L’intelligence artificielle (IA) et l’apprentissage automatique (ML) font partie des technologies d’entreprise les plus en vogue et ont captivé l’imagination des conseils d’administration, avec la promesse d’efficacité et de réduction des coûts, et le public, avec des développements tels que les voitures autonomes et l’autonomie. taxis aériens quadricoptères.
Bien sûr, la réalité est plutôt plus prosaïque, les entreprises se tournant vers l’IA pour automatiser des domaines tels que les recommandations de produits en ligne ou la détection de défauts sur les lignes de production. Les organisations utilisent l’IA dans des secteurs verticaux, tels que les services financiers, la vente au détail et l’énergie, où les applications incluent la prévention de la fraude et l’analyse des performances commerciales pour les prêts, la prévision de la demande pour les produits saisonniers et l’analyse de grandes quantités de données pour optimiser les réseaux énergétiques.
Tout cela est en deçà de l’idée de l’IA en tant que machine intelligente du type 2001 : L’Odyssée de l’espace HAL. Mais il s’agit toujours d’un marché à croissance rapide, porté par des entreprises qui tentent de tirer davantage de valeur de leurs données et d’automatiser l’informatique décisionnelle et l’analyse pour améliorer la prise de décision.
Le cabinet d’analystes du secteur Gartner, par exemple, prédit que le marché mondial des logiciels d’IA atteindra 62 milliards de dollars cette année, la croissance la plus rapide provenant de la gestion des connaissances. Selon l’entreprise, 48 % des DSI interrogés ont déjà déployé l’intelligence artificielle et l’apprentissage automatique ou prévoient de le faire dans les 12 prochains mois.
Une grande partie de cette croissance est tirée par les développements du cloud computing, car les entreprises peuvent tirer parti des faibles coûts initiaux et de l’évolutivité de l’infrastructure cloud. Gartner, par exemple, cite le cloud computing comme l’un des cinq facteurs de croissance de l’IA et du ML, car il permet aux entreprises “d’expérimenter et d’opérationnaliser l’IA plus rapidement avec une complexité moindre”.
De plus, les grands fournisseurs de cloud public développent leurs propres modules d’IA, y compris la reconnaissance d’images, le traitement de documents et les applications de pointe pour soutenir les processus industriels et de distribution.
Certaines des applications d’IA et de ML qui connaissent la croissance la plus rapide concernent le commerce électronique et la publicité, car les entreprises cherchent à analyser les habitudes de dépenses et à faire des recommandations, et utilisent l’automatisation pour cibler la publicité. Cela tire parti du volume croissant de données d’entreprise qui résident déjà dans le cloud, réduisant ainsi les coûts et la complexité associés au déplacement des données.
Le cloud permet également aux organisations d’utiliser des installations d’analyse et de calcul avancées, qui ne sont souvent pas rentables à construire en interne. Cela inclut l’utilisation d’unités de traitement graphique (GPU) dédiées et de volumes de stockage extrêmement importants rendus possibles par le stockage en nuage.
« De telles capacités sont hors de portée des offres sur site de nombreuses organisations, telles que le traitement GPU. Cela démontre l’importance de la capacité du cloud dans les stratégies numériques des organisations », déclare Lee Howells, responsable de l’IA au cabinet de conseil PA Consulting.
Les entreprises acquièrent également une expertise dans leur utilisation de l’IA grâce à des services basés sur le cloud. Un domaine de croissance est AIOps, où les organisations utilisent l’intelligence artificielle pour optimiser leurs opérations informatiques, en particulier dans le cloud.
Un autre est MLOps, qui, selon Gartner, est l’opérationnalisation de plusieurs modèles d’IA, créant des «environnements d’IA composites». Cela permet aux entreprises de construire des modèles plus complets et fonctionnels à partir de blocs de construction plus petits. Ces blocs peuvent être hébergés sur des systèmes sur site, en interne ou dans des environnements hybrides.
Offres d’IA des fournisseurs de services cloud
Tout comme les fournisseurs de services cloud offrent les éléments constitutifs de l’informatique – calcul, stockage et mise en réseau – ils élaborent une gamme de modèles d’intelligence artificielle et d’apprentissage automatique. Ils proposent également des services basés sur l’IA et le ML que les entreprises ou les sociétés technologiques tierces peuvent intégrer à leurs applications.
Ces offres d’IA n’ont pas besoin d’être des processus de bout en bout, et souvent elles ne le sont pas. Au lieu de cela, ils fournissent des fonctionnalités qui seraient coûteuses ou complexes à fournir pour une entreprise elle-même. Mais ce sont aussi des fonctions qui peuvent être exécutées sans compromettre les exigences de sécurité ou réglementaires de l’entreprise, ou qui impliquent une migration de données à grande échelle.
Des exemples de ces modules d’IA incluent le traitement et la reconnaissance d’images, le traitement et l’analyse de documents et la traduction.
« Nous fonctionnons au sein d’un écosystème. Nous achetons des briques à des gens, puis nous construisons des maisons et d’autres choses avec ces briques. Ensuite, nous livrons ces maisons aux clients individuels », explique Mika Vainio-Mattila, PDG de Digital Workforce, une société d’automatisation des processus robotiques (RPA). L’entreprise utilise les technologies cloud pour étendre sa fourniture de services d’automatisation à ses clients, y compris son “robot en tant que service”, qui peut fonctionner soit sur Microsoft Azure, soit sur un cloud privé.
Vainio-Mattila affirme que l’IA est déjà un élément important de l’automatisation des entreprises. “Celui qui est probablement le plus répandu est le traitement intelligent des documents, qui consiste essentiellement à donner un sens aux documents non structurés”, dit-il.
« L’objectif est de rendre ces documents significatifs pour les « robots », ou agents numériques automatisés, qui font ensuite des choses avec les données de ces documents. C’est l’espace où nous avons le plus utilisé les outils et les technologies d’IA, et où nous avons nous-mêmes appliqué le plus l’IA. »
Il voit une pression croissante des grandes entreprises de cloud public pour fournir des outils et des modèles d’IA. Au départ, il s’agissait de fournisseurs de logiciels tiers ou de fournisseurs de services tels que sa société, mais il s’attend à ce que les fournisseurs de solutions cloud (CSP) offrent également plus de technologie d’IA directement aux entreprises utilisatrices.
“C’est un espace intéressant car les grands fournisseurs de cloud – menés par Google évidemment, mais suivis de très près par Microsoft et Amazon, et d’autres, IBM également – ont mis en place des services autour des services basés sur le ML et l’IA pour déchiffrer les informations non structurées. Cela inclut la reconnaissance ou la classification des photographies ou, ou la traduction.
Ce sont des technologies « polyvalentes » conçues pour que d’autres puissent les réutiliser. Les applications métier sont souvent très spécifiques à des cas d’utilisation et nécessitent des experts pour les adapter aux besoins métier d’une entreprise. Et l’accent est davantage mis sur les opérations de back-office que sur des applications telles que les voitures sans conducteur.
Les fournisseurs de cloud proposent également des modules “spécifiques à un domaine”, selon Howells de PA Consulting. Ceux-ci ont déjà évolué dans les services financiers, la fabrication et les soins de santé, dit-il.
En fait, la gamme de services d’IA proposés dans le cloud est large et en pleine croissance. “Le grand [cloud] les joueurs disposent désormais de modèles que tout le monde peut adopter et exécuter », déclare Tim Bowes, directeur associé de l’ingénierie des données au sein du cabinet de conseil Dufrain. “Il y a deux ou trois ans, c’était uniquement de la technologie tierce, mais ils construisent maintenant des outils propriétaires.”
Azure, par exemple, propose Azure AI, avec des modèles d’IA de vision, de parole, de langage et de prise de décision auxquels les utilisateurs peuvent accéder via des appels d’IA. Microsoft décompose ses offres en services d’IA appliqués, services cognitifs, apprentissage automatique et infrastructure d’IA.
Google propose une infrastructure d’IA, Vertex AI, une plate-forme ML, des services de science des données, la traduction des médias et la parole en texte, pour n’en nommer que quelques-uns. Son API Cloud Inference permet aux entreprises de travailler avec de grands ensembles de données stockés dans le cloud de Google. L’entreprise, sans surprise, fournit des GPU cloud.
Amazon Web Services (AWS) fournit également une large gamme de services basés sur l’IA, notamment la reconnaissance d’images et l’analyse vidéo, la traduction, l’IA conversationnelle pour les chatbots, le traitement du langage naturel et une suite de services destinés aux développeurs. AWS fait également la promotion de ses modules santé et industriels.
Les grands fournisseurs de logiciels d’entreprise et de logiciels en tant que service (SaaS) ont également leurs propres offres d’IA. Il s’agit notamment de Salesforce (ML et analyse prédictive), Oracle (outils ML comprenant des modèles pré-formés, vision par ordinateur et NLP) et IBM (Watson Studio et Watson Services). IBM a même développé un ensemble spécifique d’outils basés sur l’IA pour aider les organisations à comprendre leurs risques environnementaux.
Les entreprises spécialisées incluent H2O.ai, UIPath, Blue Prism et Snaplogic, bien que ces trois dernières pourraient être mieux décrites comme des sociétés d’automatisation intelligente ou de RPA que comme des fournisseurs d’IA pure-play.
C’est cependant une ligne fine. Selon Jeremiah Stone, directeur de la technologie (CTO) chez Snaplogic, les entreprises se tournent souvent vers l’IA à titre expérimental, même lorsqu’une technologie plus mature peut être plus appropriée.
“Probablement 60 % ou 70 % des efforts que j’ai vus commencent, du moins au début, à explorer l’IA et le ML comme un moyen de résoudre des problèmes qui pourraient être mieux résolus avec des approches mieux comprises”, dit-il. “Mais c’est pardonnable car, en tant que personnes, nous avons continuellement un optimisme extrême quant à ce que les logiciels et la technologie peuvent faire pour nous – si nous ne le faisions pas, nous n’avancerions pas.”
L’expérimentation de l’IA apportera, dit-il, des avantages à plus long terme.
Limites et perspectives de l’IA basée sur le cloud
Il existe d’autres limites à l’IA dans le cloud. Avant tout, les services basés sur le cloud sont les mieux adaptés aux données génériques ou aux processus génériques. Cela permet aux organisations de surmonter les obstacles de sécurité, de confidentialité et de réglementation liés au partage de données avec des tiers.
Les outils d’intelligence artificielle contrent cela en ne déplaçant pas les données – elles restent dans l’application ou la base de données métier locale. Et la sécurité dans le cloud s’améliore, au point que de plus en plus d’entreprises sont prêtes à l’utiliser.
« Certaines organisations préfèrent conserver leurs données les plus sensibles sur site. Cependant, avec les fournisseurs de cloud offrant des capacités de sécurité de pointe, la raison pour laquelle cela se réduit rapidement », déclare Howells de PA Consulting.
Néanmoins, certaines entreprises préfèrent construire leurs propres modèles d’IA et faire leur propre formation, malgré le coût. Si l’IA est le produit – et les voitures sans conducteur en sont un excellent exemple – l’entreprise voudra détenir la propriété intellectuelle des modèles.
Mais même dans ce cas, les organisations peuvent bénéficier de domaines dans lesquels elles peuvent utiliser des données et des modèles génériques. La météo en est un exemple, la reconnaissance d’images en est potentiellement un autre.
Même les entreprises ayant des demandes très spécifiques pour leurs systèmes d’IA pourraient bénéficier des vastes ressources de données dans le cloud pour la formation de modèles. Potentiellement, ils pourraient également vouloir utiliser les données synthétiques des fournisseurs de cloud, ce qui permet la formation de modèles sans les problèmes de sécurité et de confidentialité liés au partage de données.
Et peu de personnes dans l’industrie parieraient contre ces services provenant, avant tout, des fournisseurs de services cloud.
