Embauché il y a 2 ans pour digitaliser les process, Alexandre Aubry raconte tous les changements que cela a induit : transformation de l'organisation, de l'infrastructure matérielle et réseau, ouverture et décommissionnement progressif de l'ERP Cobol...
Nous avons assisté à la conférence client de l'entreprise Orange à Agile en Seine. Cet article vous propose de découvrir comment l'IA Gen devient déjà un atout incontournable chez certains clients.
Un bon mix d'indicateurs - des KPI classiques ainsi que des KPI personnalisés - devrait vous aider, à condition de respecter un principe essentiel : faites simple !
En GenAI, ne parlons pas projet IA mais produit IT
La GenAI est l'occasion pour la DSI de revenir au centre du jeu : son rôle est critique pour mettre en place une plateforme évolutive, dans le cadre d'une organisation orientée produit.
L'IA, l'IA générative, c'est pareil, non ? Hmmmm... pas tout à fait.
Alors que le Machine Learning mobilisait forcément des équipes de data science et d'IT, la GenAI éclot partout dans l'entreprise en quelques clics. Elle est source de grandes opportunités et a priori simple à mettre en œuvre.
Sauf que cela peut se faire au détriment des intérêts de l'entreprise : fuite de données, engagement de la responsabilité (cf. Air Canada), duplication des efforts...
La DSI doit revenir au centre du jeu, en fournissant une plateforme qui permettra de développer des produits, dans le cadre d'une gouvernance et d'un financement adaptés.
C'est l'objet de ma dernière tribune pour CIO France.
Comment doit-on considérer un projet de GenAI ?
En résumé :
Il est urgent d'offrir aux collaborateurs de l'entreprise des outils d'IA générative sécurisés ;
Pour ce faire tout en gardant son indépendance vis-à-vis des fournisseurs de modèles, il faut rapidement mettre en place une plateforme ;
Cette plateforme permettra d'utiliser différents LLM du marché, au fur et à mesure de leur évolution, et de construire des capacités répondant à des besoins spécifiques (interrogation de PDF puis de bases de connaissances, bibliothèque de prompts spécialisés, etc.) ;
Mettre cela en place demande essentiellement des compétences IT plutôt que data science : l'essentiel du travail consiste à intégrer des briques et développer les interfaces et services à valeur ajoutée ;
Dans un contexte de GenAI en pleine ébullition, on parle évidemment d'itérations : mettre en place la plateforme n'est qu'une première étape. Celle-ci doit être maintenue. Ses composantes remplacées le cas échéant par des briques sur étagère. Sa valeur pour les utilisateurs va augmenter au fur à mesure des itérations ;
C'est donc une gouvernance produit qui doit accompagner ce mouvement, avec un financement adapté sous forme de flux.
Au final, la compétence en data science sera utile pour analyser les résultats d'un modèle et mettre en place des garde-fous appropriés. Pour éviter la déconvenue d'Air Canada, par exemple...
Nous avons assisté à la conférence client de l'entreprise Orange à Agile en Seine. Cet article vous propose de découvrir comment l'IA Gen devient déjà un atout incontournable chez certains clients.
Un bon mix d'indicateurs - des KPI classiques ainsi que des KPI personnalisés - devrait vous aider, à condition de respecter un principe essentiel : faites simple !
Agile en Seine 2024 s'annonce comme une opportunité unique pour nos dirigeants de s'immerger dans les dernières avancées en matière d'agilité, de data et d'IA. Nous participerons à cet événement pour recueillir et partager des insights stratégiques.
Matrice Impact vs Effort, Méthode MoSCoW, Scorings RICE & ICE vous aideront à évaluer et prioriser vos projets de data science, pour maximiser les chances d'un résultat satisfaisant - et aligné avec les objectifs stratégiques de l'entreprise.