L’intelligence artificielle générative : un engouement sans précédent

6 Le récent déploiement d’algorithmes de génération intelligente a considérablement modifié le regard du grand public sur l’intelligence artificielle provoquant un enthousiasme généralisé pour ses capacités innovantes. L’IA renvoie à un concept relativement flou et contesté depuis ses origines (Benbouzid et al., 2022). En effet, le terme d’IA a fait son apparition en 1955 à Dartmouth sous la plume de l’informaticien John McCarthy et ses collègues (2006). Il désigne à un système informatique capable d’appliquer, de manière autonome, un ensemble de règles, de décisions provenant des informations disponibles dans une base de données d’apprentissage (Lacroux, Martin-Lacroux, 2021). Il s’agit, en ce sens, d’une science informatique dont l’objectif est d’effectuer des tâches imitant l’intelligence et les comportements humains (Fiske, Kazdin, 2000). Haenlein et Kaplan (2019, p. 1) définissent l’intelligence artificielle comme étant « la capacité d’un système à interpréter correctement des données externes, à apprendre à partir de ces données et à utiliser ces apprentissages pour atteindre des objectifs et des tâches spécifiques grâce à une adaptation flexible ». Dans cette perspective, Dejoux (2020) distingue trois niveaux d’implication de l’IA au sein des entreprises : 1) permettre aux collaborateurs d’effectuer de nouvelles tâches et de développer une valeur ajoutée à laquelle ces derniers ne pourraient pas prétendre sans l’aide d’une IA ; 2) aider les collaborateurs pour devenir plus performant ; 3) remplacer les collaborateurs sur certaines tâches (de La Rochefoucauld, Chader, 2023).

7 Le terme « IA générative » désigne donc à un ensemble d’outils permettant de créer des systèmes complexes capables de générer du contenu sous différents formats (vidéo, audio, écrit, etc.) (Kirova et al., 2023). L’utilisation de ces nouvelles technologies développées dans le domaine de l’intelligence artificielle permet de repenser à la fois l’organisation et les méthodes du travail (Baumard, 2019). En effet, ces outils permettent de réaliser des prédications dans les domaines de la finance, d’assister les consommateurs ou les collaborateurs à travers des agents virtuels et conversationnels, d’aider les salariés à la rédaction de documents, de trouver des réponses techniques à des questions (Bouschery et al., 2023), de générer des images et contenus graphiques, de gérer la carrière et d’aider les individus dans leurs activités d’apprentissage et de développement (Lim et al., 2023), d’aider à la décision stratégique ou encore d’analyser rapidement des données stratégiques (de La Rochefoucauld, 2020).

Intelligence Artificielle Act : d’un usage débridé à une volonté de régulation par les pouvoirs publics

8 Midjourney, Copilot, Sora… tous ces algorithmes suscitant un engouement sans précédent, en faisant les gros titres de la presse depuis 2022 ont un point commun : il s’agit d’IA génératives. Cet engouement se concrétise d’ailleurs à travers les résultats financiers spectaculaires en 2024 de l’entreprise Nvidia, principal fabricant de puces d’IA.

9 Depuis, le déploiement de technologies telles que ChatGPT en 2022 et Gemini plus récemment, la diffusion de ces IA s’est rapidement accélérée, affectant des domaines sensibles tels que la santé, la sécurité et les droits fondamentaux. Cette adoption rapide et étendue a soulevé des préoccupations éthiques, sociales et sécuritaires majeures. Elle a provoqué une prise de conscience croissante soulignant la nécessité d’une réponse réglementaire adaptée pour réguler cette technologie disruptive. En effet, d’un point de vue économique, l’IA générative engendre simultanément des opportunités et des défis significatifs. D’une part, elle promet des gains d’efficacité et des économies substantiels pour les entreprises, en réduisant le besoin en main-d’œuvre même dans des activités créatives telles que la conception, l’écriture ou la programmation (Houli et al., 2021). Elle accélère également l’innovation en proposant de multiples solutions ou idées tout en réduisant les délais de mise sur le marché (Wang, Wu, 2024). En revanche, ces avantages s’accompagnent de risques et soulèvent nécessairement des préoccupations économiques et sociales. Le « chômage technologique », terme inventé pour décrire la perte d’emploi résultant du progrès technologique, suscite une inquiétude croissante (Wang, Wu, 2024). De plus, la capacité à produire en masse des contenus contrefaits mais convaincants, à inonder les marchés de produits générés par l’IA, ainsi que le risque pour cette technologie d’être utilisée à des fins malveillantes, par exemple dans le cadre de cyberattaques ou de manipulations du marché, pourrait déstabiliser les industries et avoir des conséquences économiques considérables (Wach et al., 2023).

10 En ce sens, l’année 2024 marque un tournant décisif avec l’adoption de l’AI Act par l’Union européenne, reflétant une volonté forte de réguler l’usage de l’IA. Cet acte législatif vise à établir un cadre juridique pour l’utilisation de l’IA en mettant en place des exigences strictes pour les systèmes d’IA considérés à haut risque, notamment dans les domaines de la transparence et de l’interprétabilité (Article 13). De plus, l’Article 14 exige la mise en place d’un système de gestion des risques et des procédures de contrôle humain, assurant ainsi une surveillance et une sécurité accrues.

11 La régulation de l’IA ne se limite pas à l’Europe. En effet, le 21 mars 2024, l’Assemblée générale des Nations Unies a adopté une résolution, à l’initiative des États-Unis, pour établir des normes internationales visant à garantir des outils d’IA sûrs et respectueux des droits humains. Cette résolution historique souligne l’importance d’une collaboration internationale pour aborder les défis posés par l’IA.

12 La régulation de l’IA par les pouvoirs publics est cruciale pour garantir que son développement et son utilisation servent le bien-être général de la société, tout en minimisant les risques potentiels. Néanmoins, bien que ce cadre juridique européen ainsi que les initiatives internationales représentent des avancées significatives, la régulation de l’IA demeure un défi complexe. Les questions de sécurité, de transparence, de responsabilité et de non-discrimination sont au cœur des préoccupations. La mise en œuvre effective de ces réglementations nécessite une coopération continue entre les législateurs, les organismes de recherche mais aussi avec les entreprises pour adapter les lois aux évolutions technologiques rapides.

Régulation interne de l’IA générative et encadrement par les entreprises : un champ de recherche peu exploré

13 L’IA est considérée actuellement comme la nouvelle technologie la plus perturbatrice pour les grandes organisations (Benbya et al., 2020) dans la mesure où l’IA générative, notamment, transforme le paysage du monde de l’entreprise. En effet, générer des résumés d’e-mails et des synthèses de conversations téléphoniques constituent de nouvelles applications permises par l’IA qui changent la manière de communiquer au travail en offrant des promesses de gains de productivité substantiels (Al Naqbi et al., 2024). Cette révolution technologique soulève toutefois des questions juridiques et éthiques complexes (Wach et al., 2023). La régulation devient ainsi cruciale pour garantir que l’utilisation de l’IA générative dans les entreprises ne se fasse pas au détriment des droits fondamentaux, de l’environnement, de la sécurité et de la protection des données personnelles (Fournier-Tombs, 2021). Les entreprises de médias, par exemple, ont exprimé des préoccupations sérieuses concernant l’utilisation de leurs contenus pour entraîner ces systèmes sans compensation adéquate ni respect des droits d’auteur. Ces préoccupations sont exacerbées par des cas de reproduction de préjugés par des systèmes d’IA (Gross, 2023), soulevant des doutes quant à leur capacité à produire des informations fiables. La tension entre les géants de l’IA et les entreprises de presse illustre bien le besoin urgent de règles claires concernant l’utilisation des contenus protégés et la rémunération équitable pour ceux-ci.

14 L’adoption de l’AI Act par l’Union européenne établit un cadre réglementaire strict pour l’utilisation des technologies IA, particulièrement celles considérées à haut risque. Cette réglementation propose non seulement de protéger les contenus qui alimentent les applications d’IA mais aussi de prévenir les erreurs et les abus potentiels. L’objectif est de créer un environnement où l’innovation peut prospérer tout en respectant les normes éthiques et légales. Cela inclut des mécanismes pour faciliter le développement d’un marché unique européen pour les applications d’IA sûres et légales, réduisant ainsi la fragmentation du marché et renforçant la gouvernance de l’IA. Ce cadre exige également que les systèmes capables de générer des contenus textuels ou visuels répondent à des normes rigoureuses de certification et de gestion des risques avant leur mise en marché.

15 Par ailleurs, grâce à sa capacité à créer du contenu facilement, l’IA générative est déjà adoptée par des salariés qui ont déjà pu, de manière individuelle, constater le potentiel de cette technologie pour réaliser des tâches chronophages. En ce sens, certes la législation européenne est une étape importante mais celle-ci ne devrait pas dispenser les entreprises de définir et d’examiner en profondeur leur gestion individuelle de l’IA. Cela devrait se faire à l’échelle de l’entreprise et de manière transparente car la réalité est que les entreprises qui ne s’adaptent pas aux attentes de leur écosystème vont en pâtir. L’enjeu de notre recherche est donc d’explorer les mécanismes de régulation internes mis en place par les entreprises et d’expliciter les enjeux et défis auxquels répond cette régulation quant à l’usage de l’IA générative.

Présentation du terrain : l’entreprise Orange

17 Notre étude de cas a été réalisée auprès d’Orange, entreprise du secteur des télécommunications. L’organisation est présente dans plus de 26 pays à travers le monde, avec une forte empreinte en Europe, en Afrique et au Moyen-Orient. Outre les services traditionnels de télécommunication (la téléphonie fixe et mobile, l’Internet haut débit et la télévision payante), Orange offre une large gamme de produits numériques et de services innovants. Cela comprend le cloud computing, la cybersécurité, des services de banque. Le groupe s’efforce également de développer des solutions de smart city et des projets de grande envergure pour les entreprises et les administrations.

18 Historiquement, Orange a été un pionnier dans le déploiement de technologies, avec notamment le développement de technologies de réseau avancées telles que la fibre optique et la 4G. L’entreprise a également été active dans l’évolution vers la 5G. Orange a donc un engagement fort envers l’innovation. L’entreprise dispose de plusieurs hubs d’innovation qui se concentrent sur la recherche avancée dans des domaines clés tels que l’intelligence artificielle, le big data et la 5G. Ces efforts sont soutenus par des collaborations avec des universités, des start-up et d’autres partenaires industriels. De plus, le groupe souligne des investissements significatifs dans la recherche et le développement, notamment dans les domaines de l’Internet des objets (IoT) et de l’IA.

19 Par ailleurs, Orange prend au sérieux sa responsabilité sociale d’entreprise (RSE). L’entreprise met l’accent sur la création d’un impact positif en termes de gouvernance éthique, de respect de l’environnement, d’inclusion sociale et de développement économique dans les régions où elle opère. Cela comprend des initiatives pour réduire son empreinte carbone, soutenir l’entrepreneuriat local ou encore promouvoir l’inclusion numérique.

20 Ces multiples facettes d’Orange illustrent bien son rôle en tant qu’entreprise de premier plan dans le secteur des NTIC (nouvelles technologies de l’information et de la communication), ce qui la rend particulièrement pertinente pour une étude sur l’intelligence artificielle.

21 L’AI Act conforte la position d’Orange sur la nécessité d’une régulation interne de l’IA générative par les entreprises. Ce cadre législatif permet à Orange d’assurer un alignement réglementaire tout en mettant l’accent sur la sensibilisation des utilisateurs à travers des formations adaptées. Toutefois, nos entretiens révèlent une connaissance inégale de l’AI Act : les salariés sont souvent peu informés de ses implications, tandis que les experts techniques l’intègrent comme un double défi, devant garantir la conformité réglementaire tout en maintenant un rythme d’innovation rapide. Ces derniers soulignent également que certaines exigences, comme les audits réguliers, alourdissent significativement leur charge de travail. De leur côté, les cadres supérieurs perçoivent l’AI Act comme une opportunité stratégique, renforçant la crédibilité d’Orange en tant qu’acteur responsable de l’innovation et permettant l’instauration de normes élevées en matière de sécurité et d’éthique.

22 L’interface Dinootoo constitue le pilier central de la stratégie de régulation interne d’Orange pour l’utilisation de l’IA générative, en offrant une alternative sécurisée et adaptée aux besoins spécifiques de l’entreprise. Développée en réponse aux risques associés aux plateformes publiques, notamment en matière de protection des données sensibles et de conformité réglementaire, Dinootoo repose sur les modèles linguistiques avancés GPT-3 et GPT-4. Conçue par une équipe interdisciplinaire de développeurs, data-scientists et experts en gouvernance numérique, la plateforme a été déployée fin septembre et répond à divers besoins stratégiques et opérationnels, tels que la génération de texte, le support à la recherche, la création de contenu visuel et l’automatisation des tâches. Cependant, malgré ses nombreux avantages, Dinootoo présente certaines limites, notamment des coûts élevés (liés à l’entretien, aux mises à jour et aux licences), des performances variables et une adaptabilité réduite dans des contextes très spécialisés, nécessitant parfois des ajustements manuels des requêtes.

Collecte et traitement des données

23 Nous avons mené notre collecte de données de janvier 2024 à avril 2024. Afin de trianguler nos données, nous avons effectué 31 entretiens semi-directifs, une observation non participante et une analyse documentaire. Notre échantillon se compose de salariés (13 répondants), de managers (12 répondants), d’administrateurs de la direction du service informatique (2 répondants), de data-scientists (3 répondants) et d’un responsable R&D (1 répondant). Les entretiens ont duré entre 1 h 1 et 1 h 34.

24 L’observation non participante s’est matérialisée à travers 3 temps forts : une étude en ligne de l’IA via l’interface « Dinootoo » (7 h) ; une observation de collaborateurs sur 6 sessions de 1 h 30 (9 h) ; une observation de 3 réunions de présentation de l’interface « Dinootoo » et du crédit d’utilisation alloué à chaque collaborateur (4 h 30), ce qui nous a permis de capitaliser un total de 20 h 30 d’observation. Ce travail complémentaire a été l’occasion pour nous d’étudier la perception des utilisateurs des différents mécanismes de régulation et de leur rapport à l’IA.

25 De même, nous avons effectué une analyse documentaire nourrie par des données secondaires privées dont des supports de formation sur l’utilisation de l’IA, la charte éthique et des documents de travail sur l’utilisation de la plateforme « Dinootoo ».

26 Aidés du logiciel NVIVO13, nous avons utilisé l’analyse thématique, une technique qui améliore la compréhension des perceptions des répondants (Bardin, 2013). Le codage des entretiens, réalisé par deux chercheurs, s’est déroulé en trois étapes : d’abord une lecture flottante des transcriptions des entretiens, ensuite une catégorisation des idées basée sur une approche déductive, et enfin une analyse approfondie des discours en utilisant notre grille d’analyse. Les principaux codes employés lors de la phase d’analyse sont répertoriés dans le tableau 1.

27 La lecture flottante nous a permis de comprendre le sens des données et de clarifier les concepts fondamentaux de notre étude. De plus, nous avons structuré la catégorisation en nous appuyant sur l’état de l’art, ce qui a permis d’organiser nos observations. Nous avons identifié des unités d’analyse, définies comme des « éléments en fonction desquels le chercheur découpe le discours ou le texte » (Thiétart, 2014, p. 555). Nous avons également réalisé un codage ouvert (Strauss, Corbin, 1998). Enfin, l’analyse approfondie des verbatim a permis de faire émerger de nouvelles catégories.

28 Notre corpus de données a été analysé selon la méthode de Gioia et al. (2013). Dans un premier temps, nous avons recherché des concepts clés de premier ordre dans la littérature sur l’IA et sa régulation. Ensuite, pour chacun de ces concepts, des thèmes de second ordre ont été identifiés. Cette analyse visait à déterminer la nature et les divers enjeux liés à la régulation de l’intelligence artificielle générative par l’entreprise. La figure 1 ci-dessous ne constitue pas une synthèse de notre analyse, mais plus modestement une illustration de la manière dont nous avons traité nos données.

Figure 1 – Processus d’analyse de nos données

Figure 1 – Processus d’analyse de nos données

Une régulation interne de l’IA à cinq niveaux

30 Dans le cadre de notre étude sur la régulation de l’IA par les entreprises, nous avons analysé les mesures mises en place par l’organisation. Notre recherche révèle que l’entreprise a adopté une approche de régulation à cinq niveaux, visant à encadrer l’utilisation de l’IA au sein de ses opérations.

Motivations et enjeux des mécanismes de régulation

40 Dans cette deuxième partie nous détaillons les raisons sous-jacentes et les objectifs visés par ces mécanismes de régulation interne de l’IA.

Perception des mécanismes de régulation par les utilisateurs

50 Nous exposons dans cette troisième partie les perceptions globales des utilisateurs, mélangeant les retours des salariés et des managers. Cette analyse révèle comment les différents niveaux de régulation ont été reçus au sein de l’entreprise, et souligne les principaux aspects ressortant des témoignages : une pratique encore faible, le sentiment de responsabilité et d’autonomie, le caractère ludique et stimulant des outils, ainsi que la prise de conscience des enjeux liés à l’utilisation de l’IA.

Contributions théoriques

Implications managériales

64 Nos travaux de recherche montrent que l’utilisation de l’IA en entreprise est un terrain fertile avec de multiples avantages mais elle comporte également des risques significatifs qui doivent être gérés avec prudence. En effet, notre recherche souligne l’importance de la régulation de l’usage de l’IA par les entreprises, d’abord au regard de la confidentialité des données métiers et de la protection des données personnelles. Ces données d’entreprise étant essentielles, il est impératif ainsi de garantir leur confidentialité et leur conformité avec ses propres normes de sécurité et d’éthique. De plus, la qualité du contenu produit par les logiciels d’IA doit être surveillée étroitement. Cela suppose que les entreprises réfléchissent à leur approche d’utilisation des solutions IA en intégrant les services informatiques de l’entreprise mais aussi les services R&D afin que celle-ci soit en concordance avec les exigences de sécurité de l’infrastructure informatique mais également avec les pratiques internes. En effet, bien que l’interdiction totale de ces outils semble irréaliste, une régulation stricte de leur usage est nécessaire pour maximiser les bénéfices tout en minimisant les risques.

65 Par ailleurs, notre recherche met en évidence l’importance de la mise à jour de la charte informatique. Inclure les pratiques spécifiques à l’IA est crucial pour garantir une utilisation responsable et sécurisée de ces technologies.

66 Enfin, nos résultats mettent en exergue le rôle de la sensibilisation des salariés au coût financier mais aussi environnemental de l’utilisation de l’IA. En effet, former les collaborateurs sur les bonnes pratiques et les risques associés à l’utilisation de l’IA est essentiel pour une adoption efficace. Le développement de nouvelles compétences, telles que le prompt engineering, et la promotion d’un esprit critique sont nécessaires pour exploiter pleinement le potentiel de l’IA tout en évitant ses pièges.

Limites et perspectives de recherche

67 Notre recherche présente certaines limites. Tout d’abord, au niveau méthodologique dans la mesure où la difficile généralisation du cas étudié débouche sur une validité externe relative de notre recherche. En effet, notre étude se focalise exclusivement sur une seule entreprise de télécommunication du CAC 40. Cela limite significativement la possibilité de généraliser les résultats, en particulier en ce qui concerne les structures de petite taille ou moyenne, qui ne disposent pas des mêmes ressources financières et humaines que les grandes entreprises. D’ailleurs, une étude de PWC [1] menée auprès de dirigeants des entreprises démontre un décalage entre l’engouement médiatique autour de l’IA et la réalité de sa mise en œuvre. Il se trouve qu’à l’exception des grands groupes technologiques et des start-up, l’IA est encore relativement sous-utilisée dans les organisations traditionnelles.

68 Par ailleurs, l’utilisation des outils externes par les collaborateurs représente un défi significatif pour la mise en œuvre et l’évaluation des pratiques de régulation interne des entreprises. En effet, cette situation limite la capacité des entreprises interrogées à mesurer précisément l’impact des solutions de régulation internes sur les changements de pratiques et la prise de conscience des employés. Néanmoins, cette disparité d’usage offre une opportunité d’analyse comparative entre les utilisateurs et non-utilisateurs des outils internes. Elle permet d’explorer les facteurs influençant l’adoption des technologies et l’adhésion aux politiques de régulation. De plus, ce constat souligne l’importance d’une approche holistique de la régulation de l’IA, intégrant non seulement des outils techniques, mais aussi des stratégies de formation, de communication et d’incitation pour accroître l’engagement des collaborateurs. Cela représente une perspective de recherche intéressante qui pourrait se concentrer notamment sur les moyens d’augmenter l’adoption des outils internes et d’évaluer l’efficacité des mécanismes de régulation.

69 Il convient alors de mener notre étude dans d’autres secteurs d’activité, et d’intégrer d’autres types d’organisation qui pourraient se trouver dans différentes zones géographiques. En effet, la dichotomie entre les zones avec des restrictions éthiques et environnementales sur l’IA générative et celles sans contrainte pourrait entraîner des répercussions notables sur le monde du travail. Dans les régions réglementées, la conformité aux normes peut ralentir l’innovation à court terme, mais pourrait favoriser un développement durable et une acceptation sociétale accrue à long terme. Les zones moins réglementées pourraient initialement bénéficier d’un avantage de productivité et d’innovation par une adoption plus rapide de technologies avancées, mais risquent d’être exposées à des impacts négatifs liés à l’acceptation publique et à des externalités négatives imprévues. Cette dichotomie se reflète nettement dans la comparaison de la volonté et des initiatives de réglementations de l’IA entre l’Europe et les États-Unis, soulignant ainsi la tension entre innovation rapide et responsabilité sociale, avec des conséquences complexes pour la productivité et l’emploi de manière générale.

70 Enfin, nous considérons que ces limites déterminent des perspectives nouvelles et des approfondissements méthodologiques futurs afin d’améliorer la portée des résultats actuels de notre recherche. À titre d’exemple, bien que notre étude évoque les enjeux du développement durable, il pourrait être intéressant de compléter notre travail par une recherche sur la Green IA ou comment l’intelligence artificielle pourrait concourir à la transition environnementale ? En effet, il serait intéressant d’analyser plus en détail, les motivations et la perception des acteurs des entreprises sur la mise en place de tels dispositifs.