Écoutez le podcast : Construire l'IA : de la vision à l'exécution | Une conversation avec Artefact | Ardian

 

Dans le paysage en rapide évolution du capital-investissement, la conversation est allée bien au-delà de la simple ingénierie financière. Aujourd'hui, la création de valeur dépend de plus en plus de la capacité d'une entreprise à exploiter data. Au sein de la deuxième édition de la conférence AI for Alternative Investment (AI x AI), Arthur Garnier de l'équipe scientifique Data d'Ardian s'est entretenue avec Élina Ashkinazi-Ildis, un partenaire de Artefact, pour disséquer le parcours du potentiel théorique de l'IA à l'excellence opérationnelle tangible.

Leur conversation révèle une vérité cruciale : alors que l'IA générative (GenAI) est le catalyseur “sexy” qui attire tout le monde dans la salle, les vrais gagnants sont ceux qui ont passé des années à faire le travail peu glorieux de la construction de data foundations robustes.

“Data de gouvernance et data de qualité... Ce n'est pas sexy, c'est moins excitant. Mais aujourd'hui, avec l'IA générative, le fait que vous puissiez créer des cas d'utilisation étonnants et obtenir des résultats délirants... suscite soudain l'intérêt des gens. Ils se demandent : ‘Que puis-je faire moi-même pour tirer parti de toutes les capacités de l'IA ? Et la réponse est souvent : vous devez d'abord vous aligner sur le data governance,’ déclare Arthur Garnier, scientifique principal Data, Ardian.

La pyramide à quatre niveaux du succès de l'IA

Artefact, un ancien Ardian Expansion, a passé une décennie à affiner son approche de la transformation numérique. Selon Elina, l'intégration réussie de l'IA n'est pas une question de technologie en premier lieu ; il s'agit d'une pyramide à quatre niveaux qui garantit la durabilité :

  • La couche des cas d'utilisation : “Quelle est notre activité ? C'est le point de départ. Avant d'écrire la moindre ligne de code, les entreprises doivent déterminer où les équipes passent leur temps et quels sont les problèmes qui, s'ils étaient résolus, permettraient d'améliorer les ventes et les marges.
  • Le modèle de fonctionnement : Comment relier les professionnels de l'investissement et les scientifiques de data ? Pour réussir, il faut un cadre qui permette à ces deux mondes de collaborer efficacement.
  • Infrastructure et gouvernance : C'est la “salle des machines”. Sans une data propre, structurée et accessible, même les algorithmes les plus avancés échoueront
  • Gestion du changement : C'est là que réside l'élément humain. Il s'agit de modifier les processus, de former, de changer les mentalités et de veiller à ce que l'organisation soit prête à évoluer en même temps que la technologie.

GAIA : Une étude de cas sur l'agilité stratégique

L'un des points centraux de la discussion a été GAIA, la plateforme d'IA générative interne d'Ardian. GAIA représente une solution stratégique intermédiaire dans le débat “Construire ou acheter”. Les conseils d'Elina sont pragmatiques : “S'il existe une solution commerciale qui répond à toutes vos questions et qui respecte votre budget, ne la construisez pas. Achetez-la”.”

Cependant, Ardian a choisi de construire GAIA parce que cela lui permettait de garder un contrôle absolu sur son intelligence interne. Arthur note que lorsqu'une entreprise fait 95% du gros travail pour nettoyer, organiser et posséder son data, la dernière 5%, l'intégration de ce data dans un outil d'IA personnalisé, est une étape suivante naturelle et puissante. En construisant une couche personnalisée au-dessus de technologies partenaires telles que Microsoft, OpenAI, Mistral et d'autres, Ardian a atteint plusieurs objectifs clés :

  • Agilité technologique : Ils restent “agnostiques”, c'est-à-dire qu'ils peuvent remplacer un LLM par un autre, plus récent et plus performant, sans avoir à reconstruire l'ensemble du système.
  • L'innovation ascendante : De nombreuses fonctionnalités de GAIA ne sont pas issues d'une salle de conférence, mais d'un hackathon interne, tel que “Ardian Startup Studio”, et de pitchs internes où les employés ont identifié leurs propres besoins.
  • Data souveraineté : 95% du travail en IA consiste à nettoyer et à posséder les data internes. Une fois que cela est fait, la mise en œuvre finale devient un actif propriétaire plutôt qu'un service loué.

L'impératif de la “réingénierie des processus

Le mantra d'Elina est peut-être l'idée la plus profonde qui se dégage de cette conversation : “Faisons en sorte que le processus soit réorganisé”.” 1TP36Ajouter l'IA à un processus défaillant ou désordonné, c'est comme mettre un moteur plus rapide dans une voiture aux roues carrées. Elina compare le fait d'enseigner à un “agent” d'IA à celui d'apprendre à un jeune enfant à traverser la rue. Vous ne pouvez pas lui donner un million de variables et de “raccourcis”. Vous devez simplifier le processus en étapes binaires et précises :

Feu rouge : Stop. * Feu vert : Regardez des deux côtés, puis marchez.

“La technologie ne représentera qu'une toute petite partie... c'est la première partie [la simplification des processus] qui sera vraiment délicate pour n'importe quelle industrie”.” explique Elina Ashkinazi-Ildis

Pour une société de capital-investissement comme Ardian, cela signifie qu'elle doit examiner les entreprises de son portefeuille, qu'il s'agisse d'entreprises natives du numérique ou d'entreprises de fabrication “pure et dure”, et les aider à se débarrasser des flux de travail traditionnels inefficaces avant d'y ajouter de l'IA.

Combler le fossé : Des silos techniques à l'impact sur les entreprises

Le thème principal de la conférence Ardian AI x AI était clair : l'ère du scientifique data “cloisonné” est révolue. Arthur a souligné que pour que l'IA ait un impact réel, la science data doit être intégrée dans les unités commerciales.

Lorsque les équipes techniques travaillent en vase clos, elles créent des tableaux de bord que personne n'utilise. Lorsqu'elles collaborent avec les équipes d'investissement, en tenant compte des réactions en direct et des “ambassadeurs” de l'ensemble de l'entreprise, elles créent des outils tels que GAIA qui modifient fondamentalement le mode de fonctionnement de l'entreprise.

Alors que le secteur du capital-investissement continue d'évoluer, le devoir de l'investisseur n'est plus seulement d'apporter des capitaux, mais de fournir la feuille de route technologique pour s'assurer que les entreprises de son portefeuille ne se contentent pas de survivre à la vague de l'IA, mais qu'elles la surmontent pour atteindre de nouveaux sommets d'efficacité.

Écoutez le podcast : Construire l'IA : de la vision à l'exécution | Une conversation avec Artefact | Ardian