INDUSTRIALISATION DES MODELES D’IA

Auteurs :

Ousman Azy

Architecte expert

Contactez

2 minutes

Artificial Intelligence Assurance

Pour la filiale assurance d’un groupe bancaire international de premier plan, Sentelis a défini et outillé le processus d’industrialisation des modèles d’intelligence artificielle. A la clé, un cadre commun pour la communauté des ‘data scientists’ de ses différentes entités juridiques, un processus d’innovation par les données optimisé et maîtrisé de bout en bout, des modèles en production sous contrôle.

L’enjeu : industrialiser le cycle de vie des modèles de ‘machine learning’

L’intelligence artificielle devient une composante à part entière du système d’information. Les ‘data & innovations Labs’ doivent évoluer d’une logique ‘built to experiment’ à une logique ‘built to run’. Ce passage nécessite la professionnalisation des activités de ‘data science’ de bout en bout, sur l’ensemble du cycle de vie des modèles d’IA. Pour l’accompagner dans cette transition d’une IA de ‘lab’ à une IA d’entreprise, la Direction des systèmes d’information de cet acteur majeur de l’assurance à fait confiance à l’expertise industrielle de Sentelis.

La solution : une ‘AI Fabric’ co-construite avec les ‘data scientists’

Professionnaliser les pratiques des ‘data scientists’ consistent à y intégrer des ingrédients industriels qui peuvent faire perdre en agilité et en liberté. Il convient en effet de rationaliser l’outillage, les langages de développement, d’instiller des normes de développement pour limiter la réingénierie du code aux standards usuels et au-delà pour tirer toute la quintessence des processeurs optimisés pour les traitements IA. Il faut aussi limiter les efforts des opérations gourmandes en temps : ingestion et préparation des données d’apprentissage. Il faut s’assurer de l’optimisation de la gestion des ressources allouées pour les ‘bacs à sable’. Il faut garantir la conformité des modèles à la réglementation et à l’éthique de l’entreprise et protéger leur propriété intellectuelle. Non des moindres, il est nécessaire de systématiser la traçabilité à l’exécution des modèles. Cette transformation a été conduite en co-construction entre les équipes clientes (data science, plateforme data, architecture & production) et Sentelis. L’industrialisation de la chaine de valeur s’est faite de façon progressive dans le cadre de plusieurs projets sur des cas d’usage variés (attrition emprunteur, analyse des parcours client).

La méthode

En collaboration avec les équipes clients, l’intervention de Sentelis a porté sur

  • La modélisation et l’analyse comparative des différentes façons de procéder des ‘data scientists’ des différentes organisations
  • La définition d’un cadre de référence commun incluant le stéréotypage du processus de référence ‘data science’, l’identification des éléments du processus à mettre sous contrôle
  • L’analyse de la maturité actuelle des équipes ‘data science’ par rapport à cette cible
  • Les éléments du processus ‘data science’ à outiller et à automatiser
  • La conception de l’architecture fonctionnelle, logique cible et applicative de la plateforme ‘data science’
  • L’articulation avec la plateforme data existante
  • L’intégration d’une plateforme 'cloud' d’exécution sur des processeurs 'GPUs'
  • Un pilote de validation de la pertinence et la faisabilité de points clés d’industrialisation et solutions
  • L’industrialisation progressive de toute la chaîne de valeur