ICTjournal 06/2021

  • Wwwnetzmediench
  • Selon
  • Collaborateurs
  • Ainsi
  • Netzmedien
  • Suisse
  • Entreprises
  • Projet
  • Processus
  • Hybride
  • Travail

30 IA & automatisation

30 IA & automatisation tendances Quelles tendances vont le plus impacter l’IA selon Gartner? Gartner a identifié quatre tendances à même de booster l’innovation en intelligence artificielle ces prochaines années et doper l’adoption à large échelle des ces technologies. Il s’agit notamment de faciliter leur utilisation avec des approches responsables et durables. Yannick Chavanne L’adoption croissante de l’IA passera notamment par des innovations telles que les plateformes d’orchestration et d’automatisation de l’IA. Selon Gartner, le domaine de l’intelligence artificielle doit encore gagner en maturité et en responsabilité. Dans le cadre de la publication du Hype Cycle que le cabinet consacre spécifiquement à ces technologies, elles sont nombreuses à avoir le potentiel d’une adoption à large échelle, mais pas avant deux à cinq ans. Il en va ainsi de l’Edge AI, à savoir ces dispositifs et architectures permettant d’appliquer des calculs d’IA à la source des données, à la périphérie du réseau. Ce sur quoi se focalise notamment la Haute Ecole Arc pour un programme de recherche européen. Outre l’Edge AI, «la vision par ordinateur, l’intelligence décisionnelle et l’apprentissage automatique sont tous prêts à avoir un impact transformationnel sur le marché dans les années à venir», explique Shubhangi Vashisth, analyste chez Gartner. IA responsable La plupart des technologies d’IA émergentes peuvent être regroupées en quatre tendances, explique Gartner. En premier lieu, l’IA responsable, une approche qui gagne encore en importance à l’heure où toujours plus de lacunes sont observées dans des algorithmes reproduisant les biais des données utilisées pour les alimenter. Exemple récent de ces dérives: l’IA de Facebook a pris des hommes noirs pour des singes. Du Big au Small et au Wide Data Pour garantir des prises de décision optimales dans un environnement toujours plus complexe, les entreprises adeptes de l’analytics ont besoin de disposer d’une plus grande variété de données pour une meilleure connaissance de la situation. Il convient ainsi de passer du Big au Small et au Wide Data, affirme Gartner. «Les petites données concernent l’application de techniques analytiques qui nécessitent moins de données mais offrent tout de même des informations utiles, tandis que les données larges permettent l’analyse et la synergie de diverses sources de données», clarifie Shubhangi Vashisth. Opérationnalisation des plateformes d’IA Pour gagner en maturité, les technologies d’IA ne doivent pas seulement s’inscrire dans une approche responsable. Il convient aussi de faciliter leur emploi, note Gartner, qui dans une étude a montré que seule la moitié des projets d’IA passent du stade du pilote à celui de la production. L’adoption croissante de l’IA passera notamment par des innovations telles que les plateformes d’orchestration et d’automatisation de l’IA (AIOAP) et l’opérationnalisation des modèles (ModelOps). Image: Hitesh Choudhary / Unsplash Utilisation efficace des ressources L’innovation en matière d’IA pose en outre des défis importants sur la question de la durabilité. D’où l’émergence d’outils et d’approches à même de maximiser l’efficacité énergétique des ressources informatiques impliquées. Gartner mentionne entre autres dans ce domaine l’IA composite, soit la combinaison de différentes techniques d’IA pour obtenir le meilleur résultat, mais aussi les techniques d’IA générative. 06 / 2021 www.ictjournal.ch © netzmedien ag

IA & automatisation avis d’expert 31 RPA: Cognitive Automation & Process Mining En intégrant des capacités de compréhension du langage et de machine learning, la RPA a le potentiel d’étendre l’automatisation à de nouveaux processus. Des processus cibles que les organisations peuvent découvrir en s’appuyant sur des outils de process discovery et de process mining. L’automatisation robotisée des processus (RPA) est un secteur qui suit un développement exponentiel et qui accompagne la progression des entreprises dans leur transformation digitale. Concernant cette dernière, un rapport de l’IDC parle d’un investissement total de 2,3 trillions prévu pour l’année 2023 à travers le monde. Mais si la RPA est en plein essor, cette technologie est souvent mal amalgamée avec d’autres procédés tels que l’apprentissage automatique (ML), les systèmes de capture intelligente (OCR) ou le traitement automatique du langage naturel (NLP). Cependant, derrière ce quiproquo se cache ce qui pourrait devenir l’avenir de la RPA. On retrouve cette nouvelle approche sous l’appellation de «cognitive automation» qui va au-delà de ce qui est aussi appelé «smart automation», «intelligent automation», «hyper-automation» ou «AI process automation». La RPA combinée au NLP et à l’OCR La compréhension du langage (NLP) peut aider à analyser des données structurées, non structurées et semi-structurées, et à les extraire pour une analyse plus approfondie. Combiné à la RPA, le NLP permet l’automatisation de processus tels que le traitement des tickets de support, la gestion des factures, l’analyse des contrats, la gestion et l’archivage des documents. L’OCR dans la RPA permet aux organisations d’automatiser un plus grand volume de leurs processus opérationnels, en particulier ceux qui dépendent encore fortement de documents scannés, comme les formulaires remplis par les clients. Un exemple pratique d’un cas d’utilisation RPA-OCR pourrait être l’extraction d’informations d’un formulaire de demande de client scanné et son insertion dans un système CRM. L’apport du Machine Learning et de l’IA En intégrant le Machine Learning (ML) et l’intelligence artificielle (IA) à la RPA, il est possible d’automatiser intelligemment des tâches et des opérations répétitives avec des couches de perception, de jugement et de prédiction humaines tels que l’automatisation du service clientèle, la gestion de la cybersécurité, la reconnaissance d’objets et de documents et par exemple la détection de fraudes. «La RPA est souvent mal amalgamée avec d’autres procédés.» Process mining et process discovery Un autre axe de développement de la RPA concerne la recherche, la sélection et l’analyse des processus à automatiser: process mining et process discovery. Le challenge réside dans le fait que la plupart de ces processus mêmes les plus répétitifs disposent rarement de manuels ou de diagrammes actualisés. Ainsi, les trois quarts des possibilités d’automatisation ne sont pas découverts au moment de la phase initiale d’un projet. Même si des possibilités d’automatisation sont identifiées, de grands efforts sont encore consacrés à la compréhension des processus avant le déploiement final de la solution d’automatisation. La capacité à découvrir, comprendre et rationaliser efficacement les processus d’entreprise avant de les automatiser peut accélérer le projet d’automatisation et d’augmenter son retour sur investissement. En outre, selon Gartner, «50 % des scripts RPA seront générés automatiquement d’ici 2023», ce qui signifie que la découverte des processus est une technologie habilitante essentielle pour la transformation numérique. L’objectif est de découvrir de nouveaux processus en utilisant l’intelligence artificielle (IA) pour analyser et consolider automatiquement des séquences de travaux manuels enregistrés, de manière à en extraire les schémas d’automatisation (workflow). Ces solutions permettent de capturer, cartographier, identifier, prioriser, générer et déployer les solutions automatiques presque sans intervention humaine. Ce processus s’effectue selon deux approches: ∙∙ Le process mining qui donne une visibilité complète, basée sur les journaux, des processus qui interviennent dans les systèmes d’entreprise tels que ERP, le CRM, etc. ∙∙ Le process discovery conduit à l’automatisation des processus à l’aide de la RPA. Il enregistre toutes les interactions des utilisateurs avec les systèmes, analyse les actions répétitives et crée des agents RPA automatiquement qui vont ensuite exécuter seuls ces tâches. L’auteur Idress Samim, Senior Smart Automation Architect, Inetum Suisse SA www.ictjournal.ch © netzmedien ag 06 / 2021