Par Frederic Alexandre , Inria Un des problèmes que l’IA n’a toujours pas résolu aujourd’hui est d’associer des symboles – des mots par exemple – à leur signification, ancrée dans le monde réel – un problème appelé l’ « ancrage du symbole » . Par exemple, si je dis : « le chat dort sur son coussin car il est fatigué », la plupart des êtres humains comprendra sans effort que « il » renvoie à « chat » et pas à « coussin ». C’est ce qu’on appelle un raisonnement de bon sens. En revanche, comment faire faire cette analyse à une IA ? La technique dite de « plongement lexical » , si elle ne résout pas tout le problème, propose cependant une solution d’une redoutable efficacité. Il est important de connaître les principes de cette technique, car c’est celle qui est utilisée dans la plupart des modèles d’IA récents, dont ChatGPT… et elle est similaire aux techniques utilisées par Cambridge Analytica par exemple. Le plongement lexical, ou comment les systèmes d’intelligence artificielle
Par Alain-Gabriel Gomane, senior Product Marketing Manager chez MEGA International
Le terme « Digital Twin » désigne d’une façon générale toute réplique numérique de ce qui existe dans le monde réel : ressources physiques, processus, ou encore systèmes. Ce concept est intrinsèquement lié à l'IoT, qui connecte les actifs physiques à leurs modèles numériques équivalents. Entre optimisation des performances d’un produit, d’un service, ou encore du fonctionnement global d’une entreprise, les opportunités offertes par la technologie du digital twin sont considérables.
L’Architecture d’Entreprise peut tirer parti de ce concept en créant une représentation virtuelle d’une organisation qui utilise les données réelles pour automatiser les recommandations, valider les modèles, les corriger et les faire évoluer pour améliorer le processus de transformation métier.
Afin de permettre à une entreprise de créer un « jumeau numérique », il est important de procéder par étape :
Cartographier l’entreprise pour créer un « digital twin »
L’architecture d’entreprise vous aide à créer un « digital twin » de votre organisation. Il permet une compréhension détaillée de l’organisation grâce à la modélisation de chacun de ses éléments : stratégie, processus métier, expérience client, données, applications et infrastructure.
Tous ces éléments sont liés les uns aux autres au sein d’une plate-forme unique, ce qui permet d’effectuer des analyses d’impact et faciliter la prise de décision. L’architecture d’entreprise permet de s’assurer que la stratégie est bien exécutée, à un coût minimum, le tout en améliorant le délai de mise sur le marché.
Mais tous ces modèles restent théoriques, et pour les rendre plus fidèles à la réalité, il faut les alimenter avec de données réelles. Celles-ci aideront l’entreprise à valider et à optimiser ces modèles. Pour cela, il est primordial de d’abord définir les indicateurs clés de performance (KPI), afin de délimiter le périmètre d’étude et ensuite analyser les données réelles grâce au data-mining.
Identifier les indicateurs clés de performance (KPI) pour optimiser le champ d’application
Pour limiter la quantité de données à collecter à celles qui sont réellement pertinentes, l’entreprise doit définir des mesures en fonction des objectifs à atteindre. Ainsi, une entreprise peut décider de surveiller le cycle de vie des technologies qui supportent ses applications, et éviter de mettre en péril les départements qui les utilisent. Elle peut aussi choisir de mesurer la satisfaction client via les différents points de contact du parcours d’achat. Ces KPIs peuvent être donc très larges ou au contraire très précis comme la mesure du temps d’exécution d’une tâche pour un processus spécifique.
Effectuer et analyser l’exploration de données (data mining)
La dernière étape consiste à améliorer votre efficacité en intégrant des données. Pour ce faire, il est possible d’analyser les registres d’événements provenant de systèmes d’information tels que les ERP ou les CRM afin d’identifier des tendances ou les pratiques actuelles. Pour automatiser la remontée d’information, l’entreprise peut utiliser des API qui se connectent aux solutions et importent les données. Effectuée en continu, cette analyse permet de découvrir si les données réelles sont conformes à celles qui ont été modélisées.
Par exemple, en analysant ces données, une entreprise peut s’apercevoir qu’une même opération prend deux fois plus de temps dans une filiale que dans une autre. Cela permet de corriger les processus et s’assurer qu’il n’y aura pas d’autres écarts par rapport au modèle de processus initialement défini.
En résumé, pour créer un « digital twin », il est important dans un premier temps de créer une cartographie de l’IT et des métiers comme point de départ, puis de définir les KPIs pour délimiter le périmètre de mesure. Il convient ensuite de mettre en place une analyse continue des données réelles afin d’optimiser les processus existants et les modèles d’architecture d’entreprise. En suivant ce processus, l’entreprise obtiendra une vision plus claire de son organisation qui lui permettra de relever efficacement les défis de transformation auxquels elle doit faire face.