Simplifier l’intelligence artificielle
Une des grandes tendances autour de l’intelligence artificielle est la simplification des outils pour créer des modèles et permettre aux utilisateurs métier de s’approprier les outils IA.
Les entreprises arrêtent de tâtonner et se lancent souvent sur des projets autour de l’intelligence artificielle ayant compris qu’elle peut apporter un bonus en termes de croissance et de productivité. Confrontées à un manque de compétences et de plan de priorisation sur les cas d’usages, les entreprises recherchent des outils simplifiés pour se lancer ou mûrir de nouveaux projets.
Cette simplification se réalise sur deux niveaux différents. Le premier est sur l’infrastructure sous- jacente nécessaire au fonctionnement de l’intelligence artificielle. Le second est sur les outils eux- mêmes pour permettre une rapide prise en main par les utilisateurs métier.
Le Cloud comme catalyseur
Sébastien Guibert, directeur du Centre d’excellence Intelligence artificielle de Capgemini France, indique que l’arrivée du Cloud « a simplifié les projets pour tout le monde. Si toutes les entreprises ne sont pas dans le Cloud, cela suit la loi de Paretto, 80 % y sont et ne se posent plus la question de jouer avec le stockage, la puissance de calcul nécessaire. Elles ne s’occupent plus de cet aspect mécanique des projets. Il n’y a pas de véritable intelligence à le faire » .
Autre simplification qui découle de ce choix du Cloud : les entreprises ne partent plus de la feuille blanche dans les algorithmes choisis. Philippe Harel, directeur de la practice IA chez Umanis, explique que les entreprises « ne partent plus de zéro, mais d’une certaine base et entraînent les algorithmes par renforcement. Elles ne font que déployer, monitorer, versionner par des démarches agiles pour le mettre à jour. Elles sont entrées dans une phase d’industrialisation. Les grands du Cloud l’ont bien compris et proposent ce type de solutions pour aller vite » .
La plupart ont en effet dans leurs portefeuilles des bancs de travail pour l’intelligence artificielle. Amazon, Google, Azure de Microsoft assurent à la fois l’infrastructure nécessaire et y ajoutent des bibliothèques d’algorithmes mais aussi des templates de modèles pour permettre aux clients d’avancer rapidement sur leurs projets.
Des projets sur de multiples aspects
Philippe Harel voit, dans les projets menés par les clients d’umanis, cinq grands axes de projets : la productivité, la qualité, la présence de la marque, la sécurité et l’innovation ou l’identification de services ou de produits monétisables. Le premier axe concerne principalement la productivité interne et l’automatisation. Il met en exergue un projet de traitement des mails où l’ensemble du processus est géré par l’automatisation et de l’intelligence artificielle dans la reconnaissance
du document. Il en est de même avec les bots qui véhiculent une image de marque de modernité pour les entreprises ou la détection de fraude, l’analyse de la qualité de produits finis… On assiste à une généralisation des usages et des idées de projets. Un point important lors des derniers mois a été la mise en oeuvre de projets d’intelligence artificielle pour répondre au RGPD afin de déterminer rapidement ce qui est une donnée personnelle. Pour la sécurité informatique, l’intelligence artificielle est souvent présente dans le suivi du comportement des utilisateurs et la prévention des intrusions. L’innovation est le secteur le plus en interaction avec les métiers de l’entreprise qui connaissent mieux les données ayant de la valeur pour l’entreprise, et celles pouvant apporter une valeur pour l’entreprise. Philippe Harel voit un mouvement vers des échanges larges de données par des plates- formes de partage – de manière libre ou monétisée. Sébastien Guibert partage son avis et croit à une logique de croisement de services et d’association comme le data hub pour la santé.
Ces croisements peuvent être intéressants même à l’intérieur de l’entreprise où un projet pour une certaine ligne de métier peut donner des idées à d’autres lignes des possibilités de développer leur propre projet par un phénomène de fertilisation croisée souvent constatée dans les data labs qui proposent la plupart du temps des plates- formes communes de tests et d’essai de solutions pour les métiers. Sébastien Guibert indique cependant que le problème de la qualité des données n’est pas toujours résolu même si des projets sont en cours sur ce point. Philippe Harel constate toujours un manque de compétence comme principal frein à des utilisations plus larges.
Simplification par l’utilisation du langage naturel
Un autre axe de simplification de l’utilisation de l’intelligence artificielle dans l’entreprise est d’avoir recours à la compréhension et au traitement du langage naturel pour interagir avec l’intelligence artificielle. Promethium, une start- up américaine que nous avons rencontrée lors d’un IT Press Tour, vise à régler plusieurs problèmes liés à l’utilisation plus intense des données dans l’entreprise avec une plate- forme qui a recours au traitement du langage naturel.
Le plus souvent il est difficile d’être sûr que les données sont de qualité avant la visualisation de celles- ci. La plate- forme dans le Cloud de cet éditeur automatise les étapes précédentes par l’intégration des différentes sources de données nécessaires ( catalogues, outils de virtualisation de données, applications et bases de données…) pour apporter une vue globale sur les données, automatiser de nombreux process manuels, utiliser l’intelligence artificielle pour guider l’utilisateur et l’apprentissage machine pour améliorer et mettre à jour les modèles. L’utilisation du traitement en langage naturel simplifie l’usage par les métiers pour une prise en main rapide. L’utilisateur pose une question en langage naturel et la plate- forme lui répond de la même manière.