Tracer les frontières de l’IA

Tom Godden :
Hello. Bienvenue sur le podcast Executive Insights, proposé par AWS. Je m’appelle Tom Godden. Je suis directeur de la stratégie d’entreprise chez AWS et je suis rejoint aujourd’hui par Matt Fitzpatrick.

Merci de vous joindre à nous aujourd’hui.

Matt Fitzpatrick :
Merci de m’avoir invité.

Tom Godden :
C’est très appréciable. Pourriez-vous nous donner une petite introduction ? Expliquez-nous un peu plus votre rôle chez McKinsey et parlez-moi davantage de Quantum Black Labs. J’adore le nom.

Matt Fitzpatrick :
Vous pouvez considérer que McKinsey Engineering a quelques milliers d’ingénieurs qui travaillent sur les sites des clients, construisent des modèles, développent des technologies, et Quantum Black Labs est le genre de groupe de développement technologique qui soutient tout cela.

Qu’il s’agisse d’un modèle de rétention ou d’un moteur de recommandation. Tout ce que vous pouvez considérer comme une interface logicielle dotée d’un modèle menant à une décision. Dans un contexte d’IA générative, cela pourrait ressembler à un chatbot, c’est ce que fait notre équipe Quantum Black.

Quantum Black Labs propose tous les outils et le développement de produits qui soutiennent les ingénieurs déployés à l’avance.

Tom Godden :
Vous voyez donc beaucoup de choses se passer avec l’IA en ce moment chez McKinsey. Nos clients bénéficient toujours de ces informations. Je suis beaucoup McKinsey pour en savoir plus. À quoi pensez-vous en ce moment dans le domaine de l’IA ?

Matt Fitzpatrick :
Les deux dernières années ont été intéressantes. De toute évidence, l’IA est devenue une priorité pour de nombreuses personnes. C’est en haut de la page, c’est la première page de tous les journaux de nos jours.

Tom Godden :
C’est le gosse cool de la ville.

Matt Fitzpatrick :
Mais la réalité a été plus difficile que ce à quoi les gens s’attendaient. Beaucoup de gens s’attendaient à ce que cela ressemble davantage à un logiciel dans lequel vous installeriez un nouveau système ERP et celui-ci fonctionnerait. Il s’agit en fait beaucoup plus d’expériences et de découvertes…

Tom Godden :
D’entraînement.

Matt Fitzpatrick :
D’entraînement. C’est donc ce processus qui a permis à de nombreuses organisations non technologiques plus traditionnelles, qui n’utilisaient que des logiciels et peut-être un peu de modélisation ici et là, d’essayer de se transformer en groupes de développement technologique. C’est-à-dire quelque chose de très différent. Personne n’avait l’intention de créer un logiciel personnalisé il y a 25 ans avec son propre ordinateur central, cela aurait été assez difficile. Mais dans ce contexte, lorsque vous pensez à tirer parti de toutes les différentes technologies que vous pouvez combiner pour ensuite exploiter, disons, un modèle d’IA générative, il s’agit d’un processus très différent de celui de la plupart des entreprises du Fortune 5000 qui n’ont jamais vraiment conçu auparavant. Les données que nous voyons indiquent qu’environ 92 % des modèles actuels n’arrivent jamais en production.

Tom Godden :
Vraiment ?

Matt Fitzpatrick :
Environ 8 % seulement de ce qui est conçu aujourd’hui est utilisé. Cela a été un processus d’adaptation difficile pour la plupart des entreprises traditionnelles.

Tom Godden :
Examinons cela de plus près. Quels sont les obstacles potentiels ? Qu’est-ce qui empêche les gens de porter ce chiffre à 80 % au lieu de 8 % ?

Matt Fitzpatrick :
Ce sont deux choses différentes. La plus flagrante est celle des hallucinations dans un contexte de l’IA générative. En machine learning, c est un peu plus facile. Vous pouvez dire : « Voici ma variable dépendante, j’ai besoin d’un certain niveau de précision » et vous pouvez vous sentir à l’aise avec cela. Dans le contexte de l’IA générative, si vous décidez de créer un modèle qui n’a pas nécessairement de définition claire, par exemple un chatbot pour discuter du type de café que quelqu’un aimerait commander. Définir ce que signifie « être bon » est en réalité assez difficile.

Tom Godden :
D’accord. Ça a l’air facile.

Matt Fitzpatrick :
De nombreuses organisations, qui ont une centaine de projets pilotes en cours, ne sont pas vraiment sûres de savoir ce qui se passe quand elles passent à l’étape de la production et que cela fonctionne. Cette définition consiste à dire : « Le KPI que je vais mesurer est le suivant, et je vais le limiter, le tester et m’assurer que je suis à l’aise, qu’aucun risque ne se produit ». Ça a été le plus important. Et vous avez été témoin de problèmes publics très médiatisés à ce sujet, où des organisations ont publié un chatbot qui a fait quelque chose d’assez embarrassant. C’est de loin le numéro un.

Tom Godden :
Cela inquiète les gens à juste titre, mais ils réagissent un peu de manière excessive. Parce qu’à juste titre, ils ne veulent pas devenir cette entreprise dont on parle sur les réseaux sociaux ou en première page du Wall Street Journal.

Matt Fitzpatrick :
Tout à fait d'accord. D’ailleurs, ce qui est intéressant, c’est qu’il existe des moyens de le faire avec une conviction assez forte que vous avez géré le risque. Cela signifie que vous mettez des barrières de protection autour des choses qui ne peuvent pas être dites, autour des préjugés, autour de la toxicité. Vous pouvez mettre des barrières de protection et dire : « Voici le résultat que j’attends de cette série de recommandations ». Ou si vous avez besoin de faire une recommandation comme suggérer l’achat de ce produit ou un prix, vous pouvez en fait avoir cela régi par un modèle de machine learning très vérifiable, clair, transparent, puis faire en sorte que le LLM soit l’enveloppe conversationnelle autour de cela.

Dans ce type de paradigme, il y a très peu de risques. Vous savez quelle sera votre recommandation et vous savez que vous pouvez installer des barrières de protection pour qu’il ne dise rien de particulièrement effrayant. Mais encore une fois, cela s’inscrit dans le contexte d’organisations qui n’ont jamais eu à construire quelque chose de tel auparavant. Cette courbe d’apprentissage a été difficile.

Les autres éléments à prendre en compte sont qu’il faut beaucoup de changements organisationnels pour se sentir à l’aise avec la méthode « tester et apprendre ». C’est l’autre aspect le plus difficile de tout cela. La plupart des organisations qui développent des technologies veulent savoir que dans six mois, elles en seront à un stade où elles sauront avec certitude comment cela fonctionne.

Tom Godden :
C’est unique, car un être vivant qui respire est amené à évoluer et à changer continuellement à mesure que les données qui l’alimentent et interagissent avec lui changent. Cet état d’esprit, vous l’avez compris, est quelque chose de très étranger à beaucoup de personnes, et ce à juste titre. C’est compréhensible, mais ils paniquent un peu à ce sujet et ne savent pas où aller.

Matt Fitzpatrick :
Totalement. Si vous avez utilisé un paradigme de logiciel qui fonctionne ou de modèles hautement prévisibles, tels que des modèles statistiques de base, et que vous devez soudainement passer à la phase de test et d’apprentissage, ce n’est pas simple.

Tom Godden :
Laissez-vous surprendre.

Matt Fitzpatrick :
Pensez même à quelque chose qui, disons, va donner du pouvoir à quelqu’un de votre première ligne, un représentant de Salesforce ou un représentant de centre d’appels, et à l’idée que cette personne doit prendre une décision sur une question qui n’est peut-être pas parfaite immédiatement. Encore une fois, c’est difficile. Ce qui est intéressant, c’est que si vous vous sentez à l’aise avec ce mouvement et que vous vous entraînez et faites des tests avant de la mettre en œuvre, vous pouvez obtenir de très bons résultats, mais ce n’est pas un muscle dont disposent la plupart des organisations.

Tom Godden :
Je vais donc vous y faire revenir un peu. Nous avons parlé de certains défis, nous en reparlerons un peu plus, mais parlons des opportunités. À quoi les entreprises s’intéressent-elles et qu’est-ce qu’elles font ? Quelles sont les choses les plus passionnantes ? Et d’autre part, Matt, où est le layup facile ? Je veux dire, faites-moi gagner. Qu’est-ce qui vous fait gagner ?

Matt Fitzpatrick :
Nous allons regarder en arrière dans cinq à dix ans et dire que les deux premières années ont été beaucoup plus difficiles que prévu, mais le changement dans dix ans sera bien plus important que ce à quoi les gens s’attendent à bien des égards. Si vous examinez quelques dimensions différentes, le codage, le développement de logiciels, je pense que…

Tom Godden :
Voilà un excellent cas d’utilisation à suivre.

Matt Fitzpatrick :
Oui, il y a cinq ans, huit ans, si vous vouliez créer une entreprise et créer une application, vous deviez trouver quelqu’un pour créer une page Web, ce qui était vraiment pénible à faire. L’idée de la transcription de texte en HTML, ou en SQL, comme toutes ces choses, va considérablement démocratiser l’accès au développement des nouvelles technologies.

Ce sera un changement vraiment positif pour la société, pour tous ceux qui souhaitent créer une entreprise. Cela rendra également les ingénieurs beaucoup plus efficaces. Beaucoup de nos ingénieurs utilisent déjà largement l’IA générative lorsqu’ils la développent. C’est plus efficace à bien des égards qu’un simple référentiel de code dans lequel vous devez effectuer une recherche. Nous en sommes déjà à la troisième étape de l’amélioration du développement logiciel. C’est énorme… Selon moi, ce sera probablement le domaine qui aura le plus d’impact au cours des deux prochaines années.

Tom Godden :
L’une des choses que j’aime à ce sujet, c’est non seulement la valeur immédiate que vous allez en tirer, mais aussi le fait que cela stimule l’esprit des développeurs. Ils commencent par utiliser l’IA générative comme assistant de codage, puis se demandent : « Pourrais-je également l’utiliser de cette manière dans le service client ? » Cela montre également que nous parlons d’augmenter les individus et non de les remplacer. Le fait d’incarner toutes ces choses vous permet d’en tirer les avantages et la valeur du codage. Du genre : « Oh mon dieu, vas-y ! »

Matt Fitzpatrick :
Oui, à cent pour cent. Pensez également aux milliers de milliards de logiciels existants qui existent dans le monde. Pensez à la difficulté pour ces organisations si vous avez un système vieux de 20 ans, écrit sur une ancienne base de code…

Tom Godden :
Puis-je passer de cette version de .NET à la suivante ?

Matt Fitzpatrick :
C’est une expérience horrible pour vos clients. C’est une expérience horrible pour vos employés. Alors imaginez…

Tom Godden :
Ce n’est pas différenciant, n’est-ce pas ? C’est simplement une tâche que vous devez accomplir afin de pouvoir passer aux choses sérieuses.

Matt Fitzpatrick :
Si vous pensez à l’ère du numérique, c’est ce qui a empêché de nombreuses entreprises de vraiment entrer dans cette énorme base de code héritée.

Si vous pouvez passer à un monde où vous pouvez les moderniser plus efficacement et commencer à permettre à votre organisation de devenir d’abord plus numérique, cela aura d’énormes implications pour que les entreprises de la vieille école se sentent davantage comme des entreprises technologiques. Ce sera un véritable changement positif pour le fonctionnement des entreprises. Parce que tous ceux qui ont un système vieux de 30 ans sur lequel ils essaient de gérer leur entreprise savent que le remaniement du processus est incroyablement pénible.

L’autre domaine qui me semble important est l’expérience client. Donc, tout ce qui concerne la sensibilisation des clients, les centres d’appels, les e-mails sortants, les SMS sortants. À l’heure actuelle, c’est un processus assez pénible.

Nous avons vu, par exemple, que l’expérience des centres d’appels est telle que les scores MPS de la plupart des centres d’appels ne sont pas très bons. La plupart des gens n’aiment pas l’expérience d’être mis 25 minutes en attente. Imaginez donc un monde où, au lieu d’un flux directionnel acheminé indiquant que vous ne pouvez parler que de facturation ou de service, vous pouvez avoir une conversation et régler votre problème. Encore une fois, le temps que vous passerez en attente au centre d’appels diminuera considérablement.

Et votre capacité à communiquer avec vos clients pour leur parler constituera un très grand changement. À l’heure actuelle, si vous envoyez un e-mail sortant, il s’agit la plupart du temps d’une lettre type concernant un événement. Imaginez que cet e-mail sortant contienne des informations sur le compte de la personne, il peut réellement lui proposer une offre personnalisée. C’est un élément très important.

L’autre question qui me semble très importante est ce que j’appellerais la gestion des connaissances. Pensez à toute organisation qui possède d’énormes quantités de données, qu’il s’agisse d’une entreprise de traitement des sinistres ou d’une entreprise de réparation automobile, mais qui contient de nombreuses informations qui ne sont vraiment pas organisées ou structurées de quelque façon que ce soit. La roue est donc souvent réinventée à chaque fois qu’une tâche est effectuée. Je dirais qu’il n’y a pas de mémoire institutionnelle. C’est une question qui suscite beaucoup d’intérêt et qui sera très transformatrice.

Tom Godden :
Il y a un excellent exemple sur le site Web d’AWS à propos d’une entreprise (ascenseurs, escaliers mécaniques, etc.) et l’entreprise a développé une excellente solution d’intelligence artificielle sur AWS pour revenir sur l’historique de tous les enregistrements de service effectués. Alors que vous essayez de réparer cet escalator ou cet ascenseur à un endroit donné, au lieu de réinventer la roue, pourquoi ne pas revenir sur l’histoire de tous les appels de service qui ont existé et vous demander quelle est la façon de trier cela ? Ce n’est qu’un exemple et il y en a tellement desquels en tirer parti.

Matt Fitzpatrick :
Les appels de service en sont l’un des meilleurs exemples. Si vous pensez à la façon dont presque toutes les organisations du monde fonctionnent aujourd’hui avec les appels de service, à moins qu’elles ne disposent d’un système de centre d’appels vraiment sophistiqué, elles ont une personne chargée de prendre une décision, d’effectuer une évaluation, qui peut être correcte ou non, et cela n’est ni stocké ni utilisé d’aucune façon. En tant que société, nous sommes donc tous confrontés à beaucoup plus de difficultés liées à des diagnostics incorrects à n’importe quel point de service. Ce sera également une chose très positive.

Tom Godden :
En 2023 et 2024 , nous avons un peu vécu le battage médiatique suscité par l’IA générative, l’enthousiasme, mais également un peu ce battage qui l’accompagnait. Nous sommes fermement convaincus chez AWS, qu’au fil du temps, presque toutes les applications seront augmentées par l’IA et par l’IA générative. Mais dans ce contexte, comment pouvons-nous aider les dirigeants à rationaliser leurs arguments en faveur de l’IA générative afin qu’ils n’en fassent pas trop ? Pour que vous trouviez la valeur correcte. Comment conseillez-vous aux gens d’aller de l’avant dans ce domaine ?

Matt Fitzpatrick :
Cela explique en partie pourquoi seulement 8 % d’entre eux y arrivent actuellement. L’incertitude quant à la réussite est un élément délicat du processus d’élaboration d’une analyse de rentabilisation. Prenons un exemple : vous souhaitez installer un nouveau logiciel pour gérer les dépenses. À l’heure actuelle, vous pourriez élaborer une analyse de rentabilisation, connaître exactement le flux de travail à exécuter et vous auriez une très grande confiance. Il s’agit donc d’un processus très simple pour élaborer une analyse de rentabilisation à cet égard. Mais imaginez que votre analyse de rentabilisation repose sur 12 éléments différents auxquels vous pourriez faire appel à votre organisation :

Tom Godden :
Résoudre pour N, oui.

Matt Fitzpatrick :
Où cinq d’entre eux pourraient fonctionner et sept d’entre eux pourraient ne pas fonctionner. Il faut réellement changer la façon dont fonctionne l’élaboration d’une analyse de rentabilisation pour qu’elle ressemble davantage à du capital-risque. Je ne pense pas que cela signifie que seule une personne sur dix travaille. Cela signifie que vous devez être à l’aise pour expérimenter, essayer 10, 12 ou 14 choses différentes et au fil du temps, vous en obtiendrez cinq qui fonctionnent dans le premier lot. Et dans le prochain lot, vous en aurez 10 qui fonctionneront. Vous n’investirez pas non plus d’énormes sommes pour développer chacun d’entre eux.

À titre d’exemple, considérons la gestion des connaissances : les mêmes données que vous utilisez pour un appel de service peuvent probablement être utilisées pour les centres de contact, pour produire des documents sur le déroulement de l’appel, etc. Vous vous retrouverez avec 5, 6, 7 cas d’utilisation liés à celui que vous avez créé et qui a fonctionné.

Tom Godden :
J’adore celle-là. Je conseille toujours aux gens de se procurer ce document récapitulatif des cas d’utilisation, éventuellement pour le mettre en pratique, mais ensuite de l’utiliser dans les ressources humaines, dans les finances, etc. Vous allez devoir ajuster et entraîner un peu le modèle, mais 80 % ou 90 % du travail est déjà accompli.

Matt Fitzpatrick :
Cela a été la chose la plus difficile en ce qui concerne les analyses de rentabilisation. Vous n’adoptez pas un paradigme où cela vous prendra deux ans et où il s’agit d’une analyse de rentabilisation monolithique qui, au final, est terminée. Vous adoptez plutôt un paradigme du type : « J’ai besoin de quatre composants de données différents pour ce cas d’utilisation ». Tous ces composants de données sont modulaires, je peux les utiliser pour quatre autres cas d’utilisation. En réalité, mon analyse de rentabilité consiste à me demander si cela en vaut la peine, si je vais créer suffisamment de capacités et si je peux justifier de me lancer parce que cela sera utile à plusieurs reprises. Et au fil du temps, sur une période de trois à cinq ans, vous allez multiplier votre investissement. Ce ne sera probablement pas lors du premier essai.

Tom Godden :
Alors Matt, faisons semblant d’être un CIO. En tant qu’ancien CIO, ce n’est pas difficile de faire semblant. Disons que je suis face à une situation où je veux que quelque chose soit vraiment unique, personnalisé pour moi, mais je veux aussi que ce soit peu coûteux. N’est-ce pas toujours le paradigme ? Comment McKinsey, comment abordez-vous le fait de conseiller aux gens de concevoir plutôt que d’acheter ? Lorsque vous le créez, vous pouvez le personnaliser. Cela coûte beaucoup plus cher. Lorsque vous l’achetez, c’est théoriquement moins cher, et moins personnalisé. En tant que CIO, je suis coincé entre les deux. Aidez-moi. Quels conseils donnez-vous ?

Matt Fitzpatrick :
Je suis d’avis qu’en fait, la définition de la conception par rapport à l’achat est devenue très biaisée dans la façon dont nous l’envisageons en tant qu’organisation technologique. Voici ce que je veux dire par là. Il y a 10 ans, la définition de concevoir par rapport à acheter signifiait « acheter » : je prends un produit du commerce, il fonctionne et cela me coûte un certain montant. En cas de conception, pour concevoir, je devrais littéralement installer un ordinateur central. Je dois créer tout mon code en grande partie à partir de zéro, souvent, il y a peut-être 15 ans, mais…

Tom Godden :
Concevoir l’intégralité.

Matt Fitzpatrick :
Vous concevez vraiment quelque chose à partir de zéro et votre investissement va être énorme.

Tom Godden :
Nous vous remercions de l’avoir dit, car c’est un peu la stratégie d’AWS. Aider à prendre en charge cette tâche indifférenciée.

Matt Fitzpatrick :
Si j’adopte une vision globale, pas celle d’un fournisseur de technologie en particulier, aujourd’hui, « créer » signifie lancer une instance cloud. Utiliser différents composants modulaires. Extraire du code GitHub, des référentiels de code contenant des informations. S’appuyer sur six ou sept composants prêts à l’emploi qui me permettent de proposer un produit vraiment utile et personnalisé pour mon organisation, pour une fraction du coût que nous utilisions il y a 10 ans.

Il y a trois ans, je travaillais avec un acteur qui envisageait d’acheter un produit standard. Il s’agissait d’un important gestionnaire d’actifs qui avait besoin de reconstruire son système de crédit. Leur débat portait sur l’achat d’une plateforme de crédit prête à l’emploi ou sur la possibilité d’en créer une. Et non, ce n’est pas une entreprise technologique. Il y a 10 ans, l’idée de créer une plateforme de crédit aurait semblé complètement insensée.

Tom Godden :
Les sonnettes d’alarme se déclenchent.

Matt Fitzpatrick :
Mais lorsqu’ils l’ont étudié, ils ont fini par se rendre compte que, s’ils achètent ce produit, il leur faudra investir beaucoup d’argent pour adapter leur schéma de données à la plateforme de crédit prête à l’emploi. Point suivant, les écrans. Ils avaient un système maison qu’ils essayaient de remplacer, et il allait falloir investir beaucoup d’argent pour adapter le système standard à ce qu’ils voulaient. Il allait falloir beaucoup d’investissements pour y associer les données. Et donc, le temps qu’ils aient terminé…

Tom Godden :
Quelle est la conclusion de l’histoire ?

Matt Fitzpatrick :
Ils étaient essentiellement en train de concevoir un nouveau système à partir de ce type de système prêt à l’emploi. Leur autre option était donc de prendre tous les outils modernes existants, les outils de données modernes, l’infrastructure cloud, tout ça, et de simplement mettre en place un système. Cela s’est avéré assez fou pour ne pas être plus cher que de l’utiliser.

C’est ce que nous constatons de plus en plus. L’IA générative va vraiment accélérer ce processus, car l’une des choses que j’ai appréciées dans l’écosystème de l’IA générative, c’est l’interopérabilité des différentes applications. Personne ne conçoit cela pour dire : « Vous ne pouvez utiliser que le nôtre. » Tout le monde dit que vous pouvez participer à la meilleure race. Ainsi, chaque fois qu’une nouvelle technologie sera mise au point, vous serez en mesure d’y participer. La question qui se pose alors est la suivante : si vous créez une nouvelle demande de crédit aujourd’hui et que vous achetez quelque chose et qu’un nouvel outil d’IA générative intéressant apparaît, vous ne pouvez pas l’utiliser. En réalité, vous accumulez davantage de dette technique en utilisant une plateforme de crédit standard vieille de dix ans qu’en concevant une pile moderne, interopérable et évolutive qui vous permettrait d’utiliser tous les composants modernes.

Le nombre d’entreprises qui se sont habituées à la conception, comme on pourrait l’appeler aujourd’hui, est bien plus élevé qu’il y a cinq ans. Et c’est grâce à l’investissement dans le cloud et l’infrastructure que tout cela est possible, et à une vitesse bien supérieure.

Tom Godden :
Matt, vous avez effectué de nombreuses transformations, vous avez beaucoup dirigé, vous avez vu beaucoup de choses. McKinsey parle longuement du recâblage des organisations pour y parvenir. Quels sont, selon vous, des modèles efficaces illustrant la façon dont les gens abordent cet aspect culturel afin de réussir alors que nous passons à cette IA générative ?

Matt Fitzpatrick :
Plusieurs facteurs ont joué un rôle clé à cet égard. Le premier consiste à définir très clairement quels cas d’utilisation sont réellement importants et peuvent faire avancer les choses. Encore une fois, si vous adoptez une vision d’il y a 10 ans, selon laquelle votre organisation technologique pourrait ne pas vraiment parler à votre organisation commerciale, c’est un échec infaillible. Vous avez besoin d’une vision claire de ce que je souhaite accomplir ? Quels sont les 10 cas d’utilisation que je vais essayer, comment mes équipes techniques et commerciales vont-elles travailler ensemble pour tester et apprendre ? L’ensemble de ce processus est un nouveau muscle. Les compétences qui suscitent le plus d’intérêt ces derniers temps sont ce que l’on pourrait appeler un ensemble de compétences de traducteur ou une personne qui possède des connaissances numériques, mais qui comprend également le secteur d’activité. J’ai travaillé avec de nombreux clients de l’immobilier, par exemple, et quelqu’un qui comprend à la fois la technologie et le secteur immobilier a beaucoup plus de valeur que quelqu’un qui comprend l’un ou l’autre.

Il faut établir un lien entre l’organisation technologique et les équipes commerciales afin que ce qui est en cours de conception soit réalisable et corresponde aux attentes des utilisateurs professionnels. Les compétences de traducteur deviennent vraiment importantes.

De même, vous devez beaucoup réfléchir à la requalification, ou du moins à l’ensemble des compétences techniques de votre organisation d’ingénierie. Par exemple, si vous avez une organisation d’ingénierie qui ne sait pas comment utiliser Python ou même des outils un peu plus récents comme Rust, il vous sera plus difficile de tirer parti de la plupart des outils modernes d’IA générative. Cela peut donc entraîner une sorte de reconversion, de requalification, ou de nouvelles embauches, mais vous devrez renforcer votre organisation d’ingénierie traditionnelle.

Tom Godden :
Vous en avez parlé un peu plus tôt, dans une dizaine d’années, nous regarderons ces deux premières années d’un œil un peu plus sévère. Où en serons-nous dans 10 ans ? Où nous dirigeons-nous ?

Matt Fitzpatrick :
Il y a eu beaucoup de controverses sur ce à quoi cela pourrait ressembler dans 10 ans, mais je vais vous en donner un aperçu positif.

Nous passons tous beaucoup de temps en ce moment sur nos téléphones. Si vous pensez au temps que vous passez sur votre téléphone et à la prévalence des rapports et des documents sur lesquels tout le monde passe sa vie, c’est énorme. Tout le monde dispose d’un millier de rapports clients, de feuilles de calcul, de tout ce genre de choses, associés à une à deux heures d’écran par jour, généralement en regardant vers le bas et non vers le monde réel. Imaginez maintenant un monde où cela serait remplacé. D’ailleurs, cela est en grande partie lié à la prévalence des différentes applications ou outils que vous utilisez pour gérer les réservations de vols ou tout autre élément de votre vie. Vous avez une autre application pour le faire.

Imaginez maintenant un monde où vous n’avez pas besoin d’un millier d’applications, de feuilles de calcul. Disons que vous avez des lunettes ou des choses comme ça où vous vous trouvez dans le monde réel en train de vous balader, et vous commencez à voir des alertes sur ces lunettes. Soit dit en passant, ces appareils existent déjà, je ne dis donc rien de très révolutionnaire, mais vous les associez à l’assistant virtuel que vous avez dans l’oreille. Supposons que vous soyez un PDG dans ce monde, au lieu de parcourir chaque jour 17 rapports différents qui montrent des choses différentes et tout le reste, vous demandez simplement à votre assistant…

Tom Godden :
Résume-le moi. Éclaircis-le pour moi.

Matt Fitzpatrick :
Vous dites : « Montre-moi mes ventes en Europe et leur répartition par client et ces cinq réductions. » Et vous voyez ça dans vos lunettes, puis vous passez et vous vous dites : « Oh, c’est une publicité intéressante. Qui a fait ça ? » Vous pouvez réellement commencer à interagir avec le monde. La science-fiction est souvent le meilleur indicateur de cela et il existe diverses indications à ce sujet que vous pouvez voir dans le monde de la science-fiction…

Tom Godden :
C’est ça ou les Simpson ont raison ?

Matt Fitzpatrick :
Exactement. Exactement. Mais dans la science-fiction, vous avez différents types de bibliothécaires ou de personnages avec lesquels vous interagissez et qui commencent tout simplement à vous fournir les informations dont vous avez besoin quand vous en avez besoin. C’est une vision optimiste selon laquelle cela nous donne à tous beaucoup plus de temps dans notre journée. Considérez le temps que vous passez actuellement dans les embouteillages. Imaginez que vous êtes assis dans une voiture autonome, dans un monde où vous pouvez demander toutes les informations que vous voulez. Cela crée de nombreuses opportunités pour démarrer de nouvelles entreprises, créer de nouveaux produits et cela va être vraiment passionnant.

Tom Godden :
Pour terminer, quel est votre seul conseil à donner à quelqu’un qui s’apprête à se lancer dans cette aventure ? Vous avez beaucoup d’expérience dans ce domaine. Quel est le seul enseignement que vous leur donnez ?

Matt Fitzpatrick :
J’ai un conseil très précis à vous donner. J’ai lu récemment une étude intéressante selon laquelle, avec l’avènement de l’IA générative, l’intérêt pour l’informatique a diminué. Vous avez assisté à un pic intéressant où, essentiellement, à partir de 2006, l’informatique a vraiment augmenté. S’en est suivi une sorte de pessimisme quant à l’idée que cela susciterait moins d’intérêt, car l’IA générative allait résoudre tout cela. Je pense que c’est ce qui est le plus éloigné de la vérité. En fait, un esprit d’ingénieur trouvera des centaines de façons d’en tirer parti. Donc, mon conseil à tout le monde…

Tom Godden :
Ma femme en sera heureuse.

Matt Fitzpatrick :
Eh bien, mon conseil à tous ceux qui y réfléchissent est de réfléchir à des moyens d’étudier et d’en savoir plus à ce sujet.

Que cela signifie que vous travaillez depuis 20 ans et que vous envisagiez de reprendre des études supérieures à un âge plus avancé ou que vous soyez à l’université, dans tous ces cas, les compétences en ingénierie deviennent une caractéristique de tout. Et votre capacité à vraiment créer des choses à partir de cela, même si vous n’êtes pas toujours celui qui a les mains sur le clavier, celui qui code, va énormément évoluer au fil du temps. Ce serait donc mon principal commentaire.

Tom Godden :
J’aime participer à ces activités, car j’apprends toujours quelque chose de nouveau. Vous m’avez beaucoup appris aujourd’hui. Merci beaucoup d’être ici aujourd’hui. Encore merci.

Matt Fitzpatrick :
Merci Tom de m’avoir invité.

Écouter maintenant

Écouter maintenant

Écouter maintenant