les modèles verticaux spécifiques vont libérer la valeur de l'IA générative
Malgré le grand intérêt que suscitent les robots vocaux et les robots conversationnels dans le secteur de la Relation Client, un récent rapport de CMP a révélé que la majorité des capacités de self-service sont en fait basées sur les serveurs vocaux interactifs (SVI) traditionnels. L'étude met en lumière que leur adoption par les utilisateurs finaux demeure le principal frein à l'expansion des robots vocaux et des robots conversationnels. Si cela n'est guère surprenant, en voici la raison.
Je m'abonnePar François Rachez, expert IA d'Avaya
La majorité des robots actuels sont basés sur des scripts rigides et des scénarios préconfigurés. Les interactions avec eux sont généralement laborieuses et génèrent souvent de la frustration chez le client. C'est pourquoi l'IA générative et sa capacité à humaniser les conversations vocales et les conversations avec les bots ont suscité beaucoup d'espoir pour accroître l'adoption par les clients. En effet, avec ses capacités de conversation semblables à celles des humains, son aptitude à faire preuve d'empathie, à comprendre et résoudre des données complexes, l'IA générative apporte une véritable révolution aux applications en libre-service.
Une polyvalence qui a des limites
D'autre part, la majorité des grands modèles de langage (LLM) actuels, comme le Chat GPT-4, sont horizontaux ou généraux. Ces LLM sont polyvalents et largement applicables dans divers secteurs. Leurs capacités généralisées les rendent facilement accessibles aux entreprises de différents secteurs qui souhaitent automatiser leurs opérations de service client par le biais de robots vocaux et de robots de conversation. Mais cette polyvalence n'est pas sans inconvénients.
Lire aussi : [Tribune] SAV, comment l'IA peut-elle transformer l'expérience client en véritable levier de croissance ?
En raison de leur nature générale, les modèles génératifs horizontaux d'IA doivent prendre en compte des milliards de paramètres pour produire de bons résultats. Cela augmente la consommation nécessaire de ressources de traitement (et leurs prix associés). En outre, l'IA horizontale nécessite des efforts importants et des ressources qualifiées pour pouvoir être adaptée aux besoins spécifiques d'une entreprise. Vous aurez besoin d'injections de données, de réglages fins et d'une ingénierie rapide pour permettre une adéquation spécifique à l'entreprise.
Enfin, le risque que des robots fournissent de fausses réponses ou même des allégations est toujours présent lorsqu'il s'agit de LLM généraux. On parle ici d'hallucination ou de confabulation, une preuve amusante que l'IA se rapproche de plus en plus des comportements humains et nécessite une connaissance approfondie et une pratique rigoureuse pour en bénéficier de ses avantages.
L'IA en progression
Malgré ces défis, les modèles horizontaux se sont avérés utiles dans le service client et, s'ils sont gérés correctement, ils peuvent apporter une valeur significative. Cela dit, de grandes améliorations se profilent déjà à l'horizon avec l'évolution de l'IA générative vers des modèles verticaux. Les modèles verticaux seront adaptés à des industries ou à des domaines spécifiques et seront basés sur des connaissances et une expertise propres au domaine. Par conséquent, ils répondront beaucoup mieux aux besoins et aux défis métiers spécifiques - et ils seront assortis de caractéristiques plus strictes en matière de confidentialité et de sécurité.
Les LLM basés sur des modèles verticaux nécessiteront beaucoup moins de formation personnalisée, d'injections de données et d'ajustements. En outre, étant plus petits, les modèles spécifiques à l'industrie réduiront encore le prix du traitement automatisé des interactions, car ils consommeront beaucoup moins de puissance de traitement que les LLM généraux. Par conséquent, il va sans dire que les IA verticales basées sur les LLM offriront un retour sur investissement encore plus rapide et plus convaincant que les modèles horizontaux. En outre, la précision sera considérablement améliorée et le risque d'erreurs sera drastiquement réduit.
Les premiers exemples de LLM verticaux sont Med-PaLM 2 de Google, optimisé pour les soins de santé, et BioGPT de Microsoft, spécialisé pour les scientifiques de la recherche biomédicale.
Lire aussi : Salesforce dévoile des agents autonomes et des nouveaux modèles d'IA pour sa plateforme "Agentforce"
Compte tenu des avantages des modèles d'IA générative verticale, il n'est pas surprenant que Gartner ait désigné les modèles GenAI verticaux comme l'une de ses principales tendances pour 2024, prédisant que, d'ici 2027, plus de la moitié des modèles GenAI utilisés par les entreprises seront spécifiques à un domaine, contre 1 % aujourd'hui. Celles qui privilégient les modèles verticaux spécifiques lorsqu'elles intègrent la GenAI à leur expérience client obtiendront de bien meilleurs résultats et verront leurs coûts réduire.