Concrètement, l’AI washing consiste, pour une entreprise ou une organisation, à faire des déclarations exagérées ou fausses sur l’utilisation de l’intelligence artificielle (IA) dans ses produits, services ou opérations, de manière à rendre ces derniers en apparence plus innovants ou technologiquement plus avancés qu’ils ne le sont réellement. Cette pratique s’explique par différentes raisons : attirer des investisseurs, faire grimper le cours de l’action, accroître l’attractivité du produit, gagner un avantage concurrentiel, etc.
L’AI washing peut induire en erreur les clients, les investisseurs et le marché en laissant entendre qu’un produit ou une solution a recours à des caractéristiques d’IA (comme le machine learning ou le deep learning), alors qu’en réalité, ce produit ou cette solution utilise, au mieux, de simples algorithmes. Il s’agit d’un véritable problème de transparence et de confiance, qui suscite des inquiétudes quant à la représentation éthique de la technologie dans le cadre des pratiques commerciales.
Pourquoi maintenant ? Pour répondre à cette question, il suffit de remonter la piste de l’argent : en effet, l’implication (même seulement perçue) de l’IA suffit à attirer de nouveaux investisseurs, à développer l’activité et à renforcer la valorisation de l’entreprise. Flairant l’opportunité, de nombreuses entreprises tentent de faire passer leurs technologies pour de l’IA, contribuant ainsi à la prolifération des affirmations trompeuses sur le marché.
Le combat contre l’AI washing
La bonne nouvelle, c’est que la lutte contre l’AI washing commence à prendre forme. Gary Gensler, le président de la U.S. Securities and Exchange Commission (SEC), a alerté les entreprises sur les dangers de l’AI washing et de ses affirmations trompeuses, menaçant même les entreprises de bloquer leurs fonds si elles venaient à mentir sur leurs actifs IA. Ce n’est pas tout : la Federal Trade Commission (FTC) s’est également penchée sur les fausses affirmations en matière d’IA, indiquant qu’elle allait mener des enquêtes si cela s’avérait nécessaire.
Malgré ces avertissements, l’AI washing s’est poursuivi de plus belle dans le secteur des réseaux. « Prêt pour l’IA », « Optimisé par l’IA », « Piloté par l’IA », etc. : les fournisseurs ne tarissent pas d’éloges pour mettre en avant leurs produits et solutions, même si la plupart des offres ne proposent pas de réelles fonctionnalités d’IA. En vérité, ces produits et solutions ne sont tout simplement pas assez robustes et matures pour tenir les promesses inspirées par l’IA.
Trier le bon du mauvais
Grâce aux technologies AIOps matures, les équipes informatiques et réseaux réduisent les erreurs, simplifient les opérations et garantissent des expériences fiables et sécurisées aux utilisateurs finaux. Aussi, comment faire la distinction entre des solutions qui n’ont d’IA que le nom et celles qui offriront de réels avantages aux organisations informatiques et à leurs utilisateurs finaux ?
Pour commencer, il est bon de rappeler que l’IA n’est pas toute récente, et que toute entreprise prétendant l’utiliser dans son domaine d’expertise aurait dû, en réalité, commencer à y travailler il y a des années. Après avoir identifié les fournisseurs qui sortent du lot, il est essentiel de leur poser des questions d’ordre technique et opérationnel – et d’y trouver des réponses. Comme toujours lorsqu’il s’agit de vérification et d’approvisionnement, le niveau de détail des réponses peut révéler des informations importantes. Quel que soit le niveau technique, les réponses du fournisseur vous aideront à déterminer le bien-fondé de ses affirmations.
Quelques exemples de questions importantes :
- La solution AIOps peut-elle prédire l’expérience utilisateur partout sur le réseau ?
- L’équipe de support client du fournisseur utilise-t-elle sa propre solution AIOps ?
- Ses équipes de science des données et de support client travaillent-elles ensemble ?
- Peut-il donner des exemples concrets de projets clients au cours desquels l’AIOps a réduit le nombre de tickets de support et amélioré l’expérience client ?
- La solution AIOps est-elle soutenue par une architecture cloud de microservicescapable de prendre en charge des cycles de production fréquents et agiles, et ce, sans perturber les services ?
Tenez également compte des trois facteurs clés suivants au moment d’évaluer les différentes solutions AIOps :
Les bonnes données – Tout comme un bon plat ne serait rien sans de bons ingrédients, une IA performante dépend de la qualité des données. Sans bon équilibre entre quantité et qualité des données, l’IA donnera des réponses imprécises ou inefficaces. Pour devenir « explicable », l’IA doit être capable d’expliquer comment elle utilise des données pour parvenir à son résultat.
La bonne réponse en temps réel – Quand les bonnes données rencontrent les bons algorithmes, la magie de l’IA opère et génère les bonnes réponses en temps réel. En revanche, les délais et les faux-positifs des solutions « AI-washées » sont un fardeau pour les équipes informatiques qui peinent déjà à résoudre les problèmes réseau ; d’où la nécessité de bien investir dans l’IA.
La bonne infrastructure – Pour créer une solution AIOps qui peut résoudre les problèmes en temps réel en s’appuyant sur des modèles de deep learning complexes capables de prédire avec précision l’expérience utilisateur, vous avez besoin d’une architecture cloud native adéquate. Si la solution IA n’a pas été conçue dans le cloud, elle sera probablement incapable d’évoluer au rythme de la croissance de l’entreprise.
Juniper Mist est basé sur une véritable IA
Depuis 2015, notre moteur Mist AI™ combine des techniques d’IA, de machine learning et de science des données afin de créer une solution capable de déployer et d’exploiter des réseaux de façon aussi (voire plus) performante que les experts informatiques humains. Résultat : les réseaux Experience-First fleurissent partout dans le monde. ServiceNow, par exemple, a pu réduire de 90 % le nombre de tickets d’assistance liés au réseau à l’aide de Mist AI. De son côté, la marque de prêt-à-porter Gap, Inc. a réduit de 85 % les détachements sur site en utilisant Mist AI afin de résoudre elle-même ses problèmes informatiques.
Avec notre AI-Native Networking Platform, la toute première solution réseau IA native du marché, nous intégrons l’IA à l’ensemble de notre portefeuille. Le but : garantir des expériences inégalées pour l’utilisateur final et l’opérateur, tout en simplifiant les opérations de bout en bout sur chaque domaine du réseau.
Pour plus d’informations sur ce que signifie vraiment « AI-Native » et pour éviter de tomber dans le piège de l’AI washing, consultez ce récent article de blog de Rami Rahim, PDG de Juniper, et regardez notre récent événement virtuel AI-Native Now en replay.
