En 2012, Thomas H. Davenport et DJ Patil ont qualifié le scientifique des données de “métier le plus sexy du 21e siècle” (Havard Business Review). C’était peut-être vrai à l’époque. Et même aujourd’hui, l’expertise approfondie de la construction de systèmes basés sur l’IA reste une compétence très demandée (et en pénurie). Depuis que cette affirmation a été faite il y a plus de 10 ans, le paysage et les outils de la science des données ont considérablement évolué. Les développeurs ayant des connaissances de base en science des données peuvent créer des modèles qui sont “suffisamment bons”. Assez bons pour commencer ou même pour être mis en production. Si les scientifiques des données sont toujours nécessaires pour les projets d’IA complexes, cette évolution rend l’IA plus accessible à un groupe plus large de personnes. Une tendance similaire pourrait également se dessiner au cours des prochaines années dans un domaine différent de l’espace de l’IA : Donner des instructions aux systèmes d’IA générative pour qu’ils créent un résultat souhaité – texte, image, audio/vidéo, etc. – avec un minimum d’effort et une grande précision. Cette tâche est appelée “prompt engineering”.

Les systèmes actuels d’IA générative fonctionnent en demandant à l’utilisateur de saisir ce qu’on appelle un “prompt”. Il s’agit d’un ensemble de commandes, qui demandent au système d’IA de générer un résultat. Par exemple : “Imaginez que vous êtes un rédacteur technique. Décrivez ce que fait ce code en anglais” ou “Rédigez un article de blog sur les trois meilleures villes pour accueillir une conférence sur l’IA. Gardez-le sous les 2000 mots. Utilisez un ton professionnel.” Si c’est écrit en anglais simple, quel est le métier alors ?

L’utilisation d’applications d’IA générative ressemble beaucoup à de l’expérimentation. Cela peut prendre beaucoup de temps avant que le système ne génère ce que vous voulez. Par exemple, il faut itérer sur une invite textuelle et apporter de petites modifications avant que le résultat ne corresponde à votre intention. Pour obtenir rapidement des résultats, il est essentiel de comprendre ce que vous voulez obtenir comme résultat final et de savoir le formuler en langage clair. Les itérations d’une invite peuvent être assez petites, par exemple changer un mot, mais elles changeront probablement le résultat généré. Vous ne savez simplement pas exactement comment avant de soumettre votre demande. Mais les systèmes d’IA générative évolueront et deviendront plus faciles à utiliser.

Dans une récente interview, Sam Altman (PDG d’OpenAI, la société à l’origine de IA générative) a déclaré que l’ingénierie des invites ne sera plus nécessaire dans les cinq prochaines années (YouTube). Si c’est le cas, comment pouvons-nous utiliser l’IA ?

Je vois actuellement trois scénarios d’évolution de l’utilisation de l’IA générative :

La personnalisation : Les systèmes d’IA en sauront suffisamment sur leurs utilisateurs et leurs préférences et auront besoin de moins de contexte.

La focalisation : L’IA générative passera du statut de produit à celui de simple fonctionnalité du produit et nécessitera moins d’instructions explicites.

Expérience utilisateur : La façon dont nous interagissons avec l’IA ressemblera moins à du codage et, au minimum, à l’utilisation de nos interfaces utilisateur actuelles.

Que peuvent faire les leaders de l’IA maintenant ?
Le regain d’intérêt pour l’IA s’explique en grande partie par son attrait pour le grand public et sa facilité d’utilisation, en plus de ses capacités sans précédent. Bien qu’une certaine formation et expérimentation soient nécessaires, les utilisateurs n’ont pas besoin de devenir des experts en statistiques et en optimisation mathématique pour l’utiliser. Cela rend l’IA générative beaucoup plus accessible par rapport à la science des données traditionnelle où les modèles sont construits à partir de la base. Cela crée également des opportunités pour les entreprises de bénéficier de l’innovation basée sur l’IA plus rapidement et avec une courbe d’apprentissage beaucoup plus courte. Les responsables de l’IA et de la technologie peuvent soutenir davantage cette démarche et :

Encourager leurs équipes à expérimenter les systèmes d’IA générative disponibles,

les informer sur la manière dont elles peuvent les essayer en toute sécurité (défis/embûches, sécurité de l’information),

offrir des opportunités pratiques (hackathons) et comparer les notes et les résultats,

et embrasser cette évolution de l’IA. Pour l’instant, l’ingénierie de la promesse pourrait succéder à la science des données en tant qu’emploi le plus “sexy” de la décennie.

Comment affinez-vous vos compétences en matière de “Prompt Engineering” ?

Source : https://intelligencebriefing.substack.com/p/will-prompt-engineer-be-the-sexiest