En GenAI, ne parlons pas projet IA mais produit IT

3 bonnes raisons de mettre l’IA générative entre les mains des développeurs

Le développement augmenté existe d’ores et déjà. Souvent regardés de haut, les outils de GenAI sont une évolution naturelle des fonctionnalités d’autocomplétion. À adopter d’urgence pour en tirer tous les bénéfices.

Au-delà de l'IA First : construire une stratégie durable et adaptée

Même si l'IA est privilégiée, il faut toujours partir de la stratégie et des problèmes à résoudre, prévient la HBR, dont l'approche 3P fait écho au Tech, Orga, Culture de WEnvision.

The Architect's Journey : de la salle des machines au penthouse : Key Takeaways from "The Software Architect Elevator"

"The Software Architect Elevator" est une de feuille de route pour les architectes. En embrassant le changement, en comprenant les systèmes organisationnels et en favorisant une communication efficace, les architectes peuvent jouer un rôle central en conduisant les organisations vers le succès.

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...