Utiliser l’IA dans votre entreprise (semaine 3)
Après avoir compris ce qu’est l’IA et comment développer des projets IA en entraînant des modèles de Machine Learning (et de Deep Learning en particulier), la semaine 3 du dernier cours d’Andrew Ng (AI for everyone) vous explique les étapes à suivre pour commencer à utiliser l’IA dans votre entreprise (ainsi que dans une association ou un organisme public) afin de la transformer en une entreprise IA.
Cet article fait partie de la série “Deep Learning in Practice” (à lire également les versions en anglais et portugais).
Liste des articles “IA pour tous”
- IA pour tous (semaine 1)
- Développer un projet IA (semaine 2)
- Utiliser l’IA dans votre entreprise (semaine 3)
- IA et société (semaine 4)
Introduction
A présent que vous avez une connaissance générale de l’IA grâce à la semaine 1 du dernier cours d’Andrew Ng (AI for everyone) et que vous savez comment entraîner un modèle de Machine Learning grâce à la semaine 2, vous pouvez commencer à utiliser l’IA dans votre entreprise afin de la transformer en une entreprise IA!
En se basant sur le contenu de son AI Transformation PlayBook, Andrew Ng nous enseigne dans cette semaine 3 comment mettre en place sa propre stratégie de mutation vers l’IA.
Le contenu de ce MOOC est gratuit et en voici selon nous les éléments clés de la semaine 3.
Crédit: toutes les images de cet article proviennent du MOOC d’Andrew Ng, AI for everyone.
Conseils pour un formateur
Le contenu de cette semaine 3 contient tous les éléments essentiels pour développer l’IA dans un organisme (association, organisme public, entreprise). Comme les principes et méthodes sont indépendants de la nature de l’organisme, nous utiliserons le terme entreprise dans cet article.
Le formateur doit présenter le contenu du cours de manière Top-Down en commençant par des études de cas très concrets comme le développement d’un modèle IA pour une enceinte intelligente qui peut réagir à une phrase comme “Hey device, tell me a joke”. Cette méthode d’enseignement aidera les participants (surtout celles et ceux qui n’ont pas de connaissance technique) à s’intéresser au contenu du cours.
Points-clés de la semaine 3
. Etude de cas: une enceinte intelligente . Etude de cas: voitures autonomes . Les différentes fonctions dans une équipe IA . AI Transformation Playbook . Les pièges à éviter . Comment débuter votre apprentissage de l’IA
Etude de cas: une enceinte intelligente
Les activités en entreprise sont souvent complexes. Un exemple de projet IA complexe est le développement d’un modèle IA pour une enceinte intelligente qui peut réagir à une phrase comme “Hey device, tell me a joke”.
En effet, il y a 4 processus uniques qui composent cette action et donc autant de modèles IA ou software à utiliser. Cet ensemble de processus s’appelle le “AI pipeline” et généralement, il y a une équipe IA par processus.
Le “AI pipeline” est encore plus complexe (ie, plus de processus uniques), si l’action a réaliser au final peut varier en fonction de ce que dit l’utilisateur comme donner une durée. Il faut alors entraîner un modèle IA supplémentaire à reconnaître cette durée.
Le slide suivant résume les 4 processus principaux de cet exemple ainsi que les nombreuses commandes pour chacune desquelles il faut entraîner des modèles IA différents.
Etude de cas: voitures autonomes
Il y a 3 étapes principales pour qu’un véhicule autonome décide de sa route et de sa vitesse mais il y a de très nombreux autres processus de localisation qui sont nécessaires à la décision.
La plupart sont basés sur l’entraînement d’un modèle IA qui permettent de détecter les autres voitures, les piétons, les lignes de la route, les panneaux de code de la route, les travaux en cours, les feux de signalisation, etc. L’ensemble de ces données de localisation permettra alors à un software “Motion planning” de décider de la route et de la vitesse du véhicule.
Les différentes fonctions dans une équipe IA
Pour les projets IA complexes, il peut avoir 100 personne ou plus dans l’équipe IA car chaque modèle IA peut demander un groupe dédié de personnes. Voici les fonctions principales d’une telle équipe:
- Software Engineer: 50% ou plus de l’équipe, en charge de développer les softwares.
- ML Engineer: responsable pour créer et entraîner les modèles ML.
- ML Researcher: l’état de l’art évolue très vite dans le ML. Le MLR est en charge de suivre cette évolution, de faire de la recherche et éventuellement de publier les résultats de sa recherche.
- Applied ML Scientist: c’est une fonction intermédiaire entre les 2 autres; le AMS va être en charge d’adapter des modèles déjà publiés aux projets spécifiques de son entreprise.
En plus de ces 4 fonctions, une équipe IA peut avoir besoin des spécialistes suivants: Data Scientist, Data Engineer et AI Product Manager.
Cependant, peu d’entreprises peuvent commencer avec une équipe IA aussi complète. Le slide suivant propose de commencer avec une équipe réduite jusqu’à 1 personne qui début en ML/DL avec des cours en ligne par exemple (l’important en IA est de commencer un projet sans attendre d’avoir un environnement idéal!):
AI Transformation Playbook
Comme responsable de Google Brain et du département IA de Baidu, Andrew Ng a acquis une expérience sur comment transformer une entreprise par l’IA. Afin de partager sa connaissance sur ce sujet, il a publié en ligne le AI Transformation PlayBook en ligne permettant à tout organisme de réfléchir à sa propre stratégie de mutation vers l’IA et de la mettre en place en 5 étapes:
1. Réalisez des projets pilotes pour acquérir de l’expérience 2. Créez une équipe IA en interne 3. Formez en IA l’ensemble de l’entreprise 4. Développez une stratégie IA 5. Communiquez sur vos projets IA en externe mais aussi en interne
1. Réalisez des projets pilotes pour acquérir de l’expérience
Andrew Ng chez Google avait préféré commencer par appliquer le Deep Learning dans les projets de Google Speech puis dans ceux de Google Maps avant d’intéresser le département Google Online Adverstising qui est clairement le plus important chez Google (ie, celui qui amène le plus de revenus et sur lequel Google s’est développé).
Cette stratégie permet de minimiser les risques d’échec d’introduction de l’IA dans une entreprise en permettant de gagner de l’expérience sur des projets non prioritaires, avec un retour rapide (6 à 12 mois maximum de projet) et avec une une équipe IA en interne ou non selon les possibilités de l’entreprise.
En choisissant des projets pilotes à fort chance de succès, vous pourrez alors convaincre ensuite le reste de l’entreprise d’utiliser l’IA, en particulier sur des projets avec un fort intérêt pour l’entreprise.
2. Créez une équipe IA en interne
Andrew Ng recommande de créer une Unité IA au même niveau hiérarchique que les BUs (Business Unit) et d’agir comme prestataire pour chaque BU. En effet, il sera difficile pour chaque BU d’avoir en son sein une compétence IA.
De plus, cette Unité IA peut ainsi développer une plateforme IA commune aux BUs qui permettra de partager plus facilement les modèles et les données nécessaires à l’entraînement des modèles ML/DL.
Cette Unité IA peut être sous la direction d’un CTO (Chief Technical Officer), CIO (Chief Internet Officer), CDO (Chief Data Officer) ou même d’un CAIO (Chief AI Officer) qui est un poste de plus en plus créé dans les entreprises.
Enfin, Andrew Ng recommande que cette Unité IA soit initialement financée par le CEO de l’entreprise avant d’agir comme un centre de ressources (ie, vente de ses services aux BUs) afin de faciliter sa mise en place.
3. Formez en IA l’ensemble de l’entreprise
Former les équipes techniques de l’entreprise à l’IA est nécessaire (environ 100h) mais pas suffisant. Il est nécessaire de former l’ensemble de l’entreprise avec des contenus adaptés à leurs fonctions (prévoir une sensibilisation à l’IA d’environ 4h pour l’équipe dirigeante et d’environ 12h pour les responsables de départements).
Important: avant de développer vos propres contenus, le CLO (Chief Learning Officer) doit étudier avec des experts IA les nombreuses ressources en ligne dont les MOOCs et inciter les employés à les étudier.
4. Développez une stratégie IA
Andrew Ng préfère placer cette étape en position 4 car selon son expérience, l’entreprise dont en particulier l’équipe dirigeante doit gagner de l’expérience sur les spécificités de l’IA avant de définir sa propre stratégie (par exemple: l’entreprise doit-elle acheter des données?, créer des services gratuits générateurs de données?, etc.).
Il propose de définir sa stratégie d’entreprise sur la base du “Virtuous Cycle of AI”. Il s’agit en fait de commencer avec une première version d’un produit pour acquérir des utilisateurs et donc des données qui vont permettre d’améliorer le produit et créer ainsi une boucle vertueuse. Bien sûr, ce produit doit correspondre à une des activités clés de l’entreprise, de préférence une niche pour éviter de se retrouver en compétition avec des grandes entreprises de son secteur ou même avec les géants du Web (Andrew Ng prend l’exemple de BlueRiver Technology qui a été achetée 300 millions de dollars après avoir développé un modèle ML détectant les mauvaises herbes, ce qui permet de les tuer sans asperger toute la plantation de produits chimiques: l’équipe de BlueRiver Technology avait commencé en prenant des photos des mauvaises herbes avec leur smartphone…).
Quand on parle IA, l’acquisition de données (ainsi que son stockage dans une plateforme unifiée) est un objectif stratégique pour une entreprise qui veut utiliser l’IA. Il faut également selon Andrew Ng réfléchir à positionner son activité sur un réseau/plateforme en ligne. En effet, cela permettra de générer beaucoup de données spécifiques à votre activité et l’utilisation de modèles de IA permettra d’amplifier encore plus la valeur de ces données pour votre entreprise (exemples des entreprises comme Uber et Facebook).
Bien sûr, votre stratégie IA doit correspondre (du moins au début) aux objectifs de votre entreprise. Si par exemple, un de ses objectifs prioritaires est la réduction des coûts, il faut utiliser l’IA pour atteindre cet objectif.
5. Communiquez sur vos projets IA en externe mais aussi en interne
Si votre entreprise utilise l’IA, vous devez communiquer en externe vers vos investisseurs, vos partenaires, vos clients et même vers les autorités publiques, en particulier si vous travaillez dans un secteur régulé. Cette communication garantira la valorisation de votre entreprise, profitera à son image et attirera de nouveaux talents. N’oubliez pas de communiquez aussi en interne afin de rassurer vos employés sur votre stratégie IA et aussi pour les associer à celle-ci.
Les pièges à éviter
Andrew Ng nous informe sur 5 pièges à éviter quand une entreprise commence à utiliser l’IA mais le conseil numéro 1 est : commencer un premier projet sans attendre, ce qui vous permettra de gagner de l’expérience qui vous sera utile pour le second projet et ainsi de suite.
Comment débuter votre apprentissage de l’IA
L’important est de commencer et la quantité de ressources en lignes sur l’IA, le ML et le DL permet de le faire sans délai et sans attendre de recruter un spécialiste en IA. Andrew Ng complète ce conseil avec la liste suivante:
A propos de l’auteur: Pierre Guillou est consultant en intelligence artificielle au Brésil et en France. Merci de le contacter via son profil Linkedin.
