- 12 juin 2021

D’après un article de Forbes, 80 % des entreprises investissent aujourd’hui dans l’intelligence artificielle. De nombreuses organisations ont lancé des POC (Proof of Concept) ces dernières années, appuyant cette volonté d’aller plus loin. Certaines grandes entreprises ont de leur côté déjà structuré de véritables centres de “data intelligence”.
Avec le recul, les CDO et les équipes data commencent à définir les contours de l’environnement IA le plus à même de faire aboutir les projets.
Quels sont donc les critères à prendre en compte dans le choix d’une plateforme d’intelligence artificielle ? Réponse dans ce billet.
Critère #1 - Une plateforme “tout-en-un”
Pour plus d’efficacité, il est important que la solution d’intelligence artificielle choisie propose un environnement de travail unifié où l’ensemble des tâches d’un projet data sont réalisables :
- La collecte des données. Disposer d’une plateforme où les datas sont accessibles est essentiel pour les partager au sein de l’entreprise, supprimer les doublons et améliorer leur qualité et fiabilité.
- La visualisation des données. C’est la possibilité de créer des visualisations personnalisées à partir de différents modèles (histogramme, carte, camembert, courbe, nuages de points…) en 2D ou 3D. En amont de l’analyse prédictive, cela sert à explorer les données disponibles, juger de leur pertinence, de leur qualité.
- Le nettoyage des données. Au-delà de la visualisation, il est important de faciliter la préparation des données, reconnaître automatiquement les doublons, incohérences ou valeurs manquantes, pour fiabiliser l’analyse ultérieure.
- La navigation dans la data. Un des facteurs clés de succès de l’IA est l’accès à l’ensemble des données disponibles. La solution d’IA doit donc se connecter aux sources de données existantes, les cartographier pour permettre aux utilisateurs de rechercher l’information utile facilement, d’en disposer rapidement et de la stocker à un endroit unique, sans duplication inutile pour ne pas détériorer l’empreinte écologique
La plateforme recherchée doit ainsi permettre aux différents métiers d’accéder aux données, de collaborer et de disposer d’un référentiel IA unique.
Critère #2 - La variété et le nombre d’algorithmes
D’une solution d’IA, on attend la possibilité de traiter d’importants volumes de données, de s’adapter à des projets data très variés et parfois complexes dans l’entreprise. La possibilité de recourir à une grande richesse en termes d’algorithmes IA va déterminer le potentiel analytique de la solution. Une plateforme qui met à disposition un large éventail d’algorithmes et qui s’enrichit au fil des avancées de la technologie est un vrai plus pour l’organisation. Cela permet de gérer des projets complexes et de mettre à disposition des data scientists des algorithmes éprouvés pour gagner du temps. Selon leur structure, leur nature, leur topologie, certaines données ne révéleront rien d’exploitable avec un algorithme donné, alors qu’elles seront pleines d’enseignements avec un autre. Cette richesse fonctionnelle permet de gagner en réactivité et d’augmenter la valeur ajoutée vis-à-vis des métiers.
Critère #3 - La scalabilité
Le volume de données sera de plus en plus important et de nouveaux algorithmes vont émerger, s’affiner. Or une plateforme d’IA se choisit autant pour aujourd’hui que pour demain. Elle doit donc être “scalable”, c’est-à-dire pouvoir s’adapter à la croissance des projets à venir. Une plateforme d’IA ne sera pérenne que si elle peut, par sa structure, accueillir de nouveaux algorithmes, et par ses capacités de traitement et de mise en forme des données.
Critère #4 - Le coût et le ROI
Les projets d’intelligence artificielle sont réputés coûteux et difficilement rentables. Le niveau d’investissement dans la solution a donc une importance non négligeable. Un outil d’IA capable de réutiliser des modèles et des algorithmes déjà existants, d’améliorer la collaboration des data scientists et des différents métiers offrira une meilleure rentabilité.
Par ailleurs, certaines plateformes permettent également de tester rapidement les modèles pour voir s’ils fonctionnent, avant leur déploiement.
Critère #5 - La transparence
Lors d’une analyse prédictive utilisant l’IA, il est indispensable de pouvoir disposer d’un historique des différentes étapes qui ont conduit au résultat et pouvoir revenir en arrière si besoin. Cette transparence, assortie d’un résumé des actions menées est essentielle aux utilisateurs pour connaître à tout moment quelle information ou action a mené au résultat, quels facteurs influencent l’analyse et donc les prédictions proposées.
Disposer d’une plateforme offrant cette lisibilité est clé pour mettre le doigt sur la donnée utile, ajuster les prévisions et faire mieux comprendre les résultats. Les entreprises sont à la recherche de transparence et de compréhension pour clarifier l’apport des différents algorithmes. L’objectif est d’aider les personnes dans leurs décisions, et non de les supplanter avec les algorithmes.
Critère #6 - La simplicité d’utilisation
Pour une adoption facilitée et une utilisation optimale, l’entreprise aura intérêt à privilégier une plateforme d’IA fonctionnant en no-code ou low-code. Ainsi, les collaborateurs ayant une appétence pour la data peuvent piloter leurs projets via un studio de modélisation, réaliser leurs processus IA depuis des algorithmes déjà existants sans avoir à faire de la programmation avancée ou solliciter un Data Scientist.
C’est un vrai plus pour développer rapidement des projets métiers, analyser une intuition business et valider la valeur qu’il est possible d’en tirer. Les parties prenantes peuvent être impliquées à chaque étape clé du processus et ainsi avoir un regard critique sur les résultats.
Critère #7 - L’intégration et la maintenance
Le choix de la solution dépend aussi de sa facilité d’intégration au SI de l’entreprise. La plateforme d’IA idéale permet de s’intégrer facilement avec les différentes applications, de se synchroniser aux bases de données et à l’environnement BI de l’entreprise.
Le choix d’une solution “cloud agnostique” garantit une indépendance pour le déploiement de la plateforme qui pourra se faire chez l’hébergeur choisi par l’entreprise, en conformité avec sa politique de localisation et souveraineté des données.
La facilité de mise à jour et l’évolutivité de la plateforme d’IA sont également clés. C’est d’autant plus important que les modèles d’algorithmes se perfectionnent en continu. Ce serait dommage de ne pas en profiter. Enfin l’accompagnement de la part de l’éditeur et l’apport de son expertise IA doivent être pris en compte dans le choix d’une plateforme.
Il existe d’autres critères à prendre en compte. Cependant, ceux décrits dans cet article semblent essentiels pour faciliter la réussite des projets IA et la collaboration interne qu’ils nécessitent.