Les principales tendances ayant un impact sur l’avenir de la science des données et de l’apprentissage automatique (DSML) alors que l’industrie se développe et évolue rapidement pour répondre à l’importance croissante des données dans l’intelligence artificielle (IA), en particulier à mesure que l’accent se déplace vers les investissements dans l’IA générative.
Alors que l’adoption de l’apprentissage automatique continue de croître rapidement dans tous les secteurs, DSML évolue de se concentrer uniquement sur les modèles prédictifs vers une discipline plus démocratisée, dynamique et centrée sur les données. Ceci est maintenant également alimenté par la ferveur autour de l’IA générative. Alors que des risques potentiels apparaissent, il en va de même pour les nombreuses nouvelles capacités et cas d’utilisation pour les scientifiques des données et leurs organisations.
Les principales tendances qui façonnent l’avenir du DSML sont les suivantes :
Tendance 1 : Écosystèmes
de données cloud Les écosystèmes de données passent de logiciels autonomes ou de déploiements mixtes à des solutions cloud natives complètes. D’ici 2024, Gartner prévoit que 50 % des nouveaux déploiements de systèmes dans le cloud seront basés sur un écosystème de données cloud cohérent plutôt que sur des solutions ponctuelles intégrées manuellement.
Nous recommandons aux organisations d’évaluer les écosystèmes de données en fonction de leur capacité à résoudre les problèmes de données distribuées, ainsi qu’à accéder et à intégrer des sources de données en dehors de leur environnement immédiat.
Tendance 2 : IA de périphérie (edge)
La demande d’IA Edge augmente pour permettre le traitement des données au point de création à la périphérie
, aidant les organisations à obtenir des informations en temps réel, à détecter de nouveaux modèles et à répondre aux exigences strictes en matière de confidentialité des données. Edge AI aide également les organisations à améliorer le développement, l’orchestration, l’intégration et le déploiement de l’IA.
Gartner prévoit que plus de 55% de toutes les analyses de données par les réseaux neuronaux profonds auront lieu au point de capture dans un système de périphérie d’ici 2025, contre moins de 10% en 2021. Les organisations doivent identifier les applications, la formation à l’IA et l’inférence nécessaires pour passer à des environnements de périphérie à proximité des points de terminaison IoT.
Tendance 3 : IA responsable L’IA responsable fait de l’IA
une force positive, plutôt qu’une menace pour la société et pour elle-même. Il couvre de nombreux aspects de la prise des bons choix commerciaux et éthiques lors de l’adoption de l’IA que les organisations abordent souvent de manière indépendante, tels que la valeur commerciale et sociétale, le risque, la confiance, la transparence et la responsabilité. Gartner prédit que la concentration de modèles d’IA pré entraînés parmi 1% des fournisseurs d’IA d’ici 2025 fera de l’IA responsable une préoccupation sociétale.
Nous recommandons aux organisations d’adopter une approche proportionnelle au risque pour fournir de la valeur à l’IA et de faire preuve de prudence lorsqu’elles appliquent des solutions et des modèles. Demandez aux fournisseurs de vous assurer qu’ils gèrent leurs risques et leurs obligations de conformité, protégeant ainsi les organisations contre les pertes financières potentielles, les poursuites judiciaires et les atteintes à la réputation.
Tendance 4 : IA centrée sur les données
L’IA centrée sur les données représente un passage d’une approche centrée sur le modèle et le code à une approche davantage axée sur les données pour créer de meilleurs systèmes d’IA. Des solutions telles que la gestion des données spécifiques à l’IA, les données synthétiques et les technologies d’étiquetage des données visent à résoudre de nombreux défis liés aux données, notamment l’accessibilité, le volume, la confidentialité, la sécurité, la complexité et la portée.
L’utilisation de l’IA générative pour créer des données synthétiques est un domaine qui se développe rapidement, allégeant le fardeau de l’obtention de données du monde réel afin que les modèles d’apprentissage automatique puissent être formés efficacement. D’ici 2024, Gartner prévoit que 60% des données de l’IA seront synthétiques pour simuler la réalité, les scénarios futurs et réduire les risques liés à l’IA, contre 1% en 2021.
Tendance 5 : Investissement
accéléré dans l’IA Les investissements dans l’IA continueront de s’accélérer par les organisations qui mettent en œuvre des solutions, ainsi que par les industries qui cherchent à se développer grâce aux technologies d’IA et aux entreprises basées sur l’IA. D’ici la fin de 2026, Gartner prévoit que plus de 10 milliards de dollars auront été investis dans des startups d’IA qui s’appuient sur des modèles de fondation – de grands modèles d’IA formés sur d’énormes quantités de données.
Un récent sondage Gartner auprès de plus de 2 500 dirigeants a révélé que 45% d’entre eux ont déclaré que le récent battage médiatique autour de ChatGPT les avait incités à augmenter leurs investissements dans l’IA. Soixante-dix pour cent ont déclaré que leur organisation est en mode investigation et exploration avec l’IA générative, tandis que 19% sont en mode pilote ou production.
