Paas : l’accélérateur des projets IA
Les entreprises ne se lancent plus à l’aveuglette dans leurs projets d’intelligence artificielle. Elles s’appuient sur des plates- formes qui fournissent à la fois l’infrastructure sous- jacente et des services qui les autorisent à accélérer leur développement.
L’Intelligence artificielle ouvre de nouveaux horizons aux entreprises. Elle leur permet de traiter de vastes jeux de données à grande vitesse, d’en tirer des visualisations à partir de données variées, textes ou documents vocaux, pour en extraire des résultats pertinents et résoudre des problèmes pour lesquels des humains peinaient à trouver une solution. Cela permet aussi d’automatiser certaines tâches récurrentes, souvent dépourvues de valeur.
Des services aux plates- formes
Les premiers à avoir fourni des solutions pour les entreprises furent les fournisseurs de Cloud public. Ils proposaient des services ou des fonctions d’intelligence artificielle qui s’appuyaient sur leurs infrastructures. Ces services ne géraient que certains types de données et s’attaquaient à différents problèmes comme le traitement des données issues du Big Data, le traitement de vidéos/ audios ou de textes et la conception de modèles pour des analyses. À partir de ces services, les opérateurs de Cloud public ont fait évoluer leurs offres pour fournir une plate- forme complète comprenant à la fois l’infrastructure mais aussi l’ensemble des services précités. Aujourd’hui, les plates- formes semblent au plus haut de leur popularité comme l’indique un rapport du Gartner de l’année dernière sur les tendances technologiques.
Les plates- formes se composent de possibilités de calcul élastique des Clouds, du stockage des données nécessaires à l’entraînement des algorithmes et des modèles, des modèles pré- entraînés d’apprentissage machine et des API vers des services analytiques et d’intelligence artificielle. Les modèles pré- entraînés sont un élément important car cette fonction demande du temps et de l’expertise spécifique. C’est pourquoi de nombreuses platesformes proposent des modèles ou des algorithmes qui effectuent certaines tâches spécifiques, comme de mener à bien des calculs complexes ou avancer des prédictions. Certains de ces modèles doivent être adaptés parfois pour remplir leur tâche dans des projets plus importants. Pour les API, les plus communes sont celles qui offrent des fonctions de texte vers la voix ou de traitement du langage naturel.
Plates- formes élastiques
Le recours à ces plates- formes présente des avantages et des inconvénients. Tout d’abord, ce sont des accélérateurs et les plates- formes permettent d’aller plus vite et pour des coûts moins importants que si les entreprises avaient à tout mettre en oeuvre. De plus le modèle de souscription ou de paiement à l’usage dans le Cloud autorise un suivi plus fin des dépenses sur les projets. Les plates- formes s’occupent, la plupart du temps, des phases les plus difficiles et techniques autour de l’intelligence artificielle. En conséquence les entreprises n’ont pas véritablement besoin de “spécialistes ” pour utiliser ce qui est fourni. Dernier avantage, les plates- formes sont élastiques et vous accompagnent ainsi à votre rythme mais aussi à l’échelle de vos projets en termes de volume ou de puissance de traitement nécessaires. Les inconvénients sont de deux ordres. Les modèles pré- entraînés ont des possibilités limitées. Il en va de même pour leurs capacités d’adaptation. Si le projet demande autre chose qu’une approche standard il vaut mieux aller chez un spécialiste de l’intelligence artificielle qui vous aidera à mettre en place de véritables extensions aux modèles pré- entraînés. Le second inconvénient concerne la conformité et l’utilisation des données vis- à- vis des réglementations sur le respect de la vie privée ou autre. Cet inconvénient peut s’étendre à toutes questions de sécurité autour des données qui doivent au moins être chiffrées et transférées de manière sécurisée.
Une pléthore d’offres
Tous les grands offreurs de Cloud public ont des offres de plates- formes pour démarrer ou développer des projets
d’apprentissage machine ou d’intelligence artificielle. Pour mémoire, citons AWS, Azure de Microsoft, IBM avec Watson, Google avec Tensorflow, Alibaba avec des possibilités de bench pour IA et de sa plate- forme algorithmique Alink. Cette dernière a rendu son code disponible sur Github et dispose d’une large gamme de bibliothèques d’algorithmes qui prennent en charge le traitement par lots et le traitement par flux, qui sont essentiels pour les tâches de Machine Learning comme la recommandation de produits en ligne et les services clients intelligents.
À la suite des offreurs de Clouds, les plus grandes sociétés de services ont développé des offres et des platesformes d’intelligence artificielle pour accompagner leurs clients. Capgemini par exemple a développé Perform IA qui vise aussi à éviter les écueils des plates- formes sur le Cloud comme la conformité. Perform IA se concentre sur différents axes comme la stimulation des ventes et l’expérience client, l’optimisation des opérations et la gestion des risques, fraudes ou atteintes à la conformité. Infosys, la société de services indienne, a aussi une plate- forme Nia, qui avec son kit AIKIDO, permet de collecter l’ensemble des opérations réalisées dans l’entreprise afin de revoir les processus en place ou de travailler sur l’expérience du client. Atos a fait de même et a ouvert un laboratoire en partenariat avec Google sur le sujet. CGI, Accenture ont aussi leur compétence dans le domaine.
Plus récemment des start- up se sont emparées du sujet et ont développé des plates- formes souvent adossées aux infrastructures des offreurs de Cloud public comme AWS. Onepanel est une très jeune entreprise fondée en 2017. Sa solution consiste en une plate- forme ouverte et extensible pour concevoir, entraîner et déployer massivement des applications réutilisables d’apprentissage profond. ✖