Le cabinet Gartner a discerné les tendances capitales qui sont en train de sculpter le cours à venir du domaine de la science des données et de l’apprentissage automatique. L’intelligence artificielle deviendra le pivot central en ce qui concerne les investissements et les discussions au sein du monde professionnel.
D’ici à la clôture de l’année 2026, Gartner projette qu’une somme dépassant les 10 milliards de dollars sera injectée dans des jeunes pousses spécialisées en intelligence artificielle, ancrées dans des modèles fondamentaux.
Lors de son Congrès dédié à la sphère des données et de l’analytique, qui s’est déroulé à Sydney du 31 juillet au 1er août, Gartner a tracé un panorama des tendances prédominantes qui façonnent l’évolution de la science des données et de l’apprentissage automatique – désigné sous l’acronyme DSML (data science and machine learning) – dans un contexte où ce secteur est en pleine expansion et en mutation rapide. Cette initiative cherche à répondre à la croissance exponentielle de l’importance des données dans le domaine de l’intelligence artificielle, particulièrement lorsque l’attention est focalisée sur les investissements dans l’IA générative.
Selon Peter Krensky, directeur analyste chez Gartner, « Tandis que l’adoption de l’apprentissage automatique continue de prendre rapidement de l’ampleur dans tous les secteurs, le DSML évolue et ne se cantonne plus uniquement aux modèles prédictifs, mais se métamorphose en une discipline plus accessible, dynamique et axée sur les données. Cette transformation est également alimentée par l’enthousiasme entourant l’IA générative. Tout en reconnaissant les risques potentiels, de nouvelles capacités émergent également, tout comme de nouvelles possibilités d’application pour les experts en données et les entreprises. » Gartner identifie cinq tendances prépondérantes qui sont en train de façonner l’avenir du DSML.
Découverte des écosystèmes de données dans le cloud et de l’Edge AI
La première grande tendance concerne la transformation des environnements de données dans le cloud. Ces environnements évoluent depuis des configurations autonomes ou des déploiements mixtes vers des solutions directement intégrées au sein du cloud. D’ici l’année prochaine, Gartner anticipe qu’environ la moitié des déploiements futurs de systèmes dans le cloud se baseront sur des écosystèmes de données cohérents, plutôt que sur des solutions ponctuelles nécessitant une intégration manuelle. Le cabinet d’études recommande aux entreprises d’évaluer ces environnements de données en fonction de leur capacité à relever les défis liés aux données distribuées, tout en leur permettant d’accéder à des sources de données externes à leur propre environnement et de les intégrer de manière fluide.
La deuxième tendance majeure concerne l’intelligence artificielle en périphérie (Edge AI). La demande croît pour rendre possible le traitement des données en périphérie de réseau, ce qui permet aux entreprises d’obtenir des informations en temps réel, de découvrir de nouveaux modèles et de répondre aux strictes exigences de confidentialité des données. L’intelligence artificielle en périphérie (Edge AI) facilite également le développement, la coordination, l’intégration et le déploiement de l’IA. Selon les prévisions de Gartner, d’ici 2025, plus de 55 % de toutes les analyses de données basées sur des réseaux neuronaux profonds se réaliseront au niveau du point de capture dans des dispositifs périphériques, comparativement à moins de 10 % en 2021. Les entreprises doivent donc identifier les applications appropriées, les besoins en formation en IA ainsi que les ajustements nécessaires pour évoluer vers des environnements en périphérie (Edge) proches des points d’extrémité (endpoints) de l’Internet des objets (IoT).
La future intelligence artificielle sera plus responsable et data centric
Trois autres tendances majeures, s’inscrivant dans le domaine de l’intelligence artificielle, mettent en évidence une technologie de plus en plus responsable et orientée vers les données, attirant une attention particulière, surtout en ce qui concerne les investissements qui y sont liés. L’objectif de l’IA responsable consiste à transformer l’intelligence artificielle en une « force positive » plutôt qu’une menace pour la société et pour elle-même. Cette approche englobe un large éventail d’aspects liés aux décisions éthiques et commerciales lors de l’adoption de l’IA. Les entreprises abordent souvent ces aspects de manière indépendante, en prenant en compte des considérations telles que la valeur commerciale et sociétale, les risques, la confiance, la transparence et la responsabilité.
D’ici 2025, Gartner prévoit que la concentration de modèles d’IA pré-entraînés chez seulement 1 % des fournisseurs d’IA mettra en évidence la question de l’IA responsable comme un enjeu majeur pour la société. Le cabinet recommande aux entreprises d’adopter une approche équilibrée face aux risques afin de tirer de la valeur de l’IA et de faire preuve de prudence lors de la mise en œuvre de solutions et de modèles. Gartner souligne l’importance de « solliciter des garanties auprès des fournisseurs afin de s’assurer qu’ils gèrent leurs responsabilités en matière de risques et de conformité, ce qui protégera les entreprises des risques de pertes financières, de litiges et de détérioration de leur réputation ».
Une autre tendance qui gagnera en importance d’ici 2024 concerne l’orientation des efforts d’IA vers les données, marquant un changement d’approche depuis l’attention portée aux modèles et au code vers une focalisation accrue sur les données pour le développement de systèmes d’IA plus performants. Des solutions telles que la gestion de données spécifiquement conçues pour l’IA, les données synthétiques et les technologies d’étiquetage des données visent à résoudre divers problèmes liés aux données, dont l’accessibilité, le volume, la confidentialité, la sécurité, la complexité et la portée.
L’utilisation croissante de l’IA générative pour produire des données synthétiques représente un secteur en pleine croissance, allégeant la nécessité d’acquérir des données du monde réel afin de permettre une formation plus efficace des modèles d’apprentissage automatique. Gartner anticipe qu’à partir de l’année prochaine, environ 60 % des données utilisées pour l’IA seront synthétiques, contribuant à simuler la réalité, à élaborer des scénarios futurs et à alimenter les modèles d’IA, par rapport à seulement 1 % en 2021.
Des investissements conséquents dans l’IA à envisager
Finalement, les investissements dans le domaine de l’intelligence artificielle sont sur le point de connaître une croissance significative. Cela proviendra à la fois des entreprises adoptant des solutions IA, des industries cherchant à se développer en exploitant les technologies de l’IA et des entreprises opérant dans ce secteur en pleine mutation. D’ici la fin de l’année 2026, Gartner prévoit qu’une somme dépassant les 10 milliards de dollars sera investie dans des start-ups spécialisées en intelligence artificielle qui reposent sur des modèles de base. Ces modèles, élaborés à partir d’énormes ensembles de données, sont des structures d’intelligence artificielle étendues. Une enquête menée auprès de plus de 2 500 dirigeants par Gartner a révélé que 45 % d’entre eux ont augmenté leurs investissements dans le domaine de l’IA en raison de l’attention médiatique suscitée par ChatGPT. De plus, 70 % ont déclaré que leurs entreprises explorent et expérimentent actuellement l’IA générative, tandis que 19 % en sont déjà à la phase pilote ou de production.