iA générative : 4 étapes pour la déployer dans votre entreprise

ChatGPT et consorts ont agi comme des révélateurs, des outils de démocratisation massive pour le grand public. Mais ne nous y trompons pas, la plus grande valeur de l’iA générative sera à trouver dans les entreprises, en adaptant ces nouveaux outils aux spécificités et au corpus de l’organisation. Cependant, pour cela, il est essentiel de s’y prendre avec méthode pour un déploiement itératif qui maximise la valeur tout en respectant les temps nécessaires d’appropriation par les utilisateurs et d’adaptation des processus. Méthodologie et bonnes pratiques. On vous dit tout pour définir la feuille de route d’intégration de l’iA générative dans votre entreprise.

J-14

Matinale Data & IA

05 Déc 2024 |08h30 – 14h00 Paris

S'inscrire

Quelle feuille de route pour l’entreprise ?

Selon un sondage Gartner réalisé fin avril 2023, 70 % des décideurs estiment que l’iA générative présente plus de bénéfices que de risques. Et pourtant, en dépit de cet intérêt évident, seulement 19 % des entreprises ont lancé des débuts d’initiatives.

Les différentes vagues technologiques montrent toutes que les pionniers sont ceux qui tirent le plus de valeur de l’innovation. Ces nouveaux outils d’iA ne feront pas exception et les entreprises doivent donc s’en saisir au plus vite.

C’est pourquoi nous avons défini une feuille de route en quatre étapes pour vous permettre de déployer l’iA générative dans votre entreprise.

Les 4 étapes pour une adoption rapide de l’iA générative

Étape 1 : l’acculturation

Première étape : comprendre et se projeter ! Acculturation et formation sont à mener à différents niveaux de l’entreprise, et notamment au sein des instances dirigeantes, les futurs sponsors de ces initiatives. Les collaborateurs doivent aussi être sensibilisés pour faire émerger des cas d’usage correspondant à des besoins réels. 

Étape 2 : l’idéation

L’acculturation est un tremplin vers la phase d’idéation, l’AI Thinking. Cette seconde étape est l’opportunité de s’interroger sur les applications possibles et de définir des cas d’usage spécifiques et pertinents. L’organisation d’ateliers d’idéation va permettre d’aider les collaborateurs à se projeter et à identifier des cas d’usage[LM2]. Ils réuniront des profils pluridisciplinaires, du métier, mais aussi de l’IT et des experts de la Data et de l’iA.

Étape 3 : le projet

Au terme du processus d’idéation, l’entreprise disposera d’une liste de cas d’usage priorisés et qualifiés. Elle est alors prête pour s’engager sur les phases projet avec l’ambition de mettre sur pied des outils rapidement exploitables. Pour éviter de reproduire les erreurs des premières générations de projets d’iA, ces débuts s’inscriront directement dans une optique d’industrialisation. Pour ce faire, le MLOps fournit la méthode et les outils pour répondre à cet enjeu d’industrialisation.

Les phases projet depuis les premières maquettes jusqu’aux versions industrialisées pourront être réalisées de façon itérative. Cela permet d’apporter une valeur régulière tout en accompagnant progressivement la montée en compétence et l’adaptation des processus. On reviendra en détail sur ce point dans les prochains paragraphes.

Étape 4 : la conduite du changement

Enfin, rappelons que de tels projets d’iA ont des impacts importants sur les processus et méthodes de travail des directions métiers. La conduite du changement n’est donc pas à négliger pour que les nouveaux outils mis à disposition des collaborateurs soient à la fois acceptés, appréciés et utilisés.

On ne part jamais de zéro

La grande force de cette vague technologique de l’iA générative est qu’elle repose sur des « modèles de fondation ». Avec eux, nul  besoin d’entraîner des modèles complexes tels que ceux disponibles dans le grand public. On peut repartir de ces modèles et poursuivre leur entraînement pour leur « apprendre » le contexte de l’entreprise.

La puissance de ChatGPT (ou plutôt de GPT, le modèle de langage derrière le fameux ChatGPT) est ainsi directement accessible. On n’a pas à lui apprendre à parler le Français, l’Anglais (ou toute autre langue). On n’a pas à lui apprendre tout ce qu’il sait déjà grâce aux dizaines de milliards de paramètres avec lesquels il a été conçu.

Ces modèles de fondation sont directement activables car ils sont disponibles dans le cloud, accessibles par des dispositifs standardisés de type API ou encore installables directement sur votre infrastructure. C’est grâce à ces mécanismes que ces technologies vont se répandre à grande vitesse dans l’entreprise.

Les différentes vagues technologiques montrent toutes que les pionniers sont ceux qui tirent le plus de valeur de l’innovation.

Des projets itératifs

On peut tous l’expérimenter, les modèles de fondation seuls (tels que ceux accessibles avec ChatGPT), qui ne connaissent pourtant pas les spécificités et le langage propre à votre entreprise, peuvent déjà rendre de nombreux services à toutes les fonctions de l’organisation. Mais l’usage de ces produits grand public est totalement à prohiber, notamment pour des raisons de confidentialité des informations partagées ainsi que pour des raisons de protection des données personnelles. Pourtant, un sondage Talan-IPSOS de mai 2023 révèle que 68 % des collaborateurs les utilisent dans le dos de leur employeur.

Dans ce contexte, la première chose à faire est de mettre à disposition des collaborateurs l’un de ces modèles de fondation avec les outils standards qui les accompagnent dans un espace sécurisé pour l’entreprise. Par exemple, Microsoft propose de déployer GPT4 dans l’environnement Azure de l’entreprise. Des modèles open source pourront aussi déployés dans des clouds privés ou sur les infrastructures de l’entreprise. En plus de permettre des gains de productivités immédiats, cette première action participera à l’acculturation des collaborateurs et à l’identification de cas d’usage plus avancés.

Dans les étapes suivantes du déploiement, on pourra compléter l’apprentissage du modèle avec des informations propres à l’entreprise. Il faudra alors procéder de façon itérative, usage par usage, en fournissant à chaque fois les informations nécessaires au nouvel usage.

Enfin, pour maximiser les bénéfices de ce déploiement, il conviendra d’intégrer ces modèles avancés dans les outils du quotidien, dans les processus et dans les interfaces du système d’information.

Les projets d’iA générative peuvent donc être réalisés de façon itérative avec des gains à chaque étape !

iA générative pour l’entreprise : on fonce !

L’iA générative constitue donc une formidable opportunité pour toutes les entreprises… à condition de bien s’y prendre pour créer de la valeur itérative et d’accompagner les utilisateurs à chaque étape.

Pour concevoir ces iA et prendre un avantage concurrentiel, les entreprises disposent déjà de la matière première : leur corpus de documents, de contrats, de mails, de comptes-rendus, d’enregistrements sonores ou vidéos, etc. Toutes ces données non structurées qui sont encore très peu valorisées. Plusieurs études concordent et révèlent d’ailleurs que plus de 65 % de ces données ne sont pas exploitées. Or, ce sont précisément ces données que l’iA générative permet à présent de valoriser… On tient là une fantastique occasion de valoriser un patrimoine dormant !

Les possibilités sont nombreuses. Les technologies sont disponibles. Les modèles pré-entraînés existent. Et vous avez vos données. Elles doivent à présent venir optimiser les modèles pré-entraînés pour pouvoir être appliquées à vos propres usages. Place donc à l’imagination au service de la valeur business !

💡 Business & Decision accompagne vos projets d’iA générative de bout-en-bout. Nous avons développé des méthodologies et outils exclusifs à chaque étape de votre parcours. Alors prenez contact avec nous pour en parler !

👉 Retrouvez toute notre actu en temps réel en nous suivant sur LinkedIn 👈

Cet article a été rédigé en collaboration avec Christophe Auffray.