Avant de coder, réfléchissez : réussir son projet d’IA

On l’entend sur toutes les bouches, dans tous les pays. L’intelligence artificielle est là pour rester. Par intelligence artificielle, on n’entend pas le Gen AI (intelligence artificielle générative), mais l’IA à grande échelle, c’est-à-dire des systèmes capables de traiter l’information, de produire des prédictions ou de dégager des constats exploitables à partir de grandes quantités de données. Parce que l’IA ne raisonne pas. Elle calcule des probabilités à partir d’énormes volumes de données et sélectionne l’issue statistiquement la plus plausible. Ces statistiques sont tellement performantes qu’elles permettent de faire gagner un temps impressionnant à bien des gens. Il serait alors malavisé de s’en passer !

L’intelligence artificielle a cependant un petit défaut, elle peut être très énergivore en temps lorsque vient le moment de développer un nouveau projet. Voici donc un article pour vous guider rapidement à travers les étapes essentielles d’un projet en intelligence artificielle.

Avant de démarrer un projet en IA, il est essentiel d’avoir une vision claire de ce que vous voulez accomplir. Comme dans tout projet de construction, un bon plan évite les mauvaises surprises à la livraison.

Il faut donc que vous ayez établi vos besoins et votre stratégie avant de vous lancer dans un projet d’IA, sans quoi cela pourrait vous coûter cher!

Posez-vous au minimum les questions suivantes :

• quels sont les processus qui auraient besoin d’amélioration
• quel est mon besoin d’affaires en arrière de ma demande
• ai-je un enjeu de performance, d’efficacité, est-ce que je dois prédire certaines choses, dois-je personnaliser mes interactions/services/produits, ai-je besoin de détecter des éléments particuliers
• est-ce un besoin ponctuel ou ce besoin sera-t-il récurent

Après vous être posé ces questions vous aurez un meilleur aperçu sur le projet d’AI que vous voulez implanter, ainsi que sa pertinence à le développer. Peut-être que votre question peut être répondue par l’intelligence d’affaires ou encore par une réorganisation des processus. Auquel cas vous venez peut-être de vous sauver quelques dollars.

Maintenant que vous avez votre besoin et ses éléments listés, êtes-vous capable d’y répondre avec les données que vous avez ainsi que leur qualité ?

L’IA est comme un repas, si vos données ne sont pas de qualité, vous pourriez faire une indigestion. Vous pouvez aller lire notre article sur la qualité des données pour vous faire une tête.

Une gouvernance, une bonne structure et un bon ETL sont des pré requis à un projet d’intelligence fiable.

Chez ADNia, nous avons développé une solide expertise en structuration de données fiables, conçues pour nourrir efficacement vos projets d’IA.

Vous avez votre plan, vous avez vos données fiables, il est temps de passer à faire un cas d’usage.

Vous recevez des papiers écrits à la main fréquemment ? La lecture du texte par l’AI peut être un bon cas. La machine effectue une reconnaissance optique des caractères, ce qui vous permettra d’éviter de passer des heures à faire entrer les dites données par un humain. Ce dernier pourrait alors utiliser son temps pour des tâches à plus grande difficulté (ou confirmer les cas d’écriture les plus « pattes de mouches »).

Vous avez des nouvelles à lire afin de vous tenir au courant des événements de votre domaine d’activité? L’intelligence artificielle peut aller lire pour vous les nouvelles sur le web, puis en faire une liste classée par ordre de pertinence de lecture. Vous venez de gagner des minutes précieuses de votre journée !

Votre cas d’usage pourrait également être au niveau géographique. La géoAI permet entre autres de prévoir la détérioration de la route ou des infrastructures. Il vaut alors mieux prévenir que guérir.

Un dernier exemple de cas possible pourrait être prévoir le nombre d’agents à la clientèle que vous devriez avoir sur le plancher. L’AI peut vous aider à prévoir le tout, par exemple grâce à la température prévue, à la journée de la semaine ou encore selon le type de clients/citoyens/patients que vous avez.

Ce ne sont que quelques-uns des cas d’usage possibles en IA, beaucoup d’autres peuvent être mis en place pour augmenter votre vitesse interne.

Vous devez ensuite prioriser vos cas d’usage. Nous suggérons la méthode Valeur/effort pour prioriser les cas d’intelligence artificielle. Après tout, il vaut mieux commencer avec des projets de plus petites envergures, dont l’effort n’est pas trop important mais le retour sur investissement en vaut la peine, afin de s’ajuster par la suite.

Pour ce faire, n’hésitez pas à quantifier vos besoins en termes de pourcentage d’importance, puis à donner une note à votre cas afin de voir s’il obtient la note de passage. Différents objectifs peuvent être vérifié, par exemple :

1. La valeur affaires pour l’organisation
2. La faisabilité technique
3. La maturité des données nécessaires pour que l’IA fonctionne
4. L’urgence ou la priorité stratégique

Démarrez votre projet en impliquant les parties prenantes dès le départ. En plus d’effectuer une gestion du changement, impliquer les différents acteurs pourrait vous faire gagner du temps pour plusieurs détails par la suite. N’oubliez pas de débuter votre projet en effectuant une rencontre de démarrage (kick-off). Clarifiez ainsi les objectifs attendus ainsi que les indicateurs de succès du projet.

Poursuivez l’implantation du cas d’usage en vous tournant vers la préparation des données. Vos données sont le nerf de la guerre, elles vous permettront d’obtenir de meilleur résultat plus leur qualité sera bonne.

Créez votre modèle puis entrainez-le ensuite. Qu’entend-t-on par entrainement ? Il s’agit de nourrir le modèle avec des données historiques connues, puis de tester sa capacité à prédire des résultats futurs sur un jeu de données distinct.

Par exemple, je peux décider d’entrainer mon modèle sur les données de 2020, puis lui donner un autre segment des données avec 2021 et 2022, puis finalement de vérifier si le modèle arrive à prédire ce qui se passera en 2023. S’il arrive à prédire efficacement ce qui s’est passé en 2023, votre modèle est donc bon dans ses prédictions.

Mettez ensuite votre modèle en production sur vos données courantes et vérifiez ponctuellement que ses analyses sont bonnes. Un petit truc pour faciliter l’adoption : utilisez l’écosystème déjà présent dans votre organisation, plus l’utilisation du modèle est facile, plus son adoption sera grande.

N’oubliez jamais qu’il n’est pas toujours évident pour tous de se retrouver dans un nouveau système. Il vous faut donc prévoir ce changement qui viendra peut-être bouleverser certains de vos collègues. Il se pourrait que vous ayez certaines formations à dispenser ou à rendre disponibles afin de bien accompagner les utilisateurs du cas d’usage. Pensez aussi à identifier des ambassadeurs internes qui pourront aider leurs collègues dans l’appropriation du modèle.

Si vous n’avez jamais eu à fouiller dans le code des autres pour trouver votre information, vous voilà BIEN chanceux ou chanceuse ! Avoir une documentation claire et complète est des plus importants dans tous les projets informatiques. N’oubliez pas d’ajouter à votre documentation l’accès aux données, la confidentialité et l’auditabilité des résultats.

Faites le bilan du projet : le modèle est-il pertinent, performant et utilisé ? La cible de vos indicateurs du début ont-ils été atteint ? Assurez-vous que votre modèle existe pour la bonne raison.

N’oubliez jamais que l’IA produit grâce à des données qui ont été entrées. Il se pourrait bien que certaines données ne lui soient pas accessibles. L’IA ne remplace pas votre jugement, elle l’améliore. Elle ne se base que sur les données qu’on lui fournit. Certaines informations clés, comme l’intonation d’un client au téléphone ou un contexte particulier, peuvent lui échapper. C’est pourquoi votre regard critique demeure essentiel. Pour vos équipes, cela veut alors dire que l’IA devient un partenaire de réflexion, et non pas un caporal d’armée qui décide pour eux.

Un modèle peut dérailler avec le temps, puisque ses données d’entrainement changent également. Vous devez donc suivre ses indicateurs afin qu’il reste dans les intervalles voulus. Les biais dans l’intelligence artificielle peuvent survenir, nous en parlons dans un autre article. Comme l’adage le veut : il vaut mieux prévenir que guérir !

Un projet d’intelligence artificielle n’est pas toujours une mince affaire. Avoir des professionnels pour vous accompagner peut vous sauver de quelques désagréments, qui pourraient devenir de gros problèmes dans le futur (on ne dit pas ici que ça va se passer comme ça!).  Dans un monde où les technologies évoluent vite, ce sont les relations de confiance et les démarches structurantes qui font la différence.

Implanter l’intelligence artificielle dans une organisation ne repose pas uniquement sur des algorithmes ou des outils performants. C’est avant tout une affaire de collaboration humaine, de dialogue entre les différentes parties prenantes.

Le succès d’un projet d’intelligence artificielle dépend autant de l’expertise technique que de la compréhension des réalités d’affaires, de la capacité à vulgariser, à créer des ponts, à anticiper les résistances, et à cultiver la confiance.

Chez ADNia, notre force réside justement dans notre capacité à rassembler les bonnes personnes autour de la table, à parler le langage des TI et celui des affaires, et à bâtir des solutions qui s’implante durablement dans votre culture organisationnelle.

Références

https://cloud.google.com/learn/what-is-artificial-intelligence?hl=fr

https://www.esri.com/fr-fr/capabilities/geoai/overview