Toujours plus d’orchestration des processus métier

En 2025, les entreprises risquent de sombrer dans le chaos numérique sans une visibilité totale sur leur « architecture spaghetti ». De nombreuses architectures informatiques d’entreprise peuvent être comparées à des plats de spaghetti composés de technologies interconnectées, ce qui fait de l’intégration et de la visibilité un défi majeur.

Alors que les entreprises cherchent à moderniser leur parc IT et à se concentrer sur l’automatisation des processus métier, elles se rendront compte que le simple ajout d’IA ou d’autres « solutions rapides » ne leur permettra pas d’augmenter leur efficacité, d’améliorer l’expérience client ou de rester compétitives. Avec la complexité croissante des processus technologiques et commerciaux, il est essentiel que l’automatisation des processus de bout en bout repose sur des bases solides, sinon un manque de contrôle entraînera un chaos numérique.

Pour relever ces défis en 2025, l’orchestration des processus permettra d’éviter le syndrome de « l’architecture spaghetti ». En permettant aux entreprises de rationaliser et de moderniser leurs processus, l’orchestration offrira aux équipes informatiques et commerciales une visibilité et un contrôle accrus. Cette meilleure supervision les aidera à gérer la complexité croissante et à obtenir de meilleurs résultats tout en étant capables de s’adapter plus rapidement aux aléas.

La nécessaire combinaison de l’orchestration et de l’intelligence artificielle

En 2025, le véritable avantage concurrentiel appartiendra aux organisations qui intégreront et orchestreront pleinement l’IA dans leurs flux de travail quotidiens.

Les utilisateurs avant-gardistes cesseront de considérer l’IA comme une solution isolée pour des tâches spécifiques. Au lieu de cela, les organisations intégreront l’IA dans toute l’entreprise, générant des résultats à valeur ajoutée et une cohésion dans tous les départements et processus.

Les entreprises doivent orchestrer l’IA comme n’importe quel autre sujet pour tirer le meilleur parti de leurs investissements. Le passage de l’adoption progressive de l’IA à son intégration complète se traduira par des stratégies commerciales plus adaptatives, pertinentes et un nouveau niveau d’agilité. Les solutions d’IA ou d’automatisation ne sont alors plus perçues comme des gadgets IT, elles deviennent un must have pour générer de meilleurs résultats commerciaux. Par conséquent, elles doivent être orchestrées de bout en bout dans les processus métier globaux.

OpenAI a récemment annoncé le lancement de Tasks, une nouvelle fonctionnalité pour ChatGPT. Déployée actuellement en version bêta pour les abonnés des plans Plus, Pro et Team, elle leur permet de créer des tâches automatisées que ChatGPT exécutera à des moments prédéfinis, qu’ils soient ou non connectés.

Avec Tasks, OpenAI fait de ChatGPT un assistant capable d’effectuer de manière quasi autonome des tâches pour ses utilisateurs, franchissant une étape vers l’ère agentique où l’IA ne se limite plus à répondre aux requêtes en temps réel mais peut planifier des actions. Son PDG, Sam Altman, a déclaré plus tôt ce mois-ci :

“Nous pensons qu’en 2025, nous pourrions voir les premiers agents d’IA « rejoindre le monde du travail » et changer matériellement la production des entreprises”.

Comment utiliser Tasks ChatGPT ?

Tasks permet aux abonnés de programmer des tâches ponctuelles ou récurrentes en quelques clics. Pour y accéder, il faut sélectionner “4o avec tâches programmées” dans le menu déroulant de ChatGPT et indiquer à ce dernier ce que l’on désire. On peut ainsi lui demander de rappeler un évènement spécifique comme une date d’anniversaire ou d’envoyer chaque jour un briefing sur l’actualité. ChatGPT peut également suggérer des tâches à partir des interactions, l’utilisateur a le choix de les accepter ou non. Lorsque la tâche est terminée, les utilisateurs reçoivent une notification push ou un e-mail.

Si ChatGPT peut naviguer sur le web pour y trouver les informations qui lui permettront de générer un bulletin météo par exemple, il ne pourra toutefois pas effectuer une réservation ou un achat.

Les utilisateurs peuvent modifier, suspendre ou supprimer leurs tâches à tout moment. Actuellement, le nombre de tâches actives est limité à dix par utilisateur, et certaines fonctionnalités comme les chats vocaux ou les téléchargements de fichiers ne sont pas encore prises en charge. En outre, Tasks s’appuie sur GPT-4o, ce qui implique que les limitations du plan souscrit s’appliquent à cette nouvelle fonctionnalité.

Actuellement disponible sur ChatGPT Web, iOS, Android et MacOS, il sera également possible d’y accéder sur l’application Windows au cours de ce premier trimestre 2025.

Lancé par ServiceNow, AgentLab est un framework open source visant à faciliter le développement et l’évaluation d’agents Web. Son objectif principal est de soutenir les expériences d’automatisation des tâches sur les plateformes Web, en permettant aux chercheurs et développeurs de simuler des interactions complexes à travers divers benchmarks de BrowserGym.

AgentLab a été développé pour gérer des défis dynamiques et variés liés au Web. Il permet de tester et évaluer un agent Web dans des environnements simulés complexes afin d’affiner ses capacités et garantir sa fiabilité dans des applications réelles.

Le framework exploite l’outil de parallélisation Ray, spécifiquement conçu pour les applications de machine learning et les programmes écrits en Python, pour mener des expériences à grande échelle, ce qui permet d’évaluer les performances des agents dans plusieurs scénarios et configurations.

Le framework fournit des blocs de construction pour BrowserGym, un environnement Gym conçu pour l’automatisation des tâches web. Il permet de concevoir, tester et évaluer des agents web sur divers benchmarks établis tels que :

• WebArena : teste les agents sur des interactions web complexes, comme la navigation et l’extraction de données ;
• WorkArena : simule des tâches spécifiques liées à des flux de travail professionnels, tels que commander des produits ou gérer des tableaux de bord ;
• AssistantBench : évalue les capacités conversationnelles des agents intégrés à des modèles linguistiques.

AgentLab propose une API unifiée pour intégrer des modèles avancés, tels que les LLMs d’OpenAI, Azure, OpenRouteur et des modèles auto-hébergés. Cette flexibilité permet aux développeurs de tester des technologies de pointe dans des simulations réalistes. Il inclut des mécanismes intégrés pour suivre les configurations, les versions logicielles et les benchmarks utilisés dans les expériences. Ces fonctionnalités garantissent que les résultats peuvent être reproduits de manière fiable.

Comment fonctionne AgentLab ?

L’utilisation d’AgentLab implique généralement les étapes suivantes :

1. Configuration initiale : Installation des packages et benchmarks nécessaires via l’outil Python pip. Par exemple, les chercheurs peuvent utiliser browsergym-core pour les fonctionnalités de base ou browsergym-webarena pour des tâches spécifiques à WebArena.
2. Définir l’environnement : Les utilisateurs spécifient l’environnement de la tâche, tel qu’une URL de départ ou un scénario de benchmark prédéfini.
3. Implémentation de l’agent : Les développeurs conçoivent des agents en mettant en œuvre les API et actions requises. Par exemple, un agent pourrait être programmé pour naviguer dans un formulaire web ou récupérer des données spécifiques d’une page web.
4. Boucle d’évaluation : Les agents interagissent avec l’environnement dans une boucle, recevant des observations et effectuant des actions jusqu’à ce que la tâche soit terminée ou interrompue.
5. Analyse des résultats : Les résultats sont enregistrés et visualisés pour évaluer les performances des agents. Les fonctionnalités de reproductibilité permettent aux chercheurs de répéter les expériences avec les mêmes paramètres pour valider les conclusions.

AgentLab continue d’évoluer, ses développeurs travaillent à étendre ses benchmarks et ses fonctionnalités pour prendre en charge un éventail encore plus large de cas d’utilisation.

En juin dernier, ABBYY, une multinationale spécialisée dans le traitement intelligent des documents et l’automatisation, a mené, en partenariat avec l’institut Opinium, une enquête auprès de 1 200 décideurs informatiques en France, au Royaume-Uni, aux États-Unis, en Allemagne, en Australie et à Singapour. Elle dévoile dans son rapport “ABBYY State of Intelligent Automation : AI Trust Barometer 2024”, les motivations et les inquiétudes des industriels français face à l’adoption de l’IA.

Selon les chiffres d’ABBYY, l’investissement moyen dans l’IA au cours des 12 derniers mois en France a été supérieur à celui des pays étudiés : 811 000 euros alors que la moyenne se situe à 600 000 euros. L’étude révèle que l’innovation technologique et la peur de l’obsolescence sont les principaux moteurs de l’intégration de l’IA.

Le “AI Trust Barometer 2024″ identifie également les principaux domaines d’application de l’IA dans l’industrie française : le marketing et les opérations (40 %), les ventes (39 %), et la conformité (27 %) sont en tête des départements ayant intégré des outils IA, avec des solutions d’automatisation qui transforment progressivement les processus internes et la relation client.

La peur de l’obsolescence : premier facteur de motivation

Alors que la technologie évolue à une vitesse inédite, 63 % des industriels français expriment leur crainte de se voir dépassés s’ils ne s’adaptent pas à l’IA. Ce chiffre souligne la pression constante qui pèse sur les entreprises pour maintenir leur compétitivité. Selon ABBYY, l’IA est devenue un élément clé pour garantir l’efficacité : 52 % des répondants, indiquent l’amélioration des performances et du service client comme des objectifs prioritaires. La pression exercée par les clients s’avère également significative, 38 % des répondants affirmant que les attentes de leurs consommateurs les poussent à investir dans l’IA.

Des décideurs confiants dans les modèles de langage

Une large majorité des leaders informatiques du secteur industriel français (77 %) déclare faire confiance à l’IA pour apporter des avantages à leur entreprise.

Ils accordent une confiance élevée aux grands modèles de langage (LLM), plébiscités par 84 % des répondants pour leur fiabilité et leur efficacité. Les petits modèles de langage (SLM) bénéficient eux aussi d’une confiance notable (80 %), en partie en raison de leur capacité à répondre à des besoins spécifiques tout en limitant certains risques associés aux LLM.

Les outils basés sur l’IA générative, tels que les chatbots et assistants numériques, sont parmi les plus utilisés, reflétant un engouement croissant pour des solutions capables d’automatiser et de personnaliser les interactions avec les clients. Si 82% des répondants français déclarent utiliser ChatGPT, plus de la moitié utilise des outils d’IA spécifiques, tels que le traitement intelligent des documents (IDP).

Des freins persistants à l’adoption de l’IA

Malgré cette forte adoption, l’étude met en lumière plusieurs inquiétudes. Le risque d’utilisation abusive de l’IA est cité comme l’une des principales préoccupations (38 %). Le manque de talents et de compétences (34 %), les complexités techniques (29 %) et les enjeux de conformité juridique (31 %) sont d’autres freins majeurs. De plus, 49 % des décideurs s’inquiètent des menaces pour la cybersécurité et la protection des données, tandis que 40 % expriment des doutes quant à la fiabilité des informations fournies par l’IA.

Une croissance des investissements en 2025

En dépit de ces défis, 87 % des décideurs informatiques prévoient de renforcer leurs budgets IA pour l’année à venir, 22 % d’entre eux comptent d’ailleurs augmenter leurs investissements de 21 à 30 %. Ces prévisions reflètent la confiance croissante en l’IA, soutenue par des résultats concrets que 80 % des entreprises affirment déjà observer.

Vers une IA responsable ?

Un autre aspect de cette adoption de l’IA est la dimension éthique. Si 81 % des industriels français se disent convaincus de respecter les réglementations en vigueur, seulement 43 % des entreprises ont mis en place des politiques internes claires pour encadrer l’usage de l’IA par leurs équipes de production et de conformité. ABBYY souligne que ce besoin de formaliser des lignes directrices internes devient crucial pour gagner la confiance des utilisateurs et des clients.

Maxime Vermeir, Senior Director of AI Strategy chez ABBYY, commente :

“Il est révélateur que les responsables informatiques de l’industrie préfèrent les petits modèles de langage, probablement en raison des informations erronées associées à l’IA générative. Cela indique une maturation du marché, avec une intégration croissante d’outils spécialisés comme le traitement intelligent des documents (IDP) dans les stratégies d’IA. Les industriels peuvent ainsi combiner l’IA spécialisée avec des solutions basées sur des grands modèles de langage (LLM) pour répondre à des besoins spécifiques, renforçant la confiance. Cependant, le manque d’expertise en mise en œuvre de l’IA demeure une préoccupation, risquant de freiner leur progression. Pour y remédier, ils devraient former leurs employés et recruter des spécialistes en IA, afin de maximiser les avantages de cette technologie”.

La nouvelle édition du magazine ActuIA vient de paraître, avec un numéro qui va droit au cœur des débats actuels sur l’intelligence artificielle et l’emploi. Avec l’évolution rapide des technologies, les entreprises se trouvent face à un dilemme : l’IA remplacera-t-elle les travailleurs ou deviendra-t-elle une alliée essentielle pour leur permettre de gagner en productivité et en efficacité ? C’est un sujet que nous avons décidé de traiter en profondeur, en explorant les avantages et les limites de l’automatisation dans le monde professionnel.

Dans ce dossier, nous analysons l’impact de l’intégration de l’IA sur les métiers et la façon dont elle transforme le paysage de l’emploi. D’un côté, l’IA promet d’automatiser les tâches répétitives et de libérer les employés pour des missions à plus forte valeur ajoutée, mais de l’autre, elle suscite des inquiétudes concernant la disparition de certains emplois et l’avenir de certaines professions. Pour illustrer ces enjeux, nous présentons plusieurs études de cas sur des secteurs fortement touchés par l’automatisation, tels que l’industrie manufacturière, la finance, et le secteur des services. Nous examinons également des métiers qui bénéficient d’une synergie entre l’IA et les compétences humaines, comme le diagnostic médical, où l’IA assiste les médecins sans les remplacer.

Cyril Dallois, secrétaire national de l’Union Générale des Ingénieurs, Cadres et Techniciens (UGICT-CGT), partage son point de vue sur l’accompagnement nécessaire pour que cette transformation soit bénéfique à la fois pour les employés et pour les entreprises. Nous explorons aussi la manière dont certaines entreprises ont su intégrer l’IA de façon éthique et responsable. Nous partageons des témoignages de dirigeants qui ont réussi à combiner l’utilisation de l’IA avec une amélioration des conditions de travail, par exemple en utilisant des systèmes intelligents pour alléger la charge administrative et permettre aux employés de se concentrer sur des tâches plus stratégiques.

À travers des interviews exclusives, nous découvrons comment certaines organisations ont mis en place des programmes de requalification pour les employés dont les postes ont été affectés par l’automatisation.

Nous abordons aussi les réglementations en cours de développement pour encadrer l’utilisation de l’IA dans les entreprises. Nous détaillons les nouvelles normes proposées par les instances européennes et internationales, qui visent à établir des lignes directrices sur la transparence, l’équité et la responsabilité des systèmes d’IA. Yann Ferguson, sociologue à l’Inria, se penche sur les implications sociales de l’utilisation de l’IA et sur les risques liés à la perte de contrôle humain dans les processus de travail automatisés. Il met en lumière les défis liés à la gouvernance de l’IA, notamment la nécessité de maintenir un contrôle humain sur les décisions critiques et d’éviter une dépendance excessive aux algorithmes.

L’essor des formations à l’IA

En complément de ce dossier, nous vous offrons un aperçu des nouvelles formations disponibles pour aider les entreprises à développer les compétences nécessaires à l’intégration de l’IA. Nous nous penchons sur des initiatives menées par des universités, des centres de formation et des entreprises technologiques pour former la main-d’œuvre aux compétences de demain. Selon une étude récente, 87 % des dirigeants d’entreprise envisagent d’investir dans la formation IA de leurs collaborateurs, signe que les compétences en IA deviendront rapidement essentielles sur le marché du travail. Nous vous présentons les différents parcours de formation disponibles, allant des bootcamps intensifs aux cursus universitaires spécialisés, afin de donner aux professionnels les outils nécessaires pour s’adapter à ce nouvel environnement technologique. Enfin, nous analysons l’impact des IA génératives, comme ChatGPT, sur les métiers de la création et de la rédaction. Si ces outils permettent de produire des contenus rapidement et à grande échelle, ils posent également des questions sur l’avenir des métiers créatifs. Comment garantir que l’humain reste au centre du processus créatif ? Nous vous apportons des éléments de réponse grâce aux analyses d’experts du secteur, qui évoquent à la fois les opportunités et les risques associés à l’utilisation croissante de ces technologies.

Retrouvez ce dossier et bien plus encore dans le nouveau numéro d’ActuIA, le magazine de référence pour les professionnels de l’intelligence artificielle. Ne manquez pas cette édition qui promet de poser un regard critique et éclairé sur l’avenir du travail à l’ère de l’intelligence artificielle, en vous offrant des pistes concrètes pour comprendre et anticiper les transformations à venir !

Les professionnels de l’automatisation jouent un rôle essentiel dans la modernisation et l’optimisation des processus au sein des entreprises. Chaque année, UiPath, l’un des leaders de l’automatisation des processus robotiques (RPA), enquête auprès d’eux pour appréhender leurs perceptions et l’évolution du secteur. Menée auprès de 1 909 professionnels et étudiants, l’édition 2024 révèle une transition notable dans les tâches des développeurs d’automatisation, ainsi qu’une forte adoption de l’IA pour améliorer la productivité des entreprises.

L’étude UiPath 2024 révèle une année charnière pour l’automatisation, marquée par l’intégration de l’IA, la croissance des équipes spécialisées et l’évolution des tâches des développeurs.

L’IA pilier central de l’automatisation

En 2024, l’IA est devenue une composante incontournable des projets d’automatisation : 81 % des répondants indiquent utiliser des produits d’IA dans leurs projets d’automatisation au moins plusieurs fois par semaine, voire quotidiennement.

Selon le rapport, 90 % des professionnels de l’automatisation utilisent ou prévoient d’intégrer l’IA dans leurs workflows d’ici la fin de l’année. La principale raison avancée pour cette intégration est l’augmentation de la productivité, citée par 66 % des répondants.

Les développeurs d’automatisation utilisent l’IA de diverses manières, notamment pour :

• Coder des solutions automatisées (67 %) ;
• Créer de la documentation (57 %) ;
• Effectuer des tests (47 %).

Des équipes d’automatisation en pleine croissance

Le rapport met en avant une croissance significative des équipes d’automatisation, reflet d’un marché en pleine expansion : 61 % des répondants ont observé une augmentation du nombre d’employés travaillant dans ce domaine au cours des 12 derniers mois. De plus, 81 % s’attendent à des embauches supplémentaires dans l’année en cours.

52 % des entreprises comptent désormais au moins 25 professionnels de l’automatisation, un chiffre en constante augmentation. Cette expansion témoigne de l’adoption généralisée de l’automatisation, devenue un levier clé de transformation pour les entreprises.

L’évolution des tâches des développeurs

L’étude révèle, comme chaque année, un changement dans la typologie des tâches réalisées par les développeurs d’automatisation. Selon les résultats, en 2024, les tâches liées à la révision du code et à la documentation ont diminué par rapport à 2023, une optimisation des processus d’automatisation et l’amélioration des outils utilisés.

Parmi les activités exercées au moins une fois par semaine, les plus courantes sont :

• Conception de solutions d’automatisation en fonction des besoins (78 %) ;
• Maintenance, support et débogage des solutions en production (68 %) ;
• Tests des solutions d’automatisation (48 %) ;
• Création de documentation (47 %) ;
• Révision de code (44 %).

La formation, clé de la montée en compétences

Pour accompagner cette évolution rapide, 98 % des professionnels de l’automatisation ont suivi une formation au cours de l’année écoulée. Parmi les méthodes les plus populaires :

• Tutoriels vidéo (62 %) ;
• Documentation (56 %) ;
• Cours en ligne autonomes (50 %) ;
• Forums en ligne (49 %) ;
• Formation virtuelle (39 %).

L’utilisation des moteurs d’IA (33 %) et des vidéos sur les réseaux sociaux (20 %) est en augmentation, ces deux nouvelles méthodes ayant fait leur apparition en 2024.

L’avenir prometteur de l’automatisation

Le rapport souligne que 84 % des répondants croient fermement en la croissance du secteur de l’automatisation logicielle. D’ailleurs 80 % d’entre eux estiment qu’ils joueront un rôle de plus en plus important au sein de leur organisation au cours de l’année à venir. Aujourd’hui, 60 % des entreprises utilisent des solutions d’automatisation depuis plus de cinq ans, contre 47% l’année dernière, ce qui marque une maturité croissante dans l’intégration de ces technologies.

Les automatisations sont principalement développées pour les secteurs de la comptabilité et la finance (67 %), l’informatique (53 %) et les opérations (51 %).

Si des défis persistent, comme la documentation incomplète ou les variations dans les processus, l’avenir de l’automatisation s’annonce prometteur, porté par des innovations technologiques et des équipes de plus en plus compétentes et polyvalentes.

Agi Garaba, Chief People Officer chez UiPath, commente:

“Les résultats de notre enquête montrent des progrès notables en matière de découverte technologique et de préparation à l’IA et à l’automatisation. Les professionnels de l’automatisation ont tout à gagner à sauter le pas des intégrations spécialisées d’IA et de GenAI dans leurs projets d’automatisation.

La combinaison de l’automatisation et de l’IA offre un potentiel de transformation inouï pour les organisations, en augmentant la productivité tout en donnant à ces professionnels essentiels les moyens de faire passer leur carrière à la vitesse supérieure. En outre, des workflows d’IA agentique encore plus performants devraient arriver très prochainement sur le marché et devraient offrir de nouvelles perspectives aux entreprises”. 

Télécharger le rapport ici.

Lefebvre Dalloz, la marque qui réunit les expertises du groupe Lefebvre Sarrut en France, notamment en matière de connaissance juridique et fiscale, annonce le lancement d’AJI Sociétés, une solution logicielle dédiée à la gestion des opérations juridiques. Conçue pour les experts-comptables, les avocats, les notaires, et les directions juridiques des entreprises, cette plateforme tout-en-un automatise ces opérations tout en garantissant leur conformité.

S’il est un domaine où l’IA a révélé son potentiel ces dernières années, c’est bien celui du droit. Face aux masses de documents à consulter, les acteurs du secteur s’en sont emparés pour répondre aux attentes de leurs clients, améliorer la collaboration et les processus de travail.

Lefebvre Dalloz, acteur majeur du secteur juridique et fiscal, a fait figure de pionnier en France, avec sa solution GenIA-L, une solution d’IA générative conçue pour les professionnels du droit et du chiffre, entraînée exclusivement sur ses bases de données juridiques. Elle a d’ailleurs été intégrée à AJI Sociétés, simplifiant et accélérant considérablement les recherches.

AJI Sociétés : l’automatisation au service des professionnels du droit

Cette solution logicielle 100% SaaS permet d’automatiser et de dématérialiser l’ensemble des opérations juridiques, qu’il s’agisse de la création de sociétés, de la gestion des assemblées générales ou de la modification d’actes statutaires. Grâce à une interface intuitive et centralisée, les professionnels peuvent gérer toutes leurs démarches au sein d’une même plateforme, tout en assurant la conformité des documents à la réglementation en vigueur.

Parmi les fonctionnalités principales de la plateforme, outre la rédaction automatisée d’actes juridiques sur la base d’un questionnaire intelligent, on retrouve :

• Des fonctionnalités de rédaction avancées : Les utilisateurs peuvent choisir parmi une bibliothèque de plus de 9 500 modèles d’actes juridiques Lefebvre Dalloz mis à jour en continu, utiliser leurs propres modèles de clauses et de documents personnalisés ou éditer en ligne des documents ;
• La gestion centralisée des opérations : L’interface unique de la plateforme permet de regrouper toutes les informations relatives aux opérations juridiques, avec des tableaux de bord et un reporting en temps réel pour suivre l’avancée des dossiers ;
• La dématérialisation des assemblées générales et des actes juridiques, facilitant la gestion à distance et le suivi des démarches administratives.

Les utilisateurs de la solution peuvent centraliser et optimiser leurs recherches juridiques grâce à GenIA-L for Search : ils peuvent poser des questions en langage naturel et obtenir des réponses précises, fiables et sourcées, basées exclusivement sur les fonds documentaires exhaustifs de Lefebvre Dalloz.

Audrey Ellis, directrice générale de Lefebvre Dalloz Logiciels & Services, commente :

“Nos clients le savent, une opération juridique, qu’elle concerne la création d’une société, une augmentation de capital ou la cessation d’actifs, représente en moyenne 10 actes juridiques à créer et à mettre en conformité. L’automatisation de la rédaction et la mise en conformité, ainsi que l’ensemble des autres fonctionnalités promet d’importants gains de temps. Nous permettons ainsi à nos clients de se concentrer sur leur expertise métier et d’apporter une réelle valeur ajoutée à leurs propres clients”. 

Ce 1er octobre, le projet DATAWISE (Data Annotation Technology Advancement With Innovative Solutions for Efficiency), lauréat de l’AAP R&D Booster de la région AURA (Auvergne-Rhône-Alpes), est officiellement lancé. Porté par Neovision, en collaboration avec le laboratoire LIRIS (Laboratoire d’Informatique en Images et Systèmes d’Information), ce projet a pour objectif automatiser l’annotation des données, étape cruciale pour l’entraînement des modèles d’IA en vision par ordinateur.

Datawise est l’un des projets labellisés par Minalogic, le pôle de compétitivité des technologies du numérique en Auvergne-Rhône-Alpes, retenus par le programme R&D Booster de la région AURA, dans la thématique “Intelligence Artificielle”. Ce dispositif vise à favoriser et soutenir des projets collaboratifs de R&D entre acteurs de la recherche académique et entreprises de la région pour concrétiser le développement de nouveaux produits, procédés ou services.

Ce projet d’automatisation d’annotation des données a été proposé par Neovision, une société grenobloise créée en 2014, experte en ML et computer vision, spécialisée dans le développement de solutions d’IA sur mesure et est mené en collaboration avec le LIRIS. Cette unité mixte de recherche (UMR 5205) du CNRS, de l’INSA de Lyon, de l’Université Claude Bernard Lyon 1, de l’Université Lumière Lyon 2 et de l’Ecole Centrale de Lyon, à laquelle nous avions consacré un article dans le n° 10 de notre magazine est largement reconnue pour ses travaux de pointe dans les domaines du traitement d’image, des systèmes d’information et des sciences des données.

Automatiser l’annotation des données : une réponse à un défi crucial

L’accès à de vastes volumes de données de qualité est essentiel pour le développement de modèles d’IA performants. Cependant, dans des domaines comme la vision par ordinateur, la préparation et l’annotation manuelles de ces données, fastidieuses et chronophages, représentent souvent un obstacle majeur.

Comme l’explique Stefan Duffner, chercheur au LIRIS,

“Cette préparation des données peut considérablement ralentir les cycles de développement des IAs et détourner les Data Scientists de leur cœur de métier : l’analyse et la valorisation des données”.

Ce partenariat allie l’innovation technologique du secteur privé aux dernières avancées académiques, créant une synergie propice à la création de solutions robustes et évolutives pour répondre aux besoins des secteurs industriels. Il permettra de développer des technologies capables d’automatiser non seulement l’annotation des données, mais également leur nettoyage, permettant ainsi d’accélérer le développement des modèles d’IA et d’en améliorer les performances tout en limitant les biais.

Lucas Nacsa, PDG et cofondateur de Neovision, explique :

“Les IA dédiées au traitement d’images sont souvent initialement entraînées sur des tâches simples, comme la reconnaissance de chiens ou de chats, avant de passer à des objets plus complexes. Cette méthode d’apprentissage limite parfois leurs performances. Notre ambition est de développer des modèles capables de s’entraîner directement sur des données industrielles complexes, sans nécessiter une préparation manuelle massive des données. Cela représente un bond en avant significatif en matière de performance et accélère considérablement le processus de création de solutions d’IA.”

Un partenariat stratégique

En automatisant l’annotation des données, DATAWISE ouvrira de nouvelles perspectives pour de nombreux secteurs industriels, en particulier ceux qui manipulent de grandes quantités de données visuelles. Les technologies développées dans le cadre de ce projet rendront les solutions d’IA plus accessibles et renforceront la compétitivité des entreprises, notamment en leur permettant d’exploiter des bases de données jusqu’ici sous-utilisées.

À terme, les partenaires envisagent l’intégration de grands modèles de langage (LLM) aux outils développés, afin d’améliorer l’ergonomie des solutions et ainsi encourager leur adoption par les entreprises.

Selon une étude récente réalisée conjointement par OutSystems, société pionnière dans le développement d’applications low-code,  et KPMG, un réseau international de cabinets d’audit et de conseil, les responsables informatiques explorent de nouveaux cas d’utilisation de l’IA tout au long du cycle de vie du développement logiciel (SDLC). Celle-ci pourrait ouvrir la voie à une productivité accrue et à des innovations plus rapides : 75% des responsables informatiques estiment que la mise en œuvre de l’IA et de l’automatisation vont diminuer de moitié le temps de développement.

Une adoption croissante de l’IA dans le développement logiciel

Le rapport, intitulé “AI in software development: Exploring opportunities and uncertainties”, s’appuie sur les réponses de 555 responsables informatiques à travers divers secteurs tels que les services financiers, l’assurance, l’industrie manufacturière et le conseil informatique. Un chiffre marquant : 84 % des répondants indiquent avoir intégré l’IA dans leurs cycles de développement logiciel au cours des cinq dernières années, avec en tête de file les entreprises de services informatiques. La région EMEA (Europe, Moyen-Orient et Afrique) et l’Amérique du Nord restent à peu près au même niveau, tandis que la région APAC (Asie-Pacifique) rattrape progressivement son retard.

Selon l’étude, les tests, l’assurance qualité et la détection des vulnérabilités de sécurité sont de loin les cas d’utilisation les plus largement adoptés pour l’IA dans le développement de logiciels. Néanmoins, l’IA générative est appelée à transformer l’industrie en améliorant considérablement ces processus et en introduisant des capacités sans précédent.

Les utilisateurs pionniers prévoient d’élargir son utilisation à d’autres phases du cycle de développement logiciel (SDLC)  telles que la conception de l’interface utilisateur, la génération de code, l’optimisation DevOps et la maintenance des applications. Presque tous les répondants prévoient d’augmenter leur investissement dans la gestion du SDLC augmentée par l’IA au cours des deux prochaines années, ce qui indique que l’IA est appelée à jouer un rôle central dans l’innovation et l’avantage concurrentiel dans l’industrie du logiciel.

Paulo Rosado, PDG et fondateur d’OutSystems, affirme :

“L’IA est en train de redéfinir l’impossible. Je m’efforce d’aider les équipes à compresser des projets de modernisation pluriannuels en quelques mois seulement. Les récentes avancées de l’IA nous ont permis de réduire ces délais de développement dans des projets encore plus courts et plus rapides. Avec l’IA, des projets de transformation historiquement impossibles sont non seulement possibles, mais aussi plus faciles, moins coûteux et plus rapides à réaliser”. 

Vers une transformation du rôle du développeur

Alors que 71 % des personnes interrogées prévoient d’intégrer l’IA dans le développement d’applications et les flux de travail de gestion SDLC, l’IA pourrait entraîner une réévaluation fondamentale du rôle du développeur.

Selon Rodrigo Coutinho, cofondateur et chef de projet IA chez OutSystems :

“À l’heure actuelle, le rôle du développeur passe du rôle d’auteur de code à celui de réviseur de code. Les modèles de langage avancés (LLMs) sont très utiles, mais ils ne sont pas exempts d’erreurs. Cependant, à mesure que ces modèles s’améliorent et que la fiabilité du code généré augmente, le rôle du développeur évoluera pour se rapprocher davantage d’un orchestrateur et de testeur des résultats produits par l’IA”.

Bien que cette technologie soit récente, le rapport a révélé que la confiance dans la qualité du code généré par l’IA a considérablement augmenté : la moitié des personnes interrogées ont déclaré que la mise en œuvre de l’IA avait amélioré la qualité des logiciels, optimisé la prise de décision et augmenté l’efficacité des tests de logiciels et de l’assurance qualité. Environ 56 % des répondants ont constaté ou s’attendent à une amélioration des performances et une réduction du nombre de bugs.

Cependant, cette confiance est également associée à une prise de conscience des risques liés à la dette technologique tels que le code abandonné et les hallucinations, à un manque de contexte pour les besoins spécifiques de codage d’une organisation et à des problèmes d’évolutivité.

Des bénéfices prometteurs mais des défis persistants

Malgré les avantages apportés par l’IA, l’enthousiasme est tempéré par certaines préoccupations. La confidentialité des données et la sécurité restent des freins majeurs à une adoption plus large, 56 % des participants les ayant identifiés comme des enjeux critiques. Les défis liés à l’intégration de l’IA dans les workflows existants, cités par 38 % des répondants, représentent également un obstacle non négligeable. La réglementation et la conformité sont également pointées du doigt par 42 % des participants, en particulier dans des régions où les lois encadrant l’utilisation de l’IA ne sont pas encore clairement définies.

L’étude révèle d’autre part que 89 % des dirigeants estiment que certains emplois pourraient disparaître à cause de l’automatisation et de l’IA.

Pour Michael Harper, directeur général de KPMG États-Unis :

“Il y a beaucoup de spéculations sur ce qui va changer avec l’essor de GenAI. Bien qu’il y ait des défis, ceux qui ont des initiatives efficaces de gestion du changement requalifieront et perfectionneront leur personnel, ce qui entraînera une évolution de l’IA et des emplois en tandem”. 

Retrouver l’intégralité du rapport “L’IA dans le développement logiciel : explorer les opportunités et les incertitudes” ici.

Salesforce a récemment annoncé deux nouveaux agents autonomes basés sur l’IA pour renforcer les équipes de vente : Einstein SDR Agent et Einstein Sales Coach Agent. Ces outils, qui seront disponibles dès octobre 2024, visent à améliorer l’efficacité des équipes de vente en automatisant certaines tâches cruciales et en fournissant un coaching personnalisé. Ils s’appuient sur la plateforme Einstein 1 Agentforce, conçue pour offrir des réponses fiables et sécurisées en intégrant des données internes et externes via la génération augmentée de récupération (RAG).

Einstein SDR Agent : automatisation des interactions avec les prospects

L’agent Einstein SDR (Sales Development Representative) est un assistant de vente virtuel capable d’engager de manière autonome les prospects entrants en temps réel. Contrairement aux chatbots traditionnels, cet agent peut répondre à des questions complexes, gérer les objections, et même programmer des rendez-vous avec les représentants commerciaux humains. Les équipes de vente peuvent ainsi se concentrer sur les transactions à haute valeur ajoutée, tandis qu’Einstein SDR gère les tâches chronophages en amont de l’entonnoir de vente. Avec sa capacité à gérer plusieurs prospects simultanément sur divers canaux et en plusieurs langues, Einstein SDR représente une avancée majeure dans l’automatisation des processus de vente.

Einstein Sales Coach Agent : un coach virtuel pour les vendeurs

L’agent Einstein Sales Coach pousse l’entraînement des vendeurs à un niveau supérieur en simulant des jeux de rôle réalistes. Il permet aux vendeurs de pratiquer des scénarios d’appel de découverte, de présentation ou de négociation dans un environnement contrôlé. Grâce à l’IA générative et à la technologie RAG, Einstein Sales Coach reproduit fidèlement les comportements d’un acheteur, en se basant sur les informations de l’entreprise stockées dans Salesforce. Après chaque session, le vendeur reçoit un retour d’information personnalisé et objectif, lui permettant d’améliorer ses compétences en continu. Les managers peuvent également évaluer l’impact du coaching sur les performances de vente en analysant les résultats obtenus.

Adoption stratégique par Accenture

Accenture, un leader mondial en conseil et services professionnels, a déjà prévu d’adopter ces agents dans le cadre de ses opérations de vente. Selon Sara Porter, responsable de l’excellence des ventes mondiales chez Accenture, ces outils permettront à l’entreprise d’améliorer l’efficacité de son équipe de vente tout en augmentant sa capacité à gérer un volume accru de transactions. Elle souligne que cette collaboration avec Salesforce permettra aux employés de se concentrer sur les transactions les plus complexes et à forte valeur ajoutée.

Les nouveaux agents d’IA peuvent être configurés à l’aide d’actions sans code, de flux de travail et de modèles prédéfinis. En utilisant Salesforce Data Cloud, les clients peuvent améliorer les modèles génératifs en intégrant des informations externes pertinentes, comme des documents de vente et de formation existants, afin d’obtenir des résultats plus précis, pertinents et contextuels. Les deux agents utilisent la couche de confiance Einstein pour assurer des réponses sécurisées et fiables.

Perspectives et disponibilité

Les agents Einstein SDR et Einstein Sales Coach seront disponibles dès octobre 2024, avec des fonctionnalités supplémentaires prévues tout au long de l’année.

Sakana AI, start-up basée à Tokyo fondée il y a tout juste un an par deux anciens chercheurs de Google, , a récemment dévoilé “The AI Scientist”, un système entièrement automatisé qui, à partir d’une base de code, est capable de mener des recherches scientifiques de bout en bout, sans intervention humaine. 

Développé en collaboration avec le Foerster Lab for AI Research de l’Université d’Oxford et deux chercheurs de l’Université de la Colombie-Britannique, Jeff Clune et Cong Lu, ce système a été présenté dans l’article “The AI Scientist : Towards Fully Automated Open-Ended Scientific Discovery“.

Une nouvelle approche de la recherche

The AI Scientist repose sur des LLM qui ont déjà prouvé leur utilité dans l’assistance à la rédaction et au codage. Cependant, The AI Scientist va bien au-delà de l’assistance : il est capable d’exécuter l’intégralité du cycle de recherche scientifique : la génération d’idées novatrices, l’écriture du code nécessaire pour tester ces idées, la réalisation d’expériences, l’analyse des résultats, la rédaction d’articles scientifiques suffisamment solides pour être acceptés lors de conférences académiques de haut niveau en apprentissage automatique.

Fonctionnement de The AI Scientist

Le processus commence par une étape de génération d’idées. En utilisant une base de code existante GitHub comme point de départ, The AI Scientist propose diverses directions de recherche. Ces idées sont ensuite comparées à la littérature scientifique existante pour garantir leur originalité, le système utilisant de manière autonome Semantic Scholar pour explorer les publications scientifiques dans le domaine de recherche en cours.

En accédant cette vaste base de données de l’Allen Institute for AI, il peut également identifier les articles les plus pertinents à citer dans ses propres articles, garantissant ainsi que ses publications sont bien contextualisées dans le cadre de la recherche actuelle.

Une fois une idée sélectionnée, l’AI Scientist modifie le code et passe à l’étape de l’itération expérimentale. Il exécute les expériences nécessaires et génère des résultats, qu’il compile sous forme de graphiques et de tableaux. Ces résultats sont ensuite intégrés dans un manuscrit scientifique, rédigé au format LaTeX, dans un style conforme aux normes des conférences de recherche en intelligence artificielle.

Enfin, en utilisant un modèle d’évaluation inspiré des critères des grandes conférences scientifiques, il évalue la qualité des articles générés, avec une précision proche de celle de l’homme, fournissant des retours et améliorant continuellement ses propres idées.

Selon les chercheurs, chaque article généré revient à environ 15 par article.

Premiers résultats et défis actuels

Les premiers articles produits par The AI Scientist sur l’apprentissage automatique ont montré des résultats prometteurs dans des domaines comme la modélisation par diffusion, la modélisation du langage et le grokking. Par exemple, l’article intitulé “Adaptive Dual-Scale Denoising” propose une nouvelle méthode pour équilibrer les caractéristiques dans les modèles génératifs de faible dimension, les pages ci-dessous sont tirées de cet article.

Bien que ces travaux soient encore perfectibles, notamment en termes d’interprétation des résultats et de présentation visuelle, ils montrent déjà un potentiel significatif pour accélérer la recherche scientifique.

Limitations du système

Le système présente plusieurs limites : tout d’abord, il nécessite une base de code préexistante pour fonctionner. Son absence de capacités visuelles signifie qu’il peut produire des graphiques ou des mises en page sous-optimales. De plus, il peut commettre des erreurs critiques, comme une mauvaise implémentation d’idées ou des comparaisons inexactes entre les résultats expérimentaux. Ces deux dernières limitations, bien qu’importantes, sont en cours de résolution avec le développement de versions futures plus robustes.

Implications éthiques et avenir de la recherche

L’introduction de The AI Scientist soulève des questions éthiques majeures. Si l’automatisation de la recherche peut démocratiser l’accès à la production scientifique, elle pourrait aussi entraîner une surcharge des systèmes de révision par les pairs et une baisse de la qualité des publications.

D’autre part, l’évaluateur automatisé, s’il est déployé en ligne par les examinateurs, peut réduire considérablement la qualité des évaluations et imposer des biais indésirables aux articles. Pour les chercheurs, les articles essentiellement générés par l’IA doivent être marqués comme tels pour une transparence totale.

De plus, le système d’IA peut être détourné à des fins malveillantes. Les chercheurs écrivent :

“Par exemple, si on l’encourageait à trouver des matériaux biologiques nouveaux et intéressants et qu’on lui donnait accès à des « laboratoires en nuage » où des robots effectuent des expériences de biologie en laboratoire humide, il pourrait (sans l’intention de son superviseur) créer de nouveaux virus ou poisons dangereux qui nuisent aux gens avant que nous ne réalisions ce qui s’est passé. Même dans les ordinateurs, s’il est chargé de créer de nouveaux logiciels intéressants et fonctionnels, il peut créer des virus informatiques dangereux”.

Auto-News est un agrégateur de news automatisé boosté à l’IA qui rassemble vos sources favorites – tweets, RSS, YouTube, articles web, Reddit, même vos petites notes perso. Puis c’est la magie de l’IA qui analyse tout ça en deux temps trois mouvements, résume le contenu à vitesse grand V, et vous sert sur un plateau les pépites qui matchent avec vos centres d’intérêt. Le reste, poubelle ! Comme ça, fini le tri bien pénible.

Vous créez simplement une page sur Notion comme point d’entrée, vous renseignez vos petits tokens chéris, et voilà le travail ! Auto-News va gentiment créer tout un joli système de dossiers et de bases de données pour ranger vos contenus. Il vous suffira alors d’indiquer vos flux RSS favoris, vos comptes Twitter et Reddit à suivre, et hop, la machine est lancée !

L’outil est également capable de générer des transcriptions pour les vidéos YouTube et les articles web, histoire que vous puissiez les parcourir en diagonale, et grâce à ses supers pouvoirs d’IA, il vous concocte même des listes de tâches à partir de vos notes et réflexions.

Côté technique, c’est du solide puisque ça tourne sous Linux ou MacOS, avec Docker pour faciliter le déploiement et le top du top, c’est son interface façon Notion utilisable depuis votre iPhone, votre Android ou n’importe quel navigateur.

Parfait pour dire adieu à l’infobésité et découvrir le plaisir d’une lecture personnalisée. Pour plus d’infos, c’est par ici.

L’évolution rapide de la technologie a apporté son lot de progrès, mais également de nouveaux défis en matière de sécurité informatique. Face à une augmentation constante des menaces et des attaques cyber sophistiquées, l’intégration de l’intelligence Artificielle (IA) et du Machine Learning (ML) s’est avérée être un nouvel atout dans la protection des systèmes et des données.

Prévention, détection et réponse

L’utilisation de l’intelligence artificielle et du machine learning, dans le domaine de la cybersécurité, a permis de renforcer la prévention, la détection et la réponse aux attaques. Ces modèles peuvent analyser de vastes ensembles de données à une vitesse inégalée, identifiant ainsi les schémas et les comportements anormaux, signes potentiels d’activités malveillantes.
Les technologies d’IA et de ML sont déployées dans divers domaines de la cybersécurité. Dans la détection des intrusions, par exemple, les systèmes basés sur l’IA surveillent en temps réel les activités réseau, identifiant tout comportement inhabituel révélateur d’un trafic malveillant. De même, les algorithmes de ML sont utilisés pour créer des modèles de comportement des logiciels malveillants, permettant ainsi une détection proactive des menaces potentielles.

De ce fait, l’IA est cruciale dans l’analyse des vulnérabilités. Sans elle, il serait beaucoup plus compliqué, voire impossible, de détecter les vulnérabilités Zero Day. Les IA apprennent et s’adaptent au comportement des attaquants pour mieux anticiper les menaces futures. Il devient alors beaucoup plus difficile, pour les acteurs cybermalveillants, de les contourner.

Automatisation et réponses rapides

L’automatisation de certains processus de sécurité constitue un avantage majeur de l’IA. Les technologies autonomes peuvent rapidement isoler les menaces, déployer des correctifs et prendre des contre-mesures sans intervention humaine, ce qui réduit considérablement le temps de réponse face à une attaque.

Toutefois, l’utilisation de l’IA et du ML en cybersécurité n’est pas sans défi. Les cybercriminels recherchent constamment des moyens pour contourner ces systèmes, en élaborant des attaques plus sophistiquées. La nécessité d’une évolution constante des modèles est alors indispensable pour maintenir leur niveau d’efficacité.

De plus, la confidentialité des données utilisées pour entraîner les modèles d’IA est une problématique majeure. Cette préoccupation est cruciale pour plusieurs raisons. Tout d’abord, d’un côté violation de la vie privée : les données utilisées, pour entraîner les modèles, peuvent souvent contenir des informations sensibles sur les individus, telles que des détails médicaux, des informations financières, des préférences personnelles, etc. L’utilisation non autorisée, ou la divulgation de ces données, peut violer la vie privée des personnes concernées.

Ensuite, d’un point de vue risque de sécurité, les bases de données massives utilisées pour l’entraînement des modèles représentent des cibles potentielles pour les cyberattaques. Si ces données tombent entre de mauvaises mains, elles peuvent être exploitées à des fins malveillantes.

Nous pouvons citer, aussi, les biais et la discrimination. Un modèle peut être biaisé si les données utilisées pour l’entraînement sont elles-mêmes biaisées. Si les ensembles de données sont incomplets, non représentatifs ou reflètent des préjugés humains, les modèles peuvent perpétuer ces biais, conduisant ainsi à des décisions discriminatoires ou injustes.

Ou encore par rapport aux normes de conformités. En effet, dans de nombreuses régions du monde, il existe des lois et des réglementations strictes concernant la protection des données personnelles (comme le RGPD en Europe, le PIPL en Chine, etc.). Les organisations doivent se conformer à ces normes, ce qui rend la gestion des données utilisées dans les modèles encore plus complexe et exigeante.

L’adoption croissante de l’IA et du ML dans le domaine de la cybersécurité offre un avantage significatif pour la lutte contre les menaces cyber. Cependant, pour maximiser leur efficacité, il est essentiel de continuer à développer les modèles tout en maintenant une approche équilibrée entre l’innovation et la protection de la vie privée.