Qatium
[QTalks Ep.14]
L’élan entourant l’intelligence artificielle (IA) n’a jamais été aussi élevé, et l’arrivée de ChatGPT a amené toutes les industries à réfléchir à ce à quoi ressemble vraiment l’avenir du travail. La question est, ChatGPT peut-il faciliter le processus de gestion de l’eau? S’agit-il simplement d’un outil d’amélioration de la productivité? Ou cela changera-t-il le secteur de l’eau pour toujours?
Discutant de la façon dont l’IA remodèle l’avenir de la gestion de l’eau et permet aux services publics de prendre des décisions éclairées, des risques liés à la gestion de l’eau basée sur l’IA, et bien plus encore, notre panel s’est joint au journaliste environnemental et animateur de QTalks Tom Freyberg pour répondre à ces questions :
- Saša Tomič, responsable numérique de l’eau chez Burns & McDonnell
- Gigi Karmous-Edwards, experte en jumeau numérique du secteur de l’eau et consultante chez Karmous Edwards Consulting LLC
- Christos Makropoulos, Université technique nationale d’Athènes & KWR
Épisode complet disponible ci-dessous.
Les start-ups numériques axées sur l’eau risquent-elles d’être remplacées par des modèles de langage d’IA ?
Tom a donné le coup d’envoi de la discussion en posant une déclaration au panel – « Les start-ups numériques axées sur l’eau risquent d’être mises en faillite à moins qu’elles n’apprennent rapidement à intégrer l’IA ouverte à leurs solutions » – et en leur demandant de préciser si elles sont d’accord ou non avec ce sentiment.
Répondant d’abord, Gigi était d’accord avec la déclaration. Elle a déclaré que chaque entreprise devrait comprendre ce que les grands modèles de langage peuvent faire et comment ils peuvent les exploiter et les plug-ins associés. Faisant référence au moteur de réponse WolframAlpha, auquel les grands modèles de langage et autres plug-ins peuvent accéder, Gigi a déclaré que cela pourrait commencer à remplacer certains des ensembles de fonctionnalités fournis par les petites start-ups.
Saša a également accepté la déclaration et a étendu le sentiment à tout rôle de génération de contenu, y compris le texte, les graphiques et la vidéo. Il a déclaré que ChatGPT et des outils similaires changeront fondamentalement la façon dont nous créons du contenu en ajoutant la valeur de la productivité et que même si ChatGPT ne remplacera pas entièrement la génération de contenu, ceux qui l’exploitent efficacement auront un avantage sur ceux qui ne le font pas.
Christos a ensuite déclaré qu’il ne serait pas en désaccord avec la déclaration et que le « multiplicateur d’efficacité » et l’effet de productivité sont ce qui est le plus intéressant à propos des outils d’IA. Il a déclaré que la réalisation d’un prototype à l’aide de ces outils peut se faire très rapidement en les utilisant pour capturer les exigences du langage physique, puis en les transformant en code.
ChatGPT en cours d’utilisation : utiliser l’outil pour imiter un consultant senior en ingénierie de l’eau
Tom a ensuite présenté un panéliste invité – ChatGPT lui-même. Tom a entré une invite dans le moteur ChatGPT, lui demandant d’agir comme s’il s’agissait d’un consultant senior avec 20 ans d’expérience dans l’ingénierie de l’eau. Il a également demandé comment le « consultant » voyait le potentiel de ChatGPT4 et l’intégration de plug-ins pour aider à améliorer la prestation des services d’eau.
Le « consultant senior » de ChatGPT a répondu en disant que ChatGPT4 a le potentiel de révolutionner la façon dont nous fournissons des services d’eau. Le moteur a fourni des exemples, y compris la possibilité de développer des plug-ins qui permettent à ChatGPT4 d’analyser les données des capteurs de qualité de l’eau ou des prévisions météorologiques, fournissant des informations en temps réel sur l’état des systèmes d’eau et les risques potentiels.
En réfléchissant à cette réponse, Saša a déclaré qu’il pensait que l’IA permettait d’examiner les données d’une manière différente. Alors que traditionnellement, nous avions l’analyse statistique des données et la modélisation déterministe, Saša a déclaré que même s’il s’agit d’une boîte noire, les grands modèles de langage combinent ces deux approches pour identifier de nouveaux modèles qui sont manqués par l’utilisation de modèles mathématiques et statistiques.
ChatGPT et les études de cas sur la gestion de l’eau
Tom a ensuite soulevé la nécessité de plus de cas d’utilisation où l’IA a un effet positif dans l’ensemble de l’industrie. Gigi a déclaré qu’elle avait déjà utilisé Google Colab et introduit un environnement pour intégrer OpenAI et entrer un fichier de données contenant 637 000 lignes de données AMI traitées en quelques secondes. Elle a pu voir des données spécifiques sur les ménages et accéder rapidement à plusieurs types d’informations statistiques.
Elle a également déclaré qu’il s’agissait d’un outil puissant en termes de processus de démocratisation des données. Imaginant un scénario dans lequel les services publics du monde entier saisissent des données et des métadonnées AMI, elle a déclaré que cela se traduirait par une grande quantité de données extrêmement bénéfiques qui aideraient à créer des capteurs virtuels.
Christos a déclaré que le caractère unique de l’IA est que les grands modèles de langage sont une interface entre le flou mais aussi la richesse du langage physique. Il a dit qu’il prédit que nous verrons bientôt des cas d’utilisation pour traduire les données en scénarios du monde réel, comblant essentiellement le fossé entre les données et la compréhension humaine. Il a dit, par exemple, que nous pourrions voir des scénarios de formation plus interactifs pour les opérateurs.
Quels sont les risques potentiels associés à la gestion de l’eau basée sur l’IA ?
Tom a terminé la discussion en interrogeant le panel sur les inconvénients et les risques de la gestion de l’eau basée sur l’IA dont les services publics et les entreprises devraient être conscients.
Saša a dit que nous devons faire attention à ne pas accepter aveuglément les résultats de ChatGPT comme vrais. Il a dit, par exemple, qu’il est important d’être conscient et sûr des hypothèses et des exigences qui sont entrées dans le moteur, et de les vérifier par rapport à la sortie qu’il crée.
Gigi a fait écho à ce sentiment et a déclaré que les garde-fous droits doivent être mis en place autour des grands modèles linguistiques. Elle a déclaré que l’IA générale est en passe d’être « plus intelligente » que les humains et que nous devons comprendre comment nous allons coexister avec les systèmes d’IA.
Christos a déclaré que nous devons également être conscients des problèmes liés à la propriété et à la confiance en termes de partage de données entre les grands modèles linguistiques. Deuxièmement, il a déclaré que les entreprises doivent également être conscientes que le fait d’inciter une machine à agir comme un expert ne peut que partiellement remplacer l’expertise interne dont elles disposent déjà. Il a déclaré que l’essor de l’IA aura également un effet sur la façon dont les universités formeront les jeunes ingénieurs.
Enfin, Christos a déclaré que le problème de la désinformation dans les secteurs critiques comme l’industrie de l’eau est énorme et qu’ils sont la cible de cyberattaques. Il a déclaré que nous devons être conscients de la façon dont les puissants moteurs d’IA peuvent également être utilisés pour des attaques malveillantes et que l’industrie doit considérer la sécurité et la cybersécurité comme une priorité fondamentale.
Prêt à découvrir plus de contenu QTalks ?
Si vous souhaitez en savoir plus sur la façon dont les services publics de l’eau peuvent prendre des mesures en matière d’IA et de gestion de l’eau, consultez le livre blanc du conseil consultatif de Qatium : IA et gestion de l’eau : ce que les services publics doivent savoir maintenant.
De plus, rendez-vous sur la chaîne YouTube de Qatium pour regarder cet épisode et les précédents.
