L’intelligence artificielle, une opportunité que les entreprises ne peuvent plus ignorer

L’actualité récente l’a encore démontré : l’intelligence artificielle ne cesse de s’imposer. En octobre 2024, les prix Nobel de physique ont été décernés à John Hopfield et Geoffrey Hinton pour leurs travaux pionniers en matière de réseaux de neurones artificiels, fondement de l'IA moderne. « Nous sommes à l’an deux de cette révolution », explique Ghislain Mazars, co-directeur du programme “AI ready for business” à HEC Paris. Une transformation qui bouleverse non seulement les sciences, mais aussi l’économie et les organisations.

Le potentiel de l’IA est immense, mais il reste encore largement sous-exploité par les entreprises. Pour rester compétitives, celles-ci doivent non seulement comprendre les fondements de cette technologie, mais aussi apprendre à l’intégrer dans leurs stratégies.

Lors du récent “Executive Education Day” organisé par HEC Paris, les experts Ghislain Mazars et David Restrepo ont animé une masterclass autour de ce défi. Ils ont montré comment l’IA transforme les organisations en profondeur, et pourquoi les dirigeants doivent impérativement acquérir les compétences nécessaires pour en maîtriser les enjeux. 

L’IA : simple mode ou vraie révolution ?

Retour sur l’importance de comprendre cette technologie et de la mettre au service de la compétitivité.

Un virage technologique impossible à ignorer

L’intelligence artificielle ne se limite plus à des projets expérimentaux dans les laboratoires de la Silicon Valley. Elle s’impose désormais comme une technologie centrale dans tous les secteurs, de la finance à la santé, en passant par l’industrie ou la distribution.

Pour Ghislain Mazars, co-directeur du programme “AI ready for business”, « l’IA, on va en manger pour les 20 à 30 prochaines années ». Selon lui, cette transformation dépasse largement le phénomène de mode, et représente un bouleversement technologique d’une ampleur comparable à l’émergence d’Internet au début des années 90. « Nous en sommes aujourd'hui à un tournant équivalent à 1991, avec la création du web, ou 1993, lorsque les premiers navigateurs Internet sont apparus », explique-t-il. « À cette époque, rares étaient ceux qui utilisaient ces outils, pourtant aujourd’hui ils sont devenus incontournables ». Face à cette montée en puissance, les entreprises doivent développer une véritable expertise sur les mécanismes de l’IA.

Comprendre cette technologie ne se limite pas à ses applications pratiques : il s’agit également de saisir ses fondements et ses capacités pour mieux anticiper ses impacts à long terme sur les organisations. « Ce n’est pas un luxe, mais un impératif pour rester pertinent dans cette nouvelle phase qui s’annonce », avertit Ghislain Mazars. En d'autres termes, ne pas s'engager dans cette voie pourrait signifier, à terme, une perte de compétitivité majeure pour les entreprises.

D’utilisateurs passifs à acteurs du changement

Jusqu’à présent, l’évolution des technologies en entreprise a souvent laissé les collaborateurs dans une posture passive. Les systèmes informatiques, bien qu’omniprésents, étaient principalement imposés par les directions, avec des marges de manœuvre limitées. Excel, outil devenu indispensable, représente sans doute l'exemple le plus parlant de cette utilisation passive : chaque salarié a appris à s’en servir pour créer ses propres automatisations à petite échelle, mais sans véritablement prendre part à l'innovation technologique elle-même.

L’intelligence artificielle, en revanche, bouleverse cette dynamique. Elle ne se contente plus de répondre à des besoins préétablis, mais offre des capacités de transformation bien plus vastes. L’IA permet de créer des systèmes d’automatisation à un niveau que l’on ne pouvait imaginer il y a encore quelques années. Comme le souligne Ghislain Mazars, « l’IA, c’est Excel à l’exponentiel ».

Mais pour tirer pleinement parti de cette révolution, les entreprises et leurs collaborateurs doivent adopter une posture plus active. « Nous avons été des utilisateurs passifs des systèmes informatiques pendant trop longtemps », rappelle Ghislain Mazars. L’enjeu n’est plus simplement de comprendre comment utiliser l’IA, mais bien de savoir l’adapter à ses propres besoins et à ceux de l’organisation.

Mémoire humaine vs mémoire artificielle : qui fait mieux ?

Les systèmes d’IA et la mémoire humaine fonctionnent de manière très différente. Si l’IA impressionne par ses capacités de traitement, elle n’est pas sans limitations.

Capacités mémorielles : l’humain face à la machine

La mémoire humaine est un phénomène complexe, décomposable en trois types principaux : la mémoire à long terme, la mémoire épisodique, et la mémoire immédiate. Chacune d’elles joue un rôle essentiel dans notre capacité à retenir et traiter l’information.

●    La mémoire à long terme, par exemple, est la réserve des souvenirs que nous avons accumulés au fil du temps. « Cette mémoire évolue constamment », explique Ghislain Mazars. Chaque fois que nous nous remémorons un souvenir, celui-ci est en quelque sorte réécrit, influencé par nos émotions ou le contexte dans lequel nous le réévoquons. 
●    La mémoire épisodique, quant à elle, permet de se souvenir des événements spécifiques que nous avons vécus, souvent de manière sélective et partielle. Elle est essentielle à notre continuité quotidienne, mais elle est limitée en précision et en capacité de rétention. 
●    Enfin, la mémoire immédiate, aussi appelée mémoire de travail, est la plus éphémère. Elle nous permet de maintenir à l’esprit une petite quantité d’informations pendant un court laps de temps. « Globalement, la mémoire humaine immédiate ne retient que cinq à sept éléments simultanément », précise Ghislain Mazars. Une limitation qui, étonnamment, nous place derrière certaines espèces comme les chimpanzés en termes de capacité à stocker des informations immédiates.

Face à ces limitations humaines, l’intelligence artificielle présente des capacités mémorielles très différentes. La mémoire de l’IA repose principalement sur des réseaux neuronaux qui stockent des informations sous forme de poids dans des connexions, après un entraînement massif sur des ensembles de données. 

« Un modèle d’IA, c’est en fait deux fichiers : un fichier de code et un fichier contenant les poids des connexions neuronales », précise Ghislain Mazars.

Contrairement à l'humain, cette mémoire ne s’adapte pas au fil du temps, sauf si l’IA est entraînée sur de nouvelles données, un processus long et coûteux. Là où l’humain réécrit ses souvenirs, l’IA fige son savoir après son entraînement. Cela signifie qu’une IA ne pourra pas intégrer de nouvelles informations à moins d’être réentraînée. Néanmoins, son avantage réside dans sa capacité à traiter simultanément des milliers, voire des millions d’informations. « Alors que notre mémoire immédiate est limitée à cinq ou six éléments, l’IA peut stocker jusqu’à un million d’objets dans sa mémoire immédiate », souligne Ghislain Mazars. Cette supériorité quantitative permet à l'IA de surpasser les capacités humaines dans certaines tâches, notamment lorsqu’il s’agit de traiter des volumes colossaux de données en un temps record.

Cependant, l’IA n’a pas la flexibilité cognitive de l’humain. Elle ne régénère pas ses souvenirs, n’évolue pas organiquement avec le temps et n’a aucune mémoire épisodique : à chaque interaction, elle repart de zéro, sauf si l’on lui fournit un historique de conversation. L’IA excelle donc dans l’analyse brute de données massives, mais elle reste loin de l’agilité cognitive humaine, notamment lorsqu’il s’agit de mémorisation sélective ou de contextualisation des souvenirs.

L’importance du contexte : quand l’IA doit combler ses lacunes

Nous l’avons vu, l’intelligence artificielle, malgré ses prouesses, reste confrontée à une limitation majeure : l’absence de véritable mémoire épisodique. Cette incapacité à se souvenir d'une conversation ou d'une tâche passée rend les échanges avec les machines souvent décousus, d'où la nécessité de solutions techniques pour combler ce vide. C'est ici qu'intervient la notion de “fenêtre de contexte”.

La fenêtre de contexte permet à l’IA de conserver temporairement une quantité limitée d’informations issues des interactions récentes. Ainsi, elle peut simuler une continuité dans les conversations en se rappelant des éléments précédents. 

Selon Ghislain Mazars, « chaque fois que vous interagissez avec une IA, pour elle, c’est la toute première interaction, à moins qu’on ne lui fournisse l’historique de la conversation ». 

Cela signifie que chaque question et réponse dans un échange avec une IA sont basées sur les informations présentes dans cette fenêtre, et non sur une véritable mémoire.

Si cette méthode fonctionne pour des conversations simples, elle montre rapidement ses limites dès que l'interaction devient plus complexe ou trop longue. Par exemple, un modèle IA peut “oublier” des informations pertinentes si la fenêtre de contexte est dépassée ou mal gérée. Cette limitation est l'une des causes principales des fameuses “hallucinations” de l’IA – c'est-à-dire des moments où l'algorithme génère des réponses incorrectes ou inventées. « L’IA se contente de régurgiter l’information présente dans sa mémoire immédiate, mais si cette information est incomplète ou erronée, elle produira des réponses incohérentes », explique Ghislain Mazars.

Pour pallier ces défauts, les ingénieurs développent des solutions comme l’extension de la fenêtre de contexte. Initialement, cette fenêtre ne pouvait contenir que quelques milliers d’éléments d’information. Aujourd'hui, certains modèles avancés, comme les derniers grands modèles de langage (LLM), peuvent en gérer jusqu'à un million. « Cela permet d’augmenter considérablement la capacité de l’IA à maintenir un fil conducteur sur de longues interactions », note Ghislain Mazars. En injectant des données supplémentaires ou des informations contextuelles externes, on peut également améliorer la précision des réponses, réduisant ainsi le risque d’hallucinations.

Une autre solution consiste à utiliser ce qu’on appelle le “retrieval-augmented generation” (RAG), où l’IA puise dans des bases de données externes en temps réel pour compléter ses réponses avec des informations fiables. « En mode RAG, l’IA n’utilise que les informations présentes dans la base de données que vous lui fournissez, ce qui permet d'éviter qu'elle invente des réponses basées uniquement sur des probabilités statistiques », précise Ghislain Mazars. Ce mécanisme de récupération permet de guider l’IA vers des réponses plus pertinentes, ancrées dans des faits, plutôt que de compter sur la seule mémoire neuronale du modèle.

L’IA en entreprise : quelles clés pour réussir la transition ?

L’intégration de l’IA dans les entreprises est un processus délicat, souvent mal encadré, qui présente à la fois des opportunités considérables et des risques importants. Comment les entreprises peuvent-elles tirer le meilleur parti ?

Adoption rapide mais risquée : ce que les entreprises doivent savoir

L’adoption de l’IA dans les entreprises ne suit pas toujours un chemin balisé par des stratégies bien définies. En réalité, son adoption se fait souvent de manière discrète et individuelle, en dehors de tout cadre institutionnel. Cela pose un défi majeur aux entreprises : si l’IA peut booster la productivité des collaborateurs, elle introduit aussi des risques importants, notamment l’asymétrie d’information et l’aléa moral.

Le problème réside dans le fait que l’utilisation de l’IA reste souvent non déclarée. En d’autres termes, les employés utilisent des outils d’IA comme ChatGPT sans en informer leur hiérarchie ou leurs collègues. 

« La plupart des gens ne veulent pas dire au N+1 qu’ils ont utilisé ChatGPT, mais ils veulent que les N-1 le sachent », explique David Restrepo, co-directeur du programme “AI Ready for Business”. 

Cette adoption discrète crée une asymétrie d’information au sein des équipes : certains collaborateurs tirent profit des avantages de l’IA, tandis que d’autres n’en bénéficient pas, ce qui fausse la répartition du travail et l’évaluation des performances.

L’autre risque majeur est l’aléa moral. Lorsque les employés recourent à l’IA sans en informer leur entreprise, ils prennent potentiellement des décisions qui peuvent entraîner des erreurs ou des violations des protocoles de l’organisation, notamment en matière de protection des données. Par exemple, l’utilisation non contrôlée de ChatGPT pour traiter des données sensibles ou confidentielles pourrait exposer l’entreprise à des risques légaux, même si ces données ne sont pas stockées par l’IA. « Il y a un risque d’aléa moral, car l’individu tire les bénéfices immédiats de l’IA, tandis que l’entreprise doit gérer les risques », ajoute David Restrepo.

Les entreprises doivent donc se saisir de ce phénomène et structurer l’adoption de l’IA pour en tirer parti tout en limitant les dérives. Cela implique la mise en place de politiques de transparence sur l’utilisation des outils d’IA, la formation des équipes à l’usage responsable de ces technologies, et la création d’un cadre institutionnel qui encadre ces pratiques. Si l’IA peut véritablement transformer la productivité, elle ne le fera efficacement qu’à condition d’être intégrée de manière réfléchie et coordonnée au sein de l’organisation.

Les dirigeants doivent également anticiper l'impact sur les talents et les compétences. L’IA réduit les écarts de performance entre collaborateurs : les moins qualifiés voient leurs résultats augmenter de manière significative grâce à l’IA, tandis que les plus compétents bénéficient d’un gain plus modeste. Cette “égalisation” des performances soulève des questions sur la valorisation des compétences humaines à long terme. Pour éviter que l’IA ne dilue l’expertise, les entreprises doivent s'assurer que l'humain reste au centre des décisions stratégiques, en combinant l'efficacité des machines avec la créativité et la vision propres aux individus.

Intégrer l’IA dans les processus organisationnels

L’adoption proactive de l’IA, menée à l’échelle institutionnelle, est aujourd’hui un impératif pour maximiser ses bénéfices et garder une longueur d’avance sur la concurrence. « Les entreprises qui n’intègrent pas l’IA dans leurs processus risquent de se retrouver obsolètes face à celles qui l’adoptent pleinement », avertit Ghislain Mazars.

L’un des principaux défis réside dans la préparation des infrastructures techniques. L’IA n’est pas un simple logiciel à installer : elle nécessite des bases de données solides, bien structurées et régulièrement mises à jour. La qualité des données devient un enjeu central pour garantir le bon fonctionnement des modèles IA et éviter les erreurs d’interprétation ou les biais algorithmiques. « Si vous ne structurez pas votre donnée, vous n'irez nulle part », insiste David Restrepo. Pour cela, les entreprises doivent revoir leurs systèmes d’information et investir dans des architectures capables de supporter l’intégration de l’IA.

L’adoption de l’IA requiert également une adaptation des équipes. Les collaborateurs doivent non seulement comprendre comment utiliser l’IA, mais aussi comment l’intégrer de manière fluide dans leurs tâches quotidiennes. Les formations aux outils d’IA deviennent alors essentielles pour que les salariés ne se limitent pas à être de simples utilisateurs, mais qu’ils sachent exploiter ces technologies pour améliorer leur productivité et leurs processus décisionnels. De plus, la transformation des mentalités est indispensable : les équipes doivent percevoir l’IA non pas comme une menace, mais comme un levier pour innover et gagner en compétitivité.

Pour réussir cette transition, l’implication des décideurs est primordiale. Les comités de direction doivent comprendre que l’IA ne se déploie pas du jour au lendemain : elle nécessite une préparation, un accompagnement et une vision stratégique à long terme. L’une des erreurs fréquentes est de sous-estimer le temps nécessaire à la maturation de l’IA au sein de l’organisation. 

« Si vous attendez que l’IA soit parfaitement aboutie pour l’adopter, vous aurez déjà pris du retard », explique David Restrepo. 

Il s’agit donc de démarrer dès maintenant, d’expérimenter et d’itérer progressivement pour que l’entreprise développe ses compétences et son savoir-faire autour de l’IA.

L’intégration proactive de l’IA doit aussi s’accompagner d’une réflexion sur l’éthique et les risques associés. La gestion des données personnelles, la confidentialité des informations et la transparence dans l’usage des algorithmes sont des questions essentielles pour maintenir la confiance des clients, partenaires et employés. « Le cadre réglementaire, évolue rapidement » – souligne David Restrepo, notamment avec des législations comme l’AI Act de l’Union européenne, qui imposent des obligations de formation et de surveillance sur l’utilisation de l’IA en entreprise.

Devenir acteur de la transformation IA

Une chose est claire : dirigeants et cadres doivent se doter des compétences nécessaires pour comprendre et maîtriser cette technologie. L'enjeu est bien plus que technique. Il s'agit de saisir la portée stratégique de l'IA, d’en évaluer les risques, et d'en tirer parti pour transformer les organisations de manière durable et compétitive. Dans un monde où l'IA façonnera de plus en plus la manière de travailler et de prendre des décisions, la capacité des dirigeants à naviguer dans ce nouvel environnement devient essentielle.

Être acteur de la transformation IA ne se limite pas à déléguer l’intégration technologique à une équipe informatique. Les leaders d'entreprise doivent eux-mêmes être formés aux fondamentaux de cette révolution pour savoir comment l'appliquer à leur propre secteur d’activité. « Nous devons comprendre non seulement comment fonctionne l’IA, mais surtout comment elle peut transformer la manière dont nous gérons nos entreprises et interagissons avec nos équipes », explique David Restrepo.

Pour répondre à ces besoins, HEC Paris propose le programme exécutif “AI ready for business”, conçu pour accompagner les dirigeants et cadres dans cette transformation.

Ce parcours pédagogique complet offre aux participants les clés pour comprendre les principes fondamentaux de l’IA, manipuler les outils de manière pratique et, surtout, identifier les opportunités concrètes pour leur entreprise.

Le programme s’articule autour de trois phases : 
●    une première partie en ligne pour acquérir les connaissances de base, 
●    une journée immersive sur le campus d'HEC pour des sessions interactives, 
●    suivie d'une dernière demi-journée dédiée à des exercices pratiques et à l’approfondissement des compétences.

L'un des atouts majeurs du programme réside dans son approche pragmatique. Plutôt que de former des experts en IA, il vise à rendre les cadres capables de “dompter” la technologie et de l’utiliser à bon escient dans leur secteur d’activité. Cette formation leur permettra de mieux comprendre les enjeux économiques et organisationnels de l’IA, d’anticiper les évolutions à venir, et de prendre des décisions éclairées en matière de transformation digitale.

Ne laissez pas cette révolution technologique vous dépasser. Rejoignez le programme “AI Ready for Business” et devenez un acteur clé de la transformation IA.