Chargement...

Talk

Défiler

Article précédent: Comment Vooban encourage ses équipes à bouger ?
Prochain article: Découvrez comment l’IA peut résoudre vos problèmes les plus complexes

04 avril 2024

Comment tester une idée en IA grâce à la preuve de concept

par Vooban

Transformation numérique, Intelligence artificielle

L’étape de la preuve de concept en IA peut s’avérer votre meilleure alliée avant un investissement majeur dans votre prochain projet numérique. C’est en passant par la PoC (acronyme anglais de proof of concept) que vous saurez si les bénéfices attendus de l'implantation de l’IA dans un ou plusieurs secteurs de votre entreprise sont réalistes et si les données que vous avez entre les mains sont adéquates pour une modélisation de vos processus d’entreprise.

En résumé, une PoC peut être vue comme une version simplifiée d’un projet IA de plus grande envergure. Lors de cette phase, nos experts prendront d’abord le temps de comprendre avec vous quels sont les besoins et objectifs de votre projet. Parmi la grande famille des algorithmes d’IA possibles, on pourra aussi déterminer quelles stratégies serviront le mieux vos besoins.

Durant la phase de preuve de concept, les données que vous avez déjà entre les mains seront explorées et préparées afin de créer et de tester des modèles d’IA. Ceux-ci vous permettront de faire des prédictions cruciales pour orienter vos décisions d’affaires ou optimiser votre chaîne de production. Avant de vous lancer dans un plus grand projet d’investissement, une PoC vous permet donc de 1) valider la faisabilité du projet avec les données collectées par votre entreprise, 2) déterminer la précision que le modèle d’IA peut vous fournir et 3) mesurer l'impact potentiel de l'IA sur votre entreprise, vos processus et vos employés.

Décortiquons ensemble ce qu’est une PoC

Comprendre avec vous quels sont les besoins et objectifs

Évidemment, avant même de commencer l’exploration et l’analyse de vos données, on a besoin d’établir quels sont vos besoins et les objectifs du projet. L’intelligence artificielle n’a pas la réponse à tout et elle se base sur des données réelles pour faire ses prédictions ou automatiser un processus.

Au début de la PoC, on va s’asseoir avec vous afin de comprendre votre problématique et on va vous proposer des solutions d’IA adaptées. Ces premières rencontres seront sans doute itératives et régulières, par exemple sous forme de courtes rencontres hebdomadaires ou d’échanges de courriels plus fréquents. Vous êtes les experts dans votre domaine et vous devrez aider notre équipe d’IA à le devenir aussi afin de bien maîtriser les particularités de vos données. Peut-être qu’on réalisera que la banque de données actuelle est insuffisante pour entraîner un modèle ou pour atteindre la précision dont vous avez besoin.

La PoC est justement là pour identifier les obstacles, les défis techniques et déterminer les limites de la solution. La durée complète de la PoC peut varier entre quelques semaines et 2 mois en moyenne, dépendant de la complexité du projet.

Quelles stratégies serviront le mieux vos besoins ?

Ce que l’on appelle l’intelligence artificielle est en réalité un ensemble d’algorithmes avec différents niveaux de complexité qui sont développés, entre autres, pour:

1. Modéliser un système et en prédire son comportement (ex.: prédiction des ventes)
2. Faire le meilleur choix pour un résultat optimal (ex.: gestion de projets, planification)
3. Détection et classification (ex.: détection d’anomalies sur une chaîne de production)
4. Traitement du langage naturel (ex.: service de chatbot)


Dépendant du type et de la quantité de données que vous avez en main (ex.: historique des ventes, banque d’images, séries temporelles provenant de capteurs), certains algorithmes seront plus adaptés que d’autres pour la création d’un modèle. Certains modèles permettent de connaître les raisons derrière une décision. D’autres, malgré leur grande efficacité, permettent plus difficilement d’accéder au raisonnement. Aurons-nous besoin de labelliser une grande quantité de données afin d’entraîner le modèle? Ceci peut demander beaucoup de temps et d’efforts et il faut savoir que ce n’est pas tous les problèmes de détection et de classification qui ont besoin de cette étape.

L’IA est un domaine complexe qui nécessite une approche itérative et expérimentale pour réussir. Pendant la période de la preuve de concept, on déterminera quelle stratégie convient le mieux à la réalisation de vos objectifs en passant par la phase de développement du modèle, de tests, ainsi que d’ajustements itératifs. Vous connaîtrez donc les performances possibles du modèle avec vos propres données, ce qui nous permettra de planifier une stratégie de déploiement et de mise en production adaptées.

 

La PoC est une version simplifiée d’un projet d’IA

Un projet IA d’envergure peut avoir plusieurs ramifications et finalement s’avérer d’une grande complexité. La base de données que vous voulez modéliser doit peut-être être mise à jour périodiquement afin de refléter au plus près votre réalité d’affaires. La collecte d’information devra peut-être se faire sur une plateforme cloud afin de plus facilement centraliser l’organisation de votre banque de données et de permettre l'entraînement d’un modèle d’IA sur des données constamment mises à jour. La modélisation d’un ou de plusieurs de vos processus d’affaires par un algorithme d’IA devra aussi sans doute s’intégrer à des systèmes déjà existants au sein votre entreprise. Toutes ces étapes demandent du temps et font parfois appel à des ressources coûteuses. La phase de preuve de concept fait souvent abstraction de ces étapes qui peuvent apparaître plus tard lors du déploiement d’un projet.

La PoC se concentre d’abord et avant tout sur l’exploration et l’analyse des données que vous avez déjà en main. Cette première étape est essentielle afin de valider les hypothèses de base d’une modélisation performante. Suite à cette exploration, essentiellement deux constats peuvent se dégager. Soit les données existantes possèdent les qualités nécessaires pour l’entraînement d’un modèle fiable et performant ou elles ne sont pas suffisantes. Dans ce cas, elles doivent être bonifiées par des données internes ou externes afin de garantir la performance du modèle. Advenant cette situation, on peut déjà mettre un frein au projet de déploiement d’un modèle d’IA et ainsi, minimiser les risques d’un tel investissement. On peut aussi décider de faire tout simplement une pause afin de réorienter les objectifs ou de mettre en place un système de collecte de données efficace qui permettra la réalisation du projet initial.

Finalement, la PoC va permettre de tester et de valider la faisabilité de la solution proposée avant l’installation d’infrastructures coûteuses et surtout, avant de passer à la phase de déploiement et de mise en production de la solution.

Les bénéfices de la preuve de concept et son impact

Une preuve de concept est plus qu’une simple démonstration de ce que peut faire l’IA. Durant cette étape, nous travaillons avec des données réelles provenant de votre entreprise et nous identifions la meilleure solution pour répondre à vos besoins. Avec ces résultats, vous aurez toutes les cartes en main pour déterminer de façon éclairée s’il est justifié d’investir dans le déploiement total de votre projet d’IA. La PoC vous aide à minimiser les risques d’un investissement trop rapide dans un projet d’envergure et vous rassure de la fiabilité de la solution IA.