15 moments où il faut utiliser l'IA et 5 moments où il ne faut pas l'utiliser

Je vous traduis un article très intéressant sur notre rapport à l'IA et les meilleurs façons de l'utiliser.

Notes sur la sagesse pratique de l’utilisation de l’IA

Il existe plusieurs types de travaux pour lesquels l’IA peut être particulièrement utile, compte tenu des capacités et des limites actuelles des LLM. Bien que cette liste soit basée sur la science, elle s’inspire encore plus de l’expérience. Comme toute forme de sagesse, bien utiliser l’IA nécessite de garder à l’esprit des idées opposées : elle peut être transformatrice mais doit être abordée avec scepticisme, puissante mais sujette à des échecs subtils, essentielle pour certaines tâches mais activement nuisible pour d’autres. Je tiens également à vous avertir que vous ne devriez pas prendre cette liste trop au sérieux, sauf comme source d'inspiration : c'est vous qui connaissez mieux votre propre situation et les connaissances locales comptent plus que tout principe général. Une fois tout cela réglé, vous trouverez ci-dessous plusieurs types de tâches pour lesquelles l’IA peut être particulièrement utile, compte tenu des capacités actuelles, ainsi que certains scénarios dans lesquels vous devez rester prudent.

Travail qui demande de la quantité. Par exemple, le nombre d’idées que vous générez détermine la qualité de la meilleure idée. Vous souhaitez générer beaucoup d’idées lors de toute séance de brainstorming. La plupart des gens s'arrêtent après avoir généré seulement quelques idées parce qu'ils sont épuisés, mais l'IA peut en fournir des centaines qui ne se répètent pas de manière significative . 1   

 
 Travaillez là où vous êtes un expert et pouvez évaluer rapidement si l’IA est bonne ou mauvaise. Cela peut impliquer un travail compliqué et exigeant, mais cela dépend de votre expertise pour déterminer si l'IA fournit des résultats précieux. Par exemple, o1, le nouveau modèle d'IA d'OpenAI, peut résoudre certains problèmes de niveau doctorat, mais il peut être difficile de savoir si ses réponses sont utiles sans être soi-même un expert. 

Travail qui implique de résumer de grandes quantités d’informations, mais où les inconvénients des erreurs sont faibles et où vous n’êtes pas censé avoir une connaissance détaillée des informations sous-jacentes. L’IA est efficace pour résumer des romans , mais elle réussit moins bien à les vérifier.

 
Un travail qui n’est qu’une traduction entre cadres ou perspectives. Par exemple, vous avez élaboré une politique mais devez maintenant la transformer en une douzaine de documents de formation différents destinés à différents publics de votre organisation. L'IA est très efficace dans ce type de traduction, augmentant et diminuant la complexité des documents afin que les gens puissent les comprendre .  

 
Un travail qui n’est qu’une traduction entre cadres ou perspectives. Par exemple, vous avez élaboré une politique mais devez maintenant la transformer en une douzaine de documents de formation différents destinés à différents publics de votre organisation. L'IA est très efficace dans ce type de traduction, augmentant et diminuant la complexité des documents afin que les gens puissent les comprendre . 

 

Travaillez là où vous savez que l'IA est meilleure que le meilleur humain disponible auquel vous pouvez accéder, et où les modes de défaillance de l'IA n'entraîneront pas de pires résultats en cas de problème. 
Ouvrage qui contient certains éléments que vous pouvez comprendre mais qui ont besoin d'aide sur le contexte ou les détails. Tyler Cowen suggère d'utiliser l'IA comme compagnon lors de la lecture , car elle permet de poser une infinité de questions.  

 
Travaillez là où vous avez besoin de variance et où vous sélectionnerez la meilleure réponse en tant qu'éditeur ou conservateur. Demander une variété de solutions - donnez-moi 15 façons de réécrire cette puce dans des styles radicalement différents, soyez créatif - vous permet de trouver des idées qui pourraient être intéressantes. 

Les travaux de recherche montrent que l'IA est presque certainement utile dans de nombreux types de codage , par exemple.

Travaillez là où vous avez besoin d’un premier aperçu de ce qu’un destinataire hostile, amical ou naïf pourrait penser. 

 

Un travail entrepreneurial, dans lequel vous êtes censé étendre largement votre expertise dans de nombreuses disciplines différentes et où l'alternative à un partenaire suffisamment bon est de ne pas être capable d'agir du tout. AI peut être un co-fondateur étonnamment compétent, aidant à offrir un mentorat tout en agissant également pour créer des documents, des démonstrations et des approches qui autrement seraient susceptibles de sortir de votre expérience.

Travaillez là où vous avez besoin d'une perspective spécifique et où une première passe simulée à partir de cette perspective peut être utile, comme les réactions de personnages fictifs .

Un travail qui n'est que rituel, longtemps coupé de sa finalité (comme certains rapports standardisés que personne ne lit). Qu'est-ce qui, selon les mots de Bob Sutton et Huggy Rao , disperse votre attention et vous rend moins précieux ? Quel travail ne sert à rien ? Dans un monde idéal, vous supprimeriez le travail, mais vous pouvez au moins réduire son emprise sur vous en faisant appel à l’IA. (Mais assurez-vous que c'est bien le cas, car beaucoup trop de gens automatisent les évaluations de performances, par exemple, qui n'ont de sens que lorsqu'elles sont effectuées par un humain)

Travaillez là où vous voulez un deuxième avis. Donnez à une IA accès aux données et voyez si elle arrive à la même conclusion.

Un travail que les IA peuvent faire mieux que les humains. Il s’agit probablement de la catégorie qui connaît la croissance la plus rapide.

5 moments où il ne faut pas utiliser l'IA

Avant de plonger dans les cas spécifiques où l’utilisation de l’IA pose problème, nous pouvons mettre de côté les scénarios évidents : utiliser l’IA à des fins illégales, dans des situations à enjeux élevés où les erreurs pourraient être catastrophiques, ou pour des décisions qui nécessitent éthiquement un travail humain. Dans un travail qui a besoin de se baser sur des sources sûres, dans les études, ou en politique, il faut toujours se méfier.

Au-delà de ces cas clairs, voici cinq domaines subtils mais importants dans lesquels l’utilisation de l’IA peut être contre-productive : 

Lorsque vous avez besoin d’apprendre et de synthétiser de nouvelles idées ou informations. Demander un résumé n’est pas la même chose que lire par soi-même. Demander à l’IA de résoudre un problème à votre place n’est pas un moyen efficace d’apprendre, même si cela semble être le cas. Pour apprendre quelque chose de nouveau, vous devrez lire et réfléchir vous-même, même si vous pouvez toujours trouver une IA utile pour certaines parties du processus d'apprentissage .  
Lorsqu’une très grande précision est requise. Le problème avec les erreurs de l’IA, les fameuses hallucinations, c’est que, en raison du fonctionnement des LLM, les erreurs seront très plausibles. Les hallucinations sont donc très difficiles à repérer, et les recherches suggèrent que les gens n'essaient même pas, « s'endorment au volant » et n'y prêtent pas attention. Les hallucinations peuvent être réduites, mais pas éliminées. (Cependant, de nombreuses tâches dans le monde réel tolèrent les erreurs – les humains font aussi des erreurs – et il se peut que l’IA soit moins sujette aux erreurs que les humains dans certains cas.) 
 
Quand vous ne comprenez pas les modes de défaillance de l’IA. L'IA n'échoue pas exactement comme un humain. Vous savez que cela peut halluciner, mais ce n’est qu’une forme d’erreur : les IA essaient souvent de vous persuader qu’elles ont raison, ou elles pourraient devenir flagorneuses et être d’accord avec votre réponse incorrecte. Vous devez utiliser suffisamment l’IA pour comprendre ces risques. 
 

Quand l’effort est l’essentiel. Dans de nombreux domaines, les gens doivent lutter sur un sujet pour réussir – les écrivains réécrivent la même page, les universitaires revisitent une théorie plusieurs fois. En raccourcissant cette lutte, aussi frustrante soit-elle, vous risquez de perdre la capacité d’atteindre le moment vital « aha ». 

 

 

Quand l’IA est mauvaise. Cela peut sembler évident, mais l'IA est mauvaise pour des choses auxquelles on ne s'attendrait pas (compter le nombre de r dans le mot « fraise ») et bonne pour des choses auxquelles on ne s'attendrait pas (écrire un sonnet shakespearien sur la difficulté de compter). le nombre de r dans le mot fraise où la première lettre de chaque ligne désigne deux fruits). Malheureusement, il n'existe pas de manuel général pour vous indiquer la forme des capacités de Jagged Frontier de l'IA , qui sont en constante évolution. Les essais et erreurs, ainsi que le partage d’informations avec ses pairs, sont essentiels pour comprendre cela. 

 
Savoir quand utiliser l’IA s’avère être une forme de sagesse, et pas seulement une connaissance technique. Comme la plupart des sagesses, c'est quelque peu paradoxal : l'IA est souvent plus utile là où nous sommes déjà suffisamment experts pour repérer ses erreurs, mais moins utile dans le travail en profondeur qui a fait de nous des experts en premier lieu. Cela fonctionne mieux pour les tâches que nous pourrions effectuer nous-mêmes mais sur lesquelles nous ne devrions pas perdre de temps, mais peut nuire activement à notre apprentissage lorsque nous l'utilisons pour éviter des luttes nécessaires. Et peut-être plus important encore, la sagesse signifie savoir que ces modèles continueront d’évoluer à mesure que les capacités de l’IA évoluent et que de nouvelles recherches seront menées, ce qui nous obligera à remettre en question nos hypothèses sur les domaines dans lesquels elle aide et ceux qui gênent.

(source: Ethan Mollick)