Data Lab & AI Factory

#Certitudes

L’exploitation de la donnée est un facteur clé de compétitivité de l’entreprise. En tirer toute la valeur est complexe et coûteux et nécessite pour l’entreprise de nouveaux savoir-faire et de nouvelles technologies pour mettre au point, opérer et améliorer sans cesse les algorithmes au cœur de sa valorisation. Qu’il s’agisse d’analyse descriptive, prédictive ou prescriptive, de reconnaissance, d’interprétation ou de prise de décision, les algorithmes, au même titre que la donnée, s’érigent en capital stratégique de l’entreprise et leur valeur va croissante dans sa compétitivité.

#Convictions

La création de modèles d'intelligence artificielle stratégiques pour l’entreprise ne doit pas être le fruit de la sérendipité. Elle doit relever d’une activité beaucoup moins hasardeuse et plus industrielle, la 'data science'. Cette dernière ne doit pas être considérée comme une pure activité R&D mais comme un processus itératif de bout-en-bout : constitution des données d'entrainement, identification des algorithmes d'apprentissage, production, industrialisation, supervision et amélioration continue des modèles en résultant. Elle doit tenir compte de la singularité et variété des algorithmes employés (apprentissage, renforcement...) et du cycle de vie des modèles probabilistes qui en découlent (nature auto-apprenante, réponse non déterministe, processeur d’exécution spécifique). Des modèles établis généralement à partir d'un mixte d’algorithmes sur étagère issus du monde du logiciel libre. L’entreprise les consommant soit tel quel soit après entraînement avec les données qu’elle seule possèdent. Elle doit dans tous les cas en surveiller l’exécution, les ré-entraîner ou les remplacer dès lors que leur performance se dégrade. Elle doit assurer le continuum entre les activités ‘Lab’ de mise au point des modèles et ses activités d’industrialisation et de supervision comportementale pour anticiper et palier à toute dérive à l’exécution. Notre conviction est que ce cycle de vie de bout en bout doit être orchestré par une même organisation, l’AI Factory (Enterprise AI Team), adossée à une plateforme d’intelligence artificielle dédiée. Un cycle de vie réparti sur une architecture hybride pour adresser à moindre coût la variabilité des besoins en 'storage' et 'compute'.

#Différenciants : Enterprise Intelligence@Scale

Nous apportons à vos équipes 'data science' la culture, le regard et le savoir-faire industriel qui leur manque pour transformer de façon systématique vos données en intelligence, pour passer d'expérimentations en "bacs à sable" à modèles d'intelligence artificielle en production embarqués dans vos applications, services et processus. Nous les aidons à être plus productifs, à sortir leurs modèles du 'Lab' pour créer un vrai impact métier. Nous facilitons la collaborations entre tous les acteurs (Business people, AI Product Manager, Data engineer, Data Scientist, AI Engineer, DevOps, etc.). Nous mettons en oeuvre les mécanismes pour accélérer la mise à disposition des données, obtenir leur autorisation d'usage, construire des modèles fiables et aussi précis que possibles, les "robustifier" contre les erreurs d'exécution et les attaques, tracer, comprendre et détecter toute errance à l'exécution. Nous vous aidons à vous focaliser sur le 'data science' et à construire des intelligences artificielles de confiance. Nous vous aidons à démocratiser l'intelligence artificielle au sein de votre entreprise.

Combiné à notre forte expertise en industrialisation du cycle de vie des données, maillon essentiel du cycle de vie de vos modèles, nous pensons d’abord à capitaliser sur les investissements que vous avez déjà consentis pour vous aider à professionnaliser de façon graduelle vos activités 'data science' de bout-en-bout.

Nous vous aidons à mettre en place une gouvernance de vos modèles autour d’un catalogue partagé et consommable de données et d'algorithmes (machine learning & deep learning) accessibles en mode self-service. Nous industrialisations la chaîne de valeur d'opérationnalisation de vos modèles (Model Management & ModelOps) pour garantir l’efficacité de votre processus 'Lab-to-Production' et la fiabilité de comportement de vos modèles en production.

#Senteway

Notre accompagnement est toujours sur-mesure, qu’il s’agisse de vous inspirer, de vous éclairer ou d’activer une solution innovante & industrielle en production. Il inclut généralement :

  • La compréhension de votre stratégie 'Data Science & AI' et votre niveau de maturité industrielle tout le long de la chaîne de production et "d'opérationnalisation" de vos modèles
  • La modélisation fine de votre processus data science avec un focus particulier sur la transition 'Lab-to-Production'
  • L’identification des capacités nécessaires à son industrialisation et le delta par rapport à votre existant (pratiques, processus, outillage, compétences)
  • La définition de l’architecture cible de votre plateforme ‘Intelligence’ et son articulation avec les plateformes existantes (plateforme data, plateforme api, plateforme de gestion multiclouds, etc.) pour professionnaliser vos activités 'Data Science'
  • Le choix de solution(s) verticales et/ou horizontales, leur industrialisation et leur intégration (data catalog, data preparation tool, data science studio, auto-ml, visual model monitoring tool, monitoring & explainable AI tool, etc.)
  • La validation sur un premier modèle cognitif
  • L'accompagnement à la transition vers la cible industrielle ainsi validée