Écoutez le podcast : Développer l'IA : de la vision à la mise en œuvre | Entretien avec Artefact Ardian

 

Dans un secteur du capital-investissement en pleine mutation, le débat a largement dépassé le cadre de la simple ingénierie financière. Aujourd’hui, la création de valeur repose de plus en plus sur la capacité d’une entreprise à exploiter data. Lors de la deuxième édition de la conférence « AI for Alternative Investment » (AI x AI), Arthur Garnier, membre de l’équipe Data d’Ardian, s’est entretenu avec Elina Ashkinazi-Ildis, associée chez Artefact, afin d’analyser en détail le cheminement menant du potentiel théorique de l’IA à une excellence opérationnelle concrète.

Leur conversation met en lumière une vérité fondamentale : si l'IA générative (GenAI) est le catalyseur « en vogue » qui attire tout le monde, les véritables gagnants sont ceux qui ont passé des années à accomplir le travail ingrat consistant à mettre en place data solides.

«Data et data Ce n’est pas très glamour, c’est plutôt ennuyeux. Mais aujourd’hui, avec l’IA générative, le fait de pouvoir créer des cas d’utilisation incroyables et d’obtenir des résultats époustouflants… suscite soudainement l’intérêt des gens. Ils se demandent : “Que puis-je faire pour exploiter pleinement le potentiel de l’IA ?” Et souvent, la réponse est la suivante : il faut d’abord s’accorder sur data », explique Arthur Garnier, Data senior chez Ardian.

La pyramide à quatre niveaux du succès en matière d'IA

Artefact, une ancienne société du portefeuille d'Ardian Expansion, a passé une décennie à affiner son approche de la transformation numérique. Selon Elina, la réussite de l'intégration de l'IA ne repose pas en premier lieu sur la technologie ; elle repose sur une pyramide à quatre niveaux qui garantit la pérennité :

  • Le niveau des cas d'utilisation : « Quelle est notre activité ? » C'est le point de départ. Avant même d'écrire la moindre ligne de code, les entreprises doivent déterminer à quoi les équipes consacrent leur temps et quels sont les points faibles dont la résolution permettrait d'améliorer les ventes et les marges.
  • Le modèle opérationnel : comment mettre en relation les professionnels de l'investissement et data ? Pour réussir, il faut un cadre permettant à ces deux univers de collaborer efficacement.
  • Infrastructure et gouvernance : c'est la « salle des machines ». Sans data propres, structurées et accessibles, même les algorithmes les plus sophistiqués échoueront
  • Gestion du changement : c'est là que réside la dimension humaine. Elle implique de modifier les processus, de former les collaborateurs, de faire évoluer les mentalités et de veiller à ce que l'organisation soit prête à évoluer au rythme des avancées technologiques.

GAIA : une étude de cas sur l'agilité stratégique

GAIA, la plateforme interne d’IA générative d’Ardian, a été au cœur des discussions. GAIA incarne une position intermédiaire stratégique dans le débat « développer ou acheter ». Le conseil d’Elina est pragmatique : « S’il existe une solution sur le marché qui répond à toutes vos questions et qui respecte votre budget… ne la développez pas. Achetez-la, tout simplement. »

Cependant, Ardian a choisi de développer GAIA car cela lui permettait de garder un contrôle total sur ses données internes. Arthur fait remarquer que lorsqu’une entreprise effectue 95 % du travail nécessaire pour nettoyer, organiser et s’approprier ses data, les 5 % restants, à savoir l’intégration de ces data un outil d’IA sur mesure, constituent une étape logique et décisive. En développant une couche personnalisée s’appuyant sur des technologies partenaires telles que Microsoft, OpenAI, Mistral et d’autres, Ardian a atteint plusieurs objectifs clés :

  • Agilité technologique : ils restent « agnostiques », capables de remplacer un LLM par un autre, plus récent et plus performant, sans avoir à reconstruire l'ensemble du système.
  • Innovation ascendante : bon nombre des fonctionnalités de GAIA n’ont pas été conçues dans une salle de réunion, mais sont issues d’un hackathon interne, tel que l’« Ardian Startup Studio », ainsi que de présentations internes au cours desquelles les employés ont identifié leurs propres besoins.
  • Data : 95 % du travail dans le domaine de l'IA consiste à nettoyer et à s'approprier les data internes. Une fois cette étape franchie, la mise en œuvre finale devient un actif propriétaire plutôt qu'un service loué.

L'impératif de la « réingénierie des processus »

La réflexion la plus pertinente de cette conversation a sans doute été le mantra d’Elina : « Réorganisons les processus. » Appliquer l’IA à un processus défaillant ou désorganisé revient à installer un moteur plus puissant dans une voiture équipée de roues carrées. Elina compare l’apprentissage d’un « agent » IA à celui d’un jeune enfant qui apprend à traverser la rue. On ne peut pas lui donner un million de variables et de « raccourcis ». Il faut simplifier le processus en étapes binaires et précises :

Feu rouge : Arrêtez-vous. * Feu vert : Regardez des deux côtés, puis traversez.

«La technologie ne représentera qu’une infime partie… c’est la première étape [la simplification des processus] qui s’avérera vraiment délicate pour n’importe quel secteur », explique Elina Ashkinazi-Ildis

Pour une société de capital-investissement comme Ardian, cela implique d'examiner les entreprises de son portefeuille, qu'il s'agisse d'entreprises nées du numérique ou d'industries manufacturières « traditionnelles », et de les aider à se débarrasser des processus hérités inefficaces avant d'y intégrer l'intelligence artificielle.

Combler le fossé : des silos techniques à l'impact sur l'activité

Le thème central de la conférence Ardian AI x AI était clair : l'époque du data « cloisonné » est révolue. Arthur a souligné que, pour que l'IA ait un réel impact, data doit être intégrée au sein des unités opérationnelles.

Lorsque les équipes techniques travaillent en vase clos, elles développent des tableaux de bord que personne n'utilise. Lorsqu'elles collaborent avec les équipes d'investissement, en tenant compte des retours d'expérience en temps réel et en s'appuyant sur des « ambassadeurs » issus de l'ensemble de l'entreprise, elles créent des outils tels que GAIA qui transforment en profondeur le mode de fonctionnement de l'entreprise.

À mesure que le secteur du capital-investissement continue d'évoluer, le rôle de l'investisseur ne se limite plus à apporter des capitaux ; il consiste désormais à fournir une feuille de route technologique afin de garantir que les entreprises de son portefeuille ne se contentent pas de survivre à la vague de l'IA, mais qu'elles la surfer pour atteindre de nouveaux sommets d'efficacité.

Écoutez le podcast : Développer l'IA : de la vision à la mise en œuvre | Entretien avec Artefact Ardian