Work Worry Wonder : modèle mental pour IA & SaaS (P1)

En janvier 2023, j’ai acheté mon premier tableau blanc.

Je l’ai posé sur un mur de mon bureau. Ensuite, j’ai enlevé le bouchon d’un marqueur, et j’y ai écrit :

AI: work, worry, wonder

Je voulais un modèle mental pour me cadrer sur l’IA. Avec le triple W, ça sonnait bien.

J’y ai rien écrit d’autre depuis. Ces mots-là prennent déjà beaucoup de place. Encore plus que les douze livres sur l’intelligence artificielle que j’ai commandés.

Bien franchement, je termine encore le premier.

Voyez-vous, en janvier 2023, je paniquais…

Contrairement au bon vieux Marc (Andreessen), j’étais convaincu que la fin du monde tel qu’on le connaît commençait enfin. Après 33 années d’imagination et de films de science-fiction, c’était à moi que ça arriverait. À nous.

J’ai laissé ma peur du changement et mon TOC me convaincre : “si tu absorbes un maximum d’information sur le sujet, tu auras plus de pouvoir!” Illusion de contrôle. Comme googler tes symptômes ou rafraîchir Twitter aux secondes pendant la Covid.

Aujourd’hui, ça va. J’en ai parlé à mon psy. Il m’a lancé quelques pistes :

Tu sais, quand la tempête se pointe et que les vagues montent, c’est d’un capitaine en équilibre qu’on a besoin. Pas d’un matelot qui crie en panique dans le fond de la cale. Il aide personne, lui.

Aujourd’hui, j’ai plus d’équilibre. Je ne sais pas si je suis rendu capitaine, mais au moins je ne suis plus dans la cale à paniquer.

Midjourney

La bonne nouvelle, c’est que mon modèle mental a fini par me cadrer. Je l’ai testé dans mes lectures, mes écoutes, mes discussions. Je pense qu’il peut être utile, surtout pour notre industrie.

Personnellement, je n’ai jamais été bon pour apprendre et réussir tout seul.

Donc j’appelle tous les fondateurs et joueurs clés en SaaS : lisez-ça, s.v.p. Et prenez le temps de critiquer le modèle, d’y ajouter des idées, d’y en enlever. J’ai juste envie qu’on se tire par le haut, ensemble, sans perdre l’équilibre.

Clause de non-responsabilité : je ne suis pas expert en intelligence artificielle. Si je me plante dans la terminologie ou un concept, écrivez-nous un email en majuscules avec des insultes pour me corriger → bonjourhi@saaspasse.com

C’est quoi, un LLM?

Quand on dit AI aujourd’hui, on parle plus souvent qu’autre chose de Large Language Models (LLMs). Comme GPT-4 par OpenAI, ou PaLM 2 par Google.

Je sais qu’il y a d’autres types de modèles, mais on va se concentrer là-dessus.

Ces modèles-là vivent à la croisée de l’informatique, de l’intelligence artificielle, et de la linguistique. Cette intersection-là, c’est le Natural Language Processing. Ou NLP, comme on dit dans le milieu.

Comment ça marche? C’est un joyeux mélange :

• Un énorme ensemble de data — genre presque tout le texte de l’Internet, incluant ton commentaire YouTube de 2009
• Un modèle d’apprentissage automatique avec des billions de paramètres — Machine Learning (ML)
• Un processus d’entraînement de modèle appuyé par les humains — Reinforcement Learning from Human Feedback (RLHF)

Aaaaaand then?

Le résultat : un modèle capable de prendre une entrée (prompt), la digérer à travers ses apprentissages, et produire une sortie (output) en fonction d’une distribution de probabilités.

Ce qu’un LLM n’est pas

Raisonnable.

Ces modèles ne sont pas conscients; ils ne raisonnent pas comme des humains. Explication vulgaire mais vraie : ils n’ont pas de “gros bon sens”.

En d’autres mots, vous ne devriez pas prendre les outputs de ChatGPT pour du “cash”. Si vous ne me croyez pas, croyez elle. Les réponses que vous obtenez, ce sont les résultats d’une distribution de probabilité.

Les LLMs ne sont pas des systèmes de recherche d'information comme Google classique. Le scénario quand tu ping Google :

Toi : Yo big G, je veux découvrir la meilleure recette de chili.

Google : Cool, cool, j’ai cette information-là d’indexée pas loin, classée en fonction de plein paramètres — boom, check ça.

Quand tu ping ChatGPT, c’est une autre paire de manches :

Toi : Yo Chad, je veux découvrir la meilleure recette de chili.

ChatGPT : Pas de trouble. Laisse-moi partir à l’exploration de mon nuage multi-dimensionnel de points de data tous en relation. Je vais analyser le poids et le sens de toutes ces associations de mots-là en fonction de ce que tu me dis. Pis là, je vais te donner une recette de chili qui a le plus de chances d’être la meilleure.

C’est pas informatif, c’est génératif. Différence subtile mais essentielle.

👀 Britney Muller fait une solide job de vulgarisation AI dans le SparkToro Office Hours: AI Decoded.

Ce qui reste à voir, c’est comment le mariage de systèmes de navigation, de recherche d’information, et de LLM vont co-évoluer. La promesse des GPT plugins (comme le “browsing” plugin) est excitante, reste à voir comment ça sera adopté.

Okay, on passe aux choses sérieuses. Première phase du modèle mental :

1. Work

Paraît qu’on est sur un train vers la superintelligence. Je sais pas. Chose certaine, c’est que le premier arrêt est à la station productivité court terme.

Pourquoi je devrais utiliser un LLM dans mon SaaS?

Frank, accouche. Ça sert à quoi?

Premièrement, c’est vraiment, vraiment fort pour générer et manipuler du texte. Ah, et des images aussi, dépendamment du modèle.

Le moins y’a d’ambiguité dans les tâches accomplies avec un LLM, le mieux.  Grosso modo, comme les gars de TinySeed disent, c’est bon pour :

• Générer du nouveau contenu textuel (ou visuel)
• Catégoriser de l’information
• Résumer de l’information
• Prédire des scénarios

Pour moi, moins la tâche à faire nécessite un output avec du style et de la personnalité, mieux c’est. La programmation — excellent exemple. Du code, c’est pas nuancé et ambigu comme un pitch de vente. C’est structuré, faut que ça roule, et c’est clair si ça marche ou pas.

En SaaS, on peut utiliser ces modèles-là pour en faire plus, plus vite, sans exploser le budget.

Des exemples?

Dans vos opérations

Dev

• Écriture de code & de tests
• Debugging de code
• Traduction (”localization”)
• Vector embeddings dans bases de données (augmenter l’intelligence d’affaires, l’analytics, etc.)

Marketing

• Rédaction! Inspiration, style, révision. Contenu publicitaire, site, social, etc.
• Traduction de contenu, matériel promo, etc.
• Recyclage de contenu — ex. “transforme-moi cet article de blogue en post LinkedIn”
• Description de produits, physiques ou digitaux
• Production d’images pour contenu, site, social, etc.
• Analyse de sentiment des reviews produit

Ventes

• Résumés d’appels de vente
• Analyse de sentiment client à travers résumés
• Traduction de courriels, pitches ou présentations
• Personnalisation de matériel de vente

Support

• Traduction d’échanges clients
• Personnalisation de réponses clients
• Résumés de longs échanges clients

Produit

• Résumés de vidéos explicatifs, stories ou TODOs
• Résumés, extraits de TODOs dans enregistrements de rencontres

Dans votre SaaS

• Traduction d’interfaces ou de communications en fonctions de la langue choisie ou détectée
• Si tu offres un outil pour communiquer inter-équipe ou avec leads externes — fournir de l’analyse de sentiment pour tes utilisateurs
• Personnalisation de l’interface, des placeholders, des profils, en fonction de l’information déjà possédée sur l’utilisateur
• Génération de contenus pour l’utilisateur — offres d’emploi, posts pour social, emails de suivis, etc.
• Ajout d’une interface de chat par-dessus votre documentation ou foire aux questions

Réfléchissez à tous les endroits où il y a de la génération ou entrée de texte dans votre app. Pouvez-vous améliorer l’expérience utilisateur avec un LLM?

Bonus : Charles Ouellet, co-fondateur chez Snipcart, a toujours porté le titre honorifique de “chien-vache”. Maintenant, avec Midjourney, on peut réellement illustrer ce status.

La punchline : y’a des gains court terme en productivité. On peut utiliser ChatGPT et les AutoGPT de ce monde pour ça. Y’a aussi des accélérations à avoir en recherche de marché : infos sur la compétition, le marché, le financement, etc. On peut même demander aux modèles de formatter cette information dans des spreadsheets et manipuler l’information nous-mêmes ensuite.

Ce que je dis aux fondateurs SaaS ces temps-ci : avant de prendre une décision ou d’accomplir une tâche, demandez-vous comment les modèles de AI pourraient vous aider à le faire.

Prenez du temps pour sauver du temps

Demandez à vos employés de vous présenter des preuves de concept pour sauver du temps dans leur tâches régulières. Donnez-leur le temps qu’ils ont besoin pour expérimenter— vous allez regagner ce temps-là dans les gains en productivité, j’en suis sûr.

Avertissement

Le seul avertissement que j’ai à donner : toujours assumer le rôle d’éditeur-vérificateur quand vous utilisez ces modèles. Ils n’ont pas tout vrai tout le temps, ils hallucinent des fois, et ils n’ont pas la connaissance intrinsèque de votre compagnie et votre audience.

Exemples concrets

• J’ai utilisé ChatGPT et AutoGPT pour scraper et mettre en forme des listes de startups et de partenaires d’écosystème pour nourrir notre base de données SaaSpasse.
• Ludo utilise ChatGPT pour de la génération de texte générique, comme nos descriptions de canaux marketing pour SaaSpasse. Ludo utilise aussi ChatGPT pour générer et classifier des idées de mots-clés SEO, et ensuite pour produire des ébauches de briefs de contenu SEO.
• Charles-Olivier de MAIN auto-génère des transcripts/résumés de podcasts et posts LinkedIn associés, avec l’OpenAI API.
• Antoine écrit des components React 8x plus vite pour Blissbook avec ChatGPT. (voir Ep.4 du pod)
• Jean-Christophe utilise l’OpenAI API pour ajouter des fonctionnalités de transcription et résumés dans Berrycast. (voir Ep.6 du pod)
• Philippe et son équipe chez Missive utilisent l’OpenAI API pour augmenter les capacités rédactionnelles des utilisateurs de leur client email.
• [Partagez-moi vos cas d’utilisation IA/SaaS, je vais probablement les inclure ici!]

C’est cool, tout ça. Mais la vérité, c’est que ces tactiques-là construiront probablement pas d’avantage compétitif. L’affaire avec les “low-hanging fruits”, c’est que tout le monde est capable de les pogner. 🤷‍♂️

Dans la prochaine partie de cet article, on creuse en masse, avec les deux dernière phases du modèle mental :

WORRY + WONDER

Inscrivez-vous à l’infolettre pour ne pas manquer ça. Y'a une boîte plus bas, prête à accueillir votre courriel. Je sors ça semaine prochaine ou l'autre!

D'ici là, voici les épisodes du pod où ça jase pas mal d'IA :

• Ep.6 - Jean-Christophe Dubé : Financement, Produit vs. Service, SaaS AI
• Ep.13 - Isaac Souweine : AI & SaaS vertical
• Ep.16 - Stéphane Guérin : 12+ années de SaaS
• Ep.20 - Julien Gobeil Simard : Croissance & innovation

Stay human, folks!

‍

Cheers,

Francois Lanthier Nadeau

Fondateur @SaaSpasse