L’année 2023 est maintenant derrière nous et nous pouvons dire que cette année fut un tournant sur la thématique de la Generative IA. L’avènement d’OpenAI et de ChatGPT a surtout permis de faire prendre conscience aux entreprises des compétences et de l’organisation nécessaires pour véritablement industrialiser l’IA.
C’est ce que nous vous proposons de détailler et qui, selon nous, seront les grands axes de travail et tendances 2024 au sein des entreprises « data centric ».
Au menu : Data Product ManagementQu'est-ce que le Data Product Management ? Le Data Product Management (Gestion de produit data) est une discipline qui combine les principes du product management avec l’utilisation des données pour développer des produits data-driven. Un data product manager est responsable de la création, du dével... More, Analytics Engineering, Déploiement de LLMQu'est-ce qu'un Large Language Model (LLM) ? Si vous avez testé des outils d'IA conversationnelle récemment, alors vous avez directement interagi avec ce qu'on appelle un Large Language Model. Derrière ce terme se cache une réalité technologique fascinante. Concrètement, il s'agit d'un système d'int... More spécialisés & CSRDQu'est-ce que la CSRD ? La Corporate Sustainability Reporting Directive (CSRD) est une directive européenne qui vise à harmoniser la publication d'informations en matière de durabilité par les entreprises. Elle remplace la NFRD (Non-Financial Reporting Directive) et touche environ 50 000 entreprises... More.
Data Product Management : gérer la donnée comme un produit stratégique
Dans la révolution de l’Intelligence Artificielle que nous venons de vivre en 2023, le Product Management est l’un des principaux facteurs clés de ce succès.
L’exploit d’OpenAI réside dans sa capacité à packager des années de R&D complexe dans un produit extrêmement simple et accessible : un Chatbot. C’est cette maîtrise du cycle de vie produit qui leur a permis d’atteindre le million d’utilisateurs en 5 jours.
C’est cette approche qui se popularise avec le Data MeshQu'est-ce que le Data Mesh ? Le Data Mesh est une approche moderne de la gestion des données qui se distingue des modèles traditionnels comme le Data Lake et le Data Warehouse. Il repose sur une architecture décentralisée où les équipes métiers prennent en charge la gestion de leurs propres domaines... More : le Data Product Management consiste à traiter la donnée comme un véritable produit.
L’enjeu est de mettre entre les mains des consommateurs des solutions simples, adaptées à leurs enjeux.
Pour cela, il faut réussir à faire travailler en étroite collaboration équipes techniques et parties prenantes consommatrices de données. C’est le rôle qui est confié au “Product Owner Data” et qui se traduit par :
- Définir la vision et la stratégie des produits basés sur les données,
- Accompagner la vie du produit depuis l’idéation jusqu’au lancement et au-delà,
- Animer les ateliers avec des utilisateurs finaux afin de comprendre précisément leurs besoins,
- Gérer et alimenter un backlog priorisé, écrire les user stories et les critères d’acceptance,
- Assurer la qualité et la pertinence des données utilisées,
- Recetter, livrer et promouvoir nos produits basés sur les données pour favoriser l’adoption,
- Mesurer la performance des produits livrés et itérer.
C’est un rôle qui, pour nous, est clef et sera à n’en pas douter un hot topic que toutes les organisations “data centric” mettront en place ou renforceront sur 2024 pour tirer leur épingle du jeu.
Analytics Engineering : le profil hybride au croisement de l’IT et des métiers
Conséquence directe des éléments que nous venons de parcourir, la qualité et la pertinence des données mises à disposition au sein des produits sera encore plus déterminante que précédemment.
Face à la demande exponentielle et aux time-to-market réduits, les Data Engineers ne peuvent plus fournir seuls l’ensemble des pipelines de données.
Il est désormais indispensable de s’appuyer sur des profils hybrides croisant une forte technicité de traitement de la donnée avec une expertise métier pointue (CRM, Finance, Supply…) : les « Analytics Engineers ».
C’est précisément le rôle qui est confié à un “Analytics Engineer” et qui se traduit par :
- Participer à l’identification / investigation des données sources et à la mise en place des outils / connecteur d’alimentation (ETL / ELTQu'est-ce que l'ELT Data ? L'ELT (pour Extract, Load, Transform, ou Extraction, Chargement, Transformation en français) est une méthodologie moderne d'intégration des données qui a émergé avec l'essor du Cloud Computing et des solutions de Big Data (Data Lakes, Data Warehouses Cloud-native). Contrai... More),
- Être responsable de la structuration du modèle de données ainsi que de la transformation des donnéesQu'est-ce que la transformation data ? La transformation des données (ou "Data Transformation") est l'ensemble des processus techniques utilisés pour convertir des données brutes, souvent désorganisées, en un format propre, structuré et fiable, prêt à être utilisé pour l'analyse. Pour utiliser une a... More sources en indicateurs clés de performance (KPI),
- Utiliser des techniques de monitoring et des outils d’analyse / dataviz pour répondre aux besoins des équipes métiers.
- Industrialiser et généraliser les analyses nécessaires.
C’est un rôle qui, à mi chemin entre data analyst et data engineer, sera également un hot topic et offrira des belles perspectives d’évolution pour de nombreux profils hybrides.
La transition vers les LLM spécialisés
ChatGPT et la popularisation de l’IA GénérativeQu'est-ce que l'IA Générative ? L'IA Générative est une sous-branche de l'IA. Elle se concentre sur la création de nouveaux contenus (textes, images, vidéos...) à partir des données d'entraînement. Les modèles d'IA générative sont capables de générer de nouvelles données similaires aux données sur l... More a marqué 2023 de son empreinte, c’est indéniable. Et particulièrement pour 3 grands types d’usages :
- Intelligence Documentaire : c’est-à-dire la capacité à extraire, résumer, analyser ou encore traduire du texte,
- Interaction Augmentée : c’est-à-dire la capacité à assister (via des bots) ou automatiser des processus,
- Création de contenus : c’est-à-dire la capacité à inspirer, générer des contenus ou encore optimiser des codes.
Cependant, l’effet “waouh” passé, les limites des outils grand public apparaissent vite. Les entreprises doivent désormais faire le choix de modèles sur-mesure et spécialisés :
- Compilation de bases documentaires sources et création d’embedding spécifiques (représentation des mots ou phrases d’un texte par des vecteurs de nombres réels, décrits dans un modèle vectoriel)
- Ingestion de ces éléments :
- soit comme un contexte via du prompt engineering au sein de modèle généraliste pour y intégrer vos spécificités,
- soit comme base d’entraînement à un modèle LLM entraîné et hébergé au sein de vos propres infrastructures (Ex : Google Cloud Platform)
- Intégration au sein d’un produit fini et mise à disposition des utilisateurs finaux.
L’orientation de vos choix se fera très certainement par la gestion de vos coûts et votre stratégie de dépendance (ou plutôt indépendance face aux éventuelles pannes des fournisseurs de LLM).
La mise en application de l’IA Act aura également des répercussions sur ces choix et les modalités nécessaires pour parvenir aux déploiements de vos projets.
En 2024, les entreprises qui réussiront à identifier des cas d’usages à valeur business et à les déployer en production seront celles qui sur-performeront dans leur secteur.
D’ailleurs le paragraphe suivant donne un petit indice sur un exemple de sujet qui pourrait faire la différence …
CSRD (Corporate Sustainability Reporting Directive)
C’est très certainement le hot topic qui vous étonnera le plus en lisant cet article…mais c’est sûrement celui qui touchera le plus d’entre vous.
La directive européenne CSRD exige désormais des entreprises la publication d’un bilan environnemental et éthique aussi rigoureux que leur bilan financier, sous peine d’amendes.
Ce sont plus de 1000 données (narratives et chiffrées) qu’il est désormais primordial d’identifier, recueillir et compiler de façon proactive.
Peut-être que vous ne voyez toujours pas ce que ce hot topic vient faire ici dans les tendances 2024 d’un acteur comme nous spécialisé en Data & IA ?
Outre notre engagement historique via notre label « Data for Impact« , nous sommes convaincus que le défi colossal de la conformité CSRD sera relevé grâce à l’IA Générative.
Les capacités de l’intelligence documentaire et de l’interaction augmentée seront les seuls moyens viables pour emmagasiner, synthétiser et restituer avec précision ces milliers d’informations réglementaires éparpillées dans l’entreprise.
Si vous avez une sensibilité à la transformation durable, et que vous avez toujours rêvé de mettre à disposition vos compétences en Data & IA au service de ces enjeux, alors 2024 sera une belle année pour sauter le pas.
Prêts à transformer ces tendances Data & IA en avantages concurrentiels ?
La structuration de vos produits data, la spécialisation de vos modèles génératifs et la mise en conformité RSE ne sont plus des concepts futuristes : ce sont les piliers de votre performance actuelle.
Ne subissez pas ces profondes mutations technologiques et réglementaires : prenez une longueur d’avance et transformez-les en leviers de croissance.
Vous souhaites auditer votre maturité ou accélérer le déploiement de vos cas d’usages à fort ROI ? Contactez nos experts AVISIA pour co-construire votre feuille de route.
Pour poursuivre votre lecture, consultez notre article sur les 3 tendances Data & IA majeurs qui transforment l’entreprise.
