Dans l’environnement technologique en rapide évolution d’aujourd’hui, l’intelligence artificielle générative (IA) devient progressivement l’outil central pour stimuler l’innovation et la création de valeur des entreprises. Des exemples d’application de l’IA générative abondent, de Gucci utilisant l’IA pour concevoir de nouvelles chaussures de sport à ChatGPT devenant l’une des pages Web les plus visitées au monde. Cependant, avec ces progrès technologiques, de nombreux défis éthiques et des mécanismes d’interaction complexes émergent également. Ce projet de recherche explorera en profondeur le rôle de l’IA générative dans la co-création de valeur, les défis auxquels elle est confrontée et les questions éthiques qui y sont associées.
L’intégration de l’IA générative et de la co-création de valeur
L’année 2023 a été marquée par l’accélération du développement de l’intelligence artificielle, avec l’apparition de nouveaux acteurs tels que ChatGPT (OpenAI). En quelques semaines, ce chatbot basé sur l’IA générative est devenu l’une des pages Web les plus visitées de l’histoire, attirant désormais 1,5 milliard de visites par mois. Par la suite, d’autres comme Bing Chat, Bard, Mid Journey, Dall-E, Character AI, etc., ont également vu le jour. L’IA générative est une catégorie d’IA axée sur la création autonome de nouvelles données, de contenus ou d’œuvres d’art, ses créations étant similaires à celles créées par les humains. Contrairement aux IA analytiques axées sur des tâches spécifiques (classification, prédiction ou résolution de problèmes simples), elle dépasse ces limites (Kübler, 2023 ; Huang and Rust, 2020). Les entreprises voient en elle un potentiel de croissance accélérée et de nouvelles opportunités marketing. En 2024, deux tiers des entreprises ont alloué un budget pour intégrer l’IA générative dans leur marketing, représentant 62 % du budget total de l’informatique marketing, considérant cette technologie comme un catalyseur de créativité et d’innovation (Capgemini Research Institute 2023). L’IA générative a des applications potentielles dans presque tous les domaines, mais l’équilibre entre les risques et les opportunités est encore en discussion : elle suscite des préoccupations et des défis éthiques, techniques et socio-économiques. Le 2 février 2024, l’Union européenne a mis en place la Loi sur l’intelligence artificielle (AI Act) visant à garantir la sécurité des systèmes d’IA, le respect des droits fondamentaux, la démocratie et le développement des entreprises. Cette loi fournit un cadre juridique pour l’IA, exigeant que les entreprises s’efforcent de la transparence dans leur utilisation de l’IA.
L’IA générative est une technologie capable de générer de nouvelles données, contenus ou œuvres d’art de manière autonome. Comparée à l’IA analytique traditionnelle, l’IA générative offre une plus grande créativité et flexibilité, pouvant être utilisée dans divers domaines. Par exemple, dans le marketing et la conception de produits, l’IA générative peut générer des produits personnalisés en fonction des besoins des utilisateurs et des tendances du marché, améliorant ainsi la satisfaction client et la valeur de la marque.
Fondements théoriques de la co-création de valeur
La théorie de la co-création de valeur est un cadre théorique sur la manière dont les entreprises et les consommateurs participent ensemble au processus d’innovation des produits ou services. Cette théorie met en avant l’interaction et la collaboration entre les entreprises et les consommateurs pour créer de la valeur ensemble. À l’ère numérique, avec le développement continu et l’application de l’intelligence artificielle (IA), la théorie de la co-création de valeur commence également à être combinée avec les technologies d’IA, explorant comment utiliser l’IA pour interagir avec les consommateurs et créer de la valeur ensemble.
1. Modèle d’acceptation des appareils d’IA par les clients
Gursoy et al. (2019) ont proposé un modèle d’acceptation des appareils d’IA (AIDUA) pour expliquer le degré d’acceptation des consommateurs envers la technologie IA. Ce modèle implique trois facteurs clés :
Impact social : la mesure dans laquelle les consommateurs tiennent compte des opinions et des attentes des autres. Les consommateurs peuvent être influencés par leurs amis, leur famille, les experts ou le grand public pour décider d’accepter et d’utiliser la technologie IA.
Motivation hédonique : les plaisirs et la satisfaction que les consommateurs obtiennent de l’utilisation de la technologie IA. Si l’utilisation de la technologie IA procure du plaisir et de la commodité, les consommateurs sont plus susceptibles de l’accepter et de l’utiliser.
Personnalisation : la perception par les consommateurs des caractéristiques humanisées de la technologie IA. Si la technologie IA est dotée de caractéristiques similaires à celles des humains, telles que les émotions, l’intelligence et les capacités de communication, les consommateurs peuvent être plus susceptibles de l’accepter et de lui faire confiance.
En prenant en compte ces trois facteurs, il est possible de mieux comprendre l’attitude et le comportement des consommateurs envers la technologie IA.
2. Modes d’interaction entre l’IA et les consommateurs
Puntoni et al. (2021) ont souligné qu’il existe trois principaux modes d’interaction entre les consommateurs et la technologie IA, à savoir la capture de données, la délégation et l’interaction sociale.
Capture de données : les consommateurs participent à la collecte et à l’analyse de données en fournissant des données et des informations personnelles à la technologie IA. Ces données peuvent être utilisées pour des recommandations personnalisées, des services sur mesure, etc., améliorant ainsi l’expérience et la satisfaction des consommateurs.
Délégation : les consommateurs confient une partie des tâches ou du processus de décision à la technologie IA pour économiser du temps et des efforts. Par exemple, les consommateurs peuvent déléguer à la technologie IA la planification de voyages, des listes d’achats ou des plans d’investissement.
Interaction sociale : les consommateurs interagissent directement avec la technologie IA, de manière similaire à une interaction sociale avec les humains. Cette interaction sociale peut être réalisée via des assistants vocaux, des chatbots, etc., aidant les consommateurs à résoudre des problèmes, à obtenir des informations ou à se divertir.
3. Concept de co-création de valeur
Le concept de co-création de valeur a été initialement proposé par Prahalad et Ramaswamy (2004), qui ont affirmé que les entreprises devaient participer avec les consommateurs au processus de développement et d’innovation des produits ou services pour créer de la valeur ensemble. La co-création de valeur met l’accent sur l’importance des consommateurs en tant que participants actifs et partenaires dans le processus d’innovation, soulignant l’interaction et la collaboration entre les entreprises et les consommateurs.
À l’ère numérique, le développement de la technologie IA offre de nouvelles opportunités et défis pour la co-création de valeur. En utilisant la technologie IA, les entreprises peuvent mieux comprendre et répondre aux besoins des consommateurs, offrant des produits et services personnalisés. En même temps, les consommateurs peuvent participer au processus de conception et d’innovation des produits ou services grâce à l’interaction avec la technologie IA, créant ainsi plus de valeur ensemble.
4. Impact de l’IA sur la co-création de valeur
L’impact de la technologie IA sur la co-création de valeur se manifeste principalement dans deux domaines :
Créer de la valeur pour les entreprises : la technologie IA peut aider les entreprises à améliorer leur productivité, leur efficacité de service et à réduire les coûts, créant ainsi plus de valeur pour les entreprises. En analysant les mégadonnées et le comportement des consommateurs, la technologie IA peut aider les entreprises à mieux comprendre les besoins du marché, offrant des produits et services personnalisés pour améliorer la satisfaction et la fidélité des clients.
Améliorer l’expérience et la satisfaction des consommateurs : les consommateurs peuvent obtenir des expériences de produits et de services plus personnalisées, pratiques et de haute qualité grâce à l’interaction avec la technologie IA. La technologie IA peut fournir des suggestions et des recommandations personnalisées en fonction des préférences et du comportement des consommateurs, répondant aux différents besoins et attentes des consommateurs.
Cas d’application de l’IA générative
Création de contenu
Rédaction de nouvelles et d’articles :
The Washington Post : utilisation de son outil d’IA générative « Heliograf » pour rédiger des articles de presse. Heliograf peut générer rapidement des articles de presse et les optimiser en fonction des retours des lecteurs.
OpenAI GPT-3 : plusieurs agences de presse et entreprises utilisent GPT-3 pour générer des articles de blog, des résumés de nouvelles et des créations de contenu, économisant ainsi des ressources humaines considérables.
Publicité et marketing :
Persado : utilisation de la technologie d’IA générative pour créer des textes publicitaires émotionnellement attrayants, augmentant les taux de clics et de conversion des publicités.
Phrasee : utilisation de l’IA pour générer du contenu marketing par e-mail, optimisant les titres et le corps des e-mails, augmentant les taux d’ouverture et de clics des e-mails.
Conception de produits
Mode et design vestimentaire :
Tommy Hilfiger : collaboration avec IBM, utilisation de l’IA générative pour analyser les tendances de la mode et les retours des clients, concevant ainsi de nouveaux vêtements répondant aux besoins du marché.
Zara : utilisation de l’IA pour analyser les réseaux sociaux et les données des clients, prédire les tendances de la mode et aider les équipes de design à créer des articles populaires.
Conception automobile :
BMW : utilisation de la technologie d’IA générative pour la conception intérieure et extérieure des voitures, simulant différentes propositions de conception et optimisant rapidement les designs.
Santé
Développement de médicaments :
Insilico Medicine : utilisation de la technologie d’IA générative pour la conception de molécules de médicaments, accélérant le processus de développement de nouveaux médicaments et réduisant considérablement le temps de développement des médicaments.
Atomwise : utilisation de la technologie d’IA générative pour la prédiction des structures moléculaires, aidant à découvrir de nouvelles cibles et candidats médicaments.
Médecine personnalisée :
IBM Watson : analyse d’une grande quantité de données médicales et de littérature, générant des plans de traitement personnalisés pour améliorer la précision et l’efficacité des diagnostics et traitements.
Éducation
Apprentissage personnalisé :
Khan Academy : utilisation de l’IA générative pour analyser les données d’apprentissage des élèves, générant des parcours d’apprentissage et des exercices personnalisés pour améliorer les résultats d’apprentissage.
Carnegie Learning : utilisation de l’IA pour générer des contenus d’apprentissage adaptatifs, fournissant des suggestions pédagogiques personnalisées en fonction des progrès et des performances des élèves.
Évaluation automatique et feedback :
Gradescope : utilisation de la technologie d’IA générative pour évaluer automatiquement les devoirs et examens des élèves, fournissant des retours détaillés et allégeant la charge de travail des enseignants.
Divertissement
Développement de jeux :
AI Dungeon : jeu d’aventure textuel interactif basé sur la technologie d’IA générative, où les joueurs peuvent entrer n’importe quel texte et l’IA génère des scénarios de jeu dynamiques en fonction des entrées.
Ubisoft : utilisation de la technologie d’IA générative pour générer des dialogues et des scénarios dans les jeux, augmentant la diversité et l’interactivité des jeux.
Création musicale :
Amper Music : utilisation de la technologie d’IA générative pour permettre aux utilisateurs de créer des œuvres musicales dans divers styles, utilisées dans des vidéos, des publicités et des créations personnelles.
AIVA (Artificial Intelligence Virtual Artist) : compositeur d’IA capable de créer des œuvres musicales dans divers styles tels que la musique classique, la musique pop et les bandes sonores de films.
Art et design
Création artistique numérique :
DeepArt.io : utilisation d’algorithmes d’apprentissage profond pour transformer des photos ordinaires en œuvres d’art imitant le style d’artistes célèbres.
DALL-E : IA générative développée par OpenAI capable de créer des images et des œuvres d’art réalistes à partir de descriptions textuelles.
Conception architecturale :
Spacemaker AI : utilisation de la technologie d’IA générative pour aider les architectes et les urbanistes à optimiser les plans de conception, améliorant l’efficacité de l’utilisation de l’espace et la durabilité environnementale.
Ces exemples illustrent la vaste gamme d’applications et le potentiel immense de l’IA générative dans différents domaines. Avec les progrès technologiques continus, l’IA générative transformera davantage notre vie et notre travail, apportant plus d’innovations et d’opportunités de développement à divers secteurs.
Défis et risques de l’IA générative
Bien que l’IA générative montre un potentiel immense en matière d’innovation et de création de valeur, son application présente également de nombreux défis et risques.
Problèmes de confidentialité des données et d’éthique
Le fonctionnement de l’IA générative repose sur de grandes quantités de données utilisateur, ce qui soulève des questions de confidentialité des données et d’éthique. Les entreprises doivent obtenir le consentement explicite des utilisateurs lors de la collecte et de l’utilisation des données, et garantir la sécurité et la confidentialité des données. Wirtz et al. (2023) soulignent que des profils de clients trop précis peuvent être perçus comme intrusifs voire manipulateurs, constituant une menace pour la vie privée des utilisateurs.
Biais et discrimination
L’IA générative peut générer des biais et des discriminations lors du traitement des données et de la prise de décision. Puntoni et al. (2021) mettent en avant que la technologie IA, en traitant les données, peut produire des résultats biaisés en raison des sources de données ou des conceptions d’algorithmes injustes. Cela peut non seulement affecter l’expérience utilisateur, mais aussi déclencher des controverses juridiques et éthiques.
Résistance des utilisateurs et crise de confiance
Chouk et Mani (2019) ont constaté que les facteurs de résistance des consommateurs aux services intelligents incluent la protection de la vie privée et la méfiance technologique. Dans l’application de l’IA générative, si les utilisateurs manquent de confiance en la technologie ou la comprennent mal, ils peuvent utiliser des données anonymes, des communications trompeuses, etc., pour perturber activement le processus de génération d’informations (Martineau, 2023). Cela peut non seulement affecter la précision de l’IA, mais aussi entraîner des biais dans le processus d’innovation.
Pratique de la responsabilité numérique des entreprises (CDR)
Pour relever efficacement les défis éthiques posés par l’IA générative, les entreprises doivent pratiquer la responsabilité numérique des entreprises (CDR). La CDR se réfère à l’utilisation éthique, équitable et préventive des données et des technologies par les entreprises dans l’écosystème des services numériques, en interaction avec les clients (Wirtz et al., 2023). Cela inclut :
Politiques de transparence des données : les entreprises doivent informer clairement les utilisateurs de la collecte et de l’utilisation des données, et s’assurer que les utilisateurs ont le droit de gérer leurs propres données.
Conception équitable des algorithmes : lors du développement des algorithmes IA, les entreprises doivent éviter autant que possible les biais et les discriminations, garantissant ainsi l’équité et la transparence des algorithmes.
Éducation et communication des utilisateurs : par une communication et une éducation efficaces, renforcer la compréhension et la confiance des utilisateurs envers l’IA générative, réduisant ainsi la résistance et les crises dues aux malentendus technologiques.
Perspectives d’avenir
Avec les progrès technologiques continus et l’élargissement des scénarios d’application, le rôle de l’IA générative dans la co-création de valeur deviendra de plus en plus important. Cependant, pour réaliser son potentiel, les entreprises doivent relever activement les défis qu’elle pose, notamment en matière de confidentialité des données et d’éthique. En pratiquant la responsabilité numérique des entreprises, les entreprises peuvent non seulement améliorer la confiance des utilisateurs, mais aussi réaliser une véritable co-création de valeur dans le processus d’innovation.
L’IA générative est une arme à double tranchant qui crée une immense valeur pour les entreprises et les consommateurs, tout en posant de nouveaux défis éthiques et technologiques. Seule une entreprise trouvant un équilibre entre l’innovation technologique et la responsabilité éthique pourra exploiter pleinement le potentiel de l’IA générative pour un développement durable.
Trois questions de recherche principales
Décrire et normaliser les cas d’utilisation de l’IA générative dans les entreprises, en effectuant une revue systématique de la littérature et une enquête sur l’état actuel de l’innovation en IA.
Analyser et comprendre les mécanismes d’interaction entre IA (technologie), marque (innovation) et retour des clients, en étudiant comment les entreprises intègrent l’IA générative dans leur processus d’innovation. Des méthodes expérimentales peuvent être utilisées pour tester ces formes d’interaction et leur impact sur la perception de la valeur de la marque.
Comprendre les limitations de la perception de la valeur co-créée par les clients dans l’utilisation de l’IA générative, en soulignant les étapes clés de l’utilisation de l’IA générative et les questions de transparence liées, par le biais d’études de cas.
REFERENCE
Chouk, I. and Mani, Z. (2019). Factors for and against resistance to smart services: role of consumer lifestyle and ecosystem related variables. Journal of Services Marketing, 33(4), 449-462.
Gursoy D., Chu O.H., Lu L., Nunkoor (2019), “Consumers acceptance of artificially intelligent (AI) device use in service delivery”, International Journal of Information Management, 49, 157-169.
Prahalad, C.K. and Ramaswamy, V. (2004). Co‐creating unique value with customers, Strategy & Leadership, 32 (3), 4-9.
Wirtz, J., Kunz, W. H., Hartley, N., & Tarbit, J. (2023). Corporate Digital Responsibility in Service Firms and Their Ecosystems. Journal of Service Research, 26(2), 173–190.
Xu, L., & Mehta, R. (2022). Technology devalues luxury? Exploring consumer responses to AI-designed luxury products. Journal of the Academy of Marketing Science, 50(6), 1135-1152.
Meena, P., & Kumar, G. (2022). Online food delivery companies’ performance and consumers expectations during Covid-19: An investigation using machine learning approach, Journal of Retailing and Consumer Services, 68(C).
Martineau, J., Gril, E., (2023). Transition numérique et intelligence artificielle : d’importants enjeux éthiques à surveiller. Gestion, 48(1), 60-64.
Puntoni, S., Reczek, R. W., Giesler, M., & Botti, S. (2021). Consumers and Artificial Intelligence: An Experiential Perspective. Journal of Marketing, 85(1), 131–151.
Lalicic, L., Weismayer, C., (2021). Consumers’ reasons and perceived value co-creation of using artificial intelligence-enabled travel service agents. Journal of Business Research, 129(C), 891-901.
