5 conseils pour s’engager sur la voie de l’IA

Par Christophe Balmy

Cet article de blog est une collaboration spéciale avec  notre partenaire Dataiku, la plateforme qui démocratise l’IA dans les organisations.
L'article d'origine : https://blog.dataiku.com/5-tips-to-getting-started-on-the-road-to-ai 

L’IA est officiellement partout – elle a joué un rôle important dans la crise sanitaire mondiale, à la fois en surveillant le nombre de cas et en suivant les schémas mondiaux de confinement et de réouverture.

Un sondage de Gartner auprès d’« environ 200 professionnels des affaires et des TI, effectué le 24 septembre 2020, a révélé ce qui suit :

• 24 % des organisations interrogées ont augmenté leurs investissements en intelligence artificielle (IA) et 42 % les ont maintenus inchangés depuis le début de la pandémie de COVID-19.

• Au cours des six à neuf prochains mois, 75 % des personnes interrogées poursuivront ou lanceront de nouvelles initiatives en matière d’IA, alors qu’elles passent à la phase de renouvellement de l’organisation post-pandémie.

• 79 % des personnes interrogées ont déclaré que leurs organisations exploraient ou pilotaient des projets d’IA, tandis que seulement 21 % ont déclaré que leurs initiatives d’IA étaient en production »

Toutefois, certaines entreprises hésitent encore à franchir le pas en raison d’un manque de compétences internes. Avec l’avènement des plateformes collaboratives de science des données, les obstacles à l’IA ont été considérablement réduits. Mais il est important de garder à l’esprit les 5 étapes à considérer avant de commencer son projet d'IA. 

1. Faites le point sur votre maturité analytique

Tout d’abord, il est essentiel d’identifier clairement la valeur ajoutée que le projet d’IA apportera à l’entreprise. Pour ce faire, tenez-vous informé.e des différents cas d’utilisation, rencontrez des experts du secteur ou suivez des formations. L’objectif est de se faire une idée précise de la valeur incrémentale d’un projet d’IA sur des exemples similaires à votre objectif. 

Il est important de commencer par des projets simples, dont le rendement du capital investi est bien identifié au préalable. C’est le seul moyen de prouver les avantages de l’IA. Les sujets doivent être tangibles et progresser de manière itérative et pragmatique. L’objectif est de donner confiance aux équipes et à la direction afin de réussir à obtenir l’adhésion du plus grand nombre. 

2. Ne sous-estimez pas le temps nécessaire à votre projet d’IA

Nos clients se demandent toujours si cela va prendre du temps, mais, pour les sujets les plus simples, il ne faut que quelques semaines pour commencer. Après quelques mois, nous pouvons passer à une approche plus systémique. Les entreprises sont de plus en plus conscientes que même avec des solutions très légères, elles peuvent commencer à se transformer.

Attention toutefois à ne pas minimiser la durée du projet pour éviter les désillusions ! Par exemple, ne vous lancez pas dans un projet en pensant qu’il ne prendra que deux semaines au lieu de deux mois, car c’est irréaliste et les retards seront inévitables lorsque cela deviendra réalité. 

Quel que soit le projet, les plateformes d’IA peuvent aider à accélérer les processus pour construire des solutions aussi efficacement que possible. Par exemple, avec Dataiku, une entreprise peut créer un système très simple pour prédire son chiffre d’affaires pour les mois à venir. Il suffit d’entraîner la machine avec ses résultats des mois précédents en téléchargeant un simple fichier csv. 

Effectuer des transformations de données dans Dataiku peut aider les équipes à faire le lien entre les commandes du début du mois et le chiffre d’affaires final. Tout fonctionne sous forme de glisser-déposer et nécessite très peu de code pour les personnes qui travaillent mieux avec les visualisations de données, mais les experts techniques qui préfèrent coder peuvent le faire – chacun peut travailler de la manière qui lui convient le mieux.

3. Préparez votre coup d’envoi

Les équipes doivent s’assurer qu’elles mettent en place un processus pour calculer le rendement du capital investi potentiel de chaque projet. Une fois que cela est fait et que l’objectif et les besoins de chaque partie prenante ont été identifiés, le coup d’envoi peut être préparé. Très souvent, un projet d’IA commence par des séances d’élaboration. Les réunions de lancement permettront de s’assurer que votre projet d’IA repose sur des bases solides – une vision technique et une vision commerciale. En effet, en lançant un projet d’IA sans adhésion de votre entreprise risque de se heurter à des problèmes majeurs. Cela peut conduire notamment à une réponse à un problème qui n’est pas une priorité pour l’entreprise. Souvent, nous nous en rendons compte bien trop tard.

Comme nous l’avons déjà mentionné, il est intéressant de commencer par un projet simple avec une portée réduite (attention, cela ne signifie pas pour autant un délai déraisonnablement court !) avant de déboucher sur un produit minimum viable (PMV). Il s’agit d’un prototype sur lequel nous pourrons ensuite itérer, que nous ferons évoluer avant de l’industrialiser. 

4. La phase d’industrialisation (mise en production) 

Une fois que le cas d’utilisation est identifié, que nous avons démontré l’intérêt d’utiliser des outils d’IA et que nous avons développé une solution à petite échelle avec succès, nous pouvons alors convaincre d’autres services (marketing, RH) d’investir. Industrialiser l’IA dans une entreprise signifie évangéliser auprès de tous les services de l’entreprise et automatiser certaines parties du pipeline de données. Parmi les exemples, citons l’automatisation de tâches répétitives telles que le chargement et le traitement des données, l’exécution de tâches de calcul par lots, etc. Avec l’automatisation en place, les équipes peuvent gérer davantage de projets et s’adapter à la mise en production. À ce stade, c’est la robustesse de l’infrastructure qui est importante. 

5. Évitez la dette technique : impliquez le service IT dès le début du projet

Il est fréquent de voir des projets qui s’éternisent bien plus longtemps que prévu. Pour éviter cette dette technique (durabilité des développements informatiques dans le temps), il est essentiel d’impliquer le service IT très tôt dans le projet.

Les chefs d’entreprise considèrent souvent les IT comme un ralentisseur, alors qu’il est essentiel de l’inclure en amont des projets. En effet, la qualité de l’infrastructure technique est la condition du succès d’une application d’IA. Il est donc essentiel de faire un effort au niveau de la direction, afin que les deux se parlent. Cela nécessite parfois la création d’équipes interfonctionnelles.

Pour pouvoir évoluer, vous devez disposer d’une infrastructure de données qui fonctionne. Dès que vous voulez créer de la valeur, vous devez le faire sur une base technique solide pour intégrer ces fonctionnalités dans le système informatique. Enfin, vous ne devez pas tout coder vous-même. Nous utilisons souvent une métaphore culinaire dans le domaine de la science des données : Dans son restaurant, un chef fait rarement tout lui-même. Pour l’IA, c’est la même chose, du moins au début. Il est encore mieux d’utiliser des produits prêts à l’emploi et des partenaires de conseil qui peuvent vous montrer la bonne feuille de route avant de vous lancer dans des développements majeurs.

Dataiku, un allié de taille 

Depuis l'année dernière, Dataïku sort du lot des solutions IA, de part sa grande compatibilité technologique et sa facilité de prise en main à tout niveaux. 
Il possède des caractéristiques solides pour vous aider à démarrer un voyage vers l’IA en toute sécurité :

• Facile d’accès – toutes les entreprises peuvent l’utiliser, car elle offre une vision simplifiée de chaque projet d’IA. Les équipes auront une vision globale de tous les projets et parcours de données, de la manipulation des données à leur visualisation jusqu’à l’application finale. La facturation se fait à la consommation comme le “pay-as-you-go” 

• Elle facilite la mise à l’échelle. L’outil peut se connecter, sans tenir compte des données, à tout type de moteur de calcul et à tout type de données (en nuage, sur site ou hybride). Snowflake est la plateforme la plus connectée à Dataiku pour nos clients. Le connecteur Snowflake natif permet aux spécialistes des données d’exécuter une requête pendant deux minutes et de ne payer que pour ces deux minutes de temps de calcul. Il n’y a plus de raison de faire tourner une “petite grappe” pendant quatre minutes – faites un grand tour et revenez quand vous avez fini !

• Simples et accessibles, les fonctionnalités de Dataiku permettent de créer des projets d’IA de bout en bout. L’outil permet la création d’applications finales destinées aux utilisateurs finaux, il est donc naturellement adapté à la phase d’industrialisation.

• La plus grande qualité de Dataiku est sa capacité à rassembler les collaborateurs dans un seul outil. Avec Dataiku, tout le monde collabore au même endroit, chacun ayant sa propre partie du projet. Chacun peut « voir » ce que font les autres, sans pouvoir le modifier (s’il n’en a pas la permission). Le scientifique des données, par exemple, s’occupera de la partie apprentissage machine, l’analyste de données se connectera aux résultats des ensembles de données, le directeur des ventes aura accès aux tableaux de bord, etc.

• Dataiku permet le développement de l’IA à partir de zéro, mais aussi l’utilisation de langages, de bibliothèques, de modules d’extension et de toutes sortes de composants permettant la réutilisation du code existant.

N’hésitez pas à contactez les experts IA de Solution BI sur divers outils IA  afin de bâtir une feuille de route adaptée aux besoins de votre organisation 
France : france@solution-bi.com
Canada : analytique@solution-bi.com