Tu suis la course aux modèles IA ?
Chaque sortie (GPT, Claude, Gemini, Mistral…) décryptée le soir même, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
JBS Dev et le mythe des données parfaites
Joe Rose, président de JBS Dev, une entreprise spécialisée dans les technologies stratégiques, s'attaque à une idée reçue persistante dans le domaine de l'intelligence artificielle. Selon lui, il est erroné de croire que les données doivent être impeccables avant de pouvoir être utilisées efficacement par des systèmes d'IA générative et agentique. Rose insiste sur le fait que cette croyance est infondée.
Un article récent publié dans AI Fieldbook met en lumière cette problématique. Les fournisseurs et consultants en technologie prônent souvent la nécessité de disposer de vastes lacs de données et de mener des programmes de transformation des données sur plusieurs années. Cette approche laisse de nombreux dirigeants perplexes. Cependant, la réalité est plus nuancée. Rose affirme que les outils actuels sont capables de traiter des données de qualité médiocre avec une efficacité surprenante. Il souligne la capacité des modèles de langage à comprendre des instructions même partiellement formulées.
L'importance des garde-fous humains
L'utilisation de ces outils puissants nécessite toutefois la mise en place de garde-fous appropriés. Les modèles d'IA, par nature, peuvent produire des résultats imprévisibles, ce qui rend l'intervention humaine indispensable pour gérer les erreurs potentielles. Dans le domaine des données textuelles ou catégorielles, une certaine résilience est déjà présente. Rose explique que les utilisateurs doivent s'habituer à un processus itératif, où l'IA ne fonctionne pas de manière autonome mais nécessite un suivi constant.
Un exemple concret dans le secteur médical
Pour illustrer ses propos, Rose cite un cas concret dans le secteur médical. Un client souhaitait migrer vers un nouveau système de réconciliation de facturation. Les dossiers étaient dans un état de désordre, certains étant sous forme de PDF, d'autres en images. Parfois, les informations étaient mal attribuées, comme le nom du médecin apparaissant à la place du patient. Grâce à l'IA générative, il a été possible d'extraire des données propres à partir de simples instructions, utilisant des technologies comme la reconnaissance optique de caractères pour les images et l'extraction de texte pour les PDF. Des approches plus sophistiquées ont ensuite permis de vérifier la facturation correcte en comparant les dossiers avec les contrats d'assurance.
Vers une automatisation progressive
Rose décrit un processus d'automatisation progressive. L'idée est de commencer avec un faible pourcentage d'automatisation, par exemple 20 %, et de l'augmenter progressivement à 40 %, puis 60 %, et ainsi de suite. L'objectif est de croître au fil du temps tout en maintenant une supervision humaine pour garantir la précision et l'efficacité des systèmes.
L'avenir de l'IA : coûts et portabilité
En regardant vers l'avenir, Rose anticipe que les discussions autour des modèles d'IA se concentreront sur la durabilité des coûts et la portabilité. Il prédit un changement de paradigme, passant des améliorations spectaculaires des capacités des modèles à une réflexion sur la manière de rendre les coûts plus gérables. L'idée est de réduire la dépendance aux centres de données massifs et de permettre le fonctionnement des modèles sur des appareils plus accessibles comme les ordinateurs portables ou les téléphones. Les modèles ont été entraînés sur un ensemble de données comprenant essentiellement chaque page d'Internet et d'autres sources, ce qui signifie qu'il n'y a pas une abondance de nouvelles données à intégrer pour provoquer une percée significative.
Encouragement à l'autonomie technologique
Lors de l'AI & Big Data Expo, Rose prévoit de partager une opinion qui pourrait surprendre : il encourage les entreprises à envisager de développer leurs propres solutions plutôt que de dépendre des fournisseurs SaaS. Selon lui, avec une présence dans le cloud, la plupart des entreprises disposent déjà des outils nécessaires pour commencer à mettre en œuvre des charges de travail agentiques sans avoir besoin de nouveaux logiciels ou formations. JBS Dev se positionne pour accompagner ces entreprises dans les étapes suivantes de leur parcours technologique.
