Mon expérience en matière de prise de décision stratégique lors de la mise en œuvre de l'IA
La mise en œuvre de solutions d'intelligence artificielle (IA) et d'apprentissage automatique (AA) implique des décisions clés. Parmi les plus importantes figure le choix entre l'utilisation de modèles de langage à grande échelle (MLGE) disponibles sur le marché et la création d'un modèle interne. Bien que des modèles hybrides existent, cette discussion se concentrera sur ces deux approches principales. Plusieurs facteurs critiques influencent cette décision, notamment les objectifs spécifiques du projet, l'importance de l'IA/AA pour sa réussite, les compétences et ressources disponibles, la croissance et l'utilisation prévues, ainsi que les contraintes budgétaires.
Dès lors, compte tenu de ces facteurs, quand un LLM commercial est-il la voie à suivre ?
- Contraintes de temps : La capacité de déploiement immédiat d’un LLM commercial peut considérablement accélérer le processus. Si vous avez besoin de résultats rapides ou souhaitez réaliser une preuve de concept (POC) pour évaluer la valeur de l’IA/ML, un LLM commercial peut accélérer le processus. Il favorise une approche d’innovation basée sur l’expérimentation rapide en permettant des tests rapides sans nécessiter de mise en place d’infrastructure ni de réglage du modèle.
- Limitations de ressources : Qu'il s'agisse d'améliorer des projets d'IA/ML existants ou de partir de zéro, l'exploitation de l'IA et du ML offre des possibilités en constante expansion. Cependant, il est irréaliste de prévoir les ressources nécessaires pour toutes les opportunités futures. Un LLM commercial peut simplifier ce processus et réduire les coûts liés aux ressources. Il peut réduire vos besoins en : Expertise technique : Si vous ne possédez pas d'expertise en apprentissage automatique et en traitement automatique du langage naturel, l'utilisation d'un LLM commercial peut réduire la charge technique et combler le manque de compétences jusqu'à ce que vous puissiez recruter ou former des ressources internes. Ressources de calcul : Alors que l'entraînement des LLM nécessite une puissance de calcul importante, les LLM commerciaux sont hébergés sur une infrastructure robuste, offrant une capacité d'adaptation à la demande. Maintenance et mises à jour : Les fournisseurs de LLM commerciaux gèrent généralement les mises à jour, la maintenance et les améliorations, ce qui vous permet de gagner du temps, des ressources et, au final, de l'argent.
- Évolutivité et maîtrise des coûts : Prévoir la croissance d’un nouveau projet est complexe. Rares sont les entreprises qui atteignent des prévisions de croissance parfaites ; il est donc crucial de minimiser les dépenses d’investissement et leur impact sur la trésorerie afin d’éviter une expérience client dégradée. Le recours à un LLM commercial permet un démarrage à moindre coût, réduisant ainsi les risques jusqu’à ce que la solution soit éprouvée et que son adoption s’accélère.
Adapter les coûts à l'échelle du projet peut s'avérer complexe, notamment pour les nouvelles initiatives sans marché établi. Le recours à un modèle LLM commercial permet de réduire les risques en alignant les coûts sur la demande actuelle et simplifie la gestion des changements d'échelle importants sans nécessiter la gestion de l'infrastructure.
Chez Proactis, nous avons utilisé des LLM commerciaux pour accélérer plusieurs preuves de concept et commercialiser une solution environ 12 mois plus tôt que prévu par rapport à la création d'un LLM documentaire interne. Cette approche nous permet d'optimiser la capacité de notre infrastructure et d'adapter nos modèles à la croissance du produit et à son adoption par les clients.
Au vu de ce qui a été dit jusqu'ici, il semblerait simpliste de considérer les LLM commerciaux comme la solution idéale, surtout en début de parcours. Cependant, ils ne constituent pas toujours l'option parfaite ni même viable dans tous les cas.
Alors, à quel moment devriez-vous envisager de créer votre propre LLM spécialisé en documents ?
Pour revenir aux facteurs initiaux à prendre en compte pour décider quelle voie suivre, réfléchissez à ce que vous cherchez finalement à accomplir.
Chez Proactis, par exemple, nous menons plusieurs projets visant à exploiter un savoir-faire qui fait partie intégrante de notre ADN et qui a été développé au cours des 20 dernières années. Il s'agit d'un élément essentiel de notre succès, qui nous permet de servir nos clients d'une manière qui surpasse la concurrence.
Dans une entreprise précédente, nous avons exploré l'utilisation de l'IA et de l'apprentissage automatique pour améliorer les algorithmes de tarification avancés, notamment pour des initiatives telles que l'entrée sur de nouveaux marchés et la détermination des seuils de prix contractuels ou des limites de négociation pour les accords à long terme. Ces seuils visent à protéger les fournisseurs contre les fluctuations importantes du marché (par exemple, une hausse du coût des matières premières, comme les engrais azotés, après la pandémie) et à garantir que les clients bénéficient d'ajustements de prix en cas de baisse significative des coûts de production.
Aucun de ces cas d'utilisation ne convient aux LLM commerciaux, qu'ils soient axés sur les documents ou sur les mathématiques. Les exigences sont trop spécifiques et les formations disponibles ne permettent pas d'obtenir les avantages nécessaires pour atteindre les objectifs commerciaux.
Voici quelques facteurs clés :
- Exigences spécifiques en matière de données : Les deux exemples présentent des données et des processus hautement spécialisés. Par conséquent, la création d'un modèle spécifique et un investissement en temps dans la formation seront nécessaires pour en maximiser le potentiel. Dans des cas comme celui-ci, qui constituent également des éléments clés d'une stratégie commerciale visant à atteindre un objectif, le temps et l'investissement requis sont un facteur déterminant de la réussite finale de l'initiative.
- Personnalisation et contrôle : Bien que les modèles d'apprentissage automatique (LLM) commerciaux offrent des possibilités d'adaptation et de personnalisation, celles-ci restent, de par leur conception, plus limitées. Cette limitation s'explique souvent par la volonté des LLM commerciaux d'attirer un large public et de maximiser ainsi le retour sur investissement du fournisseur initial. En créant votre propre LLM, vous conservez un contrôle total et bénéficiez d'une grande flexibilité pour optimiser chaque aspect, de l'architecture au processus, en passant par les données d'entraînement. Vous pouvez ainsi adapter et optimiser le modèle en continu, sans les contraintes liées aux mises à jour et aux nouvelles versions, ni les limitations inhérentes aux LLM commerciaux en matière de performances.
- Considérations relatives aux coûts : Nous avons déjà évoqué les coûts de démarrage ou de mise en place comme un avantage des LLM commerciaux. Comment peuvent-ils également figurer dans cette section ? Bien que l’investissement initial soit plus élevé lors de la création de votre propre LLM, développer votre propre modèle peut s’avérer plus rentable à long terme. C’est particulièrement vrai si vous prévoyez une utilisation et un débit importants, ou si vous souhaitez tirer parti d’un large éventail de fonctionnalités offertes par un modèle d’abonnement commercial. Par exemple, si vous optiez pour un niveau de service de base auprès d’un LLM commercial à un prix fixe par page pour 1 000 pages, l’utilisation d’éléments personnalisés dans le même modèle vous coûterait environ quatre fois plus cher par page pour ces mêmes 1 000 pages. Le prix des LLM commerciaux est déterminé par une combinaison de volume et de fonctionnalités. Ainsi, si vous gérez un volume important de documents ou si vous souhaitez exploiter un large éventail de fonctionnalités offertes, une solution personnalisée pourrait être plus avantageuse.
- Confidentialité et sécurité des données : Gérer votre propre modèle garantit la conservation des données sensibles en interne, réduisant ainsi les risques de fuites ou d’utilisation abusive. Dans de nombreux cas, les données traitées par un prestataire de services de gestion de données (PSGD) commercial ne sont pas conservées et sont supprimées immédiatement ou après une période définie. Toutefois, ces données sont transférées hors de votre organisation. Certaines données sont conservées au sein des organisations, et le risque de fuite pourrait avoir de graves conséquences, voire nuire considérablement à la réputation de l’entreprise. La nature des données que vous envisagez de traiter est un facteur déterminant dans votre stratégie de sécurité.
Résumé
Il arrive parfois que la décision de choisir entre un LLM commercial et l'autoconstruction soit très simple.
Utilisez un LLM commercial si vous avez besoin d'une solution rapide, fiable et évolutive sans nécessiter de personnalisation poussée, et si vous souhaitez tirer parti de l'expertise et de l'infrastructure existantes.
Créez votre propre LLM si vous avez besoin de personnalisations spécifiques, d'un contrôle total sur le modèle et les données, d'un investissement à long terme ou si vous avez des exigences particulières en matière de gouvernance des données. Vous pouvez également favoriser l'innovation au sein de votre entreprise et en faire un atout concurrentiel ou un facteur contribuant à la valorisation de votre activité.
Dans mes trois dernières entreprises, nous avons utilisé les deux approches pour piloter la stratégie globale, et chez Proactis, nous menons actuellement des initiatives qui suivent chacune de ces voies. En tenant compte de ces facteurs, vous pourrez prendre une décision éclairée, en adéquation avec vos objectifs stratégiques et les capacités opérationnelles de votre entreprise.
Un dernier point à prendre en compte : une solution unique ne convient pas forcément à l’ensemble du cycle de vie d’une fonctionnalité ou d’un produit. Chez Proactis, nous avons mis en place une preuve de concept et un lancement commercial initial très rapide en nous appuyant sur une solution LLM (Leadership in Lifecycle Management) commerciale de pointe pour la gestion documentaire. Cependant, nous envisageons de passer à notre propre modèle ultérieurement. À mesure que les volumes de données et les fonctionnalités que nous souhaitons proposer dans ce domaine d’activité augmentent, il est probable que la combinaison du coût et de la capacité à répondre à nos besoins motive ce changement.
Nous avons identifié ce point dès les premières étapes de la conception de la solution et avons opté pour une architecture permettant de changer facilement de modèle et de source. Nous nous sommes ainsi donné les moyens de tirer parti des avantages de chaque approche et, par conséquent, de continuer à améliorer l'expérience client et la valeur ajoutée.
Découvrez comment Proactis utilise l'IA