Passer au contenu

AI factories : démocratiser l’usage de l’IA et des analytics

Kevin Duval
27 avril 2022

Pour répondre aux grands enjeux des entreprises et fédérer toutes les équipes, les dirigeants doivent appliquer des décisions contextualisées, éclairées et intelligibles.

Incontournables pour apporter ces éléments d’appréciation et d’explication, l’intelligence artificielle (IA) et l’analyse avancée des données doivent dépasser le morcellement des organisations et l’urgence du court terme.

La solution est ce que nous appelons une AI factory, c’est-à-dire un dispositif mutualisé à l’échelle de l’entreprise, transverse à plusieurs organisations, permettant à la fois de catalyser et de canaliser les initiatives des différentes branches métiers. La mission de l’AI factory est d’instaurer une culture, des concepts, des méthodes, des pratiques collaboratives et un outillage commun afin de favoriser l’éclosion des projets et de maximiser leurs chances de réussite à grande échelle.

Plus qu’une plateforme technologique, une structure pour répondre aux défis collectifs 

Une AI factory repose sur trois piliers classiques : les personnes, les processus, les outils. En ce qui concerne les personnes, l’objectif est de répartir au mieux les rôles, les responsabilités et les compétences (data scientists, data analysts, data engineers, développeurs professionnels et occasionnels…) pour éviter les doublons et les interférences, aplanir la collaboration entre IT et métiers, harmoniser les approches et offrir à chacun des perspectives individuelles.  

Le déploiement d’une AI factory établit un modèle de production associant IT et métiers, permettant de créer de la valeur à la fois rapidement (les cas d’usage aboutissent plus vite), à moindre coût (mutualisation des efforts et capacités) et durablement (les modèles sont maintenus pour rester pertinents et performants). La plateforme IT sous-jacente est activée en mettant à disposition des données de qualité, des capacités exploratoires efficientes et des capacités de déploiement en continu pour le passage à l’échelle. 

En structurant la pratique de l’IA et en instaurant un langage commun, l’AI factory contribue à créer une culture inspirant confiance dans la stratégie et des résultats intelligibles. Par ailleurs, les gains de productivité permettent aux data scientists de se libérer de tâches à faible valeur ajoutée et d’aborder des sujets fondamentaux qu’il leur fallait souvent reléguer au second plan, comme l’éthique, l’explicabilité des résultats, la gestion des données sensibles ou la maintenance des algorithmes. 

Ce modèle d’AI factory a d’ores et déjà fait ses preuves dans de nombreuses entreprises. Il a ainsi permis à un grand constructeur automobile européen de mettre plus de 100 modèles d’IA en production en seulement cinq mois, ou à un acteur majeur du secteur aéronautique de multiplier en trois ans ses cadences de production par plus de six ! Dans les deux cas, la clé a été de ne pas vouloir forcer la mise en place d’un modèle théorique, mais de chercher à tirer parti de façon pragmatique des forces et des expériences existantes, avec une approche itérative et collaborative de l’innovation.