Choisir la bonne solution d’IA : cinq erreurs à éviter (et ce qu’il faut faire à la place)

En tant que scientifique de données et experte en intelligence artificielle (IA), je travaille avec mes clients à la fois sur leur stratégie en matière d’IA et sur la conception de solutions pratiques. L’un des plus grands défis auxquels ils sont confrontés est de répondre à la question « développer ou acheter » : est-il préférable de concevoir une solution d’IA ou d’en acheter une toute faite?

Cela semble être une question simple, mais la réalité est plus complexe. Le marché regorge de solutions d’IA. Le conseil d’administration, les parties prenantes, les équipes internes et les consommateurs ont souvent des exigences contradictoires quant à l’adoption et à l’utilisation appropriée de l’IA. Cela crée une pression non seulement pour prendre des décisions rapides, mais aussi pour prendre les bonnes décisions.

Pour vous aider à gérer ces complexités, voici cinq erreurs courantes que commettent les organisations lorsqu’elles décident d’investir dans l’IA, accompagnées d’exemples et de recommandations sur des approches plus efficaces.

Erreur no 1 – Croire que l’IA peut régler tous les problèmes

Lorsque je rencontre les clients pour la première fois, ils sont souvent surpris par ma première question : « Votre organisation a-t-elle vraiment besoin de l’IA? » Étonnamment, la réponse est parfois non. De nombreux clients pensent que l’IA peut tout résoudre, mais cela peut conduire à des solutions trop complexes et coûteuses alors que des approches plus simples pourraient mieux fonctionner.

Exemple d’un client : agence gouvernementale avec des ensembles de données incompatibles

• Défi : une agence gouvernementale souhaitait utiliser l’IA pour comparer deux ensembles de données provenant de systèmes différents afin de comprendre pourquoi ils n’étaient pas compatibles.
• Solution : dans ce cas précis, l’IA n’était absolument pas nécessaire. Au lieu de cela, leur besoin pouvait être satisfait en exécutant deux requêtes SQL quotidiennes. 
• Recommandation : commencez par votre problème, pas par la technologie. En fonction de vos objectifs, une IA non générative ou des solutions non basées sur l’IA peuvent s’avérer moins coûteuses et mieux adaptées à vos besoins.

Lisez l’article de ma collègue Diane Gutiw pour en apprendre plus à ce sujet : Arrêtons de parler d’intelligence artificielle.

Erreur no 2 – Se concentrer sur l’IA générative et ne pas explorer toutes les options, qu’elles soient liées ou non à l’IA 

Bien qu’elle existe depuis des décennies, l’IA est encore souvent assimilée à l’IA générative (par exemple, les grands modèles de langage et les assistants virtuels). Si les solutions d’IA générative sont indéniablement utiles, il existe d’autres outils, liés ou non à l’IA, qui peuvent être plus précis et plus rentables.

Exemple d’un client : extraction de renseignements dans les documents

• Défi : un client souhaitait utiliser un grand modèle de vision afin d’extraire des renseignements de plusieurs rapports.
• Solution : un outil de reconnaissance optique de caractères (ROC) traditionnel comme Tesseract, conçu spécialement pour cette tâche, offrait au client une précision et une efficacité accrues sans utilisation de l’IA générative. 
• Recommandation : considérez l’ensemble des technologies et des solutions existantes. Comparez l’IA générative aux approches traditionnelles et envisagez de combiner plusieurs outils (par exemple, la ROC avec l’IA générative) pour obtenir de meilleurs résultats.

Lisez l’article de mon collègue Dave Henderson pour en apprendre plus à ce sujet : Pourquoi l’intelligence artificielle (IA) ne se résume pas à l’IA générative.

Erreur no 3 – Ne pas ancrer les décisions dans les stratégies et les capacités de votre organisation 

Les stratégies et les capacités numériques de votre organisation doivent constituer le fondement de votre décision de développer ou d’acheter. Gardez à l’esprit que l’IA n’est pas une solution universelle. Une même application peut produire des résultats différents d’une organisation à l’autre, en fonction de leurs processus d’affaires.

Exemple d’un client : choisir une solution qui s’aligne sur les besoins actuels et les stratégies futures

• Défi : un client a identifié un besoin nécessitant une solution externe, mais ne savait pas s’il devait acheter un outil existant ou en faire développer un sur mesure. 
• Solution : bien que ce ne soit pas le seul facteur à prendre en compte, un bon point de départ pour prendre votre décision consiste à examiner l’empreinte informatique et la stratégie de votre organisation. À partir de là, plusieurs options s’offrent à vous : 
  
  • Faire appel à des partenaires pour créer des solutions d’IA qu’ils géreront ensuite en interne.
  • S’associer à des fournisseurs tels que CGI non seulement pour créer des solutions, mais aussi pour les maintenir et les mettre à jour de façon continue.
  • Utiliser un produit prêt à l’emploi peut être plus rapide et plus abordable.
• Recommandation : alignez votre investissement dans l’IA sur votre stratégie et vos capacités numériques. Faites appel à des fournisseurs pour évaluer les solutions en fonction des besoins de votre organisation, et non en fonction de ce qui a fonctionné pour d’autres.  

Erreur no 4 – Concevoir une solution sur mesure sans tenir compte des options existantes 

Les clients pensent parfois avoir besoin de personnalisations spécifiques, mais il existe souvent des solutions prêtes à l’emploi intégrant l’IA ou dotées de fonctionnalités susceptibles de répondre à leurs besoins futurs.

Exemple d’un client : développer ou acheter une solution de requête de données?

• Défi : CGI développe des solutions de requête de données personnalisées qui peuvent fonctionner sur plusieurs sources telles que Databricks et Snowflake. Il existe également des plateformes et des outils prêts à l’emploi intégrant des capacités d’IA. Dans ce cas, vaut-il mieux développer ou acheter? 
• Solution : pour les petites organisations qui stockent leurs données dans une seule source, il n’est pas toujours nécessaire de développer une solution personnalisée, car les capacités d’IA des solutions prêtes à l’emploi sont suffisantes. Cependant, lorsque les besoins deviennent plus complexes, par exemple en cas de plateformes de données multiples ou d’exigences en matière de connaissances approfondies dans un domaine, la personnalisation peut être la meilleure option. 
• Recommandation : collaborez avec des fournisseurs de services ou un tiers de confiance pour déterminer si vos besoins peuvent être satisfaits par des solutions existantes ou sur mesure. CGI a conclu des alliances et dispose d’une connaissance approfondie des feuilles de route des produits de différents fournisseurs et des solutions pour vous aider à prendre des décisions éclairées. 

Découvrez le récit du client ci-dessus : L’IA générative réduit le temps de réponse aux requêtes à seulement 45 secondes pour une entreprise de télécommunications.

Erreur no 5 – Rechercher les derniers outils sans objectifs clairs  

Le rythme des avancées en matière d’IA et des nouveaux outils peut être difficile à suivre et à intégrer dans vos flux de travaux et vos solutions.

Exemple d’un client : solution d’IA existante remplacée par de nouveaux outils

• Défi : un client devait choisir entre une solution d’IA existante et de nouveaux outils possédant des capacités supplémentaires. 
• Solution : malgré les fonctionnalités offertes par les nouvelles options, la solution d’origine continuait de générer des résultats précis, un solide rendement du capital investi et des gains de temps, ce qui rendait son remplacement inutile. 
• Recommandation : concentrez vos décisions sur vos objectifs d’affaires. Évaluez en permanence les nouveaux outils avec l’aide d’experts en IA ou de partenaires de confiance, mais comparez-les à vos objectifs de performance. Avec l’IA, l’important n’est pas seulement les capacités. Des facteurs tels que la sécurité, la confiance, les données et la réglementation peuvent introduire une complexité qui n’existait pas auparavant dans les solutions non basées sur l’IA.  

Quand et comment faire appel à l’expertise d’un tiers

Avec l’évolution rapide de l’IA et le renforcement continu des capacités de leurs concurrents, les clients font souvent appel à CGI pour les aider à élaborer leur stratégie en matière d’IA, à mettre en œuvre des solutions et à adapter leur entreprise. 

Communiquez avec CGI pour obtenir des réponses à toutes vos questions relatives à l’IA 

• Quels sont les avantages et les inconvénients de la personnalisation par rapport à l’entraînement préalable de notre propre grand modèle de langage? 
• Comment évaluer l’IA générative standard par rapport aux cas d’utilisation approfondis dans un domaine particulier? 
• Notre organisation est novice en matière d’IA. Pour maximiser notre rendement du capital investi, devrions-nous envisager l’IA générative ou d’autres options telles que l’apprentissage machine traditionnel, la vision informatique ou l’automatisation? 
• Quelle est la meilleure façon de mettre en œuvre une solution d’IA de bout en bout, du traitement des données à la production? 

Découvrez nos plus récents récits de réussite en IA et écoutez notre plus récent balado pour obtenir des conseils pratiques en matière d’IA.