Peut-on aller au-delà du buzz marketing lorsqu'on parle de "Platform Engineering" ? A y regarder de plus près, on y voit l'aboutissement de pratiques et méthodes nées il y a longtemps. Et que nous ferions bien d'adopter pour le Cloud et la GenAI.
Le texte régulant l'IA dans l'Union européenne est entré en vigueur. Généralement perçu comme un frein, il peut aussi être vu comme une opportunité de faire les choses différemment.
Stratégie, cas d’usage, acculturation, plateforme tech… ALM a été l’un des premiers clients de WEnvision pour la GenAI à l’échelle, dans un secteur particulièrement contraint par la réglementation. Les cas d’usage et l’adoption en cours constituent d’ores et déjà un beau succès.
Industrialiser la démarche data : ceux qui mettent en œuvre témoignent
Comment industrialiser une démarche data ?
C'est la question à 1 million que nous avons posée à nos interlocuteurs, dans le cadre de la rédaction de notre livre blanc DataOps : Didier Bove, Philippe Girolamy, Laurent Ostiz.
C'est la question à 1 million que nous avons posée à nos interlocuteurs, dans le cadre de la rédaction de notre livre blanc DataOps. Parce que nous sommes tous d'accord : mettre en place une démarche industrielle est obligatoire pour tirer le meilleur parti des tonnes de données récoltées dans les entreprises.
Le paradoxe est en effet saisissant. Alors que les entreprises croulent sous la donnée, les métiers ont toujours autant de difficultés à accéder à l'information dont ils ont besoin. On voit encore, au sein des Comex, des dirigeants brandir des KPI totalement différents alors qu'ils sont censés refléter la même réalité.
Il n'y a pas de recette miracle pour remédier à cela, chaque entreprise doit concevoir son approche, adaptée à son contexte. On y retrouve tout de même un certain nombre d'invariants.
-> Didier Bove, DSI de Veolia
Didier Bove, DSI de Veolia, insiste sur les notions d'organisation et de gouvernance : "Classiquement, dans l’IT, 80 % des efforts passent dans le choix de l’outil, alors qu’il faudrait les faire porter sur les processus et l’organisation." Surtout dans une entreprise décentralisée, où la DSI centrale ne peut pas tout savoir des problématiques rencontrées par les utilisateurs sur le terrain. Il faut donc allier l'expertise technique et la mutualisation de la DSI avec l'expertise fonctionnelle des métiers.
Et garder en tête que l'important, c'est de proposer de la donnée utile, et non pas constituer le plus gros datalake possible : "nous sommes passés de “big is beautiful” à “useful is beautiful”. "
-> Philippe Girolamy, VP of Engineering, Dailymotion
Philippe Girolamy, VP of Engineering de Dailymotion, insiste sur l'industrialisation du machine learning. Deux points sont particulièrement problématiques : d'abord bien s'assurer que les modèles correspondent véritablement à une préoccupation métier, ensuite faire en sorte que les modèles imaginés passent en production et soient véritablement utilisés.
Cela passe par du dialogue, de la collaboration, une définition des rôles de chacun, pour définir ensemble les modes de travail et critères clés de succès : "Renforcer la collaboration avec le produit et définir les attendus en termes de spécifications ont été clefs pour arriver à monter en production tous nos projets ces 4 dernières années."
-> Laurent Ostiz - Global Chief Data Officer, Adeo
Laurent Ostiz, Global CDO d'Adeo, partage l'obligation de répondre à des besoins métiers. Il insiste aussi sur la nécessité de penser à l'expérience utilisateur : "Si la data doit aider les métiers à prendre des décisions, alors il faut penser à la façon dont on la présente et dont elle sera utilisée."
L'idée est d'aller au-delà des dashboards et autres reportings, pour intégrer directement l'information utile au sein des applications. "Le défi, c’est de rendre cela familier, de l’intégrer dans un processus métier adapté. C’est cela, le sens du MLOps : le machine learning devient une fonctionnalité d’un produit digital."
Dernier élément pour s'assurer que la démarche est véritablement industrielle : valider que la donnée est bien utilisée, qu'elle est utile aux métiers. Mesurer sa valeur, en fait.
Le texte régulant l'IA dans l'Union européenne est entré en vigueur. Généralement perçu comme un frein, il peut aussi être vu comme une opportunité de faire les choses différemment.
Stratégie, cas d’usage, acculturation, plateforme tech… ALM a été l’un des premiers clients de WEnvision pour la GenAI à l’échelle, dans un secteur particulièrement contraint par la réglementation. Les cas d’usage et l’adoption en cours constituent d’ores et déjà un beau succès.
Depuis plusieurs mois, je vis une immersion totale dans l’univers de l’intelligence artificielle générative en entreprise. Ce que j’ai découvert ? sans accompagnement, elle est mal utilisée. Entre scepticisme, opportunités, et enjeux générationnels, je vous livre mes constats.
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...