Contexte
Depuis une dizaine d’années déjà, des sociétés proposent des outils de production automatisée de contenus aux médias. Ces services se sont développés dès 2012, aux Etats-Unis notamment, pour la génération automatisée de contenus simplifiés, tels que des résultats sportifs ou d’élections, ou des informations pratiques, comme la météo et des agendas, mais aussi en France : l’outil de la start-up française Syllabs a ainsi été utilisé dès 2015 par Le Monde pour produire 36 000 textes pour les résultats des élections départementales, puis les années suivantes par de grands groupes médias français comme Radio France et Ouest-France.
Jusque-là supposée ou espérée, l’intelligence artificielle va maintenant plus loin. Les progrès réalisés ces toutes dernières années, grâce aux algorithmes de NLP (natural language processing) associés aux modèles de machine learning (apprentissage automatique) et de deep learning (apprentissage profond), permettent aujourd’hui la généralisation d’intelligence artificielle générative (outils conversationnels, génération d’images et de vidéo, etc.). Ces progrès ont été mis en exergue par le lancement des nouvelles versions de ChatGPT à l’automne 2022 (V3), puis en mars 2023 (V4), qui sont entraînés sur des corpus infiniment plus larges que les modèles existants, et peuvent ainsi répondre à beaucoup plus de besoins. Autres outils désormais largement médiatisés et utilisés : Stable Diffusion, Dall-E et Midjourney (photo), Character.AI (chatbot avancé) ou encore Copilot (code).
L’intérêt de ces nouveaux outils pour les éditeurs médias semble évident tant ils promettent d’offrir des gains de productivité. D’abord dans la génération de contenus, avec la création instantanée de textes, d’images d’illustration, de contenus audio et vidéo, voire comme nouveau moteur de recherche. Ensuite dans la génération de code pour assister les équipes dédiées au développement et à l’entretien de leurs infrastructures techniques.
L’intelligence artificielle générative ouvre ainsi de nouveaux horizons pour les éditeurs, voire de nouveaux modèles pour certains d’entre eux . A fortiori dans un contexte économique difficile, marqué par un net ralentissement publicitaire, l’inflation du coût du papier et des incertitudes économiques qui vont perdurer. Le développement de l’IA générative laisse entrevoir la possibilité de réaliser des économies dans la production des contenus. Mais il crée autant d’opportunités que de risques.
Enjeux
Définir une stratégie
Réalisation d’articles et de synthèses à partir de documents – y compris volumineux -, suggestion d’idées, conception et vérification de lignes de code, conseils juridiques, intégration comme outil de relation client ou de coaching pour des offres servicielles… Les cas d’usage sont multiples. Les directions au sein des médias doivent s’emparer dès maintenant des outils d’intelligence artificielle générative, comprendre et connaître les outils, et surtout définir une stratégie : Faut-il les utiliser et comment ? Pour quels métiers ? Sur des tâches internes ou à des fins externes ? Quels outils sont les plus adaptés et les plus efficaces ? Les directions générales et directions éditoriales vont devoir répondre à ces questions, adopter une politique et éventuellement ajuster l’organisation et les responsabilités internes.
Responsable de la rubrique Médias, régies et monétisation publicitaire