Vous n’avez pas pu le manquer : Les outils d’intelligence artificielle tels que ChatGPT sont en train de prendre le monde d’assaut. Ils font couler beaucoup d’encre au sein des médias spécialisés dans les ressources humaines et le recrutement quand ces derniers imaginent leurs possibilités en termes d’optimisation de workflows. De la génération de contenu (offres d’emploi, questions d’entretien et contenus marketing) à la sélection des candidats et à la communication assistées par l’IA, les idées ne manquent pas. Si certaines seront plus profitables que d’autres, il est certain que le recrutement et les RH feront partie des nombreux secteurs impactés, voire transformés, par cette nouvelle génération de technologies issues de l’IA.
Dans cet article, nous expliquons en quoi consiste cette technologie et ce qui la différencie des générations précédentes d’IA. Dans les prochains articles, nous en aborderons également les limites et nous tenterons d’évaluer les avantages et inconvénients de ses applications dans le recrutement.
Bref historique de la révolution IA
L’adoption d’algorithmes d’IA dans les processus de recrutement et de RH s’est accélérée au cours des dernières décennies. Les premiers systèmes d’IA basés sur des théories des années 80 présentaient des limites en raison de leur nature sujette aux erreurs et difficile à maintenir, ce qui nuisait à leur qualité.
Apprentissage automatique
L’introduction de la technologie de machine learning statistique a commencé à changer la donne, car elle permettait d’automatiser les tâches linguistiques avec une grande précision (par exemple, la saisie de données à partir de CV). Toutefois, ces systèmes étaient encore limités dans leur capacité à assimiler le contexte et nécessitaient davantage d’ingénierie humaine.
Deep learning
Ces inconvénients ont été surmontés grâce à un type particulier de technologie d’apprentissage automatique appelé « deep learning » (voir ce blog et celui-ci), qui excelle dans l’apprentissage de modèles complexes sans qu’il soit nécessaire de lui dire ce qu’il doit apprendre. Il s’est avéré que ces capacités pouvaient être encore amplifiées en augmentant la taille des modèles de deep learning et en les alimentant avec davantage de données. La mise à l’échelle du modèle et de la taille des données a finalement donné naissance à une famille de modèles de deep learning appelés Large Language Models (LLM). Il s’agit notamment de GPT-4 d’OpenAI et de son cousin ChatGPT axé sur le dialogue, ainsi que du LaMDA de Google et d’autres concurrents du secteur.
*Vous souhaitez en savoir plus sur le parcours de Textkernel à travers ces différentes étapes et sur l’impact de chacune d’entre elles sur les technologies de recrutement ? Lisez aussi les éditions suivantes de ce blog.
LLMS
Les LLMs font partie des développements les plus disruptifs dans le domaine des technologies linguistiques. Les LLMs sont des systèmes d’IA qui simulent le langage et tentent de prédire le mot le plus susceptible de suivre une séquence de mots précédents. En utilisant des réseaux neuronaux de plus en plus grands et davantage de données linguistiques, les LLMs ont commencé à montrer des capacités qui ont surpris leurs créateurs eux-mêmes, comme la génération de textes de haute qualité, le résumé de textes et la réécriture de textes dans des styles spécifiques. Les possibilités offertes par les LLMs sont impressionnantes, mais de grands pouvoirs s’accompagnent de grandes responsabilités.
Pas si vite ?
Acteur majeur de l’innovation basée sur l’IA depuis plus de deux décennies, Textkernel est bien conscient que les percées technologiques n’offrent pas uniquement des raisons de s’enthousiasmer. Nous partageons le fait que l’utilisation de technologies telles que ChatGPT s’accompagne de limites et de risques. Il existe des limites techniques concernant son évolutivité et son coût. Mais surtout, il existe des préoccupations justifiées au sujet de la confidentialité des données, de la transparence et de l’impartialité. Ces préoccupations doivent être prises très au sérieux et la législation à venir sur l’IA, telle que la loi européenne sur l’IA et la loi AEDT de New York, contribuera à garantir qu’elles le soient.
Restez connectés pour ne pas manquer le prochain article de cette série et en savoir plus sur la façon dont les LLMs sont liés à la législation sur l’IA, comment Textkernel envisage de combiner conformité avec innovation de pointe et comment nous utilisons déjà les LLMs de manière responsable.
