/ Par

Quelles sont les étapes clés d’un projet en intelligence artificielle ?

I- La phase d'exploration

Problème ?

Que le besoin émane du métier ou d’un positionnement stratégique de la direction, la phase d’exploration commence généralement avec un budget limité.

Solution ?

Dans la majorité des cas, nous recommandons d’utiliser les IAs existantes en connexion API pour réaliser le POC. Ici, il faut utiliser le prompt engineering et en une semaine, le projet est terminé.

Coût ? Utile ? Recommandé ?

Une centaine d’euro.

Oui, il permet de valider le budget en interne ainsi que l’usage coté métier.

Uniquement dans le cadre du POC.

II- La phase de production

Problème ?

Une fois le POC réalisé, vous vous apercevez que vous devez connecter le modèle à des données internes et des outils existants. Deux choix s’offrent à vous ; vous continuez avec l’API existante (A) ou vous passez à l’IA propriétaire (B). Ici, la règle est assez simple, si vous avez les moyens, il faut faire de l’IA propriétaire, pour ces 5 raisons :

  1. Vous détenez la propriété intellectuelle et vous vous positionnez en tant qu’acteur incontournable dans votre domaine d’activité qui a compris les enjeux stratégiques de l’IA

  2. Vous respectez la confidentialité des données

  3. Vous maitrisez toute l’architecture et le workflow de vos process (la majorité des stratégies d’entrainement requièrent d’avoir accès à tout le modèle, ce qui est impossible en connexion API)

  4. Pour des raisons évidentes de sécurité car le modèle est on-premise (sur vos serveur interne)

  5. Vous faites progresser vos équipes en interne en mettant en place un management de transition

Solution ?

  1. Si vous choisissez l’option API, RAG avec base de donnée document est un bon début. Vous ne pouvez pas scaler le raisonnement métier sans graph car les relations entre les entités sont interdépendantes et seul le graph les connecte de manière native. Et pour la troisième raison citée ci-dessus, il est très compliqué de scaler un graph en environnement réel sans avoir la maitrise complète des paramètres du modèle (graphRAG n’atteint malheureusement qu’environ 10% des fonctionnalités et possibilités de Turing). Un fine-tuning est quasiment toujours recommandé.

  2. RAG avec graph avec fine-tuning. Ici, chaque cas d’usage est différent et donc la stratégie ainsi que l’architecture du projet est différente. Par exemple, chez Giris, nous ne facturons pas l’architecture du projet. Pourquoi ? Car les acteurs en France qui sont capable d’implémenter cette architecture se comptent sur les doigts d’une main et quand on regarde que Mistral facture 100M€ la collaboration, ça nous permet de nous positionner sur un marché délaissé : la vraie expertise en IA à coût raisonnable.

Coût ?

A- En principe vous pouvez vous en sortir à <50k€

B- >50k€

Bon courage !

Retour en haut