sur cette journée destinée à soutenir les avancées, les contributions et les réflexions sur l’impact de l’IA dans la société.
# Daniela Simoes, fondatrice & CEO de miio
“Nous sommes passés du fameux mème “cette réunion aurait pu être un email” à “cet email de 10 pages aurait pu se résumer en 3 points”. Je pense que nous vivons une époque de fausse productivité et de travail, juste pour faire du bruit.
J’adore ChatGPT et ses petits cousins, je les utilise quotidiennement. Mais pas au point que mon agent iA doive résumer ce que votre agent IA a écrit par manque d’instructions adéquates pour être concis.
Je dis stop à 20 pages qui pourraient en faire 6. Stop aux échanges d’idées truffés de réponses “ChatGPTizées”. Stop aux messages de prise de contact faits par des bots sans même avoir été relus, stop aux félicitations artificielles juste destinées à booster l’engagement.
Avec l’IA, la capacité à être pointu, assertif, tout en étant concis, vient en tête de ma liste des compétences non techniques à acquérir cette année. La question n’est pas d’arrêter ou non d’utiliser l’IA, nous avons juste besoin d’affiner notre approche et l’usage que nous en faisons.”
Le post complet sur l’IA de Daniela Simoes, fondatrice de miio.
# Bernard Montel, Directeur Technique, expert Cybersécurité & gestion de l’exposition chez Tenable
Sur la nécessité de la pensée critique et de l’adaptabilité
« En parallèle de l’acculturation à l’IA, les initiatives éducatives doivent mettre l’accent sur deux compétences clés : la pensée critique et l’adaptabilité. »
Par pensée critique, j’entends la capacité à exercer un regard exigeant sur les résultats produits par l’IA, avec un indispensable filtre humain. Il s’agit non seulement de retravailler et contextualiser les contenus générés, mais aussi de se donner la peine d’intervenir dès l’amont, au niveau du prompt ou des données d’entrée.
Quant à l’adaptabilité, elle renvoie à la souplesse nécessaire pour collaborer efficacement avec les différentes parties prenantes – métiers, IT, RSSI, direction, partenaires – dans un environnement technologique en constante évolution. Cela implique de la prise de recul, de la formation continue, mais aussi une exigence personnelle élevée : savoir, par exemple, relire et adapter une proposition rédigée par une IA avant de l’envoyer à un client ou un prospect.
Sur la gestion préventive de l’exposition aux cyber-risques
« L’essor rapide de l’IA coïncide avec le recours accru à des outils qui la détournent à des fins malveillantes. (deep fakes sophistiqués pour tromper des employés, malwares basiques exploitant des failles connues via des attaques de phishing). La meilleure façon de se défendre et de limiter ces menaces s’aligne avec les stratégies actuelles de cybersécurité : à savoir par la gestion préventive de l’exposition qui identifie et corrige les vulnérabilités avant qu’elles ne soient exploitées, et une formation continue des employés qui les sensibilise aux demandes suspectes, même lorsqu’elles paraissent crédibles.
# Pascal Gasp, Architecte Solutions chez Starburst
« Qu’il s’agisse d’analytique ou d’IA, tout repose sur une base commune : des données fiables, accessibles et bien gouvernées. Pour tirer pleinement parti de l’IA à grande échelle, les entreprises doivent pouvoir s’appuyer sur une plateforme unifiée capable de gérer l’ensemble de leurs environnements de données, que ce soit dans le cloud, sur site ou hybride, avec les mêmes exigences d’infrastructure que celles déjà éprouvées par l’analytique. »
Sur l’importance des données pour la performance de l’IA
« Il n’y a pas d’IA sans données. Aucun modèle ne fonctionne sans un flux continu de données fiables, accessibles et bien gouvernées. La qualité des résultats générés par l’IA dépend avant tout de la solidité de ses fondations. »
Sur la convergence IA et analytique
« Analytique et IA convergent vers un même objectif : transformer les données en valeur métier. Aujourd’hui, les architectures conçues pour l’analytique sont naturellement appelées à soutenir aussi les modèles d’intelligence artificielle. »
Sur le rôle clé de l’infrastructure
« Pour passer du POC à l’IA productive à grande échelle, les entreprises ont besoin d’une plateforme unifiée qui gère leurs données dans tous les environnements, que ce soit dans le cloud, sur site ou hybride, avec un même niveau de gouvernance et d’accessibilité. »
# Thomas Gourand VP & Country Manager France Snowflake
« L’AI Appreciation Day est l’occasion pour les entreprises de réfléchir aux possibilités offertes par l’intelligence artificielle, à son rôle dans l’efficacité opérationnelle et aux bases nécessaires pour l’utiliser efficacement. En reconnaissant son potentiel, il est important de reconnaître que l’IA n’est puissante qu’en fonction des données sur lesquelles elle repose. Une infrastructure de données évolutive, sécurisée et accessible est essentielle pour permettre une IA fiable, à fort impact, capable de générer un retour sur investissement tangible. »
« Il est également important de reconnaître non seulement la puissance de l’IA, mais aussi la responsabilité qui accompagne son déploiement. Pour les entreprises, une intelligence artificielle éthique commence par des données fiables. Sans qualité, gouvernance et transparence au niveau des données, les entreprises s’exposent à des biais, des hallucinations et à des opportunités manquées. Une intelligence artificielle responsable nécessite une approche unifiée, et l’AI Appreciation Day rappelle que disposer des bonnes bases de données sera essentiel pour l’avenir de cette technologie. »
#Jonathan Bourhis, Country Manager France de Pure Storage
« Quand personne ne sait vraiment laquelle des données ou “data set” est la plus précise ou la plus à jour, vous n’obtenez pas de l’intelligence, vous obtenez du bruit. Et dans des secteurs comme la finance, la santé ou le secteur public, ce bruit peut conduire à des décisions aléatoires voire dangereuses. Ajouter de la puissance de calcul ne résoudra rien, cela vous mènera simplement plus vite à une mauvaise réponse. »
« Pour réussir avec l’IA, il faut faire le travail difficile et peu valorisé de nettoyer les données, les standardiser, s’assurer que tout le monde s’appuie sur la même version de la vérité. Cela signifie démanteler les silos, établir des règles claires sur la gestion des données, et investir dans les bons systèmes pour les suivre et les gérer. Ce n’est pas une tâche ponctuelle, c’est un véritable changement de mentalité. »
« Des données propres mènent à de meilleurs modèles, de meilleurs modèles permettent de prendre de meilleures décisions, et ces décisions génèrent encore plus de données utiles. Mais la roue ne tourne que si l’entrée est fiable. »
« La responsabilité des données est à prendre au sérieux. Cela signifie savoir d’où viennent vos données, comment elles ont été modifiées, et qui y a accès. Sans cette transparence, pas de systèmes fiables, ni pour les régulateurs, ni pour les clients, ni pour le grand public. »
