Avant d'investir dans l'IA, évaluez votre degré de préparation

Préparer les données pour l'IA

L'IA peut être puissante, mais uniquement si elle dispose d'une source adéquate.

L'extraction de données de qualité à partir du contenu de l'entreprise n'est pas automatique : elle doit être préparée. Les fournisseurs de gestion de contenu d'entreprise sont particulièrement bien placés pour aider les clients à transformer leurs données à cet effet.

« Le contenu prêt pour l'IA est probablement l'un des grands domaines sur lesquels les entreprises doivent se concentrer, déclare Tom Davis, vice-président adjoint de la veille stratégique chez Hyland. Il existe une idée fausse selon laquelle il suffit de prendre tout ce qui se trouve dans chaque référentiel et base de données et de le transférer dans le moteur d'IA, pour qu'il apprenne tout. Ce n'est tout simplement pas le cas. »

Premièrement, souligne le vice-président adjoint, ce n'est pas économiquement faisable, et deuxièmement, les modèles d'IA doivent être entraînés avec les bonnes données.

« Il existe un concept garbage-in, garbage-out (GIGO), explique ce dernier. Si vous ajoutez tout cela, vous n'obtiendrez pas de résultats précis. »

Rendre les données prêtes pour l'IA

Pour tirer parti de la puissance de l'IA, les données d'une entreprise doivent être prêtes pour la machine. Une traduction des données doit être effectuée, et le contenu créé pour être utilisé par l'humain doit être traité pour un ordinateur.

« Imaginez un document rempli de texte et d'images, explique Tiago Cardoso, responsable produits IA chez Hyland. Lors de la récupération de contenu pour un LLM, nous devons comprendre sa signification et son contexte et ne sélectionner que les aspects pertinents. Pour l'affiner, nous séparons le contenu en fonction des entrées du modèle sans perdre ni le sens ni l'organisation. »

De plus, les entreprises doivent sélectionner le bon contenu pour alimenter la machine. Le lancement d'un nouveau modèle est une tâche ardue qui requiert des données appropriées pour entraîner, tester et affiner le système.

« C'est une véritable science, avance Tom Davis. Il existe des moyens de suradapter ou de sous-adapter le modèle, et avec trop d'informations erronées, les réponses commencent à être affectées. »

Une fois que le bon contenu est prêt pour les machines, les entreprises peuvent commencer à mettre en œuvre les services impactants offerts par l'IA.

Les données non structurées font leur entrée

Le contenu, qu'il soit structuré ou non, contient les données importantes collectées par une entreprise. Cependant, des recherches suggèrent que moins de 10 % des données non structurées sont extrapolées pour être utilisées dans les processus métier ou la prise de décision, bien que 80 % des sources de données ne soient pas structurées.

Imaginez que vous puissiez libérer toutes ces données inaccessibles et inutilisées grâce à l'IA générative. Alors que les données non structurées sont appelées à croître, les implications métier de la capacité à exploiter pleinement les données que vous possédez déjà sont stupéfiantes.

Dès que l'IA peut accéder à ces sources de données et les activer, les entreprises peuvent en tirer des informations à grande échelle et bénéficier des relations sémantiques que l'IA peut établir.

Par exemple, il est possible d'obtenir des résultats de recherche plus intelligents grâce à la capacité de l'IA d'extraire et d'interpréter des données non seulement à partir de sources structurées traditionnelles, mais aussi à partir de documents non structurés plus complexes. Sans dépendre de métadonnées définies avec précision, une entreprise peut obtenir une image plus complète des relations entre des points de données qui n'étaient pas connectés auparavant afin de faire des découvertes en fonction des relations plutôt que de critères de recherche spécifiques.

Liste de contrôle de préparation pour l'IA

L'expertise de Hyland en matière de contenu et d'IA donne aux membres de notre équipe chargée de la veille stratégique une vision unique de la préparation pour l'IA. Ils ont élaboré un cadre d'évaluation reposant sur cinq piliers :

1. Infrastructure

L'infrastructure témoigne d'une préparation technique. Pour tirer parti de l'IA et le faire en toute sécurité, les entreprises ont besoin d'une infrastructure solide et complète pour gérer les données dans le cloud, ainsi que des outils adaptés pour faire le travail. Les bases de données où sont stockées les informations doivent être sécurisées, conformes et évolutives, prêtes à faire face à un essor ou un déclin de l'activité.

« Dans la bonne infrastructure, vous allez héberger les composants qui traitent votre contenu pour le rendre prêt pour l'IA, ajoute Tom Davis. En procédant ainsi, vous créez des connexions significatives avec ce contenu, qui est stocké en toute sécurité dans une base de données, et vous le rendez facilement accessible aux services d'IA. »

Comme l'explique ce dernier, bien souvent, les entreprises peuvent difficilement agir seules. C'est pourquoi Hyland a créé Hyland Insight.

2. Contenu prêt pour l'IA

Disposer d'un contenu prêt pour l'IA est un autre obstacle technique à surmonter lors de votre préparation pour l'IA. Le contenu doit être adapté aux données de sortie d'IA de haute qualité.

« Le développement du bon corpus de données se fait en plusieurs étapes, explique Tom Davis. Chaque élément d'un document doit être classé et envoyé à des fins d'entraînement. Cela crée des intégrations qui sont utilisées en aval dans l'espace d'IA générative. C'est un processus que les entreprises doivent comprendre et auquel elles doivent se préparer. »

Ainsi, si un département des ressources humaines préparait son contenu à une plateforme optimisée par l'IA, il pourrait identifier certains dossiers avec des intitulés erronés et les exclure. Une fois le contenu de qualité chargé, l'algorithme du modèle s'exécutera, permettant à l'équipe d'entraîner le système en classant les sorties. L'IA commencera alors à comprendre les intentions du contenu. Ensuite, elle pourra commencer à s'améliorer seule.

3. Gouvernance

La gouvernance touche à la fois la préparation technique et la préparation commerciale. Les entreprises ont une grande responsabilité lorsqu'il s'agit de gouverner l'IA. Qu'il s'agisse de surveiller l'accès aux données, de détecter les intrusions malveillantes ou de garantir des pratiques responsables en matière d'IA dans l'ensemble de l'entreprise, l'application de normes strictes permet aux entreprises de mettre en œuvre l'IA en toute sécurité.

Lorsqu'elles intègrent l'IA dans leurs produits et opérations quotidiennes, les entreprises doivent élaborer des lignes directrices claires pour les équipes produits et les employés afin d'atténuer les risques liés à l'IA dans les différents aspects de l'entreprise.

La création d'un comité dédié à l'IA peut également permettre de superviser l'intégration et la mise en œuvre de l'IA, tout en veillant à ce que les lignes directrices tiennent compte des avancées technologiques et des modifications apportées aux lois.

Respecter les normes de sécurité et de conformité de l'entreprise est indispensable. Étant donné la forte dépendance de l'IA aux données, la mise en place de politiques strictes et des bons outils techniques constitue une base solide pour une mise en œuvre sécurisée de l'IA.

4. Éthique

« L'éthique est un sujet que nous prenons très au sérieux, souligne Tom Davis. Il est essentiel de mettre en place des bases éthiques pour garantir une IA responsable. »

Ce dernier ajoute que l'éthique est un sujet de préoccupation commun parmi les clients et dans les appels d'offres. L'honnêteté, la partialité et l'explicabilité sont toutes des facettes de cette composante de la préparation commerciale.

« Si un moteur d'IA doit prendre une décision ou faire une recommandation, les clients doivent être en mesure de comprendre comment il est parvenu à cette conclusion et quels critères et évaluations montrent que ces conclusions sont exactes, explique Tom Davis. Pour être prêt du point de vue éthique, il faut mettre en place des garde-fous. »

Les normes de Hyland en matière d'IA comprennent la transparence, la propriété des données, l'honnêteté, les résultats vérifiables, la confidentialité et la protection des données personnelles, ainsi que la gouvernance.

Les entreprises prêtes pour l'IA peuvent prendre en charge des résultats d'IA de qualité avec des données éthiques, ainsi que surveiller des éléments tels que la partialité. Les modèles d'IA doivent également être capables de faire face à certaines situations, par exemple lorsque des utilisateurs tentent d'utiliser des prompts fallacieux pour recevoir des informations auxquelles ils ne devraient pas avoir accès.

Les implications sont bien réelles pour de nombreux secteurs, notamment les services financiers, les assurances et l'enseignement supérieur. Qu'il s'agisse de pratiques historiques de redlining en matière de prêts, de déclarations de sinistre frauduleuses ou d'évaluations d'étudiants, les enjeux sont importants et les données qui alimentent un modèle d'IA doivent être protégées contre les données biaisées et contaminées.

5. Compétences

Des capacités d'IA apparaissent dans des technologies nouvelles et familières dans tous les secteurs d'activité, mais les entreprises ne peuvent pas réaliser pleinement leurs ambitions en matière d'IA sans les bonnes personnes pour les y aider. La concurrence parmi les talents dotés de compétences en IA est rude et a entraîné une pénurie de talents, allant des ingénieurs et des scientifiques de données aux utilisateurs professionnels nécessitant un savoir-faire exploitable en matière d'IA. Les entreprises désirent faire appel à des acteurs hautement qualifiés, mais les experts en IA pointent vers une autre direction : la montée en compétences.

« Nous pensons que chaque personne au sein d'une entreprise doit posséder les connaissances nécessaires en matière d'IA, souligne Tom Davis. Les entreprises vont se concentrer davantage sur les budgets, ainsi que sur les efforts et le temps nécessaires pour améliorer le niveau de leurs employés, afin de pouvoir tirer parti de l'IA et l'utiliser pour obtenir un retour sur investissement. »

Aperçu : l'entreprise prête pour l'IA

Une fois qu'une entreprise est prête pour l'IA, le travail passionnant de création d'un environnement de travail alimenté par l'IA commence. De nouveaux processus, voire de nouvelles possibilités, sont envisagés. À un niveau élevé, les employés et les clients peuvent bénéficier d'une plus grande efficacité et d'une plus grande visibilité, notamment :

• une fourniture rapide d'informations métier précises ;
• une prise de décision accélérée et de qualité ;
• la possibilité de confier à l'IA les tâches intelligentes qui prennent du temps ;
• un soutien et une amplification des effectifs ;
• des expériences client plus gratifiantes.

De plus, comme le note Tom Davis, ces domaines sont particulièrement abordés dans les visions de l'avenir.

Recherche intelligente exhaustive

« Une recherche plus intelligente est l'une des choses que les utilisateurs attendent le plus de l'IA, révèle le vice-président adjoint. Ils veulent pouvoir effectuer leur recherche avec un prompt en langage naturel, de manière conversationnelle. Ils souhaitent demander des informations et obtenir la bonne réponse, même si les données se trouvent à plusieurs endroits, pour obtenir des recommandations, des conseils ou même des informations exploitables sur lesquelles travailler. »

Les plateformes alimentées par l'IA organisent le contenu d'une manière plus humaine en allant au-delà des étiquettes de données étroites et des filtres des systèmes existants. Des solutions telles que Hyland Insight permettent d'établir des relations plus pertinentes entre les points de données, quel que soit l'endroit où le contenu est hébergé. De plus, l'IA générative peut intervenir pour faire passer la recherche au niveau supérieur en fournissant des informations et des réponses.

La recherche intelligente en pratique : imaginez que l'on vous confie l'examen de 1 000 contrats, à la recherche de termes relatifs à la propriété foncière. Au lieu de rechercher par mot-clé ou balise de métadonnées (ou pire, de sortir un surligneur après un passage chez l'imprimeur), l'employé utilisant l'IA peut diriger le système à l'aide d'une question : « Quels sont les principaux termes et les principales conditions en lien avec le transfert de propriété foncière dans nos contrats de propriété standard ? » En quelques secondes, les résultats sont récupérés et l'employé peut examiner et retenir les informations les plus utiles.

« L'IA permet d'utiliser un assistant virtuel intelligent capable de trouver des informations pertinentes, de faire des recommandations, de fournir des conseils et de résumer les choses. Les utilisateurs veulent opérer simplement, en utilisant le langage naturel, et ils souhaitent parcourir plusieurs référentiels pour trouver des informations dans d'autres systèmes. »

Automatisation plus intelligente

Grâce aux capacités d'automatisation en natif de Hyland, les clients sont informés de la possibilité de débloquer le reste de leurs données et de créer des relations susceptibles de stimuler de nouveaux processus métier.

« On voit souvent la valeur de l'utilisation de l'IA comme un agent autonome en coulisses qui aide à faire avancer les processus, révèle Tom Davis. L'IA peut jouer un rôle dans tout cela, au niveau du traitement et de l'automatisation. Ce qui est probablement le plus important, c'est que l'on comprenne vraiment qu'une grande partie du travail réalisé pourrait être automatisée avec les bonnes informations. »

Et il ne s'agit pas simplement d'une automatisation pure et simple des processus. L'IA peut amplifier et augmenter les capacités des personnes impliquées dans ces processus pour les aider à être plus rapides et plus efficaces. Les modèles d'IA peuvent même comprendre comment fonctionne un processus et recommander des modifications du flux de processus en fonction de ce qu'ils ont appris.

L'intelligence au-delà des métadonnées

Grâce au contenu prêt pour l'IA, l'ensemble du cycle de vie des informations est amélioré. Les associations établies entre les points de données et comprises par l'IA permettent d'améliorer la gestion du contenu, les processus, la recherche et la gouvernance. À titre d'exemple, l'IA enrichit votre flux de travail par le biais de ces éléments :

• Gestion du contenu : il est possible d'organiser, reconnaître, extraire et activer un volume plus important et une plus grande valeur d'informations à partir d'un contenu non structuré, ce qui permet une gestion plus complète du contenu et une meilleure prise de décision.
• Processus : des processus plus complexes peuvent être automatisés grâce à la capacité de l'IA à donner un sens aux données connectées et pertinentes issues de contenus non structurés, en plus de sa capacité à recourir à une veille stratégique reposant sur des sources humaines pour propulser les workflows.

L'IA dans différents rôles

Exploiter efficacement l'IA dans une entreprise demande du temps, une formation et de l'innovation. De nombreuses entreprises intensifient leur utilisation de l'IA à mesure qu'elles lui font plus confiance, qu'elles gagnent en compétence et qu'elles deviennent plus créatives. Tom Davis présente trois scénarios d'exécution de l'IA :

Niveau 1 : l'IA au service de l'humain
Prenons l'exemple d'un processus existant dans lequel un employé examine tout et prend une décision. L'IA peut apporter un soutien en fournissant des réponses aux questions concernant le contenu. Désormais, plutôt que de voir un employé lire des milliers de documents, l'IA peut résumer le contenu et lui fournir les informations dont il a besoin pour prendre une décision rapide et informée.

Niveau 2 : l'IA automatise les processus contrôlés par l'humain
Dans ce scénario, le processus est configuré pour que le modèle d'IA fasse le travail et présente ses résultats à un employé hautement qualifié pour examen. Par exemple, un processus peut comporter cinq décisions qui peuvent être automatisées par l'IA. Au fur et à mesure que le modèle d'IA prend ces décisions, il peut revenir en arrière pour examen, mais il finit par suivre le processus. Le résultat du modèle est transmis à l'employé hautement qualifié pour examen. Cette augmentation du travail intelligent et de l'examen par des spécialistes favorise l'efficacité et améliore la qualité du travail auquel les employés consacrent du temps.

Niveau 3 : 100 % piloté par l'IA
Lorsque les modèles atteignent un taux de précision de 99 %, ils sont considérés comme pleinement opérationnels. Bien entendu, la nécessité d'une gouvernance et d'une assurance qualité demeure, mais à ce stade, l'IA fait partie intégrante de l'équipe et est entièrement automatisée.