Lire en anglais

Partager via


Plan d’IA : Recommandations pour les organisations planifiant 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 identifié des cas d’utilisation et des solutions d’IA pour chacun. Ces solutions nécessitent certaines compétences en IA pour être adoptées. Évaluez vos compétences actuelles en IA et identifiez les lacunes à combler avant de continuer. Une évaluation de la maturité en IA aide à déterminer votre préparation à mettre en œuvre l’IA. Elle guide également le choix des cas d’utilisation qui correspondent à vos capacités et accélère votre succès. Utilisez le tableau suivant pour évaluer votre niveau de maturité en IA. Pour plus d’informations, veuillez consulter la section Évaluation technique pour l’IA générative dans Azure.

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 mapper les invites
▪ Données minimales voire inexistantes disponibles
▪ Données d’entreprise disponibles
▪ Prise en main rapide d’Azure (voir tableau)
▪ Application Copilot Studio
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 chat IA générative personnalisée sans génération augmentée par la récupération (RAG) dans Azure AI Studio
▪ Application d’apprentissage automatique personnalisée avec entraînement automatique des modèles
▪ Ajustement fin d’un modèle d’IA générative
Niveau 3 ▪ Maîtrise de l’ingénierie d’invite
▪ 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 d’IA générative avec RAG dans Azure AI Studio (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

Acquérir des compétences en IA nécessite que les organisations évaluent leur bassin de talents actuel et déterminent s’il faut perfectionner, recruter ou s’associer à des experts externes. Évaluez votre bassin de talents actuel pour identifier les besoins en perfectionnement, recrutement ou partenariats externes. Constituer une équipe IA compétente vous permet de vous adapter aux défis et de gérer divers projets IA. L’IA évolue constamment, donc maintenir une culture d’apprentissage continu favorise l’innovation et permet de garder les compétences à jour.

  • Apprenez des compétences en IA. Utilisez la plateforme Microsoft Learn pour une formation gratuite en IA, des certifications et des guides de produits. Fixez des objectifs de certification, tels que Azure AI Fundamentals, Azure AI Engineer Associate et Azure Data Scientist Associate. Il existe des ressources d’apprentissage pour d’autres sujets sur la plateforme, alors filtrez les résultats pour obtenir des résultats spécifiques à l’IA.

  • Recrutez des professionnels de l’IA. Pour une expertise au-delà de vos capacités internes, recrutez des professionnels de l’IA expérimentés dans le développement de modèles, l’IA générative ou l’éthique de l’IA. Ces professionnels sont très demandés. Envisagez de collaborer avec des établissements d’enseignement pour accéder à de nouveaux talents. Assurez-vous de mettre à jour les descriptions de poste pour refléter les besoins évolutifs en IA, et offrez une rémunération compétitive. Créez une marque employeur attractive. Mettez en avant l’engagement de votre organisation envers l’innovation et l’avancement technologique, rendant votre marque attrayante pour les professionnels de l’IA.

  • Utilisez les partenaires Microsoft pour acquérir des compétences en IA. Utilisez le Microsoft partners marketplace pour combler les pénuries de compétences et respecter les contraintes de temps. Les partenaires Microsoft fournissent une expertise en IA, données et Azure dans divers secteurs.

Accéder aux ressources IA

Pour développer des solutions IA, vous devez pouvoir y accéder. L’objectif est de fournir un moyen rapide de comprendre et d’accéder à ce dont vous avez besoin pour commencer à utiliser les solutions Microsoft 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 Copilots intégrés. 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, veuillez consulter GitHub, Power Apps, Power BI, Dynamics 365, Power Automate et Azure.

  • Accédez aux Copilots basés sur les 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 ressources Azure AI. Les solutions PaaS et IaaS Azure nécessitent un compte Azure. Ces services incluent Azure OpenAI Service, Azure AI Studio, Azure Machine Learning, Azure AI Services, Azure MACHINES VIRTUELLES et Azure CycleCloud.

Prioriser les cas d’utilisation de l’IA

Après avoir évalué les compétences, les ressources et la maturité en IA, priorisez les cas d’utilisation d’IA identifiés dans votre stratégie d’IA. Cette priorisation garantit que vous vous concentrez sur les projets offrant le plus de valeur, alignés sur les objectifs commerciaux et correspondant à vos capacités actuelles. Effectuez les étapes suivantes :

  • Évaluer les compétences et les ressources. Après avoir acquis des compétences en IA, examinez votre maturité actuelle en IA, les données disponibles et l’accès aux ressources. Cette évaluation permet de réajuster les priorités en fonction de ce qui est réalisable.

  • Évaluer les cas d’utilisation. Priorisez les projets en fonction de leur faisabilité et de la valeur stratégique qu’ils ajoutent à votre organisation. Alignez les cas d’utilisation de l’IA sur vos objectifs stratégiques pour vous assurer que les efforts contribuent au succès global.

  • Sélectionnez les principaux cas d’utilisation. Créez une liste restreinte de cas d’utilisation d’IA prioritaires qui serviront de base pour une exploration et des tests plus poussés.

Créer une preuve de concept IA

Développer une preuve de concept (PoC) IA valide la faisabilité et la valeur potentielle d’un cas d’utilisation priorisé à petite échelle. Le processus de PoC aide à affiner la priorité des cas d’utilisation, à réduire les risques et à identifier les défis avant de passer au déploiement complet. Cette approche itérative vous permet d’ajuster votre plan d’IA en fonction des informations tirées du terrain.

  • Sélectionnez la bonne opportunité. Parmi votre liste de cas d’utilisation IA, choisissez un projet à forte valeur ajoutée aligné avec votre niveau de maturité en IA. Idéalement, commencez par un projet interne, et non orienté client. Les projets internes minimisent les risques et offrent une base pour tester la charge de travail. Utilisez le PoC pour valider l’approche et l’affiner avant de passer à la production. Réalisez des tests A/B pour établir ce qui fonctionne et recueillir les données de référence.

  • Commencez par un guide de prise en main rapide d’Azure. Azure propose des guides étape par étape pour créer des applications de base à l’aide de ses plateformes d’IA. Ces guides, appelés prises en main rapides, vous aident à déployer une application et comprennent des instructions pour la supprimer par la suite. Les prises en main rapides offrent un moyen simple de familiariser votre organisation avec la technologie.

    Type d’IA Guide de prise en main rapide Azure AI
    IA générative Azure AI Studio, Azure OpenAI, Copilot Studio
    Machine Learning Azure Machine Learning
    IA analytique Services d’IA Azure : 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 de prise en main rapide.
  • Reprioriser les opportunités IA. Utilisez les informations tirées du PoC pour affiner votre liste de cas d’utilisation IA. Si le PoC présente des défis inattendus, ajustez vos priorités et concentrez-vous sur des projets plus réalisables.

Mettre en œuvre une IA responsable

L’adoption de l’IA responsable nécessite l’intégration de cadres éthiques et de pratiques réglementaires dans votre plan de mise en œuvre de l’IA. Cette approche garantit que les initiatives d’IA s’alignent sur les valeurs de l’organisation, protègent les droits des utilisateurs et respectent les normes légales.

  • Utilisez des outils de planification IA responsable. Pour intégrer les principes de l’IA responsable dans votre processus d’adoption, utilisez des outils et cadres qui soutiennent les pratiques éthiques en IA. Microsoft propose plusieurs ressources.

    Outil de planification IA responsable Description
    Modèle d’évaluation d’impact IA Évaluer les impacts sociaux, économiques et éthiques potentiels des initiatives IA.
    Human-AI eXperience Toolkit Concevoir des systèmes IA qui priorisent le bien-être des utilisateurs et favorisent des interactions positives.
    Modèle de maturité de l’IA responsable Évaluer et faire progresser la maturité de votre organisation dans la mise en œuvre de pratiques IA responsables.
  • Commencez le processus de gouvernance IA. L’adoption de l’IA responsable implique de créer des politiques de gouvernance pour guider les projets IA et surveiller les comportements des systèmes IA. Commencez par identifier les risques organisationnels spécifiques à vos initiatives IA. Documentez les politiques de gouvernance qui définissent les responsabilités, les exigences de conformité et les normes éthiques. Pour plus d’informations sur ce processus, consultez l’article sur La gouvernance de l’IA.

  • Commencez le processus de gestion IA. Les cadres de gestion de l’IA, tels que GenAIOps ou MLOps, aident à garantir l’adhésion continue aux principes de l’IA responsable à mesure que vos systèmes IA évoluent. Ces pratiques incluent la gestion du déploiement, la surveillance continue et l’optimisation des coûts pour les modèles IA en production. Consultez l’article sur Gérer l’IA pour plus d’informations sur ce processus.

  • Commencez le processus de sécurité IA. La sécurité constitue une partie critique de l’adoption de l’IA responsable. Des évaluations régulières de la sécurité aident à protéger la confidentialité, l’intégrité et la disponibilité de vos systèmes IA. Réalisez des évaluations des risques qui abordent les menaces spécifiques à l’IA, telles que les attaques par exemples contradictoires ou les violations de données. Pour plus d’informations sur ce processus, consultez l’article sur Secure AI.

Estimer les délais de mise en œuvre

Estimer les délais de livraison implique de fixer des calendriers et des jalons réalistes pour la mise en œuvre des projets IA. Des délais clairs permettent aux organisations d’allouer les ressources de manière efficace et de gérer les attentes des parties prenantes, en soutenant une progression structurée de la preuve de concept à la production. En établissant des jalons spécifiques, les organisations peuvent mesurer leurs progrès, identifier les retards potentiels et apporter des ajustements pour maintenir les projets sur la bonne voie et dans les limites du budget.

En vous basant sur votre PoC, attribuez un délai de livraison pour vos opportunités IA. Créez un calendrier avec des jalons clairs et des livrables pour la mise en œuvre des cas d’utilisation sélectionnés. Assignez des équipes, définissez les rôles et sécurisez les outils ou partenariats nécessaires. Les solutions SaaS Microsoft AI offrent les délais les plus courts pour obtenir un retour sur investissement. Les délais pour construire des applications IA sur les solutions PaaS et IaaS d’Azure dépendent de votre cas d’utilisation et de votre maturité en IA. Dans la plupart des cas, il faut des semaines ou des mois avant d’avoir une charge de travail IA prête pour la production.

Étape suivante

Le reste de ces directives se concentre sur la construction de charges de travail IA dans Azure en utilisant des solutions PaaS et IaaS. Pour réussir dans Azure, vous devez d’abord établir votre fondation IA dans AI Ready.

Pour plus d’informations sur l’adoption d’une solution Microsoft Copilot, consultez ces ressources :