Stratégie IA

Cet article explique le processus de préparation de votre organisation à l’adoption de l’IA. Il explique comment sélectionner les solutions IA appropriées, préparer vos données et baser votre approche dans des principes d’IA responsables. Une stratégie IA bien planifiée s’aligne sur vos objectifs commerciaux et garantit que les projets d’IA contribuent au succès global.

Identifiez les cas d’usage de l’IA

L’IA améliore l’efficacité individuelle et améliore les processus métier. L’IA générative augmente la productivité et améliore les expériences des clients. L’IA non générative, telle que le Machine Learning, analyse les données structurées et automatise les tâches répétitives. Utilisez cette compréhension pour identifier les domaines de votre entreprise où l’IA ajoute de la valeur.

1. Identifiez les opportunités d’automatisation. Concentrez-vous sur les processus adaptés à l’automatisation pour améliorer l’efficacité et réduire les coûts opérationnels. Ciblez des tâches répétitives, des opérations lourdes de données ou des zones avec des taux d’erreur élevés où l’IA peut avoir un impact significatif.

2. Rassemblez les commentaires des clients. Utilisez les commentaires des clients pour découvrir les cas d’usage qui améliorent la satisfaction des clients lorsqu’ils sont automatisés avec l’IA. Ces commentaires permettent de hiérarchiser les initiatives d’IA impactantes.

3. Effectuer une évaluation interne. Recueillez des commentaires de divers services pour identifier les défis et les inefficacités que l’IA peut résoudre. Documentez les flux de travail et rassemblez les entrées des parties prenantes pour découvrir les opportunités d’automatisation, de génération d’insights ou de prise de décision améliorée.

4. Cas d’usage du secteur de la recherche. Examinez comment des organisations ou des industries similaires utilisent l’IA pour résoudre des problèmes ou améliorer les opérations. Utilisez des outils comme les architectures IA dans le Centre d’architecture Azure pour obtenir de l’inspiration et évaluer les approches appropriées.

5. Définissez des cibles IA. Pour chaque cas d’usage identifié, définissez l’objectif (usage général), l’objectif (résultat souhaité) et la métrique de réussite (mesure mesurable). Ces benchmarks guident votre adoption de l’IA et mesurent le succès. Pour plus d’informations, veuillez consulter l’exemple de stratégie IA.

Définir une stratégie technologique IA

La stratégie technologique détermine l’approche appropriée pour les fonctionnalités, les ressources de données et les exigences budgétaires de votre organisation. Cette stratégie prépare votre organisation aux architectures basées sur des agents qui permettent à plusieurs systèmes IA de collaborer sur des tâches complexes. Vous devez évaluer les options technologiques sur trois modèles de service pour sélectionner l’approche la plus appropriée pour vos besoins.

1. Comprendre les agents IA. Les agents IA sont des systèmes autonomes qui utilisent des modèles IA pour effectuer des tâches sans surveillance humaine constante. Ces systèmes représentent un passage de l’automatisation traditionnelle à la prise de décision intelligente qui s’adapte aux conditions changeantes. Vous devez planifier l’intégration de l’agent pour prendre en charge les flux de travail complexes et la collaboration multi-système. Passez en revue Que sont les agents ? pour comprendre les fonctionnalités d’un agent et préparer votre organisation aux solutions basées sur des agents.

2. Adoptez des mécanismes standard pour l’interopérabilité de l’IA. Les protocoles standard permettent aux systèmes IA de communiquer entre différentes plateformes et de réduire les implémentations personnalisées. Ces protocoles prennent en charge le partage de données et l’intégration du système tout en conservant la flexibilité pour les changements technologiques futurs. Vous devez comprendre les protocoles tels que Le protocole de contexte de modèle pour l’ingestion des données inter-systèmes afin de garantir que vos systèmes IA prennent en charge les exigences d’interopérabilité. Évaluez des outils comme NLWeb pour préparer votre contenu pour le web IA. Par exemple, consultez Protocole de contexte de modèle dans Microsoft Copilot Studio et exposer des API REST comme serveurs MCP.

3. Sélectionnez le modèle de service IA approprié. Microsoft propose trois modèles de service avec différents niveaux de personnalisation et de responsabilité partagée : Software as a Service (SaaS), Platform as a Service (PaaS) et Infrastructure as a Service (IaaS). Chaque modèle nécessite des compétences techniques différentes et fournit différents degrés de contrôle sur l’implémentation de l’IA. Vous devez correspondre aux fonctionnalités, aux exigences de données et aux besoins de personnalisation de votre équipe avec le modèle de service approprié. Utilisez l’arbre de décision IA ci-dessous pour guider votre processus de sélection.

Commencez par identifier votre cas d’usage IA. Si l’objectif est d’améliorer la productivité individuelle, utilisez Microsoft 365 Copilot quand vous vous concentrez sur les applications Microsoft 365. Utilisez copilots dans le produit pour des produits tels qu’Azure, GitHub, Fabric, Dynamics 365 ou Power Platform. Utilisez des copilotes adaptés aux rôles spécifiques tels que la sécurité, les ventes, le service ou les finances. Si le cas d’usage est plus général, utilisez Microsoft Copilot ou Copilot Pro. Si vous utilisez déjà Microsoft 365 Copilot et que vous devez créer des agents personnalisés avec des compétences spécifiques au domaine, utilisez les outils d’extensibilité pour Microsoft 365 Copilot. Si l’objectif est d’automatiser les fonctionnalités métier, utilisez Copilot Studio pour un outil SaaS qui permet la création et le déploiement de l’agent via le langage naturel avec des tarifs intégrés. Utilisez Azure AI Foundry pour une plateforme de développement complète avec un accès API aux services Azure OpenAI et Azure AI. Si vous avez uniquement besoin d’accéder aux modèles OpenAI, utilisez Azure OpenAI. Si vous avez besoin de modèles non génératifs prédéfinis ou de la prise en charge de l’agent Azure AI Search, utilisez les services Azure AI. Si vous devez entraîner et déployer des modèles Machine Learning avec vos propres données, utilisez Microsoft Fabric si vous travaillez déjà dans cet environnement ; sinon, utilisez Azure Machine Learning. Utilisez Azure Container Apps pour inférence d’IA légère sans gérer l’infrastructure GPU. Si vous devez apporter vos propres modèles et les orchestrer avec Azure CycleCloud, Azure Batch ou Kubernetes, utilisez des machines virtuelles Azure.

Acheter l’IA avec des services logiciels (SaaS)

Microsoft fournit des solutions d’IA générative SaaS, appelées Copilots, pour améliorer la productivité avec une expertise technique minimale. Pour plus d’informations, reportez-vous au tableau ci-dessous.

Microsoft Copilots	Descriptif	Utilisateur	Données nécessaires	Compétences requises	Principaux facteurs de coût
Microsoft 365 Copilot	Microsoft 365 Copilot fournit des conversations basées sur le web (Internet) et basées sur le travail (Microsoft Graph) et l’IA dans l’application pour les applications Microsoft 365.	Métier	Oui. Catégorisez vos données avec des étiquettes de confidentialité et interagissez en toute sécurité avec vos données dans Microsoft Graph.	Informatique générale et gestion des données	Licence
Assistants basés sur des rôles	Agents qui améliorent l’efficacité pour des rôles spécifiques dans sécurité, ventes, services et finances.	Métier	Oui. Les options de connexion aux données et de plug-ins sont disponibles.	Informatique générale et gestion des données	Licences ou Unités de calcul de sécurité (Copilot pour la sécurité)
Copilots intégrés au produit	IA au sein de produits tels que GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, Microsoft Fabric et Azure.	Entreprise et particulier	Oui. La plupart nécessitent une préparation minimale des données.	Aucune	Gratuit ou par abonnement
Microsoft Copilot ou Microsoft Copilot Pro	Microsoft Copilot est une application de conversation web gratuite. Copilot Pro offre de meilleures performances, une capacité et un accès à Copilot dans certaines applications Microsoft 365.	Individuel	Non	Aucune	Microsoft Copilot est gratuit. Microsoft Copilot Pro nécessite un abonnement
Outils d’extensibilité pour Microsoft 365 Copilot	Personnaliser Microsoft 365 Copilot avec plus de données ou de fonctionnalités via des agents déclaratifs. Utilisez des outils tels que Copilot Studio, le générateur d’agents, le kit de ressources Teams et SharePoint.	Entreprise et particulier	Utilisez des connecteurs Microsoft Graph pour ajouter des données.	Gestion des données, compétences informatiques générales ou développeur	Licence Microsoft 365 Copilot
Copilot Studio	Utilisez Copilot Studio pour générer, tester et déployer des agents dans un environnement de création SaaS.	Développeur	Automatise une grande partie du travail de données pour créer des copilotes personnalisés.	Plateforme pour connecter des sources de données, mapper des invites et déployer des copilotes	Licence

Créer des charges de travail IA avec des plateformes Azure (PaaS)

Azure fournit plusieurs options PaaS adaptées à vos objectifs d’IA, à votre ensemble de compétences et à vos besoins en données. Ces plateformes répondent à différents niveaux d’expertise technique. Passez en revue les pages de tarification de chaque service Azure et utilisez la calculatrice de prix Azure pour développer des estimations de coûts.

Objectif IA	Solution de Microsoft	Données nécessaires	Compétences requises	Principaux facteurs de coût
Agents de build	Service de l’agent Azure AI Foundry	Oui	Configuration de l’environnement, sélection de modèle, outils, stockage de données de base, isolation des données, déclenchement d’agent, agents de connexion, filtrage de contenu, mise en réseau privée, surveillance de l’agent, surveillance des services	Consommation de jetons de modèle, stockage, fonctionnalités, calcul, connexions de base
Créer des applications RAG	Azure AI Foundry	Oui	Sélectionner des modèles; orchestrer le flux de données, segmenter les données, enrichir les segments, choisir l'indexation; comprendre les types de requêtes (texte intégral, vecteur, hybride); comprendre les filtres et les facettes; effectuer un rerank; l'ingénierie de prompt; déployer des points de terminaison et consommer des points de terminaison dans les applications.	Calcul, nombre de tokens entrants et sortants, services IA consommés, stockage et transfert de données
Ajuster les modèles GenAI	Azure AI Foundry	Oui	Prétraitement des données, division des données en ensembles d’entraînement et de validation, validation des modèles, configuration d’autres paramètres, amélioration des modèles, déploiement des modèles, et consommation des points de terminaison dans des applications.	Calcul, nombre de tokens entrants et sortants, services IA consommés, stockage et transfert de données
Entraîner et inférencer des modèles	Azure Machine Learning ou Microsoft Fabric	Oui	Prétraitement des données, entraînement des modèles par code ou automatisation, amélioration des modèles, déploiement des modèles de machine learning, et consommation des points de terminaison dans des applications.	Calcul, stockage, et transfert de données
Consommer des modèles et services IA prédéfinis	Services d’IA Azure et/ou Azure OpenAI	Oui	Sélection des modèles d’IA, sécurisation des points de terminaison, consommation des points de terminaison dans des applications, et affinage si nécessaire	Utilisation des points de terminaison du modèle consommés, du stockage, du transfert de données, du calcul (si vous effectuez l’apprentissage de modèles personnalisés)
Isoler les applications IA	Azure Container Apps	Oui	Sélectionner des modèles IA, orchestrer le flux de données, découper des données, enrichir des blocs, choisir l’indexation, identifier les types de requêtes (texte intégral, vecteur, hybride), comprendre les filtres et les facettes, effectuer un réordonnancement, l'ingénierie des invites, déployer des points de terminaison et consommer des points de terminaison dans les applications	Calcul, nombre de tokens entrants et sortants, services IA consommés, stockage et transfert de données

Apporter des modèles IA avec des services d’infrastructure (IaaS)

Pour une personnalisation et un contrôle accrus, utilisez les solutions IaaS d’Azure telles que les machines virtuelles Azure via CycleCloud et Azure Kubernetes Service. Ces solutions permettent l’entraînement et le déploiement de modèles IA personnalisés. Consultez les pages de tarification pertinentes et le calculateur de tarification Azure.

Objectif IA	Solution de Microsoft	Données nécessaires	Compétences requises	Principaux facteurs de coût
Entraînez et inférez vos propres modèles d’IA. Apportez vos propres modèles sur Azure.	Machines virtuelles Azure ou Azure Kubernetes Service	Oui	Gestion de l’infrastructure, installation des programmes, entraînement des modèles, benchmarking des modèles, orchestration, déploiement des points de terminaison, sécurisation des points de terminaison, et consommation des points de terminaison dans des applications.	Calcul, orchestrateur de nœuds de calcul, disques managés (facultatif), services de stockage, Azure Bastion et autres services Azure utilisés

Développer une stratégie de données IA

La stratégie de données définit la façon dont vous collectez, gérez et utilisez des données pour les initiatives IA. Cette stratégie garantit que les ressources de données prennent en charge vos cas d’usage ia tout en conservant la sécurité et la conformité. Vous devez établir des frameworks de gouvernance, évaluer les besoins en scalabilité, concevoir la gestion du cycle de vie et implémenter des pratiques de données responsables.

1. Établissez des frameworks de gouvernance des données pour les charges de travail IA. La gouvernance des données fournit une utilisation sécurisée et conforme des données IA par le biais de contrôles d’accès et de stratégies d’utilisation responsable. Les frameworks de gouvernance définissent les exigences pour différents cas d’usage d’IA et établissent des processus de gestion des données en cours. Vous devez définir des schémas de classification des données en fonction des niveaux de sensibilité et d’exposition. Utilisez des protections de sécurité et de conformité des données pour les applications IA génératives dans Microsoft Purview.

2. Évaluez les exigences de scalabilité pour les besoins de données IA. L’évaluation de l’extensibilité garantit que votre infrastructure de données gère les demandes actuelles et futures de charge de travail IA sans problèmes de performances ou dépassements de coûts. Cette évaluation identifie les exigences en matière de volume, de vélocité et de variété qui guident la sélection de la technologie. Vous devez documenter les volumes de données actuels, les fréquences de traitement et les types de données pour chaque cas d’usage d’IA.

3. Concevoir la gestion du cycle de vie des données pour les ressources IA. La gestion du cycle de vie maintient les données accessibles, sécurisées et rentables de la collecte à la suppression tout en prenant en charge les exigences d’IA. Cette approche traite des stratégies de collecte, de l’optimisation du stockage et des processus d’assurance qualité. Vous devez planifier la collecte systématique de données à partir de bases de données, d’API, d’appareils IoT et de fournisseurs tiers. Concevoir des stratégies de stockage avec des niveaux appropriés en fonction des modèles d’accès et des besoins de rétention. Établissez des pipelines ETL/ELT pour la qualité des données et utilisez le tableau de bord IA responsable pour identifier et atténuer le biais du jeu de données.

4. Implémentez des pratiques de données responsables pour le développement d’IA. Les pratiques responsables garantissent que les systèmes IA utilisent les données de manière éthique et maintiennent la conformité réglementaire. Ces pratiques guident la collecte de données, l’utilisation et les décisions de rétention tout au long du cycle de vie de l’IA. Vous devez implémenter le suivi de traçabilité des données à l’aide de Microsoft Fabric ou de Microsoft Purview pour la transparence. Établissez des normes de qualité des données, une détection de biais et des considérations d’équité dans les jeux de données d’entraînement. Définissez des stratégies de rétention et d’élimination qui équilibrent les performances de l’IA avec les exigences de confidentialité et de conformité.

Développer une stratégie d’IA responsable

La stratégie d’IA responsable garantit que les solutions IA restent fiables et éthiques. Cette stratégie établit des frameworks pour le développement éthique de l’IA qui s’alignent sur les objectifs métier. Vous devez établir la responsabilité, définir des principes, sélectionner des outils et évaluer la conformité pour créer une stratégie d’IA responsable.

1. Attribuez la responsabilité de l’IA aux équipes désignées. Les structures de responsabilité fournissent la propriété des décisions de gouvernance de l’IA et garantissent une gestion réactive des exigences réglementaires. Ces structures définissent les rôles et l’autorité de prise de décision pour les initiatives IA. Vous devez affecter des individus ou des équipes pour surveiller les changements de technologie IA et les exigences réglementaires. Créez un centre d’excellence cloud IA pour centraliser les responsabilités et établir des procédures d’escalade.

2. Adoptez des principes d’IA responsables en tant qu’objectifs métier. Les principes de l’IA responsable fournissent le cadre du développement éthique de l’IA qui guide la prise de décision et s’aligne sur les normes du secteur. Ces principes deviennent des objectifs métier qui forment la sélection et le développement de projets IA. Vous devez adopter les six principes d’IA responsables de Microsoft, qui s’alignent sur le NIST AI Risk Management Framework (RMF). Intégrez ces principes à la planification de projet, aux processus de développement et aux métriques de réussite.

3. Sélectionnez des outils d’IA responsables pour votre portefeuille IA. La sélection des outils garantit des mécanismes appropriés pour les principes éthiques de l’IA et maintient une application cohérente des normes d’IA responsables. La sélection d’outils traite des approches d’intégration et des processus opérationnels. Vous devez évaluer et sélectionner les outils et processus d’IA responsables appropriés qui s’alignent sur vos cas d’utilisation et profils de risque d’IA. Intégrez ces outils dans les workflows de développement pour garantir une application cohérente.

4. Identifiez les exigences de conformité réglementaire pour les réglementations sur l'IA. L’évaluation de la conformité protège l’organisation contre les risques juridiques et garantit que les initiatives d’IA s’alignent sur les lois applicables et les normes du secteur. Les exigences de conformité varient selon l’industrie, la géographie et l’application IA. Vous devez identifier les réglementations locales et internationales pertinentes en matière d’IA qui s’appliquent à vos opérations et à vos cas d’usage d’IA. Surveillez les modifications réglementaires et mettez à jour les stratégies de conformité pour garantir un alignement continu tout au long de votre parcours d’adoption de l’IA.

Exemple de stratégie IA

Cet exemple de stratégie IA est basé sur une entreprise fictive, Contoso. Contoso exploite une plateforme de e-commerce destinée aux clients et emploie des représentants commerciaux qui ont besoin d’outils pour prévoir les données commerciales. L’entreprise gère également le développement de produits et la gestion des stocks pour la production. Ses canaux de vente incluent des entreprises privées ainsi que des agences du secteur public hautement réglementé.

Cas d’usage IA	Objectifs	Objectifs	Métriques de réussite	Approche IA	Solution de Microsoft	Données nécessaires	Compétences requises	Facteurs de coût	Stratégie de données IA	Stratégie IA responsable
Fonction de chat de l’application web e-commerce	Automatiser le processus d’entreprise	Améliore la satisfaction client	Augmentation du taux de fidélisation des clients	PaaS, IA générative, RAG	Azure AI Foundry	Descriptions d’articles et associations	Développement d’applications RAG et cloud	Utilisation	Établissez une gouvernance des données pour les données clients et mettez en œuvre des mesures d'équité de l'intelligence artificielle.	Assignez la responsabilité de l'IA au Centre d'Excellence en IA et alignez-vous sur les principes d'IA responsable.
Workflow de traitement de documents pour une application interne	Automatiser le processus d’entreprise	Réduire les coûts	Augmentation du taux de complétion	IA analytique, ajustement des modèles	Services Azure AI : Intelligence Documentaire	Documents standard	Développement d’application	Usage estimé	Définissez la gouvernance des données pour les documents internes et planifiez les politiques de cycle de vie des données.	Assignez la responsabilité IA et assurez la conformité aux politiques de traitement des données.
Gestion des stocks et des achats de produits	Automatiser le processus d’entreprise	Réduire les coûts	Réduction de la durée de conservation des stocks	Machine learning, entraînement de modèles	Azure Machine Learning	Données historiques des stocks et des ventes	Machine learning et développement d’applications	Usage estimé	Établissez une gouvernance pour les données de vente et détectez et adressez les biais dans les données.	Assignez la responsabilité IA et assurez la conformité aux réglementations financières.
Travail quotidien dans l’ensemble de l’entreprise	Amélioration de la productivité individuelle	Amélioration de l’expérience des employés	Augmentation de la satisfaction des employés	Intelligence artificielle générative en mode SaaS	Microsoft 365 Copilot	Données OneDrive	Informatique générale	Coûts d’abonnement	Implémentez la gouvernance des données pour les données des employés et assurez la confidentialité des données.	Attribuez la responsabilité à l'IA et utilisez les fonctionnalités d’IA responsable intégrées.
Fonction de chat de l’application e-commerce pour les industries réglementées	Automatiser le processus d’entreprise	Augmenter les ventes	Augmentation des ventes	Entraînement de modèle génératif IA en IaaS	Machines virtuelles Azure	Données d’entraînement spécifiques au domaine	Infrastructures cloud et développement d’applications	Infrastructure et logiciels	Définissez une gouvernance pour les données réglementées et planifiez le cycle de vie avec des mesures de conformité.	Assignez la responsabilité IA et respectez les réglementations sectorielles.

Étape suivante

Plan d'intelligence artificielle