La flexibilité, la qualité des données et les perspectives globales du marché sont les clés du succès des projets concernant l'IA. Christian Uhl, CEO d’EnthusKI, en est convaincu. Uhl, dans un entretien donné à IT-Business, explique comment les prestataires de services peuvent être rentables en Allemagne grâce à l’utilisation de l’IA. Pour Uhl, la question devrait être la suivante : Où peuvent-ils être rentables ? Et la réponse est : là où le profit est généré pour leurs clients. Parler de conseil, d’infrastructure, de développement ou de modèles d’affaires est en fait secondaire, car cela dépend du business case spécifique des clients. Cela signifie qu’EnthusKI doit être suffisamment flexible pour tous ces modèles de création de valeur. Selon Uhl, l’IA ne doit pas être considérée de manière isolée ou réduite à l’IA générative. En fait, le succès des projets d’IA se joue généralement sur la qualité des données, notamment en se posant la question de quelles données peuvent être traitées par quels modèles, et sous quelle forme. À partir de là, se pose la question du choix des bons outils de développement d’applications spécifiques au client. Ce n’est qu’ensuite que l’on peut parler de l’infrastructure informatique pour l’exploitation. Par exemple, il y a des premiers projets dans le domaine de l’infrastructure, lorsque les clients sont déjà bien avancés et ont développé des compétences significatives en interne. Mais pour beaucoup, ce n’est pas le cas. C’est là qu’EnthusKI intervient; souvent dans le domaine du conseil en matière d’intelligence artificielle, de gestion des données et de protection des données. Très souvent, les clients se trouvent encore dans une phase exploratoire très précoce. D’ailleurs, l’IA générative n’est généralement au centre qu’au début, mais devient ensuite de plus en plus un accessoire. La véritable magie réside dans les données, alors on utilise plutôt le Machine Learning ou la Recognition.

Nous allons maintenant voir comment Stefan Tübinger, CTO chez Concat, prestataire de services, met en œuvre l’automatisation, la sécurité et l’analyse des données par une IA dans des projets concrets. Tout d’abord, Tübinger constate qu’aujourd’hui le besoin de soutien de l’IA est nécessaire dans tous les secteurs, notamment dans l’automatisation de l’assistance informatique à l’aide de chatbots, les solutions de sécurité basées sur l’IA pour la détection et la défense contre les cyberattaques et l’analyse de grandes quantités de données pour l’amélioration des processus. Alors, comment identifier le cas d’utilisation et le modèle IA qui correspond ? Tübinger propose des ateliers au cours desquels Concat identifie des cas d’utilisation. Ponctuellement, ils travaillent aussi avec des partenaires expérimentés. Mais il arrive aussi qu’un client s’adresse à eux de manière ciblée avec un cas d’utilisation déjà choisi. Le choix des modèles d’IA appropriés dépend alors du cas d’application. Les modèles d’application intéressants sont notamment l’IA générative, le Machine Learning ou les Large Language Models. Mais l’équipe d’experts de Concat s’occupe également d’autres modèles comme l’Autoencoder, l’Isolation Forest et d’autres. Ceux-ci sont par exemple utiles pour l’analyse des données de réseau afin d’identifier les nouvelles menaces avant qu’elles ne puissent causer des dommages. En ce qui concerne le concret, le prestataire de services soutient le client dans toutes les phases de la mise en œuvre d’un projet d’IA : du consulting à la mise en place de l’infrastructure appropriée jusqu’au « go live ». Cela comprend également l’adaptation ou le développement de modèles d’IA. Le déroulement d’un projet dépend du cas d’application et de sa complexité. Par exemple, Concat réalise actuellement un projet d’IA pour une entreprise de services internationale comptant 3 500 collaborateurs. À l’aide d’Azure OpenAI et du modèle GPT-4, qui est également utilisé dans ChatGPT, ils ont développé une solution d’IA qui accepte et traite automatiquement les tickets d’assistance dans le cadre d’un First-Level-Support. La solution est optimisée en permanence à l’aide des données existantes afin d’améliorer l’efficacité du support pour les utilisateurs.

Source : IT-business du 29/10/2024 et du 30/10/2024