Aujourd'hui, l'intelligence artificielle est au stade de l'artisanat et de la boîte noire. Dès lors, de très nombreuses start-up cherchent le moyen de commercialiser l'IA sous forme de solution standardisée. Ainsi, Onpanel (San Fransisco) propose une version clé en main d'IA d'entreprise. "Les charges de travail liées à l'IA sont souvent lourdes, explique Donal Scott, cofondateur. Nous assurons l'automatisation des flux et de l'infrastructure dans le cloud, sur-site ou dans un environnement hybride. Ce faisant, nous éliminons une grande part des risques liés à un projet d'IA." Et tant mieux, sachant que le cabinet Gartner estime que 85% des projets IT sont un échec dans les grandes entreprises. Si les entreprises continuent à investir, c'est que certai...

Aujourd'hui, l'intelligence artificielle est au stade de l'artisanat et de la boîte noire. Dès lors, de très nombreuses start-up cherchent le moyen de commercialiser l'IA sous forme de solution standardisée. Ainsi, Onpanel (San Fransisco) propose une version clé en main d'IA d'entreprise. "Les charges de travail liées à l'IA sont souvent lourdes, explique Donal Scott, cofondateur. Nous assurons l'automatisation des flux et de l'infrastructure dans le cloud, sur-site ou dans un environnement hybride. Ce faisant, nous éliminons une grande part des risques liés à un projet d'IA." Et tant mieux, sachant que le cabinet Gartner estime que 85% des projets IT sont un échec dans les grandes entreprises. Si les entreprises continuent à investir, c'est que certains projets sont une réussite et que, selon McKinsey, les projets IA réussis génèrent 15% de marge supplémentaire. "Le marché est devenu fou, estime Qirong Ho, CTO de Petuum. La start-up de Sunnyvale s'est fixé une mission précise: l'IA pour tous. Entendez porter l'IA à une échelle industrielle. Qirong Ho cite ainsi l'exemple d'un client qui fabrique du ciment en 24/7. "Il s'agit d'installations gigantesques. Un arrêt de la production coûterait une fortune." Or il importe d'éviter à tout prix une telle situation, d'autant que les marges sont réduites. En pratique, des capteurs collectent différentes données, après quoi une analyse intelligente et le recours à l'IA permettent de réduire la consommation énergétique, d'améliorer la stabilité et la qualité de la production, et donc d'accroître les marges. "Le secret de la solution réside dans l'interopérabilité entre systèmes, précise Qirong Ho. Du coup, l'IA est aujourd'hui surtout du travail sur-mesure. Notre objectif est précisément d'industrialiser l'application de l'IA et de la rendre plus répétitive." A Palo Alto, nous rencontrons Gabby Nizri et Yaron Levy, CEO et CTO d'Ayehu. L'entreprise a vu le jour en 2007 en Israël avant de transférer son siège dans la Silicon Valley. Ayehu propose une solution d'automatisation de la gestion IA basée sur l'IA. "Quelque 85% du coût du 'service desk' sont associés au personnel, raisonne Levy. En outre, il est très difficile de renforcer très rapidement un tel 'service desk' en cas de pic d'activité. En pratique, il manque toujours du personnel." Ayehu se présente comme une sorte d'opérateur virtuel qui automatise le support humain de première ligne. "Plus de 80% des tâches d'un opérateur humain de première ligne concerne l'escalade, précise encore Levy. En les automatisant, il est possible d'enregistrer des résultats rapides." Il s'agit de tâches répétitives sans valeur ajoutée: restauration d'un mot de passe, 'patching', activation d'un nouveau serveur virtuel, etc. "L'utilisateur dialogue alors avec un agent conversationnel, Ayehu résout le problème et documente l'ensemble dans ServiceNow." Enfin, Commerce.AI adresse une toute autre problématique. L'entreprise utilise l'IA pour permettre à des clients comme Chanel, Walmart, Coca-Cola ou Suzuki d'analyser de nouvelles perspectives concernant leurs produits. Ces perspectives sont issues de l'analyse des réactions de clients. "Une entreprise apprécie de savoir ce que les clients pensent de leurs produits - et ceux de la concurrence", explique Andy Pandharikar, CEO. Pourtant, impossible de collecter et d'analyser manuellement toutes ces données non structurées - messages de médias sociaux, vidéos, etc. D'où le recours à l'IA. "Autrefois, les entreprises naviguaient souvent à vue. Pour en savoir davantage, elles devaient organiser une enquête. Or les conclusions que l'on peut en tirer sont toujours artificielles. Nous travaillons sur les réactions et les avis spontanés des consommateurs. Et nous prenons tout en compte dans l'analyse, y compris les émoticônes."