Partager via


Plan IA - Processus de planification de l’adoption de l’IA

Cet article décrit le processus organisationnel pour planifier l’adoption de l’IA. Un plan d’adoption de l’IA détaille les étapes qu’une organisation doit suivre pour intégrer l’IA dans ses opérations. Ce plan garantit l’alignement entre les initiatives d’IA et les objectifs commerciaux. Il aide les organisations à allouer les ressources, à développer les compétences et à déployer la technologie pour une adoption efficace de l’IA.

Diagramme représentant le processus d’adoption de l’IA : Stratégie IA, Plan IA, Préparation à l’IA, Gouvernance de l’IA, Gestion de l’IA et Sécurisation de l’IA.

Évaluer les compétences en IA

Dans votre stratégie technologique, vous avez défini des cas d’utilisation de l’IA et des solutions sélectionnées. Chaque solution nécessite des compétences d’IA spécifiques. Évaluez vos compétences actuelles, identifiez les lacunes et résolvez-les avant l’implémentation. Utilisez une évaluation de maturité IA pour mesurer la préparation, aligner les cas d'utilisation avec les capacités et accélérer la progression. Reportez-vous au tableau suivant pour évaluer votre maturité.

Niveau de maturité en IA Compétences requises Préparation des données Cas d’utilisation d’IA réalisables
Niveau 1 ▪ Compréhension de base des concepts d’IA
▪ Capacité à intégrer des sources de données et à cartographier les requêtes
▪ Données minimales voire inexistantes disponibles
▪ Données d’entreprise disponibles
▪ Prise en main rapide d’Azure (voir tableau)
▪ Toute solution Copilot
Niveau 2 ▪ Expérience dans la sélection de modèles d’IA
▪ Familiarité avec le déploiement de l’IA et la gestion des points de terminaison
▪ Expérience dans le nettoyage et le traitement des données
▪ Données minimales voire inexistantes disponibles
▪ Petit jeu de données structuré
▪ Petite quantité de données spécifiques à un domaine disponibles
▪ N’importe lequel des projets précédents
▪ Charge de travail analytique personnalisée utilisant les services d’IA d’Azure
▪ Application de conversation par IA générative personnalisée sans Génération augmentée de récupération (RAG) dans Azure AI Foundry
▪ Application d’apprentissage automatique personnalisée avec entraînement automatique des modèles
▪ Ajustement fin d’un modèle d’IA générative
Niveau 3 ▪ Maîtrise de l’ingénierie de requêtes
▪ Maîtrise de la sélection de modèles d’IA, du chunking et du traitement des requêtes
▪ Maîtrise du prétraitement des données, du nettoyage, de la division et de la validation
▪ Données de base pour l’indexation
▪ Grandes quantités de données historiques d’entreprise disponibles pour l’apprentissage automatique
▪ Petite quantité de données spécifiques à un domaine disponibles
▪ N’importe lequel des projets précédents
▪ Application IA générative avec RAG dans Azure AI Foundry (ou Azure Machine Learning)
▪ Entraînement et déploiement d’un modèle d’apprentissage automatique dans Machine Learning
▪ Entraînement et exécution d’un petit modèle d’IA sur des machines virtuelles Azure
Niveau 4 ▪ Expertise avancée en IA / apprentissage automatique, y compris la gestion de l’infrastructure
▪ Maîtrise des workflows complexes d’entraînement de modèles d’IA
▪ Expérience avec l’orchestration, le benchmarking de modèles et l’optimisation des performances
▪ Compétences solides dans la sécurisation et la gestion des points de terminaison IA
▪ Grandes quantités de données disponibles pour l’entraînement ▪ N’importe lequel des projets précédents
▪ Entraînement et exécution d’une grande application d’IA générative ou non générative sur des machines virtuelles, Azure Kubernetes Service ou Azure Container Apps

Acquérir des compétences en IA

Commencez par évaluer votre pool de talents actuel, puis décidez s’il faut mettre à niveau le personnel existant, recruter de nouveaux talents ou engager des experts externes. Une équipe qualifiée vous aide à gérer des projets IA, à s’adapter au changement et à stimuler l’innovation. Étant donné que l’IA évolue rapidement, favorisez une culture d’apprentissage continu.

  • Apprenez des compétences en IA. Utilisez la plateforme hub d’apprentissage IA pour obtenir des conseils gratuits sur l’ia, les certifications et les produits. Pour Azure, définissez des objectifs de certification, tels que les principes de base d’Azure AI, Azure AI Engineer Associate et les certifications Azure Data Scientist Associate .

  • Recrutez des professionnels de l’IA. Embauchez des experts dans le développement de modèles, l’IA générative ou l’éthique de l’IA pour combler les lacunes au-delà de la capacité interne. Mettez à jour les descriptions des travaux pour refléter les besoins en évolution des compétences. Créez une marque d’employeur qui met l’accent sur l’innovation et le leadership technique. Collaborez avec les universités pour accéder aux talents émergents.

  • Utilisez les partenaires Microsoft pour acquérir des compétences en IA. Utilisez la Place de marché des partenaires Microsoft pour accéder à l’IA, aux données et à l’expertise Azure. Les partenaires peuvent combler rapidement les lacunes de compétences et soutenir les projets dans les secteurs d’activité.

Accéder aux ressources IA

Utilisez les conseils suivants pour comprendre rapidement les exigences d’accès pour les offres Copilot et Azure AI :

  • Accédez à Microsoft 365 Copilot. La plupart des Copilots SaaS de Microsoft nécessitent une licence ou un abonnement complémentaire. Microsoft 365 Copilot nécessite une licence Microsoft 365 entreprise ou professionnelle à laquelle vous ajoutez la licence Copilot.

  • Accédez à Microsoft Copilot Studio.Microsoft Copilot Studio utilise une licence autonome ou une licence complémentaire.

  • Accédez aux copilotes dans le produit. Les Copilots intégrés ont des exigences d’accès différentes pour chacun, mais l’accès au produit principal est requis. Pour plus d’informations sur chacun d’eux, consultez GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric et Azure.

  • Accédez aux copilotes basés sur des rôles. Les Copilots basés sur les rôles ont également leurs propres exigences d’accès. Pour plus d’informations, veuillez consulter la section Agents basés sur les rôles pour Microsoft 365 Copilot et Microsoft Copilot pour la sécurité.

  • Accédez aux services Azure. Les solutions PaaS et IaaS Azure nécessitent un compte Azure. Ces services incluent Azure OpenAI Service, Azure AI Foundry, Azure Machine Learning, les services Azure AI, les machines virtuelles Azure et Azure CycleCloud.

Prioriser les cas d’utilisation de l’IA

Hiérarchiser les cas d’usage définis dans votre stratégie IA. Concentrez-vous sur les projets qui fournissent la valeur la plus élevée, s’alignent sur les objectifs métier et correspondent à vos fonctionnalités actuelles.

  1. Évaluer les compétences et les ressources. Passez en revue la maturité de votre IA, la disponibilité des données, les outils et le personnel. Utilisez cette entrée pour réinitialiser les priorités en fonction de ce qui est réalisable.

  2. Évaluer les cas d’utilisation. Classer chaque cas d’usage en fonction de la faisabilité et de la valeur stratégique. Confirmez l’alignement avec les objectifs de l’organisation.

  3. Sélectionnez les principaux cas d’utilisation. Créez une liste abrégée des cas d’usage à priorité élevée.

Créer une preuve de concept IA

Si vous envisagez de créer un agent ou une charge de travail IA, créez une preuve de concept (PoC) pour valider la faisabilité et la valeur. Le poC ou l’essai permet de hiérarchiser les cas d’usage, de réduire les risques et de découvrir les défis avant la mise à l’échelle.

  1. Choisissez le cas d’usage approprié. Sélectionnez un projet de grande valeur dans votre liste restreinte qui correspond à votre niveau de maturité en IA. Si vous créez une application IA, commencez par un projet interne et non client pour limiter les risques et tester votre approche. Utilisez des tests A/B pour valider la solution et collecter des données de base.

  2. Démarrer. Microsoft propose des instructions pas à pas pour les POC concernant ses différents services IA. Utilisez le tableau suivant pour trouver le guide de prise en main approprié.

    Type d’IA Guide de démarrage
    IA générative Azure PaaS : Azure AI Foundry et Azure OpenAI

    Microsoft Copilots : Copilot Studio et Microsoft 365 Copilot extensibilité
    apprentissage automatique Azure Machine Learning
    IA analytique Services Azure AI : Azure AI Content Safety, Azure AI Custom Vision, Document Intelligence Studio, Face service, Azure AI Language, Azure AI Speech, Azure AI Translator, Azure AI Vision
    Chaque fonctionnalité de ce service IA a son propre guide.
  3. Repriorisez en fonction des résultats. Utilisez le PoC pour reprioriser vos cas d’usage. Si le POC révèle des défis majeurs, passez à des opportunités plus pratiques.

Mettre en œuvre une IA responsable

Intégrez l’IA responsable dans votre plan d’implémentation dès le début. Appliquez des principes éthiques, suivez les normes réglementaires et créez des pratiques de gouvernance qui garantissent que vos systèmes IA s’alignent sur les valeurs organisationnelles, protègent les droits des utilisateurs et répondent aux exigences de conformité.

  1. Utilisez des outils de planification IA responsable. Utilisez le tableau suivant pour rechercher des outils et des frameworks d’IA responsables.

    Outil de planification IA responsable Description
    Modèle d’évaluation d’impact IA Évaluez les effets sociaux, économiques et éthiques des initiatives d’IA.
    Human-AI eXperience Toolkit Concevoir des systèmes IA qui prennent en charge le bien-être des utilisateurs et les interactions positives.
    Modèle de maturité de l’IA responsable Évaluez et avancez la maturité de l’IA responsable de votre organisation.
    IA responsable pour les équipes de charges de travail Suivez des conseils pratiques pour appliquer l’IA responsable dans les charges de travail Azure.
  2. Démarrez la gouvernance de l’IA. Établissez une gouvernance pour guider les projets IA et surveiller le comportement du système. Identifiez les risques liés à l’IA, puis définissez des stratégies couvrant les rôles, la conformité et les exigences éthiques. Pour plus d’informations, consultez Gouvernance de l’IA .

  3. Démarrez la gestion de l’IA. Utilisez des frameworks d’opérations IA comme GenAIOps ou MLOps. Ces infrastructures incluent le suivi des déploiements, la supervision des performances et le contrôle des coûts. Pour plus d’informations, consultez Gérer l’IA .

  4. Commencez la sécurité IA. Protégez les systèmes IA avec des évaluations de sécurité régulières. Résolvez les menaces telles que les entrées contradictoires et les violations de données. Pour plus d’informations, consultez l’IA sécurisée .

Estimer les délais de mise en œuvre

Attribuez un échéancier de livraison à chaque opportunité d'IA en fonction des insights de votre PoC. Microsoft Copilots fournit les délais les plus courts pour voir un retour sur investissement (jours à semaines). Les chronologies de création de charges de travail IA avec Azure varient en fonction du cas d’usage et de votre niveau de maturité IA. La plupart des projets de construction nécessitent plusieurs semaines à plusieurs mois pour être prêts à entrer en production.

Étape suivante

Pour créer des charges de travail IA avec Azure, passez à l’IA Ready. Pour l’adoption de Copilot, passez à la section Govern AI pour établir la gouvernance de l’IA organisationnelle.