L’IA est prête pour devenir une présence significative et omniprésente dans nos vies. Elle recèle une valeur potentielle énorme, mais nous ne pouvons pas contribuer de manière significative à une technologie que nous ne comprenons pas.
Lorsqu’un utilisateur décide d’acheter un nouvel élément technologique, il n’est pas particulièrement intéressé par ce qu’il pourrait faire à un moment donné. Un utilisateur potentiel doit comprendre ce qu’une solution lui apportera aujourd’hui, comment elle interagira avec sa pile technologique existante et comment l’itération actuelle de cette solution apportera une valeur continue à son entreprise.
Mais comme il s’agit d’un espace émergent qui change apparemment de jour en jour, il peut être difficile pour ces utilisateurs potentiels de savoir quelles questions ils devraient se poser ou comment évaluer les produits si tôt dans leur cycle de vie.
Dans cet esprit, j’ai fourni un guide de haut niveau pour évaluer une solution basée sur l’IA en tant que client potentiel – une carte de pointage d’acheteur d’entreprise, si vous préférez. Lors de l’évaluation de l’IA, réfléchissez aux questions suivantes.
La solution résout-elle un problème commercial et les constructeurs comprennent-ils vraiment ce problème ?
Les chatbots, par exemple, remplissent une fonction très spécifique qui contribue à promouvoir la productivité individuelle. Mais la solution peut-elle évoluer au point d’être utilisée efficacement par 100 ou 1 000 personnes ?
Les principes fondamentaux du déploiement de logiciels d’entreprise s’appliquent toujours : la réussite des clients, la gestion du changement et la capacité à innover au sein de l’outil sont des exigences fondamentales pour fournir une valeur continue à l’entreprise. Ne considérez pas l’IA comme une solution incrémentielle ; considérez-le comme un petit morceau de magie qui supprime complètement un problème de votre expérience.
Mais cela ne semblera magique que si vous parvenez littéralement à faire disparaître quelque chose en le rendant autonome, ce qui revient à une véritable compréhension du problème commercial.
À quoi ressemble la pile de sécurité ?
Les implications en matière de sécurité des données autour de l’IA vont au niveau supérieur et dépassent de loin les exigences auxquelles nous sommes habitués. Vous avez besoin de mesures de sécurité intégrées qui respectent ou dépassent vos propres normes organisationnelles.
Voici un guide de haut niveau pour évaluer une solution basée sur l’IA en tant que client potentiel – une carte de pointage d’acheteur d’entreprise, si vous préférez.
Aujourd’hui, les données, la conformité et la sécurité sont des enjeux majeurs pour tout logiciel et sont encore plus importants pour les solutions d’IA. La raison en est double : tout d’abord, les modèles d’apprentissage automatique fonctionnent avec d’énormes quantités de données, et cela peut s’avérer une expérience impitoyable si ces données ne sont pas traitées avec un soin stratégique.
Avec toute solution basée sur l’IA, quel que soit son objectif, l’objectif est d’avoir un impact important. Par conséquent, le public qui expérimentera la solution sera également large. La manière dont vous exploitez les données générées par ces grands groupes d’utilisateurs est très importante, tout comme le type de données que vous utilisez, lorsqu’il s’agit de garantir la sécurité de ces données.
Deuxièmement, vous devez vous assurer que quelle que soit la solution que vous avez en place, vous pouvez garder le contrôle de ces données pour former continuellement les modèles d’apprentissage automatique au fil du temps. Il ne s’agit pas seulement de créer une meilleure expérience ; il s’agit également de garantir que vos données ne quittent pas votre environnement.
Comment protégez-vous et gérez-vous les données, qui y a accès et comment les sécurisez-vous ? L’utilisation éthique de l’IA est déjà un sujet brûlant et continuera de l’être avec les réglementations imminentes en cours. Toute solution d’IA que vous déployez doit avoir été conçue avec une compréhension inhérente de cette dynamique
Le produit est-il vraiment quelque chose qui peut s’améliorer avec le temps ?
À mesure que les modèles ML vieillissent, ils commencent à dériver et à tirer de mauvaises conclusions. Par exemple, ChatGPT3 n’a collecté les données que jusqu’en novembre 2021, ce qui signifie qu’il n’a pu donner aucun sens aux événements survenus après cette date.
Les solutions d’IA d’entreprise doivent être optimisées pour évoluer au fil du temps afin de suivre le rythme des données nouvelles et précieuses. Dans le monde de la finance, un modèle peut avoir été formé pour repérer une réglementation spécifique qui évolue en fonction de la nouvelle législation.
Un fournisseur de sécurité peut entraîner son modèle pour détecter une menace spécifique, mais un nouveau vecteur d’attaque apparaît alors. Comment ces changements sont-ils reflétés pour maintenir des résultats précis au fil du temps ? Lors de l’achat d’une solution d’IA, demandez au fournisseur comment il maintient ses modèles à jour et ce qu’il pense de la dérive des modèles en général.