Adaptée et robuste, l'IA est un partenaire pour l'avenir

Artefact est un bureau d'études spécialisé dans l'IA et data. Leader européen présent dans 23 pays avec une forte empreinte en France, il emploie 1700 personnes dont une grande partie d'ingénieurs. Artefact accompagne ses entreprises clientes dans leurs projets d'IA et de data, depuis les questions stratégiques comme data governance jusqu'au développement et au déploiement de modèles.

Nos équipes composées de scientifiques, d'ingénieurs logiciels et d'analystes data peuvent déployer un large éventail de techniques d'apprentissage automatique dans des cas appliqués. L'objectif : opérer sur l'ensemble de la chaîne de valeur afin que les clients puissent tirer pleinement parti de l'IA.

Artefact a également d'autres facettes, comme l'école de Data, qui se concentre sur la reconversion des professionnels, et l'organisation de grands événements en France comme AI for Health ou Adopt AI.

Le centre de recherche est dédié à la recherche open-source. Sa mission est d'améliorer l'IA dans les applications professionnelles afin de la rendre plus utilisable et mieux adaptée aux besoins. Nous visons à briser la perception de l'apprentissage automatique comme une boîte noire incontrôlable.

À cette fin, le centre est divisé en deux domaines d'expertise : les mathématiques appliquées, qui permettent d'améliorer les modèles d'un point de vue statistique, et les sciences de gestion, qui considèrent les entreprises et les organisations comme des objets d'étude. Nous examinons la manière dont elles adoptent les technologies et imaginons les améliorations possibles.

Avant tout, nous menons des recherches scientifiques sans but lucratif. Nos travaux donnent lieu à des publications scientifiques et à des conférences internationales. Contrairement à la consultance, qui évolue très rapidement, le centre de recherche fonctionne à plus long terme. Nous établissons des partenariats entre des experts universitaires et des entreprises qui sont confrontées à des problèmes concrets. Cette corrélation nous permet d'aborder des cas d'utilisation concrets en accédant aux bases data des entreprises partenaires. L'objectif est de tester et d'améliorer nos méthodologies sur ces problèmes réels à grande échelle.

Le commerce de détail est un secteur à forte intensité de data, notamment à travers les tickets de caisse. En s'adaptant à cette structure, artificial intelligence peut “décoder” le ticket, puisque chaque produit listé peut être vu comme un mot, relié à d'autres.

Cela nous permet de prévoir les habitudes des consommateurs et d'adapter les magasins en conséquence. Nous pouvons saisir les interactions entre les produits pour, par exemple, présenter des produits complémentaires ensemble ou éviter la “cannibalisation” entre les produits ou les promotions. Nous sommes convaincus que cette utilisation de data est l'avenir du commerce de détail. L'IA ne remplacera jamais l'expérience et le savoir-faire d'un chef de rayon ou d'un partenaire commercial, mais elle peut les rendre encore plus efficaces en leur apportant des informations précieuses issues de data.

Encore une fois, Artefact n'a pas vocation à remplacer les analystes financiers, qui disposent d'une excellente expertise dans le domaine. Cependant, ils ne peuvent pas détecter tous les clients vulnérables ou les fraudeurs. Grâce à des modèles de notation formés sur l'historique de data, nous pouvons repérer les profils de clients inhabituels et anticiper les événements négatifs avant qu'ils ne deviennent de véritables problèmes. Comme les analystes doivent justifier leurs décisions, ce qui est une exigence réglementaire, nous nous efforçons de mettre au point des systèmes de notation qui sont explicables et offrent des raisons interprétables pour les profils à haut risque.

Absolument. J'utilise souvent l'exemple de Google. Lorsque vous effectuez une recherche en ligne, une analyse est effectuée. L'apprentissage automatique interroge des trillions de pages web, ce qui est impossible sans l'automatisation. Le temps gagné par l'algorithme représente tout le travail de fond que les humains n'ont plus à faire. L'IA fonctionne de la même manière. Au final, c'est toujours l'humain qui choisit d'adopter, ou non, le résultat et de lui donner un sens. Cela a commencé avec les recherches dans les livres, s'est poursuivi avec l'essor de l'internet et de Wikipédia, et continue aujourd'hui avec les technologies actuelles. Et ce n'est pas près de s'arrêter.

Il y a eu un tournant, en particulier avec ChatGPT, dans la manière dont le public adopte les nouvelles technologies. Pour la première fois, nous avons vu quelque chose se mettre en place à partir de la base : les employés ont commencé à trouver de bonnes façons d'utiliser ChatGPT comme un outil utile dans leur travail. Du point de vue de Artefact, la question clé est d'encadrer ces technologies dans des cas d'utilisation spécifiques. Plutôt que d'utiliser un outil polyvalent pour tout, l'objectif est de créer des applications robustes pour des tâches précises.

À l'heure actuelle, ces modèles manquent de robustesse, ils extraient des informations de leur mémoire d'une manière que nous ne comprenons pas entièrement, ce qui risque de produire des résultats inappropriés, voire absurdes. Nous travaillons, par exemple, sur un indice de confiance simple mais fiable à afficher aux utilisateurs. L'objectif est à la fois d'éviter les informations trompeuses et d'encourager un esprit critique à l'égard des réponses du modèle.