Machine Learning : l’heure d’un bond technologique pour les entreprises

CreditPhotoChenspecPixabay

L’intelligence artificielle (IA) est devenue l’une des tendances technologiques majeures. Bien que de nombreux chefs d’entreprise aient pleinement saisi le potentiel de l’IA par le passé, l’arrivée de nouvelles solutions conçues davantage pour les entreprises, conjuguée aux besoins générés par la pandémie de 2020, les incitent désormais à l’adopter. Amazon Web Services (AWS) est un pionnier dans la conception d’applications basées sur le Machine Learning (ML) et l’IA pour moderniser les entreprises afin de les aider à résoudre des problèmes critiques en matière d’engagement des clients, d’optimisation des processus et de détection des fraudes.

L’IA et le ML sont en plein essor, et selon l’étude menée en 2020 par CCS Insights sur les investissements informatiques des hauts dirigeants, plus de 80 % des entreprises se serviront de ces technologies d’ici 2022. Elles devront cependant être conscientes des défis qui accompagnent ces technologies innovantes et apprendre à lever les obstacles, pour en tirer le meilleur parti.

Les défis à relever pour tirer parti de l’IA et du ML

Les technologies IA/ML participent à l’amélioration et à la croissance de nombreux secteurs et domaines, du développement de produits à la productivité des employés, en passant par la cybersécurité. Cependant, certains défis empêchent les organisations de bénéficier pleinement des avantages de ces technologies. Il faut comprendre ces défis pour être en mesure de les surmonter.

Tout d’abord, l’identification et la priorisation des projets qui apportent le plus de valeur commerciale et rapides à implémenter constituent une difficulté. Dans l’étude de CCS Insight, plus de 20 % des entreprises ont déclaré que le temps nécessaire pour tirer parti de l’IA était l’un des principaux défis. Le changement d’environnement commercial provoqué par la pandémie signifie que les entreprises ne peuvent plus se permettre d’immobiliser leurs investissements dans des projets à long terme et des preuves de concept. D’après le cabinet d’audit Grant Thornton, 22 % des entreprises ne réalisent aucune prévision de trésorerie.

Un autre défi majeur au déploiement des projets de ML est le manque de compétences techniques en science des données, en développement et en ingénierie. L’étude de CCS Insight montre que 30 % des entreprises ont des difficultés à relever les défis liés aux données en raison d’un manque de maîtrise et d’expérience dans le domaine de la donnée, nécessaires pour prendre des décisions commerciales et opérationnelles. Il faut donc prendre en considération les lacunes importantes dans la compréhension des exigences commerciales, la mesure des résultats commerciaux et la mise en œuvre de pratiques opérationnelles et de gouvernance.

Enfin, les organisations sont de plus en plus conscientes des problèmes de sécurité, de conformité et d’éthique dans leurs activités. Les entreprises sont donc désireuses de mettre en œuvre des principes, des pratiques et des technologies permettant des projets d’IA éthiques, transparents, sûrs et responsables. Alors que la Commission Européenne s’est engagée à élaborer une réglementation novatrice de l’IA en 2021, les entreprises sont également confrontées à un environnement réglementaire nouveau et incertain.

Pour surmonter ces défis et faire progresser leurs stratégies d’IA et de transformation numérique, les chefs d’entreprise devraient considérer les solutions commerciales d’IA qui ont émergé au cours des 18 derniers mois.

Les services d’IA centrés sur les entreprises apportent des solutions simples et puissantes

Pour avancer dans leurs stratégies de transformation numérique, les chefs d’entreprise devraient envisager l’ensemble croissant de solutions d’IA pour les entreprises ou d’applications d’IA packagées axées sur la résolution de problèmes commerciaux et industriels courants. Elles nécessitent peu ou pas d’expertise en ML et peuvent réduire les coûts et accélérer radicalement le temps nécessaire pour obtenir une valeur commerciale de l’IA.

  • Prévision de la demande. La précision des prévisions est une exigence commerciale essentielle, notamment en raison des évolutions de la demande que connaissent la plupart des industries. Des solutions telles qu’Amazon Forecast exploitent le ML pour fournir des prévisions personnalisées dans des domaines tels que les flux de trésorerie, la demande de produits ou la planification des ressources.
  • Personnalisation. Amazon Personalize permet aux entreprises d’utiliser le ML pour créer des services personnalisés, tels que des recommandations et des classements de produits, ou encore du marketing direct. La Bundesliga, la ligue de football allemande, utilise Amazon Personalize pour améliorer l’expérience des fans en proposant des statistiques en temps réel et du contenu personnalisé pendant les matchs en direct, sur toutes ses plateformes numériques. Les téléspectateurs peuvent également personnaliser le contenu qui les intéresse en adaptant les clips vidéo et les résultats de recherche associés à leurs clubs, joueurs ou matchs préférés.
  • Détection des fraudes. Chaque année, les organisations perdent des dizaines de milliards de dollars à cause de la fraude en ligne dans le monde. L’étude de CCS Insights montre que 49 % des organisations qui construisent actuellement des solutions d’IA se concentrent sur les applications de sécurité ciblant la fraude. Amazon Fraud Detector est un service entièrement géré qui utilise le ML et plus de 20 ans d’expertise d’Amazon en matière de détection des fraudes pour identifier les activités frauduleuses potentielles afin que les entreprises puissent se protéger plus rapidement. En utilisant le Cloud AWS, les clients peuvent automatiser les étapes longues et coûteuses du développement, de l’’entraînement et du déploiement d’un modèle ML pour la détection des fraudes, afin de tirer le meilleur parti de cette technologie.
  • Recherche intelligente. Celle-ci pèse depuis longtemps sur la productivité des grandes organisations, en raison des difficultés à trouver et à accéder aux informations hébergées dans de multiples systèmes et silos opérationnels. S’intégrant aux référentiels couramment utilisés, tels que les systèmes de fichiers, les applications, les intranets et les bases de données relationnelles, Amazon Kendra utilise le ML pour indexer les sources de données internes, telles que les documents, le contenu des intranets, les archives et les notes, et rend les informations consultables grâce au traitement du langage naturel.
  • Des opérations de confiance et un déploiement responsable. La transparence dans le processus décisionnel de l’IA constitue l’un des plus grands facteurs d’encouragement des cadres supérieurs à adopter des solutions d’IA. De plus en plus d’entreprises donnent désormais la priorité à des domaines vitaux tels que l’explicabilité des modèles, l’équité, la sécurité et la confidentialité afin de favoriser la confiance et de minimiser les risques commerciaux. En ce sens, AWS propose une plateforme complète de ML dans SageMaker pour relever ces défis. Euler Hermes est une société d’assurance-crédit française qui a opéré sa transformation en data company grâce au cloud. L’entreprise gère les données administratives et financières de plus de 30 millions d’entreprises, ce qui représente 894 milliards de transactions financières mensuelles dans le monde. Elle s’est appuyée sur SageMaker pour rendre les transactions commerciales plus sûres et plus faciles et innover plus rapidement à moindre coût, avec le lancement en seulement 7 mois d’un service interne lui permettant d’identifier la fraude par squatting. Ce type de cyberattaque consiste à enregistrer des noms de domaine internet qui ressemblent étroitement à des noms légitimes, réputés et bien connus (mais qui contiennent des fautes de frappe ou des fautes d’orthographe) dans le but d’hameçonnage (ou phishing), d’usurpation d’identité, de publicité ou encore d’installation de logiciels malveillants. En utilisant SageMaker, l’entreprise a pu entraîner le modèle de machine learning, puis déployer ce modèle et automatiser l’ensemble du projet, tout en répondant aux exigences de sécurité strictes.
  • Transformation des centres de contact. Durant l’année écoulée, Amazon Connect a aidé les entreprises à moderniser leurs centres de contact client, notamment pendant la pandémie.
    WebHelp, le leader européen de la relation client, a dû faire migrer 36 000 employés en télétravail dans 35 pays, en seulement deux semaines. L’utilisation du cloud et d’Amazon Connect lui a permis d’activer plusieurs milliers de postes de travail en moins de 72 heures, permettant ainsi aux agents d’être plus productifs et d’améliorer l’expérience client.

Le moment est venu pour les entreprises de saisir les opportunités offertes par l’IA et le ML. Les services basés sur ces technologies sont en plein essor et permettent aux entreprises de tous secteurs d’améliorer leurs performances et donc leurs résultats. AWS aide déjà de nombreuses organisations à construire leur avenir grâce à l’IA. Les dirigeants devraient profiter de cette opportunité en mettant en œuvre l’IA dans leur entreprise, d’autant plus dans le cadre d’une économie post-Covid 19.

Constantin Gonzalez, architecte de solutions chez Amazon Web Services (AWS) à Munich.: Depuis plus de 25 ans, il travaille dans la conception de technologies et d’architectures variées telles que les processeurs et les systèmes, les systèmes d'exploitation, le stockage, le calcul haute performance, les technologies Web, le cloud computing, l'Internet des Objets (IoT) et l'apprentissage automatique. Chez AWS, il aide les clients de toute taille – des startups aux grandes entreprises – à tirer parti du Cloud afin d'être plus efficaces, tout en évoluant pour devenir des organisations « numériques » rapides et innovantes.