En bref
Aujourd’hui, l’IA (Intelligence Artificielle) est largement déployée mais les entreprises font encore face à des obstacles les empêchant de bénéficier pleinement de l’énorme quantité de données qu’elles génèrent en plus grand nombre à chaque.
Les dirigeants ont clairement réalisé qu’il y a des cas d’utilisation vraiment cool et des applications qui utilisent l’IA. Ils ont entendu parler de l’apprentissage automatique, ils veulent l’utiliser. Chaque entreprise a des données, mais ils les regardent et se demandent comment puis-je créer de la valeur à partir de cela ?
Heureusement "ML Canvas" existe et aide beaucoup à surmonter ses obstacles (ML est l’apprentissage automatique, cette terminologie génère moins d’emballement qu’IA, mais ML traduit mieux l’état de l’art et la réalité que les machines ne sont pas si intelligentes que cela).
"ML Canvas" est un excellent atelier qui favorisera la compréhension commune de l’équipe et la création cohérente de la solution globale d’IA que votre entreprise doit déployer pour bâtir un avantage concurrentiel.
Mon récent atelier "ML Canvas" a été très bien accueilli avec un NetPromoterScore de NPS=+60 (Excellent) et contribue à faire progresser mon client avec son IA. C’est un grand pas et un point d’ancrage pour leur feuille de route IA.
Les détails
Introduction au « ML Canvas »
Tout d’abord, redonnons à César ce qui appartient à César, la méthode "ML Canvas" a été créé par Louis Dorard, qui a écrit un livre sur le sujet; vous pouvez le télécharger à partir de son site web https://www.louisdorard.com/machine-learning-canvas. Je recommande vivement les livres de Louis Dorard car ils sont très pragmatiques avec des exemples clairement issues de son expérience confronté aux projets sur le terrain.
Challenge IA
On est forcé de réaliser que la plupart des organisations ne parviennent toujours pas à déployer l’apprentissage automatique. Certaines des raisons derrière cette situation sont l’absence d’une questions claires posées aux scientifiques. Les résultats produits ne sont souvent pas utilisés par les décideurs. Les projets d’IA ont également manqué d’apports des experts de domaine.
Solution « ML Canvas »
L’originalité de la méthode "ML Canvas" est de réunir les data scientists, des experts de domaine et des cadres dans une même pièce lors d’un atelier qui facilite la création d’une page « ML Canvas ».
Cela implique forcément un effort d’équipe pour couvrir tous les aspects d’un système d’IA car il n’y a pas un seul profil qui peut les maîtriser tous. À la fin de la session, le «ML Canvas» décrit tous les éléments essentielles du « système IA » dans une seule page : A partir de quelles données fonctionne-t-elle ? Comment utilise-t-il les prédictions ? Comment savons-nous que cela marche bien ?
La première étape de "ML Canvas" est primordiale pour élaborer la proposition de valeur, qui sont vos clients, et comment traduire cette valeur en une tâche ML. C’est grâce à cette étape que façon tout le monde dans l’équipe pourra s’aligner sur les mêmes objectifs.
"ML Canvas" est également déterminant pour faire collaborer les experts du domaine avec les scientifiques et rassemble toutes les considérations de haut niveau en une page. Ainsi, les experts de domaine sont impliqués dans l’utilisation des sorties du système, puis, encore mieux, partiellement ou complètement, avec la surveillance des décisions automatiques que le système peut prendre.
Enfin, mesurer comment vous atteignez la valeur que vous proposez est un autre aspect clé que "ML Canvas" aide à formaliser. Vos données, les besoins des clients sont des variables « vivantes ». Vous devez avoir cette boucle de rétroaction, un processus régulier où vous examinez les performances de votre système, ajustez légèrement les critères et améliorez sa réponse à son contexte en constante évolution. Les décideurs doivent être impliqués sur les mesures de décision qui vont conduire la façon dont vos scientifiques vont optimiser les modèles et comment votre entreprise va fonctionner.
Retours sur l’atelier "ML Canvas"
L’organisation d’un atelier "ML Canvas" a été un gros travail de préparation, même pour quelqu’un d’expérimenté comme moi. Néanmoins, je me devais de vérifier si tous ces efforts avaient été aussi bien accueillis par mon public. C’est avec grand plaisir que j’ai vu les résultats de mon sondage : l’équipe impliquée dans l’atelier « ML Canvas » lui a donné un NPS=+60 ! (Étant donné la fourchette de -100 à 100 NPS, un score "positif" ou NPS au-dessus de 0 est considéré comme "bon", 50 est "Excellent", et au-dessus de 70 est considéré comme "classe mondiale.")
