Actualités - Mardi 31 octobre

Chez Insign, on pense que la technologie peut être fortement créatrice de valeur et proposer un retour sur investissement considérable, pour peut qu'on l'utilise correctement.

L'IA générative, c'est la nouvelle bombe technologique qui tient le haut de l'affiche depuis plus d'un an : depuis le lancement de ChatGPT par OpenAI (une version grand public, accessible et ergonomique du LLM éponyme).

Nous recueillons donc beaucoup d'interrogations de la part de nos clients (grands groupes, ETI en B2B ou en B2C) sur le sujet. Comment y aller ? Pour en faire quoi ? Quel ROI ? Qui impliquer dans l'entreprise ? Quels garde-fous ?... Et nous avons dores et déjà lancé des projets concrets avec certains d'entre eux : Atelier Parfum, Euryale...

Ce que nous avons appris concrètement “en faisant", nous avons souhaité le confronter aux usages du marché. C'est pourquoi nous avons lancé une étude sur l'IA en entreprise. Nous avons présenté nos conclusions lors de 2 tables rondes dans lesquelles nous avons fait intervenir 3 clients experts du sujet pour donner leur point de vue : Nicolas Pastorino d'Interflora, Gilles Franckhauser d'ADA et Arnaud Bénicourt de Cegos.

 

 

47 cas d’usages ont été passés au crible : grands groupes, ETI, en France et à l'international, tous les types de technologies IA (GPT, Dall-E, Bard, Claude, Midjourney..).

Ce qui l'en ressort : des usages qui tournent autour de cinq objectifs principaux.

Nos conclusions : les conditions de la réussite d’un projet IA

• Une question précise à laquelle elle doit répondre ou contribuer
• Un marché de référence avec des comparables
• Un volume de data accessible conséquent
• Une capacité à produire une recommandation (corrélations / divergences / anomalies)
• Et à la matérialiser (sémantique / visuelle)

 

 

 

 

5 best practices à court terme pour vos projets IA

1 Commencer par tester et itérer avec les personnes motivées sur des use-cases simples et évidents
Action 1 : Déterminer les zones, métiers, irritants pour lesquels l’IA apporte des gains

2 Contrôler et maîtriser la phase d’apprentissage (référentiel de Data / interactions) pour éviter les préjugés, hallucinations…
Action 2 : Mettre en place une gouvernance (communication interne, éthique, périmètre, rôles et responsabilités)

3 Rester en phase “prototype” le temps qu’il faut pour l’apprentissage et l’amélioration du modèle. Attention aux attentes trop forte dès le début
Action 3 : Déterminer le ROI quantitatif et qualitatif à obtenir pour planifier les investissements CAPEX/OPEX

4 Etre clair auprès des utilisateurs sur le fait qu’ils interagissent avec une machine
Action 4 : Communiquer sur votre démarche IA, en interne et à l’externe (manifeste, charte, engagements, usages, exemples, questions - réponses, …)

5 S’assurer qu’aucune donnée sensible ne soit en interaction 
Action 5 : Cultiver sa donnée ; l’identifier, la connaître, la filtrer, la surveiller.

 

Comment pouvons-nous vous accompagner ?