HP, expert en IA : « Ils disent que l'IA est l'avenir, mais l'IA, c'est maintenant »

Les entreprises qui se lancent aujourd’hui dans le domaine de l’IA avanceront probablement plus vite que celles qui ne s’intéressent pas à cette technologie. C’est l’avis de Cihangir Kocak, expert en IA chez HP. « Au pire, une organisation ne pourra pas se maintenir au niveau de ses concurrents qui auront réussi à adopter l’IA. C’est pourquoi il ne faut pas attendre, mais agir. Beaucoup de gens disent que l’IA appartient à l’avenir, mais l’IA, c’est maintenant. »

Trois types d’IA

Kocak distingue trois types d’IA pour bien comprendre les possibilités qu’elle offre :

Artificial Narrow Intelligence (ANI) L’ANI exécute très bien des tâches spécifiques, mais ne va pas plus loin. L’ingénierie est incapable de penser en dehors de sa propre spécialisation.
Artificial General Intelligence (AGI) Cette forme d’IA peut fonctionner au même niveau que l’intelligence humaine. Elle peut effectuer des tâches très diverses et apprendre de ses expériences de la même manière que les humains.
Artificial Super Intelligence (ASI) L’ASI est largement plus intelligent que l’esprit humain le plus intelligent dans tous les domaines, y compris la créativité, les compétences sociales et la compréhension scientifique.

Selon Kocak, on en est encore au premier niveau. « Toutefois, les développements actuels dans le domaine de l’IA générative commencent à rapprocher l’intelligence artificielle générale (AGI) ». « L’Artificial Super Intelligence est encore dans le futur », explique Kocak. La technologie ne permet pas encore d’aller si loin.

Trois scénarios auxquels l’IA est appliquée

Outre les types d’IA existants, Kocak explique les trois scénarios dans lesquels l’IA est appliquée :

Construire des systèmes Dans ce scénario, on expérimente avec l’IA, on développe des modèles d’IA, on écrit des algorithmes et on les implémente dans les systèmes informatiques de l’organisation. Les rôles sont ceux de scientifiques des données, d’ingénieurs en apprentissage automatique et d’ingénieurs des données.
Ajouter à une application On distingue ici les utilisateurs qui sont très conscients des avantages de l’IA dans une application et ceux pour qui l’IA n’est pas une priorité. Kocak : « Il y a toutes sortes d’utilisateurs qui reconnaissent que l’utilisation de l’IA dans leurs applications leur permet de faire leur travail mieux, plus rapidement ou plus efficacement. Pensez aux monteurs vidéo, aux développeurs de jeux, aux concepteurs 3D, à tous les rôles qui utilisent une application dans laquelle l’IA est présente. Les utilisateurs qui n’y pensent pas bénéficient de l’IA sans s’en rendre compte. L’autre jour, j’avais une réunion avec un collègue qui était dans le train. Et je n’ai rien remarqué. Il n’y avait aucun bruit de fond. C’est grâce à la technologie de l’IA dans nos produits Poly que cela est possible. »
L’informatique de périphérie Dans ce scénario, l’IA est appliquée pour traiter les données directement sur place. Elles sont utilisées pour fournir des informations en temps réel et potentiellement les intégrer directement. Les stations de travail utilisées à cette fin se trouvent littéralement à la périphérie du réseau, d’où le nom d’informatique périphérique (« edge computing »).

Les entreprises qui souhaitent utiliser l’IA

Outre les entreprises qui travaillent déjà avec l’IA, Kocak distingue un autre groupe, à savoir les entreprises qui aimeraient utiliser l’IA. « En effet, toutes les entreprises ne disposent pas d’une équipe de science des données ou d’un ingénieur en apprentissage automatique. Nous les aidons donc principalement en examinant leur activité. Quelles sont les activités ? Quels sont les défis ? Est-ce que l’IA est le meilleur moyen de les résoudre ? »

Pas pour tout type de problème

Kocak est convaincu que chaque organisation devrait chercher à savoir comment elle peut faire les choses mieux et plus efficacement avec l’IA. « Pourtant, l’IA n’est pas la solution à tous les problèmes. C’est pour cette raison que je pose les questions ci-dessus pour déterminer si l’IA contribue à la solution prévue. »

Une valeur ajoutée professionnelle

En effet, il arrive aussi que l’IA soit utilisée, mais pas de la bonne manière. Il faut qu’il y ait une valeur ajoutée claire pour les activités commerciales.

Hypothèse : vous faites une demande de prêt hypothécaire. Le prêteur hypothécaire utilise un algorithme pour déterminer si vous recevrez ce prêt ou non. C’est une décision compliquée impliquant de nombreuses variables, pour laquelle la technologie peut jouer un rôle essentiel. Mais supposons que l’algorithme conclue que vous n’obtenez pas le prêt hypothécaire ? Vous voulez bien sûr savoir pourquoi. Si le prêteur hypothécaire ne peut pas l’expliquer, le travail de calcul préalable à la décision est éliminé, mais le résultat final pour l’entreprise laisse à désirer. Il faut donc un algorithme qui rende la décision compréhensible.

Les bonnes données

Pour commencer à intégrer l’IA dans une organisation, il faut suivre quelques étapes. Elles varient d’une organisation à l’autre et dépendent de la maturité de l’organisation dans ce domaine. « Une question essentielle à se poser dès le départ est la suivante : dispose-t-on des bonnes données ? Où se trouvent les données ? Sont-elles accessibles ou se trouvent-elles dans des silos ? À défaut de données, la première étape est de mettre en place un processus pour collecter correctement les données et de l’affiner. »

Le cloud d’abord

Ensuite, une autre discussion intéressante surgit, à savoir où vont les données et où elles sont traitées. « Beaucoup de gens ont une mentalité de « cloud d’abord ». Peut-on le faire dans le cloud ? Alors, nous le ferons dans le cloud. C’est bien possible, mais je recommande de toujours regarder la vue d’ensemble, et analyser ce qui se passe exactement. À quoi ressemble l’infrastructure ? Est-ce la solution idéale pour mon organisation ? Souvent, on constate qu’une forme hybride est la solution optimale. »

Pas tout dans le cloud

Il y a plusieurs raisons de ne pas tout faire dans le cloud. Si on a besoin d’une grande puissance de calcul, le coût du cloud risque de monter en flèche. Si on l’utilise régulièrement, le prix augmente rapidement. Alors, une station de travail est aussi une solution. En fonction de son utilisation, le coût peut très vite être rentabilisé. Cette puissance de calcul est constamment à portée de main. Nous constatons chez nos clients que cela leur permet de travailler et d’analyser plus rapidement. La productivité augmente et, avec elle, le « time to market ».

Retard indésirable

Une autre raison est la latence, c’est-à-dire un retard indésirable dans le processus. Supposons une usine où les produits sortent de la chaîne de montage. Ces produits sont constamment contrôlés de manière automatique afin d’éliminer les produits défectueux. Pour cela, des données provenant de différentes sources, telles que des données de capteurs ou des images de caméras, sont combinées et analysées. En envoyant toutes ces informations d’abord dans le cloud, puis sur le site, on perd tellement de temps que le produit défectueux a disparu depuis longtemps. Il vaut donc mieux d’analyser ces données sur place et les appliquer immédiatement.

Modèle hybride

« De plus, la transmission constante de grandes quantités de données exige énormément de la connexion internet. En revanche, il est souvent judicieux d’envoyer une sélection des données traitées sur place dans le cloud, pour les stocker dans le lac de données, ou les combiner avec d’autres données et les analyser à nouveau. Ce modèle hybride peut être source d’économies de temps et d’argent. »

C’est pourquoi Kocak pose toujours des questions telles que : Que fait-on exactement ? Quel est l’objectif ? Quelle est la solution ? Comment l’infrastructure est-elle mise en place ? Il précise qu’il y a toujours un moment où les organisations cessent de tout faire dans le cloud.

Une technologie qui simplifie le travail

HP propose plusieurs solutions qui utilisent l’IA, ainsi que des solutions qui simplifient le travail des spécialistes tels que les scientifiques des données (« Data Scientists »). « Le Data Science Stack Manager en est un bon exemple. Les data scientists travaillent avec de nombreux logiciels, souvent open source. Le téléchargement, l’installation et l’intégration des logiciels les uns aux autres prennent beaucoup de temps. Et s’il y a une mise à jour, l’intégration échoue souvent et il faut tout recommencer. » Le Data Science Stack Manager installe, intègre et gère les logiciels open source, économisant ainsi du temps et permettant des mises à jour sans perte d’intégration.

Plate-forme de coopération

Parallèlement, HP s’est associé à NVIDIA le Z by HP AI Studio, une plateforme qui permet aux groupes de projet de travailler ensemble. Kocak : « Elle garantit que les membres de l’équipe ont les bonnes autorisations et utilisent les mêmes pilotes et versions de logiciels. Cette plateforme dispose également d’une interface efficace qui permet aux utilisateurs de travailler sur un seul écran, au lieu de plusieurs écrans ouverts. L’un des grands avantages est que vous n’êtes pas limité à une seule plateforme. Il est possible d’intégrer des données provenant de toutes sortes de sources différentes, par exemple des clouds de différents fournisseurs, mais aussi des sources de données sur site. »

Avec ses logiciels, son matériel et son expertise, HP réunit toutes les facettes nécessaires pour que l’IA soit un succès pour votre organisation.