Problème du dernier kilomètre de l'IA : concilier capacité du modèle et viabilité des coûts avec des données imparfaites

Joe RosePrésident d'un fournisseur de technologies stratégiques JBS Dev, a pour mission de déconstruire l'un des mythes les plus persistants concernant l'adoption de l'IA générative et agentique en entreprise.

« C’est une idée fausse très répandue de croire que vos données doivent être parfaites avant d’effectuer ce type de tâches. »

— Joe Rose, président de JBS Dev

Comme souligné dans un Article récent dans AI FieldbookLes fournisseurs et les consultants affirment souvent que les entreprises ont besoin d'immenses lacs de données et de programmes de transformation des données pluriannuels avant de pouvoir exploiter l'IA – un discours qui décourage nombre de dirigeants. Mais la réalité, selon Rose, est tout autre.

💡 « Les outils permettant de traiter des données de mauvaise qualité n'ont jamais été aussi performants qu'aujourd'hui. » dit Rose. « C’est presque remarquable ce qu’un titulaire d’un LLM peut comprendre à partir d’un sujet à moitié rédigé. »

L'imprévisibilité inhérente aux modèles d'IA exige une gestion prudente, notamment en cas de résultats erronés. C'est là que… l'humain dans la boucle La modélisation devient essentielle. Rose souligne que les données textuelles ou catégorielles présentent déjà une résilience naturelle, mais que les organisations doivent abandonner l'approche du « paramétrage une fois pour toutes ».

« Les gens ont l’habitude de dire : “On le construit, ça marche, on l’oublie.” Ce n’est tout simplement pas comme ça que fonctionnent ces systèmes. »

— Joe Rose, développeur chez JBS

🏥 Exemple concret : Rapprochement des factures médicales

Pour illustrer la puissance de l'IA avec des données imparfaites, Rose cite l'exemple d'un client dans le secteur médical qui nécessitait une migration vers un nouveau système de rapprochement de facturation. Les enregistrements formaient un mélange chaotique :

• Certains disques étaient dans Format PDFd'autres étaient fichiers image
• Les détails de la procédure étaient parfois classés sous le nom du médecin
• Les noms des médecins sont apparus dans champs nom du patient
• Les données étaient incohérentes dans l'ensemble du système.

Malgré cela, l'IA générative a pu délimiter et nettoyer les données à l'aide d'une simple invite, en tirant parti de OCR pour les images et extraction de texte pour les PDFDes approches plus procédurales ont ensuite été appliquées, comme la comparaison des dossiers clients avec les contrats d'assurance pour vérifier l'exactitude de la facturation.

📈 Le modèle d'automatisation incrémentale

« On commence à superposer différents cas d'utilisation. On a commencé avec 20 % d'automatisation, puis 40 %, puis 60 %, 80 % — et on a augmenté ce pourcentage au fil du temps. »

— Joe Rose, développeur chez JBS

Rose souligne qu'il ne s'agit pas d'atteindre la perfection du jour au lendemain. approche progressive et par étapes Une approche qui repose sur une supervision humaine à chaque étape est à la fois réaliste et efficace. L'objectif est une automatisation progressive, et non une transformation ponctuelle.

🔗 L'avenir de l'IA : coût, portabilité et durabilité

Pour l'avenir, Rose estime que le prochain grand tournant du discours sur l'IA s'éloignera des avancées majeures en matière de capacités des modèles pour se concentrer plutôt sur durabilité des coûts et portabilité.

« Comment rendre les coûts plus soutenables afin de ne pas avoir à construire des centres de données au rythme actuel ? »

— Joe Rose, développeur chez JBS

📱 Le défi du « dernier kilomètre »Comme le décrit Rose, il s'agit de faire fonctionner ces modèles sur un un ordinateur portable ou un smartphone Plutôt que de nécessiter une infrastructure de centres de données à grande échelle, il remet en question l'idée que de nouvelles données d'entraînement seront à l'origine de la prochaine grande avancée en IA, arguant que les modèles ont déjà été entraînés sur un immense corpus d'informations existantes.

💬 Arrêtez d'acheter auprès de fournisseurs SaaS — créez-le vous-même

À Salon de l'IA et du Big DataDans un projet où JBS Dev est un participant actif, Rose se prépare à partager ce qu'il appelle une approche plus… prise de position controversée: les organisations devraient Cessez d'acheter auprès de fournisseurs SaaS. lorsqu'ils ont la capacité de concevoir eux-mêmes des solutions.

« Ce n'est pas aussi compliqué qu'il n'y paraît. Presque tout le monde a une présence dans le cloud, et c'est par là que je commencerais. Les outils cloud, notamment ceux des trois principaux fournisseurs, offrent tout le nécessaire pour commencer à déployer des charges de travail automatisées dès demain, sans nouvelles licences logicielles ni formation supplémentaire. »

— Joe Rose, développeur chez JBS

✅ Le message est clair : les organisations n’ont pas besoin de données parfaites, de budgets colossaux ou de contrats fournisseurs de longue durée pour se lancer dans l’IA. Les outils sont déjà disponibles. Le cloud est déjà là. Il est temps d'agir.