Le CIO poursuit : « Les algorithmes parlent en statistiques, ils ne donnent pas une bonne ou une mauvaise réponse, mais qui a un degré de fiabilité plus ou moins élevé. En dessous d’un certain seuil, la réponse n’est pas acceptable, au-dessus oui. Sur les milliers de dossiers placés dans le PoC, nous avons rejeté la moitié des données car peu fiables, mais même l’autre moitié que nous avons acceptée nous a donné une tendance qui décrit correctement la réalité. Nous travaillons évidemment avec peu de fonds disponibles et la vérification de la fiabilité de l’IA a été effectuée automatiquement, sans intervention humaine afin de ne pas perdre de temps et de ressources. Pour le moment, nous ne pouvons même pas insérer tous les dossiers médicaux dans le système, mais nous espérons qu’avec de nouvelles levées de fonds et avec les crédits Microsoft, nous pourrons accéder aux infrastructures cloud et aux GPU : c’est le coût du projet.
N’oublions pas l’IA « traditionnelle »
Pour l’expert en données et analyses Stefano Gatti, auteur du livre La culture des données« GenAI aide, mais n’est pas encore mature pour gérer les services destinés aux clients. Il est cependant plus mature pour prendre en charge une productivité interne accrue, comme le reconnaissent plusieurs DSI. Le contrôle humain ou, en tout cas, la vérification de la fiabilité du résultat reste fondamental. »
Un bon guide pour que les DSI comprennent si et comment investir dans l’IA générative, c’est ce qu’il écrit encore une fois. Gartner [in inglese] (et qui correspond aux expériences concrètes qui viennent d’être décrites) : commencez par essayer de comprendre si le cas d’usage crée de la valeur pour le business et est réalisable en pratique. En fait, cela n’a aucun sens d’appliquer GenAI sans discernement. Selon Gartner, cette technologie est extrêmement efficace dans la génération de contenu, la recherche de données et les interfaces utilisateur conversationnelles, mais n’est pas décisive dans des applications telles que la classification des données, les systèmes de recommandation ou l’automatisation intelligente, et est peu utile pour la prévision, la planification et l’intelligence décisionnelle. L’IA générative doit également être abandonnée lorsque les risques dépassent les avantages : par exemple, en présence de résultats peu fiables, de violation de la vie privée ou de la propriété intellectuelle, de cybersécurité ou de problèmes de conformité réglementaire.
Articles similaires
septembre 3, 2024
DSI et gestion des données : comment améliorer les activités de l’entreprise avec l’IA et la GenAI
Le CIO poursuit : « Les algorithmes parlent en statistiques, ils ne donnent pas une bonne ou une mauvaise réponse, mais qui a un degré de fiabilité plus ou moins élevé. En dessous d’un certain seuil, la réponse n’est pas acceptable, au-dessus oui. Sur les milliers de dossiers placés dans le PoC, nous avons rejeté la moitié des données car peu fiables, mais même l’autre moitié que nous avons acceptée nous a donné une tendance qui décrit correctement la réalité. Nous travaillons évidemment avec peu de fonds disponibles et la vérification de la fiabilité de l’IA a été effectuée automatiquement, sans intervention humaine afin de ne pas perdre de temps et de ressources. Pour le moment, nous ne pouvons même pas insérer tous les dossiers médicaux dans le système, mais nous espérons qu’avec de nouvelles levées de fonds et avec les crédits Microsoft, nous pourrons accéder aux infrastructures cloud et aux GPU : c’est le coût du projet.
N’oublions pas l’IA « traditionnelle »
Pour l’expert en données et analyses Stefano Gatti, auteur du livre La culture des données« GenAI aide, mais n’est pas encore mature pour gérer les services destinés aux clients. Il est cependant plus mature pour prendre en charge une productivité interne accrue, comme le reconnaissent plusieurs DSI. Le contrôle humain ou, en tout cas, la vérification de la fiabilité du résultat reste fondamental. »
Un bon guide pour que les DSI comprennent si et comment investir dans l’IA générative, c’est ce qu’il écrit encore une fois. Gartner [in inglese] (et qui correspond aux expériences concrètes qui viennent d’être décrites) : commencez par essayer de comprendre si le cas d’usage crée de la valeur pour le business et est réalisable en pratique. En fait, cela n’a aucun sens d’appliquer GenAI sans discernement. Selon Gartner, cette technologie est extrêmement efficace dans la génération de contenu, la recherche de données et les interfaces utilisateur conversationnelles, mais n’est pas décisive dans des applications telles que la classification des données, les systèmes de recommandation ou l’automatisation intelligente, et est peu utile pour la prévision, la planification et l’intelligence décisionnelle. L’IA générative doit également être abandonnée lorsque les risques dépassent les avantages : par exemple, en présence de résultats peu fiables, de violation de la vie privée ou de la propriété intellectuelle, de cybersécurité ou de problèmes de conformité réglementaire.
Source link
Partager :
Articles similaires