Identifier et mettre en œuvre des applications pour l’intelligence artificielle (IA) – Architecture d’entreprise basée sur les données

Comment identifier et mettre en œuvre correctement les applications de l'IA dans les entreprises

L’intelligence artificielle (IA) a de nombreuses applications pratiques pour les entreprises. Considérez l’IA comme un cadre plus large qui offre différentes capacités. Les entreprises qui mettent en œuvre l’IA doivent revoir leur vision et développer une stratégie d’IA qui s’aligne sur leurs objectifs et leurs priorités plus larges. Pour la mise en œuvre, les cas d’utilisation basés sur les données sont la condition de base. Il convient également de choisir dès le départ une architecture flexible et modulaire, qui pourra être étendue et améliorée à volonté dans le futur.

Si vous avez déjà lu la première partie de la série « The Executive Guide to Artificial Intelligence », vous savez pourquoi l’IA est essentielle pour un traitement efficace des données et quelles sont les sept composantes d’une « Entreprise Cognitive », l’entreprise imprégnée d’IA.

L’intelligence artificielle a de nombreuses applications pratiques pour les entreprises et est utilisée aujourd’hui pour améliorer, perfectionner et modifier des processus ou des produits.

Le succès d’un système d’IA n’est pas le fruit du hasard

Il est impossible de tirer de la valeur d’une chose si elle n’est pas comprise, sauf s’il s’agit d’un heureux hasard. Dans le monde de l’informatique, et donc de l’IA, il n’y a pas d’heureux hasard. Une solution d’IA est définie avec une précision minutieuse, en tenant compte des objectifs spécifiques, des données disponibles et des algorithmes utilisés.

L’IA a essentiellement deux compétences principales. L’un d’eux est la collecte d’informations, comme la reconnaissance de la parole et de l’image, la recherche et le regroupement. Cela permet aux machines de convertir des informations de données non structurées en données structurées. Deuxièmement, l’IA peut être utilisée pour contextualiser les informations les unes par rapport aux autres afin de « comprendre ce qui se passe ». Cela comprend des capacités telles que la compréhension du langage naturel (NLU), les optimisations, les prédictions et la compréhension (du contexte).

Ces différentes capacités fonctionnent de manière séquentielle et sont généralement aussi fusionnées avec d’autres technologies (par exemple, l’automatisation des processus robotiques, le « cloud computing », l’Internet des objets, etc. Ce n’est qu’en fusionnant différentes approches et technologies que le potentiel des données peut être pleinement exploité.

Les cas d’utilisation basés sur des données sont la condition préalable de base

Pour introduire des cas d’utilisation de l’IA, les entreprises doivent commencer par leurs objectifs stratégiques et identifier les défis urgents ou les visions de processus/produits/services qui doivent être abordés. Il existe diverses techniques, telles que les ateliers de réflexion sur la conception ou la cartographie des histoires des utilisateurs, qui peuvent soutenir ce processus.

L’étape suivante consiste à analyser les domaines identifiés pour en déterminer la viabilité économique et la faisabilité technique. Une solution basée sur l’IA n’est possible que si l’on dispose de suffisamment de données et que l’on peut combiner les données nécessaires provenant de différents systèmes. Si ce n’est pas le cas, la gestion des données doit être préalablement adaptée aux besoins futurs.

Pour une meilleure vue d’ensemble, je recommande de saisir les résultats de l’analyse dans une carte thermique AI ou de documenter les informations de toute autre manière. Cette vue d’ensemble permet d’évaluer les différentes options. Si une entreprise décide de poursuivre des projets d’IA, elle peut élaborer un dossier commercial pour chacun d’entre eux.

Mise en œuvre de l’AI

Les premières étapes d’une solution d’IA peuvent être complexes, car des infrastructures doivent être créées et les données doivent être préparées, conservées et fusionnées en conséquence. Il est utile de diviser les grands cas d’utilisation, tels que l’automatisation de bout en bout d’un processus de base, en cas d’utilisation plus petits et en étapes.

Il peut être utile de commencer avec un produit minimum viable (PMV) et de passer à l’échelle supérieure par la suite. La création du premier composant d’IA, aussi petit soit-il, est une étape importante pour toute entreprise.

Il est recommandé de se concentrer sur une infrastructure et une architecture qui soient flexibles et évolutives dès le départ. Comme déjà paraphrasé, les solutions d’IA sont composées d’un ensemble de fonctionnalités d’IA ainsi que d’autres technologies en constante évolution. Pour que l’entreprise puisse continuer à étendre la ou les solutions d’IA à l’avenir et l’étendre à une « entreprise cognitive » à d’autres secteurs de l’entreprise, il convient d’envisager dès le départ une certaine souplesse dans la mise en œuvre.

Idéalement, dans un système d’IA composé de plusieurs composants, il devrait permettre de remplacer chaque composant pour améliorer le fonctionnement du système global.

Pour une réussite à long terme, les entreprises développeront un « écosystème » pour soutenir leurs projets d’IA et d’automatisation. Cela devrait refléter les équipes d’architecture qui guident les options liées à l’IA tout au long du développement et de la mise en œuvre, jusqu’aux opérations et à la poursuite de la mise à l’échelle.

Des rôles supplémentaires de gestion des données, tels que celui de « responsable des données », peuvent également être utiles. Les systèmes d’IA sont basés sur des données, donc des données biaisées ou inappropriées peuvent affecter les résultats ou même conduire à des interprétations erronées.

L’enthousiasme pour l’IA porte ses fruits

L’enthousiasme général pour l’IA peut être précieux pour toute entreprise. Toutefois, cela nécessite une ouverture aux technologies innovantes et une méthodologie de projet agile.

L’intelligence artificielle est un marathon, pas un sprint de courte distance. À ce jour, j’ai constaté les plus grands succès et la plus grande valeur ajoutée de l’informatique intelligente lorsque les entreprises ont mis en place l’IA pièce par pièce dans leur vision et leurs processus fondamentaux. Lorsque l’expertise des experts en données et en architecture est utilisée et que leurs propres écosystèmes sont créés en parallèle.

Britta Daffner ist seit über einem Jahrzehnt in der Technologie- und Daten-Industrie zu Hause. Ihr Credo: Innovation und Digitalisierung von Unternehmen vorantreiben – durch Technologie und moderne Führung. Dafür befähigt sie als Practice Leader Data & Technology Transformation in IBM Firmen dabei, das volle Potential aus Daten zu nutzen und unterstützt als Coach Macher*innen, die in der Konzern- und Wirtschaftswelt etwas verändern wollen. 2021 erschien zudem ihr Buch „Die Disruptions-DNA“ (www.disruptionsdna.de), das dazu inspiriert, die Digitale Transformation aktiv mitzugestalten.

Comments are closed.

This website uses cookies to improve your experience. We'll assume you're ok with this, but you can opt-out if you wish. Accept Read More