Ce qui est amusant avec l’intelligence artificielle et ses dérivés, comme l’apprentissage automatique, l’apprentissage profond, et désormais l’IA générative, c’est qu’ils existent depuis si longtemps. Si les nouveaux venus sur le marché informatique ont une compréhension renouvelée de l’IA, ses mécanismes fondamentaux restent à peu près les mêmes.
Ce qui a changé, c’est le coût et la facilité de création de modèles d’IA très complexes et précieux. L’utilisation du cloud computing a déclenché l’essor rapide des systèmes d’IA. À mesure que les entreprises accroissent leurs investissements dans les innovations liées au cloud, l’IA peut générer encore plus de valeur pour l’entreprise.
La plupart des entreprises exploitent les systèmes d’IA comme des systèmes monolithiques. Elles leur fournissent des données d’entraînement, les laissent apprendre à partir de ces données, puis exploitent les modèles obtenus pour accomplir une tâche prédéfinie. Par exemple, déterminer les risques de crédit dans un système de traitement des prêts, automatiser une chaîne d’approvisionnement afin de réduire les stocks ou sélectionner des actions pour une société d’investissement.
Cependant, les innovations disponibles au sein de ces systèmes autonomes limitent la valeur de ces systèmes d’IA monolithiques. Cette limitation a poussé à intégrer la technologie d’IA à d’autres systèmes métier fondamentaux et à d’autres systèmes d’IA afin d’accroître la valeur produite.
Lorsqu’elle est correctement réalisée, l’opération aboutit à 1+1=3. Elle augmentera également le ROI d’un système d’IA, dont le développement et la maintenance peuvent être coûteux.
À lire aussi : Qu’est-ce que l’intelligence artificielle
Orchestration de l’IA et intégration des systèmes d’IA
Intégrer des systèmes d’IA à de nombreux autres systèmes métier, de manière faiblement ou fortement couplée, n’a rien de nouveau. Au bout du compte, les systèmes d’IA sont dépourvus de fonctionnalités métier. Même s’ils peuvent exécuter des fonctions impressionnantes, ils ne constituent pas à eux seuls des applications métier. Ils doivent être liés à des applications métier pour créer la valeur attendue de l’IA.
Par le passé, la tendance consistait à coupler étroitement les systèmes d’IA aux applications et aux données applicatives. Les systèmes d’IA étaient soit un composant du système métier, exécuté dans le même environnement et sur la même plateforme, soit des systèmes accessibles via des API synchrones (bloquantes) capables d’interagir avec eux par programmation.
Le couplage étroit des systèmes d’IA aux systèmes métier visait avant tout à choisir la voie de la moindre résistance. Même s’il « fonctionnait », il limitait la valeur que les systèmes d’IA pouvaient apporter à de nombreux autres systèmes métier.
Les services d’orchestration légers peuvent répondre aux exigences spécifiques des systèmes d’IA et fournir un accès faiblement couplé à un nombre quelconque de systèmes d’IA. Ils exploitent ces systèmes grâce à un développement sans code ou low-code, les services d’orchestration créant des solutions à partir de configurations plutôt que d’un développement approfondi. Le couplage faible, par opposition au couplage étroit, permet de configurer l’accès et l’orchestration afin d’exploiter les systèmes d’IA de manière à en tirer davantage de valeur métier.
Les orchestrations ne sont ni nouvelles ni innovantes, qu’elles s’exécutent au sein du même cloud, entre plusieurs clouds ou entre des systèmes internes. Il s’agit d’une nouvelle application d’une innovation existante, qui permet aux couches d’orchestration de gérer les interactions avec les systèmes d’IA de manière à rendre ces derniers beaucoup plus efficaces lorsqu’ils sont exploités ensemble (1+1=3).
Par exemple, imaginons que nous disposions d’un système d’IA capable de sélectionner les actions dont la valeur augmentera, d’un système d’IA chargé de l’analyse des risques pour certaines entreprises et d’un système d’IA capable de repérer les tendances sur les réseaux sociaux avant qu’elles ne deviennent des tendances. Si chaque système présente une valeur évidente individuellement, la possibilité de créer des orchestrations capables d’évaluer certains problèmes ou projets métier en combinant tout ou partie des systèmes d’IA a beaucoup plus de valeur.
Pour reprendre l’exemple ci-dessus, nous pouvons utiliser une liste d’actions créée par le système d’IA de sélection d’actions, puis transmettre ces informations au système d’analyse des risques. Celui-ci peut passer les données au crible et attribuer des niveaux de risque en fonction de ses données d’entraînement et du modèle de connaissances qui en résulte.
Nous transmettons ensuite la liste des bonnes actions classées par risque à notre système d’analyse alimenté par l’IA des réseaux sociaux, qui peut attribuer des tendances favorables ou défavorables à certains produits fabriqués par ces entreprises. Cette combinaison de systèmes d’IA peut ensuite déterminer si le marché est susceptible de soutenir cette entreprise.
Vous voyez l’idée. Suivez les modèles d’intégration des processus, de RPA, d’intégration des données et d’autres systèmes qui fonctionnent au-dessus de systèmes plus primitifs, permettant d’en extraire davantage de valeur. Il s’agit d’automatiser les échanges entre ces systèmes afin de trouver des orchestrations utiles, qui peuvent être créées comme solution ponctuelle ou comme dispositif plus permanent.
À lire aussi : L’avenir de l’intelligence artificielle
Le plein potentiel de l’orchestration de l’IA
Bien sûr, notre exemple simple n’illustre ni tout le potentiel de l’orchestration de l’IA ni le nombre d’applications métier possibles. Parmi les autres exemples, citons :
- L’orchestration de 12 systèmes d’IA différents et de 110 bases de données pour soutenir l’intégration de la chaîne d’approvisionnement et permettre une prise de décision fondée sur des informations et une compréhension presque parfaites.
- La possibilité de créer un système d’investissement comme celui défini dans notre exemple, qui sélectionne des actions avec un taux de réussite de 89 % en utilisant des dizaines de systèmes d’IA ainsi que des sources de données internes et externes.
- Un système qui classe les meilleurs candidats potentiels à un poste à partir de données externes et internes, ainsi que de 9 systèmes d’IA capables de déterminer quels candidats ont le plus de chances de réussir dans un rôle donné.
L’IA seule présente une certaine valeur. Intégrer l’IA à d’autres systèmes d’IA et à d’autres sources de données peut produire une valeur bien supérieure. C’est à ce stade que les entreprises peuvent porter l’IA à des niveaux de valeur encore jamais atteints. Cela fournit également une plateforme pour expérimenter la puissance de l’IA, ce qui peut à son tour faire émerger des valeurs innovantes que la plupart des entreprises n’ont pas encore découvertes ni même conceptualisées.
À lire aussi : L’histoire de l’intelligence artificielle
Deux types d’orchestration de l’IA
À quoi ressemble donc un outil d’orchestration de l’IA ? Il en existe deux grands types :
- Le premier type regroupe les outils de workflow et d’orchestration qui prennent nativement en charge l’intégration de l’IA.
- Le second type d’outil nécessite d’étendre ses capacités afin de s’interfacer avec le système d’IA et de gérer les données d’IA à générer et à exploiter (par exemple, les données d’entraînement).
Certains peuvent même exploiter l’IA pour leurs fonctionnalités de workflow ou d’orchestration, mais ce n’est pas le chemin critique. Le chemin critique consiste à utiliser un outil capable d’intégrer vos bases de données sources et cibles ainsi que vos systèmes d’IA, de préférence avec un moteur d’orchestration low-code ou sans code que vous pouvez configurer facilement et rapidement. La plateforme utilisée (par exemple, un cloud public), la technologie habilitante et d’autres facteurs détermineront le bon outil d’orchestration de l’IA à adopter.
Encore une fois, ce type d’IA n’a rien de nouveau ni de science-fictionnel. Il s’agit simplement d’une approche qui exploite des technologies existantes pour apporter davantage de valeur à l’entreprise. Cela dit, la plupart des entreprises ne comprennent pas encore ce qu’est l’orchestration de l’IA, et rares sont celles qui en reconnaissent la valeur révolutionnaire pour les entreprises. Il est temps de faire ses devoirs.
À lire aussi : Comment l’IA transforme le développement logiciel grâce à l’augmentation par l’IA