L’IA générative bouleverse la réputation des marques en ligne, car les internautes s’appuient de plus en plus sur ces systèmes pour s’informer. Malgré une opacité sur leurs sources et une part d’informations non vérifiées, la confiance des utilisateurs est forte. Face à ce défi, des outils innovants crées par Ludotech, deviennent essentiels pour les professionnels du marketing.
L’ère de l’intelligence artificielle générative en est encore à ses prémices, comme le souligne l’éditeur et le journalistique de la newsletter Génération IA, Benoît Raphaël. Similaire aux débuts du référencement (SEO) où les algorithmes restaient opaques, les systèmes d’IA actuels ne dévoilent pas aisément leurs mécanismes internes.
Un principe fondamental de ces grands modèles linguistiques (LLM) est leur impératif de fournir une réponse, quoi qu’il se passe. Cette programmation peut les amener à générer des informations inexactes ou des suppositions, notamment s’ils ne trouvent pas de données précises, ou à extrapoler la suite d’un contenu après avoir lu seulement une partie d’un article payant.
Des solutions émergent pour évaluer la perception des marques
Face à un environnement où l’outil semble échapper au contrôle des entreprises, les marques se trouvent souvent démunies. Afin de satisfaire ce besoin, une agence experte en création de produits numériques, Ludotech, a initié la création d’outils spécifiquement conçus pour les professionnels du marketing et de la publicité. Ludotech s’est déjà associée à deux agences pour créer des solutions personnalisées qui reposent sur ce principe.
Il est conseillé de réaliser un comparatif des outils disponibles pour choisir la solution la plus adaptée.
Ludotech n’a pas pour objectif de modifier la manière dont les grands modèles linguistiques interprètent les marques ou leurs contenus en ligne. Son rôle est plutôt de fournir aux acteurs des données fiables et à jour pour le marketing et la publicité. concernant la perception d’une marque donnée par les différents modèles d’intelligence artificielle générative.
Le dirigeant de Ludotech, Anthony Pichel, souligne l’expertise de ses équipes :
« Nos développeurs ont l’expertise et les compétences pour capter et analyser les réponses des IA sur un ensemble de requêtes ciblées. »
Selon lui, l’agence peut agréger et structurer ces résultats en utilisant des catégories thématiques bien définies et des indicateurs précis. L’objectif ultime est de mettre à disposition des agences et des marques une grille d’analyse utilisable, directement exploitable pour leurs recommandations stratégiques. L’entreprise assure la robustesse des données fournies par des processus de test et de validation, et maintient ses développeurs à jour face aux évolutions rapides du secteur, notamment par la tenue d’un événement annuel de type hackathon.
Les mécanismes de l’IA générative demeurent peu transparents
Le fonctionnement des intelligences artificielles génératives repose sur la prédiction de la réponse la plus probable, s’appuyant sur des statistiques pour construire du sens plutôt que sur une sémantique directe. Ces systèmes utilisent les données sur lesquelles ils ont été entraînés, mais peuvent également effectuer des recherches sur internet pour obtenir un contexte additionnel, en complément des instructions fournies par l’utilisateur. Certains modèles accèdent automatiquement au web, tandis que d’autres le font uniquement sur demande spécifique.
Pour une utilisation éclairée, réaliser un comparatif des différents modèles d’IA générative est judicieux afin de cerner leurs spécificités et leurs modes de fonctionnement.
Cependant, cette interaction avec le web s’effectue souvent via des interfaces de programmation (API) connectées à des moteurs de recherche existants, comme Bing ou Google. Cette intégration soulève des questions d’opacité, car les processus d’indexation des résultats et les origines géographiques des données analysées ne sont pas clairement définis.
Malgré cette absence de visibilité sur les mécanismes internes, les internautes manifestent une confiance accrue envers les réponses générées par l’IA, cliquant significativement moins sur les liens sources proposés par ces plateformes, comparé aux moteurs de recherche classiques. Il a été observé qu’une part non négligeable des informations fournies par l’IA, environ 30 %, ne sont pas étayées par les références qu’elle cite elle-même.