Qu’il s’agisse d’effectuer des recherches sur Google, de discuter avec Alexa ou de regarder du contenu sur Instagram, cela fait maintenant des années que l’intelligence artificielle fait partie intégrante de nos vies. Au cours de la dernière décennie, les innovations mises en œuvre dans les domaines du calcul, du stockage et de la disponibilité des données ont tout particulièrement contribué à l’accélération de ce que l’on appelle l’apprentissage automatique.
Pourquoi ce cycle particulier de l’IA se trouve-t-il au centre de tant d’attention ?
L’IA générative représente une nouvelle classe d’IA dont la caractéristique essentielle réside dans sa capacité à mieux comprendre le langage et à créer des contenus originaux. L’IA générative est, de fait, en mesure de créer des textes, des images et des sons ressemblant à ceux que pourraient produire un être humain, et ce, sans pour autant reposer sur une programmation explicite. Fort de sa capacité à interagir avec les humains en contexte conversationnel, le chatbot ChatGPT a constitué le premier modèle d’IA générative à gagner en popularité.
S’il est d’ores et déjà acquis que la plupart des secteurs intégreront l’IA générative, cette dernière ne devrait pas nécessairement modifier de manière fondamentale la nature de leurs activités. L’impact concernera essentiellement l’efficacité. Quant à la capacité des sociétés à conserver les gains de productivité réalisés grâce à l’IA générative, elle dépendra de l’intensité de la concurrence, à tel point que, dans les secteurs concurrentiels, les avantages de l’IA finiront par être dissipés. C’est dans le secteur de la technologie que des impacts substantiels sont les plus susceptibles de se produire, car l’IA générative s’y trouve plus directement liée à l’offre produits que peuvent proposer les sociétés de ce secteur. Théoriquement, l’IA générative devrait stimuler davantage la demande portant sur les infrastructures informatiques déjà sollicitées pour le deep learning.
L’IA a joué un rôle moteur de tout premier plan dans l’évolution des rendements des actions du secteur technologique cette année. Les investisseurs se sont en effet concentrés sur les sociétés les plus exposées à l’IA (c.-à-d. sur celles qui adoptent le plus le calcul accéléré), ainsi que sur celles présentant des aspects spéculatifs. Bien que cela présente une certaine logique, il est particulièrement difficile, à ce stade encore précoce, de quantifier l’impact qu’aura l’IA à moyen terme, et il est important d’avoir à l’esprit le fait que les fluctuations des résultats pourront avoir un impact significatif sur les anticipations pour chacune des sociétés considérées dans leur ensemble. Se montrant incapables d’évaluer avec certitude les avantages que pourrait avoir l’IA à long terme, les marchés ont récompensé certaines sociétés de manière disproportionnée par rapport à d’autres. À titre d’exemple, la forte hausse du cours des titres NVIDIA et AMD enregistrée cette année indique que les investisseurs estiment que ces deux sociétés devraient bénéficier de l’adoption accrue de l’IA. Mais cela ne serait pas possible sans TSMC, qui est le principal fabricant des puces semi-conductrices complexes qui permettent à l’IA de fonctionner non seulement pour NVDIA, mais aussi pour des géants technologiques tels que Google et Microsoft.
Lorsqu’il s’agit d’évaluer l’impact de l’IA générative, c’est sur les cas d’utilisation facilement réalisables que nous nous concentrons plutôt que de rêver aux possibilités à long terme. L’IA générative n’en est encore qu’aux tout premiers stades de son développement et de son adoption, et, compte tenu de la puissance des grands modèles de langage (LLM)1, certains types de tâches sont plus immédiatement réalisables dans les domaines de l’aide à la rédaction, au résumé, à la création de contenu, etc. Dans le même temps, les itérations actuelles des LLM ne sauraient être considérées comme «intelligentes» au sens classique du terme, car elles agissent davantage comme des machines de correspondance de motifs incroyablement complexes, si bien qu’elles peuvent être sujettes à des erreurs et avoir ce que l’on appelle des «hallucinations». Ces limites font que les LLM se prêtent mieux à la réalisation de tâches plus étroitement définies et pour lesquelles les données et la formation peuvent apporter une plus grande cohérence. Cela convient également à des cas d’utilisation axés sur les entreprises, notamment parce que les entreprises sont prêtes à payer pour obtenir des gains d’efficacité. Plusieurs de nos participations dans le secteur technologique ont intégré de nouvelles capacités d’IA générative dans leurs portefeuilles de produits existants; cela leur permet d’optimiser les atouts dont elles disposent déjà (capacités traditionnelles, distribution, p. ex.) afin de générer une croissance plus durable des bénéfices.
L’engouement manifesté à l’égard des sociétés pouvant bénéficier de l’IA générative doit s’accompagner d’une stricte discipline lorsqu’il s’agit de procéder à l’évaluation de ces sociétés. L’augmentation des bénéfices portés par l’IA devrait pouvoir s’observer au cours des années à venir. Mais, l’impact éventuel que cela pourrait avoir sur le cours des actions dépendra de la capacité qu’auront les sociétés à utiliser l’IA pour accroître leurs bénéfices. En tant qu’investisseurs, nous privilégions les entreprises affichant un niveau élevé de prévisibilité et bien positionnées pour bénéficier de la croissance structurelle observée au sein de ce secteur, car cela garantit des rendements financiers plus réalistes et mesurables.
Nous examinons dans cet article les cas de six sociétés – Microsoft, Google, Adobe, TSMC, Samsung Electronics et Accenture – qui nous semblent appelées à connaître une croissance mesurée et à long terme de leurs bénéfices grâce à l’IA générative, et au sujet desquelles nous avons pris en compte un large éventail de risques.
Les investisseurs estiment que Microsoft affiche de nombreux domaines de croissance ne présentant pas de vulnérabilités apparentes significatives. La stratégie de Microsoft consiste à présenter les fonctions d’IA sous la forme de références IA distinctes proposées à des prix élevés. Ces références ont été baptisées Copilot et mettent l’accent sur les capacités d’assistance de la technologie.
GitHub Copilot (codage assisté) est un outil qui génère du code et qui est également utile pour le débogage, l’explication, la documentation et la traduction de codes. GitHub Copilot est un outil permettant de compléter automatiquement du code et d’accélérer ainsi le «premier jet» initial, même si le gain de temps se trouve partiellement contrebalancé par des exigences de débogage et de réécriture plus importantes. Bien que le code suggéré puisse encore présenter des problèmes ayant trait au contexte, à l’efficacité et à la sécurité, la proposition de valeur semble claire du fait des avantages significatifs qu’il propose en matière de productivité, notamment pour les développeurs de logiciels rares et bien rémunérés.
Office Copilot représente le plus grand levier potentiel de l’IA, car cet outil propose des fonctionnalités telles que la rédaction ou l’édition de mémos, la réponse à des e-mails, la création de présentations PowerPoint se fondant sur des fichiers existants, ou l’utilisation d’Excel pour analyser des données et créer des graphiques. Office Copilot devrait également pouvoir servir d’interface basée sur le langage naturel et permettre ainsi aux utilisateurs de tirer parti de toutes les capacités qu’offre la suite Office.
Le degré de pénétration de Copilot pourrait se révéler relativement modeste au début, car les sociétés mettront sans doute du temps à comprendre comment les tâches pilotées par l’IA permettent d’améliorer l’efficacité d’un plus grand nombre de cols blancs et à quel point cette efficacité profite réellement aux sociétés qui les emploient. Cet outil ne sera disponible que pour les utilisateurs de la suite M365, ce qui représente environ 160 millions de postes sur les 382 millions de postes Office365.
Parmi ses autres applications, Microsoft a annoncé l’outil Dynamics Copilot, qui propose des fonctions d’IA pouvant être utilisées pour les services commerciaux (contenu d’e-mail personnalisable, résumés de réunions), le service client (résolution de problèmes de clients, agents virtuels), le marketing (connaissance des données clients, segments d’audience, rédaction) et la gestion de la chaîne d’approvisionnement. Le Security Copilot de Microsoft est conçu pour aider à détecter des incidents, à enquêter à leur sujet et à les documenter.
L’IA devrait également stimuler la demande pour le Cloud public Azure de Microsoft. Les clients peuvent obtenir un accès aux modèles de base d’Open AI (GPT, Codex, DALL-E) ainsi qu’à des API permettant d’exécuter certaines tâches spécifiques (reconnaissance d’images, sécurité du contenu, traduction vocale, p. ex.). En plus de payer pour les modèles propriétaires de Microsoft, les clients peuvent tout simplement utiliser l’infrastructure informatique d’Azure pour faire tourner des modèles open source ou leurs propres modèles.
Par Peter Choi,Senior Research Analyst.
Pour lire l'article dans son intégralité, cliquez ICI.
Pour accéder au site, cliquez ICI.
