L’IA pour vos process

La vieille rengaine du changement ! Souvent vendu, rarement accompagné. Cependant, ce changement technologique majeur semble bien cette fois exiger une réflexion approfondie des décideurs.

Garder les outils SaaS existants, ou les remplacer ? Le modèle des systèmes à base d’interface et d’opérateurs, à former par les sociétés de conseil, est appelé à se réinventer (voir l'onglet Cas d'usage). S’y substituent un accès plus direct à vos données pour les agents que vous mettez en place, et une modernisation de l’interface (plus axée supervision, ou conversationnelle, ou qui disparaît). Supprimer une partie de l’existant est une option de plus en plus évoquée, alors que l'on sait que cela peut repousser. Les éditeurs à succès vont souvent intégrer de l'IA pour vous retenir, mais c'est l'accès transverse aux données qui permettra les transformations les plus poussées.

On distingue deux bénéfices possibles : accélérer ou transformer. Les vraies mutations impliquent souvent une clarification des responsabilités humaines, une délégation décisionnelle vers les agents quand leur performance est satisfaisante et une intervention humaine dans certaines situations définies avec soin. Il est parfois utile d'intégrer une capacité ‘human-in-the-loop’, à fins de validation et de test, avant automatisation complète et réversible.

Certains professionnels de la tech pointaient récemment encore que l'IA n'était souvent pas au niveau attendu. Les modèles peuvent paraître fragiles : sur certaines tâches simples (de comptage par exemple), une étude récente montre qu'ils se trompent dès que le volume de texte soumis atteint le millier de mots, alors que les vendeurs vantent les fenêtres de contexte. La performance observable compte : injecter tout un cadre juridique/normatif dans Claude ne signifie pas que cela fonctionne réellement (loin de là), mais qui vous le dit ?

La définition de la performance couvre plusieurs sujets. Notre propos ici est de vous convaincre que les studios IA sur mesure ont de l'avenir : c'est votre besoin précis qui permet d'organiser les choses et d'atteindre un niveau de performance élevé, bien au-delà des solutions génériques.

Chaque besoin émis par un membre de l'équipe va se montrer crucial dans le design, tant au niveau de l'architecture que des données d'entraînement qui doivent coller à l'intention formulée. Le rôle de l'expert est d'abord de pousser la formulation de vos besoins métier aussi loin que nécessaire. En cela, c'est de l'ingénierie logicielle classique, mais avec un travail d'introspection potentiellement lourd. Un expert système comprend naturellement les questions de réglementation, liées au facteur humain essentiellement, et les intègre sans alourdir vos problématiques (voir Market fit).

Mais les entreprises ont-elles seulement compris qu'elles pouvaient avoir leur propre système, aux performances supérieures ? Les prescripteurs d'IA autorisés brouillent ce message, qui constitue la proposition même de valeur d'un studio IA. La question du dernier modèle ou application IA de bureau en date n'a à peu près aucune importance lorsque vous avez votre système maison. La révolution est agentique. Les modèles arrivent à leurs limites.

Un système (vraiment) sur mesure améliore donc toujours la performance. Les modèles les plus performants sont disponibles (si besoin, mais coûteux). Les modèles open source (gratuits) de type Mistral ou Meta leur concèdent généralement moins d'un an de retard, mais suffisent largement dans la plupart des cas avec un bon design. Et tous peuvent de toute façon recevoir un entraînement dédié (après prototypage), en un temps négligeable devant celui nécessaire au recueil de besoins.

Latence, coût, criticité sont d'autres aspects à prendre en compte. L’audit de vos process a naturellement vocation à être exhaustif et les inclure.

Avec un studio, vos métriques et objectifs ont été définis avec soin. Peut-être évolueront-ils. Vous avez des interlocuteurs qui placent le contrôle exactement au niveau de vos attentes.

Le recueil de besoins et le design doivent inspirer une certaine confiance, c'est à dire en pratique des moyens de contrôle et de vérification. On s'assure que votre expertise est au cœur du système. Nous appelons cela des jalons décisionnels (métier) ou points de raisonnement critique. Mais cela doit être visible : les interfaces doivent servir cet objectif avec un maximum de fluidité.

Aussi, vous avez peut-être des besoins d'explicabilité. Il suffit d’intégrer au système des sorties explicatives pour contrôler les étapes de raisonnement suivies dans chaque inférence. Tout le monde ainsi peut, à partir de l'UI, affiner rapidement son jugement sur les performances du système et lui accorder la confiance qu’il souhaite, en connaissance de cause.

Des mécanismes d'écriture et d'analyse de journaux peuvent être souhaitables à fins d'auditabilité et aussi pour permettre de comprendre immédiatement tout écart indésirable.

Un autre bénéfice de la mise en place de jalons visibles est que votre système devient un médium de vos bonnes pratiques et aussi un medium d’échange, de pédagogie ou de formation. L'intention peut être rendue visible. Les séniors sont rassurés de voir les jalons posés et les juniors peuvent auditer les sorties systèmes, les vérifier, et apprendre à partir de séquences qui ont du sens et qui le portent.

Des gains de productivité sont généralement attendus des systèmes d'IA, qui s'obtiennent par une automatisation des tâches que l'IA peut gérer.

L'onglet Market fit couvre la réglementation (et comment notre expertise système dépasse le niveau attendu) et les freins à l'adoption. L'onglet Cas d'usage rassemble des prises de position récentes d'institutionnels sur le virage agentique, qui ont façonné notre positionnement studio.