Passer

IA & Data, une disruption déjà en marche…

L’IA et la data n’ont pas de secret pour lui. En marge du récent Snowflake World Tour Paris, Frédéric Adet, Data Architecture Practice Leader chez Devoteam Data Driven, partage sa vision des dynamiques en cours dans les entreprises. Ainsi que les perspectives offertes par ces outils nouvelle génération.

Frédéric, peux-tu nous parler des enjeux clients autour de l’IA et des plateformes data modernes ?

Chez les clients de manière générale, on note un fait nouveau : ce sont les décideurs de l’entreprise qui souhaitent avoir un impact sur leur activité via l’IA. Un impact double : interne pour mobiliser les énergies de leurs équipes, arriver à rendre les choses plus lisibles, et donc permettre de mieux travailler sur la data. Suite logique, dans un second temps, on cherche à générer plus de valeur avec la data. Souvent, ces décideurs n’ont pas une idée précise de ce que peut faire l’IA et de son champ d’action. Et surtout, comment l’intégrer à bon escient à sa stratégie globale ? On met beaucoup de choses actuellement derrière cette notion.

L’idée, et c’est tout le but de notre action, est de partager le sentiment d’urgence autour de l’IA. Prendre conscience qu’elle est à même d’offrir des ROI sans précédent, mais ne peut exister sans fondations data, technologiques, business et gouvernance solides. Il n’y a pas d’IA sans data, les initiatives déjà menées avec nos clients nous l’ont prouvé. Et dans cette démarche, nous savons aussi que le dispositif humain et l’acculturation des équipes a toute son importance, au-delà des aspects technologiques.

Peux-tu nous en dire plus sur ce que propose Devoteam et son partenaire Snowflake ?

Chez Devoteam, on propose des offres d’accompagnement qui s’étendent de la stratégie data, aux usages, en passant par les plateformes modernes. Également, de la montée en compétences techniques d’équipes, par l’implémentation use case après use case de toutes les couches humaines et techniques sur lesquelles travailler pour obtenir le meilleur de l’IA, et qu’elle soit apprivoisée par les équipes. Nous sommes convaincus que cette manière très concrète d’avancer est plus efficace qu’une simple approche besoin/réponse.

Aujourd’hui, tout est réuni pour qu’une entreprise puisse humainement et techniquement avoir une approche fondamentalement différente de ses activités.

Énormément de choses sont déjà rendues possibles aujourd’hui. Et avec une plateforme de type Snowflake, plus rien n’est impossible. Nous menons actuellement des implémentations chez nos clients, avec leurs données structurées, leurs données semi-structurées (venant de diverses APIs), ou même leurs données non structurées auxquelles nous associons une sémantique exploitable par l’IA. C’est aujourd’hui parfaitement faisable techniquement.

As-tu un exemple d’usage concret ?

Un grand décideur aujourd’hui, à tout moment, veut connaître l’évolution de ses marges sur les 3 derniers mois pour une activité bien précise, une chaîne de fabrication, ou encore savoir quelle est l’évolution de sa notoriété sur tel ou tel domaine… Dans les meilleures conditions et grâce à l’IA, il lui suffit de poser la question en langage naturel pour obtenir instantanément la réponse. On s’appuie sur le contexte informationnel global, qui vient notamment des données non structurées, et de documents de tous types, qui sont déjà dans les tables et le patrimoine de l’entreprise… On a ainsi la possibilité d’avoir une interlocution homme-machine sur des process, des prédictions, et des recommandations sur de nouveaux use cases pensés avec l’IA.

Mais pour que ce soit bénéfique, il faut vraiment que l’impulsion et l’envie des décideurs soit déclinée dans un plan autre que technique au sein de l’entreprise. Une acculturation des équipes aux champs des possibles. Également, rattraper une dette qu’ils ont sur l’utilisation de la data pour tirer le meilleur des anciennes « disruptions » data comme le machine learning, la prédiction, la recommandation, le deep learning (l’analyse d’images et de vidéo)… Ces évolutions ont cours depuis longtemps, mais ces sauts technologiques n’ont pas forcément généré de valeur à un moment T.

Comment vois-tu les choses évoluer dans un avenir proche ?

La vie va être beaucoup plus simple pour tous les salariés d’une entreprise dans le futur. Ils pourront être beaucoup plus proactifs et autonomes pour faire rayonner leur unité ou leur domaine d’activité. C’est tout l’enjeu des plateformes data modernes, à l’image de Snowflake, notre partenaire technologique. Moi qui suis un ancien Data Scientist, je sais que les spécialistes de la data comme le Data Scientist, le Data Engineer ou même le Data Analyst peuvent désormais rayonner sur l’ensemble d’une plateforme, de l’ingestion des données à leur transformation, en passant par la gouvernance… Tout est rendu très simple et facilement déployable avec un time-to-market défiant toute concurrence.

Avec une plateforme telle que Snowflake, l’IA facilite et démocratise la compréhension des données de l’entreprise, leur mesure, leur analyse croisée. Tous les acteurs de l’entreprise sont autonomes pour expérimenter leurs idées de proposition de valeur.

Une idée d’un bon décideur, ou d’un bon chef d’équipe sur un secteur bien précis peut très vite devenir concrète et validée par les différents services grâce à ce type d’outils. Avec ces plateformes, on va pouvoir expérimenter des idées nouvelles. Les faire valider, les industrialiser, les publier, les mettre à disposition des personnels de l’entreprise, comme des parties prenantes externes : clients ou même internautes. Je dirais qu’une bonne idée aujourd’hui peut être implémentée en deux heures à trois jours chrono par une poignée de personnes, dont un valideur, là où de très nombreux rôles et étapes étaient auparavant impliqués : financement, sponsoring, chef de projet, prestataire… Et ça prenait vite 6 mois !

« Pas d’IA sans data », quel est le sens de cette formule qui s’est imposée dans le discours ambiant ?

Ça veut tout simplement dire que l’on ne fera de la bonne IA qu’à partir du moment où elle se reposera sur de la donnée qui a été bien préparée, propre, avec une sémantique et un contexte spécifiques… Et avec bien sûr des données bien qualifiées et bien cataloguées pour que l’ensemble des équipes puisse les lire facilement, comprendre quoi faire de cette donnée et ce qu’elle vaut tant en termes de qualité que de valeur potentielle générée. On ne peut pas faire de l’IA pertinente et fiable sur de la data qui n’est pas au meilleur de sa qualité.