L’intelligence artificielle (IA) au sein des RH ne date pas d’hier. Elle existe depuis des années et assiste les dirigeants dans l’optimisation de leurs journées de travail de diverses façons. L’IA générative est toutefois une nouveauté.
À mesure que l’IA générative progresse dans les services de RH, les dirigeants doivent pouvoir mener des discussions pertinentes et précises à ce sujet. La compréhension des différences entre l’IA générative et les types courants d’IA au sein des RH, en particulier l’IA extractive, constitue un bon point de départ.
Contrairement à l’IA générative, l’IA extractive existe depuis longtemps et est peut-être déjà utilisée dans votre entreprise. En matière d’IA, il peut être nécessaire de préciser s’il s’agit de capacités extractives ou génératives, en particulier si vous envisagez d’en discuter avec des experts en IA.
Qu’est-ce que l’IA extractive?
L’IA extractive puise des données pertinentes dans une source, telles qu’un document ou une base de données, et les expose dans un format intelligible.
« L’IA extractive peut vous aider à trouver un paragraphe ou certaines phrases ou différents mots contenus dans une source, fait remarquer Fernando Schwartz, vice-président, Science des données et ingénierie de l’apprentissage automatique d’ADP. Elle extrait les données directement et vous les transmet; toutefois, celles-ci ne sont pas nécessairement présentées dans un contexte humain. »
Les entreprises utilisent l’IA extractive depuis un moment afin de générer des prévisions et de gérer ou d’analyser des données liées aux RH, telles que les demandes d’emploi dans les systèmes de suivi des candidats, les évaluations de rendement des employés et les commentaires tirés des sondages auprès des employés.
Qu’est-ce que l’IA générative et dans quelle mesure est-elle différente?
L’IA générative est une innovation récente utilisant de grands modèles de langage afin de générer des réponses similaires à celles d’humains pour des demandes d’information ou des requêtes. Parmi les exemples les plus répandus, on retrouve le robot conversationnel de l’IA générative. Contrairement à l’IA extractive, l’IA générative peut créer du nouveau contenu à partir d’une source, telle qu’un ensemble de données textuelles ou d’images. Les outils d’IA générative sont entraînés à partir de vastes bases de données, peuvent interpréter le contexte de la demande d’un utilisateur et créer des images et des réponses textuelles imitant une conversation humaine.
« Les outils d’IA générative peuvent comprendre les textes et les directives dans leur contexte et les communiquer de façon plus humaine, ajoute Fernando Schwartz. Ils ne se limitent pas à extraire les données, mais les convertissent en images et en réponses à consonance naturelle, ce qui donne l’impression de converser avec un collègue avisé. »
Les dirigeants devraient donner la priorité à l’IA générative dans le domaine des RH. C’est la plus récente des technologies de l’IA et c’est elle qui présente le potentiel professionnel le moins exploité. Elle peut optimiser l’exécution des tâches de RH, former les employés (un avantage pour les professionnels de l’apprentissage et du perfectionnement), répondre aux questions relatives aux RH et davantage.
Choisir des solutions de RH dotées de fonctions d’IA générative
Au moment de choisir une solution d’IA générative, il est important de tenir compte de l’expérience et des données du fournisseur. Les entreprises qui travaillent avec l’IA depuis plus longtemps et qui possèdent de plus vastes ensembles de données disposent généralement de solutions d’IA générative robustes, capables de traiter un éventail plus large de cas pratiques. La conformité, la confidentialité et la sécurité des données sont également des aspects importants, notamment lorsque des renseignements sensibles tels que des données sur les employés sont en cause. Les dirigeants devraient vérifier où leur fournisseur de RH stocke lesdites données, qui peut y accéder et quelles données les employés utiliseront avec les outils. En dernier lieu, y a-t-il une dimension humaine, telle qu’un contrôle de résultat des outils? Cela permet de tenir compte de l’exactitude et des biais.
Les outils d’IA générative peuvent comprendre les textes et les directives dans leur contexte et les communiquer de façon plus humaine. Ils ne se limitent pas à extraire les données, mais les convertissent en images et en réponses à consonance naturelle, ce qui donne l’impression de converser avec un collègue avisé.
Fernando Schwartz, vice-président, Science des données et ingénierie de l’apprentissage automatique d’ADP
Glossaire des termes clés
L’IA générative peut s’avérer un outil de RH utile. Les dirigeants devraient discuter avec leurs équipes techniques de la mise en œuvre de ce système et des possibilités qu’il peut créer au sein de leur entreprise. Ils doivent arriver bien informés, car la terminologie liée à l’IA générative peut être complexe à comprendre. Les professionnels des technologies des RH du fournisseur externe peuvent également utiliser cette terminologie; il est donc essentiel de se préparer à ces discussions. Voici quelques-uns des termes et expressions clés que les dirigeants pourraient avoir à connaître :
- Bases de données vectorielles : un ensemble de représentations vectorielles (représentations mathématiques) d’objets de données, tels que des mots, des phrases et des documents.
- Incorporations : représentations numériques de mots ou de phrases qui traduisent leurs significations sémantiques.
- Hébergement interne : fait référence à l’exécution de systèmes d’IA générative sur des serveurs détenus et exploités par l’entreprise utilisant les systèmes.
- Hébergement externe : fait référence à l’exécution de systèmes d’IA générative sur des serveurs détenus et exploités par un fournisseur tiers.
- Ingénierie de requête : désigne la conception et l’affinage des demandes d’information, ou requêtes, pour les systèmes d’IA générative.
- Peaufinage : correspond à l’ajustement d’un modèle linguistique préalablement formé pour mieux s’adapter à une tâche ou à un domaine précis.
- Méthode d’apprentissage « few-shot » : fait référence à la formation de modèles linguistiques afin de générer un nouveau texte fondé sur un petit nombre d’exemples ou de requêtes.
- Apprentissage contextuel : fait référence à la formation d’un modèle afin de comprendre le contexte dans lequel une demande d’information, ou une requête, est faite.
- Préformation : désigne la formation d’un modèle de langage à partir d’une vaste base de données textuelles avant de l’affiner selon une tâche ou un ensemble de données précis.
En se documentant et en maîtrisant ces termes, les dirigeants pourront prendre des décisions plus éclairées sur la mise en œuvre de l’IA générative.
En conclusion : soyez un décideur éclairé en matière de RH
L’IA extractive et l’IA générative ont toutes deux leurs domaines d’application. Assurez-vous de comprendre ces différences afin d’arriver bien informé à la table de prise de décision. De plus, puisque l’IA générative est récente, vérifiez soigneusement comment votre fournisseur de RH l’utilise dans ses produits et services. Renseignez-vous sur ses modèles de gouvernance, ses politiques d’éthique liée à l’IA, ses stratégies de conformité, la confidentialité et la sécurité des données et les éléments dont il faut tenir compte lors de la mise en œuvre de la technologie d’IA générative.
« Il est crucial de s’associer à un fournisseur de RH disposant non seulement d’une vaste expertise en matière d’IA, mais aussi d’une grande expérience dans le domaine des données, renchérit Fernando Schwartz. Il est important d’avoir confiance dans le stockage et la gestion de vos solutions d’IA ».
Cet article est paru à l’origine dans SPARK parrainé par ADP.
