L’intelligence artificielle (IA) englobe un large éventail de technologies différentes, telles que la détection de texte, la reconnaissance et la génération de parole, les programmes de traduction, les chatbots ou la classification d’images. L’IA peut être utilisée pour de nombreuses applications telles que le contrôle qualité, l’optimisation de la chaîne d’approvisionnement, le service client, la détection des fraudes, boostant ainsi les performances et les résultats des industries et des organisations qui l’utilisent. Pourtant, les entreprises se heurtent souvent à une dépendance aux solutions de leurs fournisseurs, à leurs systèmes informatiques parfois obsolètes et à un manque d’expertise en interne. Dès lors, comment s’en emparer durablement? Comment accueillir ses évolutions?
L’IA en entreprise: entre espoirs et contraintes
Les bénéfices de l’IA sont légion. Malgré tout, force est de constater qu’elle n’a pas encore été adoptée massivement. Pour cause, le niveau de maturité des pratiques de gouvernance des données est encore relativement faible au Luxembourg, selon une enquête de PwC Luxembourg (Use of Data Analytics and Artificial Intelligence in Luxembourg - 2023 edition).
Les obstacles à sa mise en œuvre sont souvent liés à l’entreprise elle-même: le niveau de compréhension du management par rapport à la valeur ajoutée de l’IA, les ressources et expertises existantes, la disponibilité et qualité des données ainsi que les préoccupations liées aux règles en vigueur, comme le RGPD, et celles à venir, notamment le AI Act. Des facteurs externes entravent également une adoption plus large et efficace. Citons la crainte de devenir trop dépendant à un seul fournisseur (vendor lock-in) ainsi que les évolutions technologiques et règlementaires permanentes.
Le niveau de maturité des pratiques de gouvernance des données est encore relativement faible au Luxembourg.
De fait, la création de valeur à partir de l’IA nécessite non seulement des algorithmes avancés d’IA et de Machine Learning, mais aussi de vastes quantités de données et de leur qualité, gérées et échangées entre les différentes parties prenantes, ainsi que l’intégration de l’IA dans l’expérience utilisateur. À titre d’exemple, citons les trois premières versions du GPT d’OpenAI, qui constituaient des modèles très prometteurs d’IA, mais qui n’ont eu que peu d’impact jusqu’à ce que le GPT-3.5 soit entraîné à partir d’une quantité beaucoup plus importante de données et intégré dans une expérience utilisateur de chat facilement accessible sans aucune formation technique.
Le LIST ouvre la voie à une IA fiable et digne de confiance
Les BigTech investissent massivement dans l’IA, en publiant des modèles, des bibliothèques et des environnements nouveaux et améliorés pour en développer des solutions applicatives. Ce postulat conduit le Luxembourg Institute of Science and Technology (LIST) à se concentrer sur une application de l’IA pour créer de la valeur économique et sociétale de manière responsable, fiable, digne de confiance et durable.
L’une des raisons d’être du LIST est de réduire les risques technologiques des entreprises et des organisations partenaires. En tant qu’acteur neutre, le LIST est totalement indépendant en matière de technologie, préférant les normes ouvertes et les solutions interopérables. L’objectif? Les partenaires du LIST ont la possibilité de décider avec l’aide de scientifiques et d’ingénieurs quelle combinaison de technologies répond au mieux à leurs divers besoins, tels que l’éthique, la mise en conformité à la règlementation, la réduction des coûts, la performance et l’évolutivité.
Les BigTech investissent massivement dans l’IA, en publiant des modèles, des bibliothèques et des environnements nouveaux et améliorés pour en développer des solutions applicatives.
En fonction des besoins et de la maturité des partenaires en matière d’IA, le LIST les aide à orienter leurs actions sur divers éléments clés: données, modèles et services pour les différentes parties prenantes.
Pour ce faire, le LIST propose une boîte à outils où les entreprises partenaires peuvent effectuer des tests avant d’investir dans une solution d’IA spécifique. À titre d’exemple, les partenaires peuvent mettre à l’épreuve, dans un environnement no-code, des ressources existantes, des flux et/ou des composants de base, soit directement via l’infrastructure de l’institut, soit en exportant ce traitement dans leurs locaux ou dans une infrastructure en cloud.
L’Institut fournit également un cadre low-code qui facilite la spécification et la conception de composants logiciels améliorés par l’IA, sur la base des données et des besoins de l’entreprise, à intégrer dans le système d’information de l’entreprise. Cette plateforme se charge ensuite de générer le système en cours d’exécution et son environnement de surveillance.
Dans le LIST AI Sandbox, les partenaires peuvent tester différents modèles d’IA en fonction d’un certain nombre de biais, comparer leurs propres modèles d’IA à d’autres modèles disponibles sur le marché, ou être aidés dans la sélection du modèle d’IA qui répond au mieux à leurs critères.
Des jumeaux numériques (digital twins en anglais) permettant aux organisations de faire passer l’IA de cas d’utilisation spécialisés et cloisonnés à des initiatives transformatrices qui génèrent de la valeur et un avantage concurrentiel peuvent également être déployés.
Cet ensemble d’outils, de processus et de bonnes pratiques de gestion et de valorisation des données permet d’aider les organisations à gérer leurs données. Il s’agit de traiter les données avec la même diligence et la même attention que les actifs physiques ou financiers traditionnels. Cela inclut des activités internes telles que la gouvernance, la gestion, l’assurance qualité, l’intégration, la gestion de la confidentialité et de la sécurité, et la gestion du cycle de vie des données afin d’en garantir la fiabilité, la sécurité et l’utilité pour l’organisation et par conséquent d’alimenter le cycle de création de valeur de l’IA.
Tous ces projets sont interconnectés et les organisations ont le choix de sélectionner les éléments pertinents en fonction de leurs besoins et de leur maturité en matière d’IA. L’environnement étant multimodal, tout type de données, des données de capteurs aux séries chronologiques, aux catalogues/collections de données hétérogènes, y compris les sources transversales, les données textuelles, mais aussi les images et le son, peuvent être traitées.
En travaillant d’une manière neutre vis-à-vis du marché, le LIST répond aux exigences spécifiques de souveraineté numérique et d’autonomie stratégique des entreprises privées et de certains secteurs tels que l’administration publique, les infrastructures critiques (énergie, transport, télécommunications), les soins de santé et la défense.
Écouter le podcast en cliquant .