Cloud

Pas d’IA sans AI

Share this post:

La spectaculaire accélération des développements et des succès de l’Intelligence Artificielle (IA) a été en grande partie déclenchée par la disponibilité et la facilité d’accès à de grandes quantités de données de tous types. Le second élément clé a été de pouvoir mettre en œuvre de grandes puissances de calcul pour des traitements dont on oublie trop souvent qu’ils sont importants.

Considérant à présent comme acquis la disponibilité d’un grand volume de données, des capacités de stockage et de calcul, en interne ou dans le cloud, il faut néanmoins mettre en place la bonne infrastructure du système d’information, en particulier pour l’accès aux données. Il y a clairement un effet miroir entre le développement de solutions d’IA et la mise en place d’une architecture de l’information (AI) robuste et pérenne. L’une ne va pas sans l’autre, mais elles se développent le plus souvent à des rythmes différents.

En effet, il est important pour les entreprises de déployer rapidement des solutions d’IA pour répondre à de nouvelles demandes de leurs clients ou améliorer leur efficacité opérationnelle, tout en mettant en place une architecture du système d’information, fondation d’une stratégie applicative durable favorisant l’innovation. Ne pas s’assurer que l’infrastructure informationnelle requise est en place expose au risque majeur de ne pouvoir, une fois les développements réalisés et la faisabilité démontrée, passer en phase industrielle, à l’échelle de l’entreprise, de ses marchés et de son écosystème.

 

The AI Ladder : 5 étapes d’une architecture pour l’IA

Il n’est donc pas envisageable de réussir sa transformation digitale et sa marche vers la data science et l’Intelligence Artificielle si les entreprises ne veillent pas à mettre soigneusement en place une architecture informationnelle.
Négliger cette étape expose en pratique à d’autres écueils :

  • Diminution de la valeur créée en n’utilisant pas les données les plus pertinentes et de qualité, mais en privilégiant celles que l’on connaît ou qui sont immédiatement accessibles ;
  • Manque de flexibilité : il n’est pas possible de déployer de façon pérenne un système d’IA s’il n’est pas adapté à l’architecture du système d’information de l’entreprise et à son évolution vers le multi-cloud ;
  • Non-conformité à la réglementation, aux cyber-attaques et à la protection des données insuffisante ;
  • Limitation : le niveau de performance des systèmes d’IA gourmands en ressources informatiques les rend incompatibles avec un usage régulier ;
  • Non adhésion : l’application est rejetée par les utilisateurs, clients et employés, par l’incapacité à expliquer les décisions, à gérer les biais, problèmes majeurs inhérents aux systèmes d’apprentissage automatique.

Dans le même ordre d’idée, le fait de s’affranchir d’une architecture informationnelle ne permet pas aux entreprises de profiter naturellement des innovations futures autour de la data comme la prise de décision en temps réel, la mise en place d’une stratégie applicative basée sur les micro-services et la modernisation applicative.

 

Une architecture pour la donnée dans un monde multi-cloud

Il est donc critique de pouvoir continuellement gérer ce temps court, indispensable au déploiement des solutions d’IA et ce temps, un peu plus long, de construction d’une architecture de l’information qui doit prendre en compte un patrimoine IT souvent complexe et hétérogène.

IBM développe des offres basées sur des standards ouverts supportant l’infrastructure containers, facilitant ainsi l’intégration de l’existant et la gestion de ce double tempo. Les entreprises peuvent par conséquent répondre vite à la concurrence avec des solutions d’IA tout en capitalisant sur leur SI existant, en le rationalisant et en l’optimisant au travers d’une architecture de l’information.

L’IA enrichit le système d’information avec de nouvelles données et permet de hiérarchiser l’importance de l’information. En outre l’IA éthique et transparente fait apparaitre d’éventuels biais et les corrige en suggérant de nouvelles données à intégrer dans le système d’information. L’IA génère aussi de nouvelles données (par exemple au travers des systèmes conversationnels) qui peuvent être réinjectés pour améliorer encore la valeur créée.

Un autre apport de l’IA dans la construction d’une architecture de l’information est de mettre en exergue de nouvelles sources de données non utilisées et de hiérarchiser l’importance des données. L’IA fournit aux directions fonctionnelles (ventes, RH, Finance) des suggestions d’analyses alternatives et objectives (basées sur des corrélations et l’analyse sémantique). Ces pistes (ou recommandations) permettent d’éviter le biais de confirmation (les certitudes), le biais humain qui pousse à « ne pas regarder ce que nous ne savons pas résoudre » (zone d’inconfort) ainsi que les schémas mentaux (issus de sa formation, son éducation, sa culture).

Ainsi, on assiste à un nouveau paradigme du big data où les questions naissent de l’analyse des données (sans préjugés sur les résultats) alors qu’auparavant, on partait d’une question et on cherchait les données pour y répondre.

 

Solutions IBM pour une Architecture de l’Information

Retrouvez IBM à l’événement AI Paris sur le stand IBM (A8) et dans nos différents ateliers pour partager des exemples concrets d’industrialisation de l’Intelligence Artificielle en entreprise dans des secteurs comme la banque, l’assurance, le retail.

Vous constaterez l’importance dans le développement d’un projet d’IA d’identifier en premier lieu les besoins fonctionnels : améliorer l’expérience client, optimiser l’excellence opérationnelle et augmenter l’efficacité des employés. A noter que les deux premiers vont très souvent de pair car l’amélioration de l’expérience client amène souvent à créer des offres sur mesure pour ses clients ce qui nécessite une transformation opérationnelle importante pour pouvoir produire et délivrer en temps et en heure. Pour transformer en profondeur et de manière durable le business de l’entreprise, il est également critique d’intégrer ses applications d’IA dans le patrimoine IT de l’entreprise et donc dans l’architecture de l’information qui supporte l’ensemble du SI.

Pour en savoir plus sur comment préparer et organiser vos données pour une transition réussie vers l’IA

 

Watson IoT Marketing Manager

Yves Darnige

IBM Cloud & Watson Services Marketing Leader, IBM Cloud

More Cloud stories
28 février 2024

L’intelligence artificielle et l’analytique avancée dans le système de santé français (Partie 2)

Face aux défis auxquels sont confrontés les systèmes de soins de santé, l’analytique avancée (AA) et l’intelligence artificielle (IA) sont des technologies à haut potentiel d’impact. Ces technologies peuvent équiper les systèmes de santé d’outils avancés pour renforcer les soins des patients et améliorer l’efficacité opérationnelle. La deuxième partie de cet article reprend le fil […]

Continue reading

26 février 2024

L’importance d’une culture DevOps au sein d’une entreprise

DevOps ne concerne pas uniquement les phases d’intégration et de déploiement d’application et l’automatisation de celles-ci mais tout le cycle de vie d’une application.   DevOps ? Kezako ? Pourquoi ? Historiquement, les équipes de développement et opérations étaient organisées en silo, chacune travaillant uniquement sur leur scope avec une communication limitée. Avec l’arrivée de […]

Continue reading

15 février 2024

L’Intelligence Artificielle et l’Analytique avancée dans les systèmes de santé français (Partie 1)

Dans le paysage complexe de la Santé, les systèmes médicaux du monde entier sont confrontés à une multitude de défis. Ceux-ci vont de la gestion délicate des maladies chroniques jusqu’à la quête d’accès égaux aux services de santé. Dans ce contexte spécifique, l’émergence de l’Analytique avancée et de l’Intelligence Artificielle (IA) joue un rôle de […]

Continue reading