Je regarde « l’IA en entreprise » de loin, en septembre 2011, avec la curiosité de quelqu’un qui aime suivre les tendances sans embarquer dans le battage. Parce que de battage, il y en a. Le terme « intelligence artificielle » revient dans les présentations, dans les promesses des fournisseurs, dans les articles qui annoncent que la machine va bientôt penser à notre place. Mais quand je gratte un peu, je vois surtout un écart énorme entre ce qu’on promet pis ce qui livre vraiment dans une vraie entreprise.

C’est pour ça que j’écris ça en observateur, pas en praticien. Dans mon travail, je n’utilise pas d’« IA » au sens où on l’agite dans les slides. Ce que je vois quand on m’en parle, en 2011, c’est souvent de la vieille logique repackagée: des moteurs de règles, des systèmes experts qui datent des années 80, de l’analyse statistique habillée de mots neufs. Rien de mal là-dedans — ce sont des outils utiles — mais les appeler « intelligence artificielle », c’est gonfler l’étiquette bien au-delà de ce que la chose fait réellement.

flowchart LR
    P["La promesse 2011<br/>(la slide)"] --> P1[La machine comprend]
    P --> P2[Elle decide pour toi]
    P --> P3[Elle apprend seule]
    R["La realite terrain"] --> R1[Moteurs de regles]
    R --> R2[Stats habillees]
    R --> R3[Beaucoup de mains<br/>humaines derriere]
    P1 -.ecart.-> R1
    P2 -.ecart.-> R2
    P3 -.ecart.-> R3

Ce qui me rend prudent, c’est le danger de la réponse trop confiante. Un système qui crache un résultat plausible avec assurance a l’air professionnel — même quand il part d’une mauvaise prémisse. Pis en entreprise, ça peut faire des dégâts: on prend une décision en se fiant à une machine qui « avait l’air sûre », sans réaliser qu’elle s’est trompée sur les données de départ. L’assurance d’une sortie automatisée n’a rien à voir avec sa justesse. C’est une confusion dangereuse que je vois poindre.

Si je me prête au jeu de l’atelier — « qu’est-ce qu’il faudrait pour que ça marche vraiment? » — la réponse tourne toujours autour des mêmes points peu glamour: la qualité des données, les limites du modèle, les droits d’accès, pis surtout la capacité d’expliquer une réponse incertaine. Une « IA » d’entreprise qui ne sait pas dire « je ne suis pas sûre » est plus dangereuse qu’utile. La vraie maturité ne sera pas dans la confiance de la machine, mais dans son humilité — sa capacité à montrer quand elle ne sait pas.

Ce que je retiens en septembre 2011, c’est qu’il faut séparer le mot de la chose. L’intelligence artificielle en entreprise, à ce stade-ci, est davantage une promesse qu’une réalité opérationnelle. Ça ne veut pas dire que c’est du vent — il y a des fondations qui se posent, des techniques qui s’améliorent. Mais entre les fondations d’aujourd’hui pis les promesses qu’on entend, il y a un fossé que je préfère regarder lucidement plutôt que de prétendre qu’il n’existe pas.

La suite, je la suis de loin, sans m’emballer. Je note les démonstrations, je garde un carnet mental des cas qui marchent pis de ceux qui plantent, pis j’attends que la réalité rattrape le discours. Le jour où une « IA » d’entreprise saura admettre son incertitude pis qu’on pourra vérifier comment elle arrive à ses réponses, je m’y intéresserai autrement. Pour l’instant, en septembre 2011, je reste un observateur curieux mais sceptique — pis je pense que c’est la bonne posture.