Le d\u00e9veloppement d’une intelligence artificielle industrialis\u00e9e dans un cadre standardis\u00e9 reste un d\u00e9fi pour les grandes entreprises.<\/p>\n\n\n\n
La difficult\u00e9 des grandes entit\u00e9s \u00e0 adopter des syst\u00e8mes d\u2019IA au sein de leurs activit\u00e9s est aujourd\u2019hui une probl\u00e9matique de taille qui est partag\u00e9e dans l\u2019ensemble des domaines d\u2019activit\u00e9s. Cette probl\u00e9matique assez r\u00e9currente vient de la structuration tr\u00e8s forte qu\u2019elles adoptent pour optimiser leur productivit\u00e9. D\u00e9crite par Mintzberg, cette forme dite m\u00e9caniste1<\/a><\/sup> tend \u00e0 freiner l\u2019adoption de technologies risqu\u00e9es tant au niveau de l\u2019outil de production qu\u2019au niveau du management. La ma\u00eetrise du risque des outils qui ont \u00e9t\u00e9 \u00e9valu\u00e9s en premier lieu dans des structures ad\u2019hoc de R&D devient alors cl\u00e9 pour leur adoption au sein des structures productives. <\/p>\n\n\n\n Le d\u00e9veloppement des solutions d’intelligences artificielles soul\u00e8ve la question de leur industrialisation car ce sont aujourd\u2019hui des solutions pour lesquelles les processus de conception varient d\u2019un d\u00e9veloppeur \u00e0 l\u2019autre.<\/p>\n\n\n\n Aujourd\u2019hui l\u2019IA est principalement un produit con\u00e7u pour r\u00e9pondre \u00e0 une t\u00e2che pr\u00e9cise au sein d\u2019un cadre sp\u00e9cifique. Il existe \u00e0 ce jour des \u00e9l\u00e9ments pour aider \u00e0 la conception et qui sont disponibles en open source (templates, building blocks). Cependant les processus de conception et de validation des industries ne sont pas encore totalement matures pour les ins\u00e9rer dans leurs processus. Effectivement, en l\u2019absence de cadre standardis\u00e9 il est difficile de proposer des outils pour favoriser une conception industrialis\u00e9e. <\/p>\n\n\n\n En effet, chaque acteur a alors des processus sp\u00e9cifiques pour lesquels les outils ne seront pas forc\u00e9ment facilement int\u00e9grables. La mise en place de pratiques communes est un point pourtant d\u00e9terminant concernant la mise en place de l\u2019industrialisation de l\u2019IA. Utiliser des processus et des outils standardis\u00e9s lors de la conception du syst\u00e8me d\u2019IA permet de garantir une certaine qualit\u00e9 du produit final. Mais cela permet \u00e9galement d\u2019offrir aussi un gain de temps non n\u00e9gligeable lors de la phase de d\u00e9veloppement du syst\u00e8me d\u2019IA2<\/a><\/sup>.<\/p>\n\n\n\n Aujourd\u2019hui, tout outil informatique qui est embarqu\u00e9 dans un syst\u00e8me doit g\u00e9n\u00e9ralement r\u00e9pondre \u00e0 deux exigences que l\u2019on peut simplifier ainsi : il doit faire correctement ce qu\u2019il est cens\u00e9 faire et il doit le faire pour les bonnes raisons. Il est possible de tirer de ces deux exigences deux th\u00e8mes : d\u2019une part la notion de performance (appel\u00e9e souvent robustesse) du syst\u00e8me qui doit \u00eatre assur\u00e9e ; d\u2019autre part le syst\u00e8me doit \u00eatre suffisamment explicable pour pouvoir contr\u00f4ler la mani\u00e8re dont il le fait.<\/p>\n\n\n\n Ainsi, l\u2019aspect \u201cbo\u00eete noire\u201d des algorithmes de machine learning pose un frein \u00e0 leur industrialisation \u00e0 cause de leur manque d\u2019explicabilit\u00e9. Le fait de ne pas pouvoir expliquer facilement le fonctionnement de ces syst\u00e8mes rend leur adoption plus complexe. Comment peut-on s\u2019assurer qu\u2019un algorithme est satisfaisant pour \u00eatre industrialis\u00e9 si l\u2019on ne peut pas comprendre son fonctionnement ?<\/p>\n\n\n\n En pratique, l\u2019une des probl\u00e9matiques vient du fait qu\u2019il n\u2019existe pas encore un processus de conceptualisation d\u2019IA qui suivent par exemple un r\u00e9f\u00e9rentiel normatif. Il y a cependant des \u00e9tapes dans ce processus dont la maturit\u00e9 est suffisante pour voir \u00e9merger des outils et des m\u00e9thodes qui auraient le potentiel de devenir g\u00e9n\u00e9riques. <\/p>\n\n\n\n Nous pouvons par exemple mentionner les environnements de d\u00e9veloppement tels que Tensorflow, Keras ou PyTorch qui permettent d’entra\u00eener des IA. Ces environnements ne standardisent pas (encore?) les processus de d\u00e9veloppements d\u2019IA, du coup chaque utilisateur construit son utilisation. <\/p>\n\n\n\n Ces plateformes peuvent \u00e9galement soulever des questions de souverainet\u00e9. Bien qu\u2019open source, leur rayonnement, leur gouvernance et leur conception sont majoritairement ma\u00eetris\u00e9s par des grandes entreprises du num\u00e9rique am\u00e9ricaines. M\u00eame si des projets proposent un cadre commun sur une partie du processus de conception, aucun n\u2019est totalement satisfaisant et ne fait consensus. <\/p>\n\n\n\n Il faudrait \u00e9tendre la d\u00e9marche de standardisation \u00e0 l\u2019ensemble du processus de conception. Cela donnera alors l\u2019opportunit\u00e9 de faire un pas vers l\u2019industrialisation en permettant de mettre en place des processus de validation partag\u00e9s.<\/p>\n\n\n\n Actuellement, ces probl\u00e9matiques font que les entreprises \u00e9prouvent des difficult\u00e9s \u00e0 passer du stade de conceptualisation et de d\u00e9veloppement d\u2019un syst\u00e8me d\u2019IA sous forme de PoC (Proof of Concept) \u00e0 celui de la mise en production du projet. Au sein des grandes entit\u00e9s, la performance \u00e9conomique et la garantie d\u2019un retour sur investissement sont les priorit\u00e9s lors de la mise en place de nouveaux projets (cost-driven project\/projet orient\u00e9 vers les co\u00fbts).<\/p>\n\n\n\n Ceci ne favorise pas la prise de risque et notamment lorsqu\u2019il s\u2019agit de technologies \u00e9mergentes comme l\u2019IA3<\/a><\/sup>. Si l\u2019on regarde de plus pr\u00e8s, rares sont aujourd\u2019hui les PoC arrivant \u00e0 la phase de production (5). Ceci s\u2019explique par le fait que les PoC ne rencontrent pas n\u00e9cessairement les performances esp\u00e9r\u00e9es. Notamment en termes de robustesse une fois le syst\u00e8me mis en conditions r\u00e9elles. <\/p>\n\n\n\n Ces \u00e9carts de performances entre les deux peuvent conduire \u00e0 l\u2019abandon du projet d\u2019industrialisation et donc \u00e0 la perte pure et simple des investissements r\u00e9alis\u00e9s4<\/a><\/sup>. Un cadre de standardisation du d\u00e9veloppement des syst\u00e8mes d\u2019IA est essentiel. Celui-ci pourra s\u2019\u00e9tablir au travers de normes donnant des recommandations \u00e0 ce sujet. <\/p>\n\n\n\n Aujourd\u2019hui, le manque d\u2019harmonisation des processus de validation vient bloquer l\u2019industrialisation de l\u2019IA. Ces processus viennent pourtant d\u00e9montrer le bon fonctionnement d\u2019un syst\u00e8me d\u2019IA, et \u00e9valuer leur niveau de fiabilit\u00e9. Ils permettent donc de donner confiance en cette technologie. La phase de validation permet en outre de v\u00e9rifier que les performances correspondent \u00e0 celles attendues dans un environnement r\u00e9el. <\/p>\n\n\n\n De plus, la phase de validation doit permettre au nouveau syst\u00e8me d\u2019IA de remplir les obligations r\u00e9glementaires du secteur qui le concerne (automobile ou a\u00e9ronautique par exemple). L\u2019absence d\u2019un cadre standardis\u00e9 de validation freine l\u2019\u00e9tablissement des obligations r\u00e9glementaires et donc l\u2019industrialisation d\u2019une IA de confiance.<\/p>\n\n\n Le d\u00e9veloppement d’une intelligence artificielle industrialis\u00e9e dans un cadre standardis\u00e9 reste un d\u00e9fi pour les grandes entreprises. La difficult\u00e9 des grandes entit\u00e9s \u00e0 adopter des syst\u00e8mes d\u2019IA au sein de leurs activit\u00e9s est aujourd\u2019hui une probl\u00e9matique de taille qui est partag\u00e9e dans l\u2019ensemble des domaines d\u2019activit\u00e9s. Cette probl\u00e9matique assez r\u00e9currente vient de la structuration tr\u00e8s […]<\/p>\n","protected":false},"author":8,"featured_media":7098,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"[{\"content\":\"Structure in Fives: Designing Effective Organizations, Henry Mintzberg<\/a>\",\"id\":\"354ef0ee-07e7-45c3-a88c-bacaf4b81b26\"},{\"content\":\"What Is \u201cIndustrialized\u201d AI and Why Is It Important? | by Petuum, Inc.<\/a>\",\"id\":\"41ecc6f5-bf3b-4477-85f2-83f5d9f1712a\"},{\"content\":\"Business Challenges for Industrial Application of AI<\/a>\",\"id\":\"451cfe10-8d16-4536-9e79-05198906da68\"},{\"content\":\"What I have Learned After Building A Successful AI PoC | by Alexandre Gonfalonieri | Towards Data Science<\/a>\",\"id\":\"9aef4411-d509-4c46-83f6-4a596cf47420\"}]"},"categories":[142],"tags":[186],"class_list":["post-7094","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-et-societe","tag-semantique"],"acf":[],"_links":{"self":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/7094","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/comments?post=7094"}],"version-history":[{"count":0,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/7094\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media\/7098"}],"wp:attachment":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media?parent=7094"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/categories?post=7094"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/tags?post=7094"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}L’IA est-elle pr\u00eate \u00e0 \u00eatre industrialis\u00e9e ?<\/h2>\n\n\n\n
La n\u00e9cessit\u00e9 d’un processus de conceptualisation de l’IA<\/h2>\n\n\n\n
La difficult\u00e9 pour les entreprises de mettre en \u0153uvre leurs syst\u00e8mes d’IA<\/h2>\n\n\n\n