Embauché il y a 2 ans pour digitaliser les process, Alexandre Aubry raconte tous les changements que cela a induit : transformation de l'organisation, de l'infrastructure matérielle et réseau, ouverture et décommissionnement progressif de l'ERP Cobol...
Nous avons assisté à la conférence client de l'entreprise Orange à Agile en Seine. Cet article vous propose de découvrir comment l'IA Gen devient déjà un atout incontournable chez certains clients.
Un bon mix d'indicateurs - des KPI classiques ainsi que des KPI personnalisés - devrait vous aider, à condition de respecter un principe essentiel : faites simple !
WENVISION a participé au dernier meet up Tech.Rocks "Comment scaler des équipes en IA ?". Première piste de réponses de Shift et Preligens : penser R&D, production et ML Engineering.
A l'heure où de nombreuses entreprises traditionnelles se demandent comment mettre l'IA à l'échelle dans leurs organisations, Preligens et Shift Technology, deux start-up françaises spécialistes de l'IA, partagent leurs retours d'expérience à l'occasion d'un meet-up Tech.rocks.
Ce qui a retenu mon attention ? Les équipes IA de Shift Technology et Preligens partagent le même découpage des activités : R&D, production et ML Engineering.
On y trouve des profils issus du monde de la recherche. Ils conduisent les activités de veille dans leur domaine et le développement de modèles répondant à des problèmes complexes, nécessitant des temps de développement longs. Les deux entreprises soulignent toutefois que le passage du stade R&D à l'application commerciale doit être surveillée. Par exemple, Preligens se fixe un objectif de 9 mois entre la publication d’un papier et une démonstration sur un cas d’application concret.
C’est ici que vous trouverez la majorité des data scientists, juniors à expérimentés qui créent et maintiennent les modèles d’IA à destination des produits commerciaux des deux sociétés. En plus des compétences classiques de data science, Preligens et Shift précisent que ces équipes entretiennent un contact étroit avec leurs clients, par exemple chez Shift il y a plus de data scientists que de clients. Leur rôle est de comprendre les problèmes rencontrés par leurs clients, de construire et d'ajuster les algorithmes capables d’y répondre, avec les data sets à leur disposition.
Cette part de l’activité est née dans les deux sociétés d’un besoin de structurer le framework et l'outillage de data science. Chez Preligens, ce processus est né de façon très organique sous l’impulsion d’un data scientist avec de bonnes compétences de développement. Chez Shift Technology il s'est fait en réaction à un anarchisme croissant dans les méthodes de travail. Les profils rattachés à cette activité combinent donc une très bonne connaissance de la data, de la data science mais aussi du développement logiciel. Il s’agit de l’équipe en charge de la création et de la maintenance des composantes du pipeline d’opérations destiné à la préparation de la donnée, le déploiement des modèles, l’entraînement et la mise en production des modèles d’IA.
