Abonnez-vous Identifiez-vous

Identifiez-vous

Vos codes d'accès sont erronés, Veuillez les saisir à nouveau. Mot de passe oublié ?

La recette de l’Académie des technologies pour mettre l’IA en pratique dans les entreprises

Manuel Moragues , ,

Publié le

Dans son rapport sur l’intelligence artificielle publié le 10 avril, l’Académie des technologies insiste sur l’importance pour les entreprises de développer dès aujourd’hui une pratique en interne des outils d’IA. Mode d'emploi à l'appui.

La recette de l’Académie des technologies pour mettre l’IA en pratique dans les entreprises
"L'intelligence artificielle, c'est maintenant que cela se passe et il faut y aller", encourage Yves Caseau, de l'Académie des technologies.

Y a-t-il de la place pour un nouveau rapport sur l’intelligence artificielle après celui de la mission Villani et la grand messe au collège de France le 29 mars ? L’Académie des technologies répond par l’affirmative avec une analyse qui se démarque par son ancrage dans la réalité des entreprises. "Le rapport Villani met au premier plan les algorithmes ; nous, c’est l’ingénierie, la pratique, le logiciel", a lancé Yves Caseau, président de la commission Technologies de l'information et de la communication de l'Académie, le 9 avril en conférence de presse. "Il y a un mot qui manque incroyablement dans le rapport Villani, c’est le mot logiciel. Or c’est bien la compétence en logiciel qui fait la différence entre les Etats-Unis et nous."

Plutôt que de mettre en avant la recherche sur l’IA de demain et ses algorithmes ou la création de start-ups, l’Académie des technologies insiste sur la mise en pratique de l’IA dans les entreprises. "Le problème de l’IA en France, ce n’est pas l’offre mais la demande", pointe Yves Caseau. Les académiciens jugent les entreprises trop timorées en matière d’usage de l’IA. Si le rapport met en garde contre une surestimation des possibilités de l’IA, le message est clair : "Les outils d’aujourd’hui permettent de revisiter les connaissances propres à chaque métier. Les entreprises doivent investir maintenant dans l’IA sous peine d’être dépassées", résume Yves Caseau.

Laisser libre cours à l’envie d’IA

Pour l’académicien, aussi Chief Information Officer de Michelin et ancien chef du digital d’Axa, il s’agit avant tout pour les entreprises d’une question d’"envie". "Le chef d’entreprise français typique se dit bien qu’il faut faire de l’IA, mais il va l’enfermer dans une petite boîte pour ne pas déranger ses opérations alors que précisément l’IA touche tous les domaines", déplore Yves Caseau. Et de poursuivre : "Alors que les jeunes ont envie de s’emparer de ces outils, l’enjeu pour l’entreprise est de ne pas les en empêcher en les privant de données ou en leur interdisant d’explorer." D’autant plus que, souligne François Bourdoncle, académicien cofondateur d’Exalead et aujourd’hui président du consultant FB&Cie, "si les industriels français ne lancent pas des projets à la hauteur, ils seront bien en peine d’attirer les talents".

Internaliser l’IA pour la nourrir de la connaissance métier

Alors que les services d’IA dans le cloud se multiplient, l’Académie des technologies prône au contraire une internalisation de l’IA. "L’IA prête à l’emploi pour votre problème n’existe pas. L’IA n’est pas un service que l’on achète ni une fonction que l’on sous-traite, c’est une compétence pratique que l’on cultive", prévient Yves Caseau. Car la connaissance du métier est indispensable pour développer une solution d’IA adaptée, de la qualification des données à la construction des modèles et de leurs objectifs. C’est "plutôt une bonne nouvelle – sous la forme de barrière à l’entrée dans de nouveaux métiers – pour les entreprises", estime le rapport. Et l’occasion d’un cercle vertueux : "La mise au point itérative des systèmes intelligents alimente la connaissance du métier", poursuit le document.

Construire la pratique dans le temps et l’incertitude

Pas de miracle, le savoir-faire se construit dans la durée. "La mise en œuvre de méthodes d’intelligence artificielle demande du temps car il y a beaucoup de connaissances pratiques à acquérir", prévient le rapport. Sélectionner et "curer" – préparer – les données, choisir les approches algorithmiques, les intégrer, optimiser le processus d’apprentissage, tester et valider les résultats… "Il faut du temps et donc commencer tout de suite", résume Yves Caseau. Cette lenteur doit être intégrée pour bien piloter la démarche. Le rapport préconise ainsi de "suivre une approche de type Affordable Loss [perte acceptable, ndlr] empruntée à l’innovation numérique plutôt que de chercher à construire des business cases rigoureux". D’autant que, reconnaît l’Académie, l’incertitude est grande sur ce que permet et permettra demain de faire l’IA. Mieux vaut ainsi miser sur des "projets légers", des "petits pas autour de ce qui est possible aujourd’hui", "dont le financement est déterminé par la somme maximale que l’entreprise peut accepter de ‘jouer pour voir’."

Bâtir une infrastructure de données ouverte sur l’avenir

L’importance des données n’est plus à démontrer. Reste à la traduire dans les systèmes d’information de l’entreprise. "Puisque la stratégie de l’émergence de l’IA commence par la constitution de corpus de données métiers, l’infrastructure de collecte et partage de données joue un rôle essentiel", rappelle l’Académie. "En France, on a tendance à en rester à ‘j’ai des données héritées du passé et elles valent de l’or’, un peu comme Emmanuel Macron l’a fait le 29 mars au sujet des données de santé", regrette Yves Caseau. "Mieux vaut comme aux Etats-Unis se focaliser sur la construction de plates-formes capables de collecter les données futures, d’intégrer des sources externes et de partager avec d’autres acteurs." Et là, pas question de petit pas, il s’agit d’"un investissement stratégique de capacité", insiste le rapport.

Utiliser toute la boîte à outils de l’IA dans un environnement logiciel adapté

Les progrès spectaculaires du deep learning ne doivent pas cacher la forêt d’approches et d’algorithmes de l’intelligence artificielle. D’autant que "les progrès en puissance de calcul rendent toutes les techniques développées ces 30 dernières années plus souples et performantes", pointe Yves Caseau. L’heure est à l’hybridation. Les réseaux de neurones se combinent à l’IA symbolique et l’apprentissage par renforcement se greffe sur toutes sortes de modèles. Les industriels peuvent et doivent profiter de la disponibilité en open source de l’ensemble des briques de base de l’IA. Mais cette profusion d’outils et leur renouvellement permanent  impliquent pour les entreprises "de construire un environnement logiciel qui favorise l’intégration continue de ces nouveaux outils", insiste l’Académie.

Se donner les moyens de calcul pour vraiment avancer

Traiter des masses de données et faire tourner des algorithmes demande de la puissance de calcul, tout particulièrement dans le cas du deep learning. "Ce que l’on peut accomplir en IA dépend énormément de l’énergie informatique que l’on y met", souligne Yves Caseau, qui regrette que les entreprises, y compris les plus grandes, négligent le muscle de l’IA qu’est la puissance de calcul. Acquérir de l’expérience, tout spécialement en IA, nécessite d’expérimenter les approches, tester les algorithmes, etc. "C’est la capacité de calcul qui détermine la vitesse de ce cycle itératif", pointe l’Académie. A ce titre, l’utilisation de processeurs graphiques, qui "permettent de gagner de deux à trois ordres de grandeur en temps de calcul", est "un formidable accélérateur d’innovation et de compétitivité", insiste le rapport.

Réagir à cet article

Créez votre compte L’Usine Connect

Fermer
L'Usine Connect

Votre entreprise dispose d’un contrat
L’Usine Connect qui vous permet d’accéder librement à tous les contenus de L’Usine Nouvelle depuis ce poste et depuis l’extérieur.

Pour activer votre abonnement vous devez créer un compte

Créer votre Compte
Suivez-nous Suivre Usine Nouvelle sur Facebook Suivre Usine Nouvelle sur Twitter RSS Usine Nouvelle