l’IA générative dans les études sectorielles : quelles opportunités et quels risques ?

Après plusieurs mois d’utilisation intensive de GPT4 et Bard, voici notre bilan.

Les opportunités

1- Des gains de productivité significatifs

Pour extraire des informations mega 🚀 de sources volumineuses

Lors de la production d’une étude sectorielle, nous arbitrons constamment entre te temps qu’il nous faut pour intégrer une donnée à une étude et la valeur que celle-ci va lui apporter.

Par exemple, Mc Kinsey a publié en mai dernier un rapport de 82 pages sur l’état du marché de la beauté dans le monde.

>> Estimation du temps pour lire ce rapport et en extraire les principaux chiffres: 3h à 4h.

Il y a 6 mois 🤷‍♂️🤷‍♂️🤷‍♂️ > On s’en sortait avec l’executive summary.
Aujourd’hui, nous avons une fonction (basée sur une IA) qui va proposer à notre analyste un condensé des chiffres et informations du rapport (en quelques⌛ ).

Pour interpréter et commenter des données

Interprétation des comptes d’une entreprise, des résultats d’un sondage ou des chiffres d’un graphique : les IA génératives donne des résultats excellents.

Nous avons intégré une fonction dans notre interface de rédaction qui permet à un analyste de rédiger une synthèse à partir de tableaux ou des graphiques. Comme vous pouvez voir dans la vidéo suivante, en quelques secondes, j’arrive à commenter les comptes de résultats d’une entreprise.

Depuis quelques mois, le périmètre des ressources utilisées s’est élargi et nous exploitons des sources qui auparavant n’étaient pas prise en compte car il y avait trop chronophage à décrypter.

>> Résultat : le rapport qualité prix de nos études s’est encore amélioré.

2 – Une personnalisation des réponses

Présenter une étude de marché sous un format pdf de 400 pages est 😝 , tout simplement car c’est souvent une information précise que le lecteur cherche au sein de l’étude. L’IA générative permet de lui apporter directement et rapidement cette réponse.

L’expérience client est 🤩🤩🤩

Nous allons assister à une mutation des produits finis. Les études sectorielles ne vont plus être les mêmes : au lieu un pdf unique et standardisé, on offrira à tous nos clients un produit capable de personnaliser les réponses au sein de la même étude. Les prochaines études sectorielles vont ainsi évoluer vers des équivalents de ChatGPT dédié à un secteur de marché.

Les risques de l’IA générative

1 – Fiabilité, traçabilité et sécurité.

Ces points ont déjà été traités dans de nombreuses études (retrouvez mon article sur ce sujet ). Je ne vais donc pas m’y attarder.

En résumé, 🛑 Vous ne pouvez pas faire confiance à un GPT4 ou bard lorsqu’il s’agit de trouver des chiffres sur un marché.🛑

La réponse proposée est un résume d’un ensemble des données qui n’indiquent pas la source initiale et par conséquent ne sont pas très fiables.

2 – Forte dépendance à la qualité de la question

La qualité du résultat d’une IA générative dépend de 2 éléments :
1. Les données qui vont être utilisées pour répondre;
2. La précision de la question.

Par exemple, une question mal posée ou avec une formulation ou un acronyme atypique entrainera une réponse biaisée. La personnalisation des réponses risque d’en limiter son contenu et potentiellement passer « à la trappe » des informations clés pour l’utilisateur.

Si votre question est : « Quelles sont les principales tendances sur le marché des mangas ? », la réponse d’une IA générative contiendra la taille du marché, sa croissance, les meilleurs titres ainsi que les principales tendances.

👍 Job done !

😨 Et pourtant, vous passerez à coté des éléments clés du marché :

les plateformes de diffusions,
les tendances Google trends,
l’évolution du prix moyen.

Cela arrive puisque vous ne savez pas que ces éléments sont fondamentales et vous ne les intégrés pas à votre question.

L’approche personnalisée d’une IA générative vous empêche d’accéder aux subtilités d’un marché. Un chat-bot et une étude sectorielle sont alors très complémentaires.

3 – A terme, un appauvrissement des données disponibles en ligne

Il existe un contrat tacite entre les moteurs de recherches et les entreprises en ligne. Si on donne à Google des informations intéressantes, celles-ci vont apparaître dans le top des résultats de recherche et cela permet de capter plus des visiteurs.

Si c’est l’IA à utiliser ces informations et elle les inclut dans ses réponses, la source passe à la trappe et l’équilibre est rompu. Pour les associations, les entreprises et tous les utilisateurs, il sera beaucoup moins utile de mettre en ligne des informations. De plus, la qualité d’une étude sectorielle dépend, entre autres, des informations disponibles sur ce marché.

Un des risques des IA génératives est une diminution de la qualité et de la richesse des informations disponibles en ligne sur un marché.

Les IA génératives pourraient entraîner un appauvrissement des données disponibles en ligne et complexifier la recherche sectorielle.

Et alors, quelles sont les prochaines étapes pour Businesscoot ?

Les opportunités :

Exploiter les IA génératives pour continuer à gagner en efficacité;
Faire évoluer nos études pour qu’elles deviennent accessibles via des chat-bot et marketer cette solution.

Les risques:

Améliorer les modèles IA pour qu’ils arrivent à compléter les réponses avec des informations qui ne sont pas explicitement demandées par l’utilisateur mais qui pourraient l’intéresser.
Diversifier nos sources dans la production d’une étude sectorielle.