Préparation à l’IA
La préparation à l’IA porte sur les prérequis d’un projet : objectif, données utilisables, compétences, responsabilités et fonctionnement quotidien.
Examiner les prérequis d’un projet d’IA
La préparation à l’IA, ou AI Readiness, décrit dans quelle mesure une organisation est prête pour un projet d’IA. Elle comprend un objectif métier concret, des données adaptées dont l’utilisation est autorisée, des intégrations techniques ainsi que les compétences et responsabilités nécessaires à l’exploitation. L’évaluation des résultats et le traitement des erreurs doivent aussi s’inscrire dans le travail quotidien. Une appréciation doit préciser le périmètre du projet et ses critères. Être prêt pour un essai limité ne vaut pas autorisation générale de toute automatisation.
Une entreprise de service fictive souhaite recevoir des suggestions d’orientation interne pour les messages entrants. Le scénario prévoit des exemples adaptés et autorisés, ainsi que des affectations attendues vérifiées par des spécialistes métier. Mais l’équipe n’a pas encore réservé de temps pour examiner les suggestions. Avant un pilote, il faudrait donc déterminer qui contrôle les résultats, effectue les corrections nécessaires et arrête l’essai en cas de problème. Le pilote limité prévoit une vérification humaine avant chaque application d’une suggestion. Sa préparation s’apprécierait selon ces conditions, sans déduire une aptitude générale à l’exploitation d’une démonstration réussie.
Sources
Termes associés
- Évaluation des LLML’évaluation des LLM teste les sorties selon des tâches et critères définis. Un bon exemple isolé ne prouve pas la qualité générale.
- Humain dans la boucleL’humain dans la boucle participe activement à un processus automatisé. Une vérification utile exige des informations claires et des moyens d’agir.
- Automatisation des processus métierL’automatisation des processus métier relie les étapes récurrentes à des règles, des responsabilités et des parcours définis pour les exceptions.
- Fiche de modèleUne fiche de modèle documente l’objectif, les bases, les conditions d’évaluation et les limites connues d’une version donnée d’un modèle d’IA.
- Ingénierie du contexteL’ingénierie du contexte prépare les informations de chaque appel au modèle : instructions, messages, sources et état actuel pertinents.
- Détection d’anomaliesDes méthodes qui signalent des observations inhabituelles par rapport à une référence définie ou à un schéma appris.
Articles sur le sujet
IA & automatisation avec ASES
Assistants IA et processus automatisés