Que sont les flux de travail de l'IA ?
Les workflows sont des processus utilisés pour construire une solution d'IA de bout en bout. Également désignés sous le nom de « pipeline d'IA », ils peuvent exploiter le machine learning, le deep learning ou l'IA générative (GenAI) pour automatiser des tâches ou éclairer la prise de décision. Les entreprises élaborent leurs pipelines d'IA à l'aide de flux de travail progressifs qui comprennent la génération et la préparation des données, la modélisation ou l'entraînement des modèles d'IA, et enfin le déploiement et l'inférence des modèles d'IA. Pour faciliter la création d'un pipeline d'IA complet, certains workflows peuvent être prédéfinis, modulaires et conçus pour un cas d'utilisation spécifique. Ces flux de travail prédéfinis peuvent aussi être appelés implémentations de référence ou kits de référence.
Rôle des flux de travail de l'IA
La plupart des déploiements d'IA prennent la forme d'un pipeline d'IA qui comporte trois étapes : les données, le modèle et le déploiement.
- La première étape comprend tous les processus formels de collecte ou de génération de données, généralement suivis par le prétraitement et le stockage. Elle prépare les données à être utilisées par un modèle d'IA, soit pour l'entraînement soit pour l'inférence.
- La deuxième étape, la modélisation de l'IA, implique le développement d'un modèle d'IA par la superposition d'algorithmes pour créer un réseau neuronal qui simule les schémas logiques et décisionnels de l'esprit humain. Une fois définis, les modèles d'IA sont entraînés sur des volumes élevés de données pour améliorer la précision et la qualité des résultats.
- La dernière étape, le déploiement, intervient lorsque le modèle d'IA est déployé dans un cas d'utilisation réel, par exemple pour détecter les défauts d'un produit sur la chaîne de montage d'une usine ou, dans le cas de la GenAI, pour créer un chatbot personnalisé qui répond aux questions de l'utilisateur avec une intervention humaine minimale ou nulle.
Dans le pipeline d'IA, les flux de travail prennent en charge tous les processus de préparation des données, d'entraînement des modèles ou d'inférence. Par exemple, ils peuvent faciliter le développement de modèles en fournissant des modèles pré-entraînés ou des échantillons de code avec lesquels les entreprises peuvent travailler. Ils peuvent aussi permettre d'optimiser un modèle d'IA déjà déployé afin qu'il fonctionne plus rapidement et plus efficacement.
Les entreprises qui utilisent des applications d'IA disponibles dans le commerce comme ChatGPT pourraient potentiellement renoncer à créer leurs propres flux de travail de l'IA. Cela diminue néanmoins le contrôle sur les données qu'elles saisissent dans ces applications d'IA, pouvant les exposer à des risques potentiels en matière de sécurité des données et de confidentialité.
Avantages des flux de travail de l'IA
Selon une étude de McKinsey & Company, 72 % des entreprises auront adopté l'IA et 65 % l'IA générative en 2024, contre respectivement 55 % et 33 % en 2023.1Alors que ce chiffre augmente, les flux de travail de l'IA peuvent les aider à surmonter les défis liés à la conception, au déploiement ou à la maintenance de leurs pipelines d'IA :
- Déploiement plus rapide des applications d'IA : les efforts de recherche et de développement dans le domaine des solutions d'IA sont exigeants en temps et en efforts et nécessitent des postes hautement qualifiés tels que des scientifiques des données et des développeurs. De nombreux workflows offrent la possibilité d'exploiter des composants prédéfinis pour les principales étapes du pipeline d'IA, ce qui donne aux entreprises une longueur d'avance dans la construction et le déploiement de solutions d'IA performantes.
- Intégration et compatibilité simplifiées : les entreprises qui cherchent à intégrer l'IA à usage général dans leurs opérations commerciales existantes sont confrontées à des difficultés liées à l'utilisation d'une infrastructure conçue pour des cas d'utilisation tels que les serveurs de courrier électronique et les bases de données clients. Comme les flux de travail de l'IA peuvent être testés et validés sur le même matériel que les serveurs informatiques courants, les investissements informatiques peuvent être réutilisés pendant l'introduction de nouvelles applications d'IA.
- Ouverture, extensibilité et reconfiguration : de nombreux flux de travail de l'IA sont construits à l'aide de frameworks open source qui contribuent à réduire les coûts de licence et permettent des niveaux plus élevés de personnalisation pour répondre aux besoins spécifiques de l'entreprise. Cela permet aussi aux entreprises de développer un portefeuille d'actifs logiciels d'IA réutilisables qui peuvent être déployés sur diverses cibles matérielles à mesure que les besoins évoluent.
Solutions pour les flux de travail d'IA
Les implémentations de référence, les kits d'outils pour l'IA et les modèles pré-entraînés offrent aux entreprises des flux de travail prédéfinis lorsqu'elles développent leurs propres pipelines d'IA. Certains workflows sont développés et commercialisés pour des cas d'utilisation fréquents ou à forte valeur ajoutée ayant fait leurs preuves dans leur secteur, tels que les chatbots conversationnels, les inspections automatisées de contrôle visuel de la qualité ou la maintenance prédictive pour l'état des équipements et des actifs. Les suites d'orchestration offrent aussi aux entreprises plus d'outils pour gérer les flux de travail lorsqu'elles testent, construisent et déploient des solutions d'IA dans des environnements hétérogènes.