Intelligence artificielle : voyage en terrain connu ?

Pour une entreprise, l’intelligence artificielle ouvre de multiples pistes d’évolution. Efficace, frugale, elle livrera ses meilleures performances si elle est déployée correctement, au prix d’un effort unissant métiers, data et informatique. Feuille de route.  

Embarquer son entreprise dans l’aventure de l’intelligence artificielle (IA) revient à partir en voyage. Le point de départ est logiquement de savoir où l’on veut aller. Ce que chaque métier veut faire. Quel mode de fonctionnement doit évoluer et dans quel objectif. Effectuer plus rapidement, plus efficacement, de façon plus fiable des tâches pesantes, répétitives ou complexes ? Ce n’est qu’en déterminant avec précision le besoin du métier que le projet peut débuter.

Le cap étant fixé, il faut alors, comme pour tout modèle informatique, s’interroger sur les typologies de données à disposition et choisir les plus pertinentes pour alimenter le système afin d’obtenir le but recherché. Un peu comme on remplit ses valises en fonction de sa destination.

Pour filer la comparaison, il faut ensuite opter pour le mode de transport le plus adapté. Pas besoin de prendre le train pour aller au bout de la rue. ChatGPT est formidable et follement tendance, mais cette solution cloud générique n’est pas forcément la plus utile pour le processus métier recherché. Un arbre logique basique sera peut-être satisfaisant. Ou, au contraire, un modèle spécifique, créé sur mesure, s’avèrera nécessaire.

En matière d’IA, la taille unique n’existe pas. ChatGPT et les autres Large Language Models (LLM) retiennent actuellement toute l’attention, mais ces dernières générations d’IA génératives viennent en réalité enrichir un large catalogue de modèles mathématiques, statistiques, informatiques… existant depuis les années 1950.

Les entreprises ont donc de nombreuses options pour atteindre leur destination. A charge pour le métier et le sachant IA de s’entendre pour choisir la plus adaptée au besoin. Le piège serait d’adopter des solutions compliquées là où la simplicité suffirait. Cela serait coûteux, probablement inefficace, et problématique au regard des enjeux environnementaux. Que la sobriété prime, à tous points de vue.

Une fois l’option choisie, il y a plusieurs éléments importants à garder à l’esprit. D’abord, donner des exemples pour guider l’IA. S’il fallait avant l’entraîner avec énormément de données, c’est aujourd’hui beaucoup plus simple. Il ne faut cependant pas négliger cette étape cruciale, et expliciter précisément ce que le métier attend.

Car l’IA ne fonctionne pas dans un environnement clos : elle s’inscrit dans l’écosystème de l’entreprise, ce qui nécessite de réfléchir de bout en bout. Il est essentiel d’embarquer le modèle dans une application au service d’un processus, d’un métier… Le focus doit donc être mis sur l’industrialisation, étape complexe mais indispensable sinon l’IA restera stérile.

Arrive la question du réglage fin du modèle. Il faut trouver la bonne adéquation entre le temps investi à optimiser les paramètres de l’algorithme et la performance effectivement gagnée. Ce qui est primordial pour l’entreprise est d’abord de passer de rien à un processus qui assure 80% de la tâche par exemple, pas de gagner les 1% séparant 80% de 81%. Ceci viendra éventuellement dans un deuxième temps…

En réalité, l’objectif en IA devrait être d’établir un modèle le plus simple possible, fonctionnant et s’intégrant parfaitement dans l’écosystème, et de l’enrichir progressivement en mode agile, avec du « model tuning », de l’amélioration continue, en intégrant les retours des utilisateurs…

Dans les faits, l’IA n’a pas vocation à remplacer un ERP complet, mais à prendre en charge certaines fonctionnalités pour les améliorer. Chaque élément va évoluer indépendamment, avec son niveau d’intelligence, pour obtenir un ensemble ultra optimisé.

Cet ensemble, il faut le maintenir, s’assurer que le résultat produit par l’algorithme continue à être le bon. Cela passe par le suivi de la satisfaction de l’utilisateur, mais aussi par la mise en place d’alertes en entrée pour repérer ce qui peut nécessiter une intervention extérieure, comme une supervision plus fine, un entraînement, une mise à jour… Il est aussi essentiel de continuer la veille technologique pour repérer le nouvel outil qui permettra -peut-être- le fameux saut quantique recherché par toute entreprise.

In fine, l’IA reste une histoire d’Hommes. Des hommes et des femmes qui construisent , utilisent et maintiennent des systèmes de plus en plus intelligents pour répondre de façon adaptée à des besoins métier grâce aux données et à l’informatique. Métier, données, informatique : si ces trois populations ne travaillent pas ensemble, rien n’est possible. Les solutions adoptées seront inefficaces. Et ce n’est certainement pas un ChatGPT parlant à un autre ChatGPT qui conduira de lui-même l’entreprise vers la destination la plus pertinente…