CULTURE SOFT (saison 3) - IA génératives : usages professionnels et rôle des soft skills (épisode 5)

Après avoir exploré les apports des soft skills en contexte de travail hybride, place AU sujet qui occupe les esprits dans la sphère RH depuis fin 2022 : les IA génératives ! De quoi s’agit-il précisément ? Comment les intégrer à notre quotidien professionnel ? Est-ce souhaitable ? Et, question subsidiaire : les soft skills ont-elles un rôle à jouer en la matière ?

NLP, Machine Learning & LLMs, Deep Learning : bienvenue dans l’univers des IA génératives

Comme attendu, l’exploration des « dessous » des IA génératives implique de se confronter à quelques sigles ! Commençons par le plus macro, à savoir l’IA elle-même : l'intelligence artificielle fait référence à la capacité d'une machine ou d'un programme informatique à effectuer des tâches qui nécessitent normalement l'intervention et l’intelligence, humaines. Avec les IA génératives, on franchit un cap : les « machines » produisent des idées ou raisonnements proches de ceux des humains, intègrent de nouvelles données au fur et à mesure, et résolvent des problèmes complexes voire prennent des décisions.

Ces IA sont-elles, pour autant, « intelligentes » ? C’est là que les technologies sur lesquelles elles reposent entrent en jeu. Le NLP – Natural Language Processing – comporte deux phases de traitement et recourt au Machine Learning et au Deep Learning. La première phase, qui porte sur la linguistique, consiste à prétraiter et à transformer les informations « entrantes » en un jeu de données exploitable. La seconde, d’apprentissage automatique (ou Data Science), va appliquer des modèles de Machine Learning ou de Deep Learning à ce jeu de données. Sachant que le Machine Learning permet une adaptation et un apprentissage, automatiques - avec une interférence humaine limitée mais indispensable. Quant au Deep Learning, qui est un sous-ensemble du Machine Learning, il utilise des réseaux de neurones artificiels pour mimer le processus d’apprentissage du cerveau humain. Quid des LLMs ? Ces grands modèles de langage, qui relèvent du Machine Learning, ont été entraînés sur des ensembles de données massifs de textes, d’images, de vidéos et de code. Ils nécessitent donc des ressources importantes - données, calcul, ingénierie. Et c’est à eux que l’on doit les performances actuelles d’un agent conversationnel comme ChatGPT !

Pour résumer et malgré leurs incroyables fonctionnalités, les IA génératives ne « comprennent » pas le sens des mots.

Quel « projet » pour ces IA génératives ?

C’est sans doute la question-clé, qui ne semble pas vraiment avoir été posée. Et pourtant… Que visons-nous collectivement en développant ces IA ? Pourquoi faut-il générer toujours plus de « contenus » - textes, images, code ? Pourquoi faut-il le faire toujours plus vite ? Sachant que la surcharge cognitive est, d’ores et déjà, une problématique de santé majeure dans nos sociétés.   

D’autres questions se posent, d’ordre éthique et à divers égards. À qui appartiennent les contenus générés par l’IA ? Nos données personnelles sont-elles protégées ? Et plus encore : est-il socialement acceptable de soumettre des étiqueteurs de données, résidant généralement dans des pays pauvres, à des textes ou images d’une violence insoutenable… pour des salaires dérisoires ?

Quant aux enjeux climatiques et environnementaux, on lit régulièrement que les IA génératives vont apporter des solutions inédites à ces problématiques complexes… Certes, mais quel est l’intérêt si, pour les produire, elles exacerbent les tensions sur les ressources en eau, notamment ? 

À ce stade, il est indispensable de « connaître » les IA génératives

À défaut d’un questionnement collectif majeur, impossible toutefois de faire l’impasse sur leurs performances et usages potentiels – à titre individuel ou en tant qu’entreprise.

Concentrons-nous donc sur les IA génératives textuelles, avec le célèbre ChatGPT. Capable de générer des textes très variés (synthèses, chansons, dialogues, tables des matières, présentations de produits – entre autres), capable aussi de traduire en tenant compte du contexte ou de générer du code, le robot conversationnel excelle dans les réponses de nature informationnelle qu’il fournit. Des performances dont l’utilisateur est toutefois en grande partie à l’origine : toute question trop générique donnera lieu à une réponse… générique !

S’il ne s’agit pas de devenir, toutes et tous, des Prompt Engineers, il faut apprendre à contextualiser ses demandes. Quel est le niveau de détails attendu ? La demande concerne-t-elle un métier ou une activité en particulier ? Quel est le registre de réponse souhaité ? Etc. Selon le degré d’importance des tâches que l’on confie à ChatGPT ou à tout autre agent conversationnel reposant sur l’IA générative, il peut être souhaitable de se former – et d’être conseillé dans le choix que l’on va effectuer d’une solution payante.   

Et les soft skills dans tout ça ?

Le lien entre IA génératives et soft skills n’apparaît pas au premier abord… Pourtant, sans ces compétences, l’usage des IA génératives dans leurs formats actuels serait tout simplement impossible ! 

Ainsi, pour obtenir des réponses ou contenus suffisamment détaillés et pertinents, l’utilisateur de ChatGPT – pour rester sur l’agent conversationnel le plus connu -, doit faire preuve d’adaptabilité. Car des réajustements vont être nécessaires, des reformulations successives… jusqu’à l’identification des « éléments » requis pour parvenir à un résultat convaincant. Ceci dans une perspective professionnelle high-level !

La curiosité s’invite également dans la formulation des « prompts » : il peut être utile d’aller au-delà des informations ou idées « évidentes » à partager, en vue de l’obtention d’un résultat très aiguisé. L’identification des émotions, que l’on n’attend sans doute pas là ! -, joue aussi un rôle. En émettant une demande, l’utilisateur peut colorer celle-ci de ce qu’il éprouve à l’instant présent, et ainsi transmettre une information, consciente ou non, à l’agent conversationnel. Savoir naviguer dans le champ de ses propres émotions constitue donc un atout. Et que dire de la pensée critique ou hors cadre, fondamentale pour repérer certains biais et mettre en perspective ?

Spoil : dans cet épisode, il est aussi question de McCarthy… Ce nom vous dit quelque chose ? On vous rassure : il ne s’agit pas du sénateur américain de sinistre mémoire ! Bonne écoute ☺

 >> Pour en savoir plus : découvrez notre formation IA et Prompt Engineering