3 exemples d'utilisation de l'IA en entreprise : témoignages d'experts

Le webinaire intitulé " De la data à l'IA, comment donner du sens à l'information ? ", organisé par La French Fab le 16 mai dernier a donné la parole à trois intervenants : Jean-Sébastien Moulet, cofondateur de Wormsensing, Philippe Harant, chef d'unité en charge de la stratégie, des capacités et de la coordination à l'eu-LISA, et Julien Budynek, Directeur Data Science à Fieldbox. Big média résume cet échange enrichissant autour de l'utilisation de l'IA en entreprise.

L'intelligence artificielle marquera-t-elle un tournant dans l'Histoire au même titre que la machine à vapeur ou Internet ? Depuis quelques années, et notamment depuis l'arrivée de ChatGPT par Open AI, l'intelligence artificielle fascine autant qu'elle éveille des interrogations, voire des réprobations. Pour bien des entreprises, son intégration semble inévitable afin de rester dans la course.

Comment activer un projet IA dans son entreprise, pour quels usages, sous quelles conditions ? Les questions des dirigeants sont multiples. La French Fab a organisé le 16 mai un webinaire intitulé " De la data à l'IA, comment donner du sens à l'information ? ", destiné aux industriels. Trois experts de l'intelligence artificielle, Jean-Sébastien Moulet, cofondateur de Wormsensing, Philippe Harant, chef d'unité en charge de la stratégie, des capacités et de la coordination à l'eu-LISA, et Julien Budynek, Directeur Data Science à Fieldbox sont intervenus, présentant des cas d'usage et partageant des clés de compréhension et d'utilisation de l'IA. Big média vous en résume les grandes lignes.

La start-up grenobloise Wormsensing révolutionne la mesure de vibration avec son évolution significative grâce à des capteurs combinant facilité d'utilisation, haute sensibilité et intégrabilité. " Ça bouscule la donne vis-à-vis d'un domaine qui n'a pas bougé depuis 70 ans ", souligne Jean-Sébastien Moulet, cofondateur de la start-up. L'avantage de ces capteurs de vibration ? Un élément ultra-sensible de l'épaisseur d'un cheveu, 150 microns, permettant une grande qualité de mesure et une intégration sur tout objet. " Les mesures de vibration sont essentielles pour améliorer l'optimisation d'équipements tels que des éoliennes, turbines, ailes d'avion, voitures...", énumère le dirigeant.

La Deeptech propose à ses clients des capteurs mais aussi des solutions plus complètes à partir de data et d'intelligence artificielle. " L'IA permet d'obtenir des algorithmes extrêmement complexes et peu volumineux qu'on intègre sur des systèmes embarqués pour nos clients. Notre data scientist extrait des données pertinentes en quantité suffisante pour obtenir des modèles fiables et utiles ", explique Jean-Sébastien Moulet.

Pour Wormsensing, utiliser l'intelligence artificielle est un gain de temps pour se focaliser sur des taches à plus grande valeur ajoutée. " Pour le moment on teste des outils gratuits, avec une utilisation limitée car nos données sont confidentielles. Si ça fonctionne bien, on passera sur des modèles restrictifs. "

eu-LISA, une agence de l'Union européenne, gère des systèmes d'information à grande échelle dans le domaine de la justice et des affaires intérieures : par exemple le Système d'information Schengen pour assurer la sécurité depuis l'abolition des contrôles aux frontières intérieures, ainsi que le Système d'Information des Visas qui centralise les demandes de visas vers l'espace Schengen. L'agence développe aussi de nouveaux systèmes afin de renforcer la sécurité en Europe, fluidifier l'expérience des voyageurs ou encore faciliter les échanges transfrontaliers entre autorités judiciaires. Du fait de son rôle, l'agence gère un nombre important de données. " Le Système d'information Schengen héberge 90 millions d'alertes et a été consulté plus de 14 milliards de fois en 2023. Quant au Système de Gestion des Visas, 50 millions de demandes y sont stockées ", complète Philippe Harant, chef d'unité en charge de la stratégie, des capacités et de la coordination à l'eu-LISA.

L'IA a donc une forte carte à jouer dans le traitement de différents types de données, et l'eu-LISA commence graduellement à l'utiliser. L'agence utilise déjà des outils qui embarquent de l'intelligence artificielle pour optimiser ses systèmes, notamment pour accélérer l'accès aux données biométriques et renforcer leur précision. D'autres usages sont à l'étude, notamment pour renforcer la cybersécurité, ou l'identification et la résolution assistée des anomalies sur ses systèmes. En outre, eu-LISA vient de lancer un projet pilote pour améliorer la gestion de ses process d'administration internes, en utilisant l'IA générative.

Face à la sensibilité des données, l'utilisation de l'intelligence artificielle par eu-LISA est contrainte par la législation. " Outre le feu vert du législateur, des états membres, de la Commission Européenne, avec la mise en application de l'IA Act, à partir de 2028 tout nouvel usage de l'IA dans nos systèmes devra également être soumis à une étude d'impact préalable. "

Localisée à Paris et à Bordeaux, Fieldbox est une entreprise de services spécialisée dans la data et l'intelligence artificielle, à destination d'acteurs industriels. Avec des clients aussi divers que la RATP, Aéroport de Paris, la SNCF, Véolia, Suez, TotalEnergies, ses cas d'usage en matière d'IA sont divers. La société met en oeuvre l'intelligence artificielle par exemple pour de la maintenance prédictive (anticiper les pannes...), des sujets d'hygiène et de sécurité (détection de fuites...) d'optimisation de la production ou encore d'optimisation des flux.

Fieldbox utilise aussi l'IA generative pour de l'analyse documentaire. Pour Julien Budynek, VP Data Science à Fieldbox, le choix d'utiliser l'intelligence artificielle est dicté par le ROI (retour sur investissement, ndlr), qui n'est pas toujours facile à évaluer. Afin d'utiliser l'IA, il signale une autre difficulté rencontrée par l'entreprise, qui peut paraitre paradoxale : la rareté des données. " On est à l'ère du big data, mais quand on veut exploiter de manière optimale des données, ce n'est pas évident. Les pannes sont rares, les capteurs dysfonctionnent parfois... Quand on réduit la demande aux data vraiment utiles, il y en a peu. "

Selon la taille de l'entreprise, les ressources et moyens ne sont pas les mêmes. Mais selon Julien Budynek, " l'idée est de donner la parole aux métiers pour identifier les points de difficultés, ce que l'on souhaite améliorer dans un processus par exemple. Toujours partir du besoin, avant d'analyser les données disponibles. Se poser les bonnes questions, qu'est-ce que je veux faire ? Quel est mon projet ? Quelles sont les conditions nécessaires pour l'atteindre ? Quelle est la valeur créée ? ". Il insiste également sur la nécessité d'obtenir des données de qualité, à la fois pour l'entrainement, et aussi pour l'exploitation, afin de s'assurer de rester dans des conditions fiables.

Pour Philippe Harant de l'eu-LISA, il est nécessaire d'identifier en amont la valeur ajoutée de l'utilisation de l'IA générative, le temps potentiellement gagné par les équipes, et les risques d'erreurs " car une partie du temps de travail gagné avec l'intelligence artificielle devra être utilisée pour vérifier ce que fait l'IA ".

Pour Julien Budynek, il est indispensable de " bien choisir à quel moment activer tel ou tel profil, par exemple en activant la fibre IA / data d'employés en interne, en ajoutant des composantes software aux data analysts, mais savoir aussi quand faire appel à des prestataires. On voudrait une personne qui fasse tout, mais elle n'existe pas. " Un data scientist peut par exemple effectuer une première analyse, un premier modèle. " La clé est alors d'inclure le modèle d'IA dans un logiciel déployable pour que les utilisateurs en tirent profit, cela nécessite d'autres compétences comme architecte, ingénieur en développement logiciel... complète Julien Budynek, Ensuite, afin d'assurer la maintenance, des profils spécifiques comme des ingénieurs machine learning peuvent être utiles. "

Serveurs à l'étranger, Patriot Act, IA Act... Comment s'assurer de la souveraineté de nos données et de leur analyse ? Pour Jean-Sébastien Moulet de Wormsensing, il est plus sûr d'utiliser des serveurs hébergés au sein de l'entreprise pour garantir une certaine sécurité des données. Pour ce faire, une solution possible est de s'éloigner de l'IA générative très générique pour aller chercher un usage très spécifique et pointu, dont le besoin en data et en infrastructures est plus léger.

Travaillant avec des informations sensibles, Philippe Harant, explique qu'eu-LISA utilise déjà des outils simples d'IA générative internes à la Commission Européenne qui permettent de garder le contrôle sur les informations utilisées, " par exemple pour réaliser des traductions, des résumés, de la transcription de discussions lors de réunions... "

Pour Julien Budynek, choisir une solution d'intelligence artificielle peut s'apparenter au choix d'une solution logicielle, il faut se poser les mêmes types de questions : quelle criticité dans le système d'information, dois-je sous-traiter, acheter, internaliser ? Pour faire ces choix, il faut prendre en compte les ressources humaines et les coûts d'infrastructures. " D'ici un an, peut-être que la diminution de la taille des modèles d'IA générative permettra une baisse des coûts d'infrastructures et de calcul, encore considérables aujourd'hui. " En ce qui concerne les modèles open source, ils sont déployables en interne sur une infrastructure bien contrôlée mais nécessitent de solides compétences de type DevOps (un ingénieur DevOps doit posséder des compétences de développement, opérationnelles et interpersonnelles, ndlr). Il est en outre possible de mettre en place des solutions d'IA souveraines, y compris sur un cloud Français. Enfin, " des actions de normalisation sont en cours, notamment avec la norme ISO 42001 qui encadre le développement et l'utilisation de l'IA de manière responsable et éthique. "

Cet article a été publié initialement sur Big Média 3 exemples d'utilisation de l'IA en entreprise : témoignages d'experts