Notre équipe d’experts s’est donnée rendez-vous au Data & AI Leaders Summit 2023 qui a eu lieu les 15 & 16 novembre 2023 à Paris, Porte de Versailles.
Ce nouveau rendez-vous incontournable de la Data et de l’IA, proposé par Big Data & AI World, a été mis en place en réponse aux besoins croissants du secteur, avec une pléthore de conférences notamment axés sur l’IA Générative.
Retrouvez les tendances et les temps forts de cet événement grâce au compte-rendu de nos experts :
L’Intelligence Artificielle générative chez Club Med : Stratégie, Ethique et Trajectoire
Speakers
● Siddhartha Chatterjee, Global Chief Data Officer – Club Med
Synopsis
Club Med, pionnier des séjours de luxe dans 26 pays, a toujours privilégié le bien-être de ses clients et collaborateurs. Dans cette lignée, Club Med initie sa stratégie Club Med AIGC (Artificiel Intelligence Generative Content), mettant l’Intelligence Artificielle au service de l’excellence et de l’éthique. Nous employons l’IA pour :
● Maximiser la valeur de la relation client sur toute sa durée.
● Rendre les données accessibles à tous nos collaborateurs, simplifiant ainsi leur quotidien.
● Propulser des innovations de pointe pour une compétitivité accrue.
Pour concrétiser cette vision :
● Une approche ascendante qui adresse directement les points douloureux.
● Une charte éthique garantissant le respect et la protection des données.
● Un équilibre entre vision à court terme et ambitions à long terme.
Vers une IA industrielle, de confiance et responsable
Speakers
● Richard Eudes, Managing director – Deloitte
● Emilie Sirvent-Hien, Responsable programme IA éthique et responsable – Orande
● Nicolas Marescaux, Directeur adjoint Responsable Besoins Sociétaires et Innovation – Macif
● Emeric Tonnelier, Tech Lead Squad IA Analytics – Crédit Agricole SA
● Matthieu Capron, Responsable Design Authoruty IA – Crédit Agricole SA
● Roxana Rugina Friess, Secrétaire Générale – Impact AI
Synopsis
Plusieurs entreprises se sont engagées dans une démarche d’adoption de pratiques pour une IA de confiance et responsable. Certaines se sont même engagées de manière volontaire pour une certification et labellisation de leurs processus de fabrication et d’exploitation des solutions IA.
Un des objectifs étant de démontrer qu’il est possible de continuer à créer des solutions innovantes exploitant les dernière technologies IA, tout en respectant des normes exigeantes, et garantissant une maitrise collective de cette technologie.
A travers cette table ronde, les intervenants partageront leurs démarches et retours d’expérience pour une IA industrielle, de confiance et responsable
Panorama des solutions de déploiement de modèles d’IA générative en entreprise
Speakers
● Hervé Mignot, Chief AI Officer & Partner en charge de la Data Science Equancy European Digital Group
Synopsis
Dans cette présentation, l’intervenant a proposé un panorama des solutions visant à intégrer l’intelligence artificielle générative en entreprise de manière sécurisée. Plutôt que d’utiliser ChatGPT, qui stocke les données sur ses serveurs, des modèles propriétaires sont suggérés sur des plateformes de cloud telles qu’Azure + GPT-4, GCP + Palm2, etc. De plus, il existe des modèles open source comme LLaMA (Meta), qui peuvent être déployés sur GCP Model Garden.(https://cloud.google.com/model-garden?hl=fr).
Résumé
Plusieurs entreprises ont annoncé ou mis en place des chats génératifs :
● Arkéa – Crédit Mutuel ( Open Source), Laurent Jurrius, Directeur Pôle Innovation et Opérations. Le LLM d’Arkéa, qui est open source, est capable de générer des textes et des images cohérentes grâce au deep learning
● AXA (”Axa secure GPT” basé sur le service Azure Open AI de Microsoft), Alexander Vollert, Directeur général axa group operations. Il est utilisé pour générer, résumer, traduire et corriger des textes, des images et des codes pour leurs employé
● Nestlé (”NesGPT”), Frédéric Loriaux, Chief Data Officer chez Nestlé France. C’est la solution interne ChatGPT de Nestlé pour les employés.
● Veolia (”Veolia Secure GPT” basé sur Azure OpenAI de Microsoft et Google Cloud Platform). Cette technologie promet d’équiper les collaborateurs avec un outil sécurisé permettant d’optimiser les processus de rédaction, de traduction, de recherche et de synthèse d’informations, offrant ainsi des avantages considérables en termes d’efficacité et de sécurité des données au sein du Groupe.
Innover avec l’IA générative : Comment collaborer avec une IA conversationnelle pour obtenir les meilleurs résultats ?
Speakers
● Olivier Mamavi, Directeur des données – Management & Datascience
● Ronald Mounien, Responsable Systèmes d’informations – ManoMano
● Mohamed Lemine Beydia, Head of Data Analytics & BI – M7 Group (Group Canal+)
● Arnaud Guilhabert, Directeur – Data & AI – Deloitte
Synopsis
Les intervenants ont abordé les usages et les applications des agents conversationnels en entreprise. Chez Manomano, le compte rendu de la conversation téléphonique entre l’agent et le client est généré à l’aide de l’IA générative. De plus, le modèle évalue la conversation comme positive ou négative et propose des suggestions pour améliorer le service. Pour Mohamed Lemine Beydia, il est crucial de savoir déployer des modèles open source en raison de contraintes budgétaires et de sécurité. Pour Arnaud Guilhabert il est crucial de mener une étude de faisabilité de l’IA générative en avant-projet.
Challenge IA : les meilleures pratiques de prompt engineering
Speakers
● Olivier Mamavi, Directeur des données – Management & Datascience
● Henri Laude, Chief Data Scientist – Advanced Research Partners
Synopsis
Olivier Mamavi a posé les questions suivantes : Comment pouvons-nous garantir la fiabilité des informations extraites par l’IA génératives? Comment détecter un contenu généré par les machines? Et peut-on vraiment exploiter les IA génératives pour exécuter des tâches compliquées? La solution apporté par Advanced Research Partners et Henri Laude à l’ensemble de ces questions est le prompt engineering. Il permet de formuler des instructions ou des consignes spécifiques pour guider la génération de texte, d’images, ou de tout autre type de contenu à l’aide de l’IA.
Comment Aramis Group tire parti de l’IA générative pour créer de la valeur pour ses clients et soutenir la croissance de l’entreprise
Speakers
● Anne-Claire Baschet, Chief Product & Data Officer – Aramis Group
Synopsis
Les intervenants ont exposé les impacts et les opportunités de l’IA générative dans le contexte d’entreprise, en se concentrant sur des cas d’utilisation réels au sein du Groupe Aramis. Ils ont présenté leur approche « Data Product » pour générer de la valeur, soulignant comment cette technologie aide à résoudre les problèmes des clients et à économiser le temps des employés. Des exemples concrets ont été partagés pour illustrer l’efficacité de l’IA dans la réalisation de ces objectifs. En outre, des leçons importantes tirées de la mise en production de ces solutions ont été discutées, mettant en lumière les défis et les réussites de l’intégration de l’IA générative dans les opérations d’entreprise.
Résumé
● Efficacité décuplée : L’utilisation de l’IA générative chez Aramis Group a permis d’accélérer le développement de solutions de Data Science, rendant les processus jusqu’à dix fois plus rapides que les méthodes traditionnelles (ML + Dev).
● Approche Produit vs Projet : L’accent est mis sur la rapidité d’apprentissage, la résolution de problèmes concrets et la découverte de meilleures pratiques grâce à l’IA générative, contrairement à l’approche de projet traditionnelle axée sur le respect des délais et des budgets.
● Développement agile et économique : Avec les plateformes Low Code/No Code et les modèles d’IA générative, il est désormais possible de déployer rapidement des prototypes ou des produits complets avec moins de ressources. Cette synergie technologique offre la possibilité à un développeur Python de mettre en œuvre l’IA générative sans expertise préalable en Machine Learning et de construire des interfaces utilisateur de manière efficace.
● AramisAuto et l’IA Générative : AramisAuto tire parti de l’IA générative pour générer automatiquement des descriptions et des avis pour les véhicules sur son site web. Pendant la phase de finetuning du modèle, il a été essentiel de trouver l’équilibre approprié dans le ton des descriptions générées pour refléter avec justesse le message de la marque.
● Projet NLP accéléré : Un projet NLP, qui prend habituellement six mois à être réalisé, a été confié à une stagiaire et achevé en un mois. La rapidité de développement attribuable à l’IA générative a permis de consacrer plus de temps à l’immersion dans le métier, aboutissant à des solutions qui répondent mieux aux besoins et apportent plus de valeur.
Le MLOps est plus qu’une aventure humaine
Speakers
● Benoit Huyot, Lead Data Scientist – AXA France
● Karl-Eduard Berger, Senior Manager – Lead IA & Data Science – Deloitte
● Guillaume Chervet, Tech-Lead, Machine Learning Engineer, AXA France
Synopsis
L’IA va redéfinir les cartes des entreprises dans la couche de service. Vous voulez que vos projets d’IA soient livrés rapidement en production (bon time-to-market)? Soient peu onéreux à développer et à maintenir ? Si oui, les pratiques MLOps sont faites pour vous
Résumé
Machine Learning pitfalls to avoid:
1. Work in silos : instead, include all stakeholder at the beginning of the project, work together, be product oriented, write production code
2. Forget data are gold instead, assess data quality, quantity, accessibility, etc.
3. Use deep learning or LLMs everywhere : instead, always review models and use the right model
4. Send your notebooks to production : instead, write production-ready code, package deliverables
5. Do not monitor : instead, continuously monitor model performance, data drift, training and inference costs
6. Stay closed: instead, continuously improve models, stop when not used
En conclusion
L’évolution rapide de l’IA générative, illustrée par des entreprises comme Delos Intelligence, ouvre des horizons fascinants. Nous observons une tendance où même de petites entreprises naissent avec l’objectif spécifique d’accompagner les acteurs moins spécialisés dans le domaine de l’IA. Ce phénomène souligne un point crucial : l’accessibilité croissante de l’IA générative.
Ce qui est particulièrement remarquable, c’est que l’expertise technique approfondie n’est pas toujours nécessaire pour tirer parti de ces technologies. Des sociétés comme Delos Intelligence se concentrent sur le finetuning de l’API de GPT, une démarche qui, contrairement à la croyance populaire, n’est pas extrêmement technique. Cette simplification du processus ouvre des portes à de nombreuses entreprises qui, auparavant, auraient pu être intimidées par la complexité perçue de l’IA.
Dans cette optique, il me semble essentiel que notre entreprise envisage sérieusement de s’engager dans cette voie. Le potentiel commercial d’accompagner des petites et moyennes entreprises dans le développement de solutions personnalisées utilisant l’IA générative est immense. Ces solutions pourraient prendre la forme d’analyses de batchs pour extraire de la valeur de grands volumes de données existantes, ou de modèles d’IA intégrés à des interfaces utilisateurs développées rapidement via des outils de low code/no code.