Stratégie IA

2025-07-14

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.

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.
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.
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.
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.
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

Sélectionnez les technologies IA qui s’alignent sur les compétences, les données disponibles et le budget de votre organisation. Microsoft propose un logiciel en tant que service (SaaS), une plateforme en tant que service (PaaS) et une infrastructure en tant que service (IaaS). Ces services fournissent différents niveaux de personnalisation et de responsabilité partagée. Utilisez l’arbre de décision IA et les conseils suivants pour prendre des décisions éclairées.

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. :::image-end:::

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 des données, enrichir des blocs, choisir l’indexation, comprendre les types de requêtes (texte intégral, vecteur, hybride), comprendre les filtres et les facettes, effectuer un reclassement, concevoir le flux 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 d'IA, orchestrer le flux de données, segmenter des données, enrichir des segments, choisir l’indexation, comprendre les types de requêtes (texte intégral, vecteur, hybride), comprendre les filtres et les facettes, effectuer un reranking, concevoir le flux de prompts, déployer des points de terminaison et utiliser les 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

Une stratégie de données IA définit la façon dont votre organisation envisage d’acquérir, de gérer et d’utiliser des données pour prendre en charge les initiatives IA tout en conservant la gouvernance, l’évolutivité et les pratiques responsables. Cette stratégie garantit que les ressources de données s’alignent sur les cas d’usage et les objectifs métier de l’IA tout en répondant aux considérations de sécurité, de conformité et d’éthique. Vous devez planifier des frameworks de gouvernance des données, évaluer les exigences de scalabilité, concevoir des approches de gestion du cycle de vie et établir des pratiques de données responsables pour créer une stratégie complète de données IA.

Planifiez les frameworks de gouvernance des données pour les charges de travail IA. La planification de la gouvernance des données établit la base de l’utilisation sécurisée et conforme des données IA en définissant des contrôles d’accès, des limites de données et des stratégies d’utilisation responsable. Cette phase de planification identifie les exigences de gouvernance pour différents cas d’usage d’IA et établit des frameworks pour la gestion continue des données. Définissez des schémas de classification des données en fonction des niveaux d’exposition et de sensibilité de la charge de travail. Limitez les charges de travail accessibles à Internet (« En ligne ») aux données publiques uniquement tout en autorisant les charges de travail internes (« d’entreprise ») à accéder aux données métier avec des limites définies. Prévoyez d’utiliser la classification des données Microsoft Purview pour catégoriser les ressources de données. Référencez la zone d’atterrissage de gestion des données pour obtenir des conseils sur l’architecture de gouvernance.
Évaluez les exigences de scalabilité des données pour les initiatives IA. L’évaluation de l’extensibilité garantit que votre stratégie de données peut prendre en charge les demandes de charge de travail IA actuelles et projetées sans limitations de performances ou coûts excessifs. Cette évaluation identifie le volume de données, la vitesse et les exigences de variété qui informent la sélection technologique et la planification de l’architecture. Documentez les volumes de données actuels, les fréquences de traitement et les types de données pour chaque cas d’usage d’IA identifié. Analysez les modèles de croissance projetés pour informer la planification de l’extensibilité. Planifiez des approches de stockage et de traitement flexibles qui peuvent être mises à l’échelle avec la demande et prendre en charge les besoins en traitement par lots et en temps réel. Référencez la zone d’atterrissage des données pour les modèles d’architecture évolutifs.
Concevoir des approches de gestion du cycle de vie des données pour les ressources de données IA. La planification du cycle de vie des données garantit que les données restent accessibles, sécurisées et rentables tout au long de leur parcours de collecte à la suppression tout en prenant en charge les exigences de charge de travail IA. Cette planification traite des stratégies de collecte de données, l’optimisation du stockage, le traitement des flux de travail et les processus d’assurance qualité. Planifiez des approches systématiques de collecte de données à partir de sources identifiées, notamment des bases de données, des API, des appareils IoT (Internet des objets) et des fournisseurs de données tiers. Concevoir des stratégies de stockage alignées sur les caractéristiques des données et les modèles d’accès, en sélectionnant les niveaux appropriés en fonction de la fréquence, des exigences de rétention et des besoins en matière de performances. Planifiez les flux de travail de traitement des données à l’aide de pipelines ETL (Extraire, Transformer, Charger) ou ELT pour garantir la qualité et la préparation de l’IA. Établissez des processus d’audit réguliers pour identifier les biais dans les jeux de données IA à l’aide d’outils tels que le tableau de bord IA responsable.
Établissez des pratiques de données responsables pour le développement d’IA. Les pratiques de données responsables garantissent que les systèmes IA utilisent les données de manière éthique et maintiennent la conformité aux valeurs organisationnelles et aux exigences réglementaires. Ces pratiques guident la collecte de données, l’utilisation et les décisions de rétention tout au long du cycle de vie de l’IA. Planifiez le suivi de la traçabilité des données à l’aide de Microsoft Fabric ou de Microsoft Purview pour maintenir la transparence dans l’utilisation des données. Établissez des lignes directrices pour les normes de qualité des données, la détection de biais et les considérations d’équité dans les jeux de données d’apprentissage IA. Définissez les stratégies de rétention et de suppression des données qui équilibrent les exigences de performances de l’IA avec les obligations de confidentialité et de conformité réglementaire.

Développer une stratégie d’IA responsable

Une stratégie d’IA responsable définit l’approche de votre organisation pour garantir que les solutions IA restent fiables, éthiques et bénéfiques pour tous les utilisateurs tout en répondant aux exigences réglementaires et organisationnelles. Cette stratégie établit le cadre pour le développement et le déploiement éthiques de l’IA qui s’aligne sur les normes du secteur et les objectifs métier. Vous devez planifier des structures de responsabilité, définir des principes d’IA responsables en tant qu’objectifs métier, identifier les outils et processus appropriés et évaluer les exigences de conformité pour créer une stratégie d’IA responsable complète.

Planifiez les structures de responsabilité pour la gouvernance et la surveillance réglementaire de l’IA. La planification de la responsabilité établit une propriété claire et une responsabilité pour les décisions de gouvernance de l’IA tout en garantissant la gestion réactive des exigences réglementaires en constante évolution. Cette phase de planification définit les rôles, les responsabilités et l’autorité de prise de décision pour les initiatives IA au sein de l’organisation. Définissez la responsabilité dédiée en planifiant l’affectation d’individus ou d’équipes pour surveiller, gérer et répondre aux changements apportés à la technologie IA et aux exigences réglementaires. Planifiez des rôles et des responsabilités clairs pour la gouvernance de l’IA, notamment les procédures d’escalade, l’autorité de prise de décision et les processus d’examen réguliers des initiatives d’IA. Créez un centre d’excellence cloud IA pour assumer ces responsabilités.
Définissez les principes d’IA responsables en tant qu’objectifs stratégiques de l’entreprise. Les principes de l’IA responsable fournissent le cadre stratégique pour le développement et le déploiement éthiques de l’IA qui guide la prise de décision organisationnelle et s’aligne sur les normes du secteur. Ces principes deviennent des objectifs métier qui forment la sélection de projets IA, les approches de développement et les mesures de réussite. Prévoyez d’adopter les six principes de l’IA responsable de Microsoft, qui s’alignent sur le NIST AI Risk Management Framework (RMF). Définissez la façon dont ces principes s’intègrent dans les méthodologies de planification de projet, les processus de développement et les métriques de réussite pour les initiatives IA.
Identifiez les outils et processus d’IA responsables appropriés pour votre portefeuille IA. L’identification des outils garantit que votre organisation sélectionne les mécanismes appropriés pour implémenter des principes éthiques de l’IA et maintient une application cohérente des normes d’IA responsables. Cette planification répond aux critères de sélection des outils, aux approches d’intégration et aux processus opérationnels pour les pratiques d’IA responsables. Évaluez et prévoyez de sélectionner les outils et processus d’IA responsables appropriés qui s’alignent sur vos cas d’utilisation d’IA planifiés et les profils de risque organisationnel. Planifiez les approches d’intégration de ces outils au sein des workflows de développement et des procédures opérationnelles pour garantir une application cohérente entre les initiatives d’IA.
Évaluez les exigences de conformité pour les réglementations et normes légales de 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 tout en informant les décisions de planification stratégique. Les exigences de conformité varient selon l’industrie, la géographie et l’application IA, nécessitant une analyse complète et une planification stratégique. Identifiez et évaluez les réglementations locales et internationales pertinentes en matière d’IA qui s’appliquent à vos opérations planifiées et à vos cas d’usage d’IA. Planifiez les processus de surveillance des modifications réglementaires, la mise à jour des stratégies de conformité et l’alignement continu avec les exigences légales 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