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

Artefact un cabinet de conseil en ingénierie spécialisé dans l'intelligence artificielle et data. Leader européen présent dans 23 pays et fortement implanté en France, il emploie 1 700 personnes, dont une grande partie sont des ingénieurs. Artefact ses entreprises clientes dans leurs data liés à l'intelligence artificielle et data , couvrant des enjeux stratégiques tels que data jusqu'au développement et au déploiement de modèles.

Nos équipes, composées de data , d'ingénieurs logiciels et data , sont en mesure de mettre en œuvre un large éventail de techniques d'apprentissage automatique dans des cas concrets. L'objectif : intervenir à tous les niveaux de la chaîne de valeur afin que nos clients puissent tirer pleinement parti de l'IA.

Artefact présente Artefact d'autres facettes, telles que la School of Data, qui se consacre à la formation continue des professionnels, ainsi que l'organisation d'événements majeurs en France, comme « AI for Health » ou « Adopt AI ».

Ce research center consacre à la recherche open source. Sa mission consiste à améliorer l'intelligence artificielle dans les applications professionnelles afin de la rendre plus accessible et mieux adaptée aux besoins. Nous souhaitons mettre fin à l'idée reçue selon laquelle l'apprentissage automatique serait une « boîte noire » incontrôlable.

À cette fin, le centre s'articule autour de deux domaines d'expertise : les mathématiques appliquées, qui visent à améliorer les modèles d'un point de vue statistique ; et les sciences de gestion, qui étudient les entreprises et les organisations. Nous examinons la manière dont celles-ci adoptent les technologies et imaginons des améliorations possibles.

Avant tout, nous menons des recherches scientifiques sans but lucratif. Nos travaux débouchent sur des publications scientifiques et des conférences internationales. Contrairement au conseil, qui évolue très rapidement, le research center selon un horizon temporel plus long. Nous établissons des partenariats entre des experts universitaires et des entreprises qui nous soumettent des défis concrets. Cette collaboration nous permet d'aborder des cas d'utilisation concrets en accédant aux bases de données 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 data, notamment grâce aux tickets de caisse. En s'adaptant à cette structure, l'intelligence artificielle peut « décoder » le ticket, puisque chaque produit figurant sur celui-ci peut être considéré comme un mot, lié à d'autres.

Cela nous permet d'anticiper les habitudes des consommateurs et d'adapter nos magasins en conséquence. Nous pouvons analyser les interactions entre les produits afin, par exemple, de présenter ensemble des articles complémentaires ou d'éviter la « cannibalisation » entre les produits ou les promotions. Nous sommes convaincus que cette utilisation des data 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 data.

Une fois encore, Artefact cherche Artefact à se substituer aux analystes financiers, qui possèdent une excellente expertise dans leur domaine. Cependant, ceux-ci ne peuvent pas détecter tous les clients vulnérables ni tous les fraudeurs. Grâce à des modèles de notation entraînés sur data historiques, nous pouvons signaler les profils clients inhabituels et anticiper les événements négatifs avant qu’ils ne se transforment en véritables problèmes. Étant donné que les analystes doivent justifier leurs décisions, conformément aux exigences réglementaires, nous nous efforçons de mettre au point des systèmes de notation explicables, qui fournissent des raisons compréhensibles pour les profils à haut risque.

Tout à fait. Je prends souvent l'exemple de Google. Lorsque vous effectuez une recherche en ligne, un processus d'analyse se met en place. L'apprentissage automatique interroge des milliards de pages web, ce qui serait impossible sans automatisation. Le temps gagné grâce à l'algorithme correspond à tout le travail préparatoire que les humains n'ont plus besoin d'effectuer. L'IA fonctionne de la même manière. En fin de compte, c'est toujours l'humain qui choisit d'adopter ou non le résultat et de lui donner un sens. Cela a commencé par la recherche de livres, s'est poursuivi avec l'essor d'Internet et de Wikipédia, et se poursuit aujourd'hui avec les technologies actuelles. Et cela ne s'arrêtera pas de sitôt.

On assiste à un tournant, notamment avec ChatGPT, dans la manière dont le grand public adopte les nouvelles technologies. Pour la première fois, nous avons vu un phénomène s’imposer de la base vers le sommet : les employés ont commencé à trouver des façons efficaces d’utiliser ChatGPT comme un outil utile dans leur travail. Du point de vue Artefact, l’essentiel est d’inscrire ces technologies dans des cas d’utilisation spécifiques. Plutôt que d’utiliser un outil polyvalent pour tout, l’objectif est de développer des applications robustes destinées à des tâches précises.

À l'heure actuelle, ces modèles manquent de fiabilité : ils extraient des informations de leur mémoire selon des mécanismes que nous ne comprenons pas entièrement, ce qui peut donner lieu à des résultats inappropriés, voire absurdes. Nous travaillons, par exemple, à la mise au point d'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 face aux réponses du modèle.