AI in the Enterprise

Le document "AI in the Enterprise" d’OpenAI guide les entreprises pour intégrer l’intelligence artificielle (IA) afin d’améliorer les processus, automatiser les tâches répétitives et créer des produits personnalisés. À travers sept leçons, illustrées par des cas réels, il propose une approche expérimentale et itérative.

La première leçon met l’accent sur les évaluations (evals), des tests rigoureux pour mesurer les performances des modèles d’IA. Morgan Stanley a évalué des applications pour ses conseillers financiers, atteignant 98 % d’utilisation quotidienne de l’IA, réduisant les temps de recherche et se concentrant sur les clients.

La deuxième leçon suggère d’intégrer l’IA dans les produits. Indeed a utilisé GPT-4o mini pour des recommandations d’emploi, augmentant les candidatures de 20 % en expliquant leur pertinence, optimisant ensuite avec un modèle utilisant 60 % de jetons en moins.

La troisième leçon encourage un investissement précoce. Klarna a implémenté un assistant IA gérant deux tiers des chats de support, économisant 40 millions de dollars tout en maintenant une satisfaction élevée, grâce à des itérations continues et une adoption massive.

La quatrième leçon porte sur la personnalisation des modèles. Lowe’s a affiné les modèles d’OpenAI, améliorant la recherche de produits de 20 % et la détection d’erreurs de 60 %, s’adaptant aux données incohérentes et aux schémas de recherche.

La cinquième leçon promeut l’autonomisation des experts. BBVA a permis à 125 000 employés de créer 2 900 GPTs personnalisés, rationalisant les processus bancaires, juridiques et de support, réduisant les délais de semaines à heures.

La sixième leçon se concentre sur la libération des développeurs. Mercado Libre a créé Verdi avec GPT-4o, accélérant le développement d’applications, améliorant les stocks et détectant les fraudes avec 99 % de précision.

La septième leçon prône des objectifs d’automatisation ambitieux. OpenAI a automatisé les réponses de support, gérant des milliers de tâches mensuelles, libérant les équipes pour des tâches clés.

Il conclut en prônant des évaluations, des guardrails de sécurité et des outils comme Operator, qui automatise les flux sans API, garantissant confidentialité et conformité.