Les techniques existent, la « Composite AI » les rassemble. A la clé, plus d’innovation, plus de bénéfices. Explications de Mathias Coopmans,
SAS Global Technology Practice – Enterprise Architecture.

« En 2021, vous auriez du mal à trouver une entreprise qui n’utilise pas l’intelligence artificielle, observe d’emblée Mathias Coopmans,
SAS Global Technology Practice – Enterprise Architecture. L’IA est devenue plus accessible et omniprésente ces dernières années. Le terme s’est imposé comme un élément central du lexique technologique. Ce qui ne fait pas partie du vocabulaire, mais qui est de plus en plus essentiel au succès des déploiements, c’est le concept de la « Composite AI »

On parle ici d’une approche combinant plusieurs techniques telles que le traitement automatique du langage naturel (NLP), l’apprentissage automatique (ML), le « Deep Learning », l’analyse contextuelle, les graphes de connaissances et d’autres méthodes pour résoudre des problèmes complexes dans différents secteurs.

Gartner y accordait une attention toute particulière dans son « Hype Cycle » 2020 pour les technologies émergentes. Et de qualifier la « Composite AI » de « combinaison de différentes techniques d’intelligence artificielle pour obtenir le meilleur résultat». De son côté, SAS oscille entre l’utilisation des termes «Composite AI» et «analyse multidisciplinaire». En fin de compte, ils signifient à peu près la même chose. En revanche, SAS marque d’emblée sa différence de par sa capacité à pouvoir offrir toutes les capacités sous une seule et même plate-forme, ce qui est unique dans l’espace de l’intelligence artificielle et de l’analyse.

L’architecture composite permet de créer plus d’innovation

Pour répondre aux changements rapides et à la décentralisation, les entreprises doivent passer à des architectures plus agiles et réactives, souligne Gartner. Grâce à cette « architecture composite », les entreprises peuvent se «recomposer» en cas de besoin, comme lors d’une épidémie mondiale ou d’une récession économique. Elle suit quatre principes fondamentaux : la modularité, l’efficacité, l’amélioration continue et l’innovation adaptative.

« Si de nombreuses entreprises appliquent ces principes au coup par coup, ce modèle de structure nécessite de les mettre en œuvre à tous les niveaux de l’organisation. L’avantage : l’architecture composite permet de créer plus d’innovation, réduit les coûts et apporte de meilleurs partenariats. »

De fait, de nombreuses organisations n’appliquent qu’un ou deux des quatre principes, alors que l’entreprise composable les adopte tous au sein de l’organisation, de ses modèles commerciaux ainsi que de ses employés.

Rien de nouveau, sauf à utiliser les techniques de concert

Ses domaines d’application sont partout : santé, finance, chaîne d’approvisionnement, instances publiques… Dans le domaine commercial, on peut imaginer des parcours clients hyper personnalisés où ceux-ci peuvent obtenir des recommandations personnalisées à l’aide de vison par ordinateur capturant leurs mouvements dans les étages de vente au détail, résolvant les problèmes des mêmes clients via le moteur NLP (Natural Language Processing) et l’IA conversationnelle.

SAS apporte plusieurs technologies et applications prédéfinies. Il ne s’agit pas seulement d’apprentissage automatique. C’est une combinaison de techniques -statistiques, exploration de données, prévision, optimisation, traitement NLP, vision par ordinateur et autres- en fonction du problème rencontré. Et les fournit tous sous une seule et unique plate-forme.

« Bien que cela ne semble pas particulièrement bouleversant, les concepts derrière la « Composite AI » n’étant finalement pas nouveaux, associer les multiples techniques offre des approches uniques pour traiter différents aspects d’un problème commercial global. Les utiliser de concert peut avoir un puissant effet multiplicateur », estime encore Matthias Coopmans. Avec la « composite AI», en effet, les organisations peuvent créer des solutions qui explorent et exploitent tous les aspects des connaissances intégrées dans les données.

Des bénéfices à tous niveaux

«Nous entendons souvent les entreprises demander ‘quel algorithme ou technique d’IA dois-je utiliser ?’ Alors que l’IA s’attaque à des problèmes de plus en plus complexes, la meilleure réponse est souvent une combinaison de plusieurs techniques…»

Considérons une entreprise de vente au détail, par exemple. En utilisant la « Composite AI », elle pourrait optimiser ses efforts de tarification et de promotion en rassemblant et en analysant de manière cumulative les données des transactions de chaque magasin, les prix et promotions existants, les niveaux de stock, les attributs des clients et les prix des concurrents. Les détaillants pourraient mieux comprendre l’élasticité des prix (l’impact de tout changement de prix proposé) pour un sous-ensemble de magasins ou d’articles en exploitant simultanément des techniques d’apprentissage automatique, et en testant et en itérant à plusieurs reprises en fonction des réactions des clients à toute modification de prix.

En médecine, le centre médical universitaire d’Amsterdam a démontré la puissance de la « Composite AI » en combinant des technologies telles que la vision par ordinateur, la visualisation de données et l’apprentissage automatique pour évaluer l’efficacité des traitements pour les patients atteints de cancer. Ce mélange permet aux médecins de visualiser la réponse à la chimiothérapie en fonction du changement du volume tumoral total -une analyse difficile à voir à l’œil nu, mais qui peut améliorer considérablement les taux de survie.

Comment commencer

L’étape la plus importante pour tirer parti avec succès de la « Composite AI » consiste d’abord à définir clairement la nature du problème à résoudre. Ensuite : sélectionner, intégrer et mettre en œuvre la combinaison la plus productive de techniques d’IA.

Si, par exemple, le problème commercial le plus urgent d’une entreprise concerne l’expérience et l’assistance client, et que des données textuelles ou vocales sont impliquées, deux techniques d’IA -la vision par ordinateur et le traitement du langage naturel- devraient faire partie de la solution. Si une entreprise a du mal à résoudre un problème financier au sein d’un département spécifique qui implique principalement des données structurées, la recette de la « Composite AI » peut nécessiter une combinaison de statistiques, d’apprentissage automatique et de techniques de prévision.

Après avoir sélectionné la combinaison la plus productive de techniques d’IA, les praticiens de la science des données et de l’IA des entreprises peuvent utiliser des pipelines d’apprentissage automatique pour créer des modèles. Pour opérationnaliser les modèles résultants et capturer de la valeur dès que possible, des modèles ou même des flux de décision peuvent être intégrés dans des processus, appareils, capteurs ou bases de données pertinentes.

Une approche progressive et intégrée est essentielle

Assurer une intégration transparente et sécurisée de toutes les techniques au sein d’une stratégie de « Composite AI » est particulièrement critique, en particulier si des bibliothèques open source sont utilisées et si l’organisation en question fait partie d’un secteur hautement réglementé.

« En fin de compte, la « Composite AI » est un sport d’équipe ! Elle nécessite des compétences multidisciplinaires et la participation d’experts de tout le spectre des techniques d’intelligence artificielle, conclut Matthias Coopmans. Plutôt que de succomber ou de trop se concentrer sur une technique d’IA particulière, les entreprises devraient progressivement construire leur stratégie de « Composite AI » en fonction du ou des problèmes commerciaux qu’elles souhaitent le plus résoudre. »