Business : Devriez-vous utiliser une plateforme d’IA sans code? Limites et opportunités

Comme vous pouvez le voir, certaines étapes d’un projet d’IA «traditionnel» peuvent être automatisées ou simplifiées à l’aide d’outils de glisser-déposer. De ce point de vue, je considérerais les plates-formes d’IA sans code comme un moyen efficace d’accélérer le développement de prototypes et de démos.

Cas d’utilisation
Je pense que les plateformes d’IA sans code sont bien adaptées à des projets spécifiques. Par exemple, utilisez des cas dans lesquels nous voulons prédire des mesures telles que le taux de désabonnement, la valeur à vie du client, la tarification dynamique ou analyser les données sur plusieurs contrats pour nous aider à mieux négocier. Nous pensons également que ces outils peuvent être utiles dans l’automatisation de certains processus internes.

Nouvelles compétences
Il est prudent de supposer que l’essor des plateformes d’IA sans code créera également de nouvelles attentes en matière de compétences. Dans un avenir proche, je ne serais pas surpris si un chef de produit devait être familier avec au moins un outil d’IA sans code et connaissait bien la gestion des ensembles de données. Je m’attends à voir de plus en plus de formations en ligne liées à ces outils.

L’IA sans code est toujours un marché en croissance. La plupart des acteurs semblent s’être positionnés avant tout sur des typologies de technologies (PNL, vision par ordinateur, etc.) ou des cas d’utilisation spécifiques (CRM Management,…).

Dans un avenir proche, je m’attends à voir des outils complets qui permettent de couvrir presque tous les usages, évitant ainsi d’avoir à investir dans de multiples outils et à capitaliser les connaissances.

L’industrie est composée à la fois de startups et de grandes entreprises technologiques développant leurs propres outils. Pour des raisons évidentes, il semble que les startups se concentrent sur des cas d’utilisation spécifiques plutôt que de proposer plusieurs options.

L’aspect le plus intéressant de cette industrie est la façon dont les grandes entreprises technologiques tentent d’attirer de nouveaux clients pour augmenter la portée de leurs utilisateurs tout en utilisant une stratégie de verrouillage.

Stratégie de verrouillage: Une stratégie dans laquelle le client dépend tellement d’un fournisseur de produits et services qu’il ne peut pas passer à un autre fournisseur sans coûts de commutation substantiels, réels et / ou perçus.

Je me demande souvent si les startups sans intelligence artificielle peuvent survivre à long terme si elles ne sont pas spécialisées. En effet, l’avantage des grandes entreprises technologiques est la possibilité de fournir aux clients une approche simple pour rester sur la plate-forme et la feuille de route de ce fournisseur.

Idéalement, les grandes entreprises technologiques (Google et Microsoft) souhaitent que les entreprises puissent utiliser leurs outils de développement logiciel et un écosystème plus large de services liés à la gestion des données.

Bien que certaines de ces solutions soient gratuites ou basées sur un modèle d’abonnement, elles peuvent nécessiter l’intervention de consultants et de développeurs pour former les utilisateurs et effectuer l’ingénierie de connexion back-end cloud.

Depuis quelques mois, nous avons décidé de tester l’efficacité d’une plateforme d’IA sans code. À mon avis, l’efficacité et l’utilité de l’IA sans code ne sont pas un mythe.

Le plus grand avantage pour nous était qu’un data scientist pouvait aider notre service marketing en évaluant leurs idées incomplètes grâce à la création d’un PoC rapide utilisant des outils sans code. En effet, il peut leur conseiller de réaliser un PoC sans code et d’y revenir lorsque les besoins seront stabilisés.

Cependant, certaines concessions doivent être faites. En effet, si vous souhaitez produire rapidement et sans développement, vous devez être en mesure de réduire vos attentes.

Le succès d’un projet basé sur le Machine Learning à travers une solution sans code dépendra grandement de vos besoins fonctionnels, et lorsque les besoins sont très spécifiques, il est alors nécessaire de trouver le bon équilibre entre rapidité de mise en œuvre et attentes liées aux fonctionnalités.

Chaque solution a une frontière intrinsèque à la conception de l’outil. En effet, ces outils sont basés sur des modèles, soit l’éditeur a choisi de proposer des modèles simples qui seront faciles à comprendre et à utiliser mais en retour manqueront de souplesse car on ne peut se développer que dans le cadre du modèle.

Au contraire, d’autres plateformes ont choisi des modèles plus élaborés qui permettent une flexibilité comparable au développement d’applications par codage. En revanche, la courbe d’apprentissage et les compétences requises seront beaucoup plus élevées.

Je recommande fortement choisir votre outil en fonction de l’équilibre dont vous avez besoin entre facilité d’utilisation et flexibilité. Dans certains cas, il est important de se rappeler qu’une fois que vous avez développé une application sur une plate-forme, vous êtes lié à cette plate-forme aussi longtemps que l’application est en cours d’exécution. Dans le contexte d’un PoC, ce n’est pas un problème, mais dans le contexte d’une application qui devrait durer, les choses peuvent être différentes.

En effet, vous devez vous assurer que l’évolutivité requise de votre projet peut être obtenue en utilisant une plateforme d’IA sans code. Je pense qu’il est impossible d’avoir une solution évolutive utilisant des plateformes d’IA sans code pour des cas d’utilisation «complexes».

En outre, le relation contractuelle (propriété des données) doit être soigneusement examiné en termes de coût et de réversibilité.

L’autre élément clé est maintenabilité. Je vous recommande de déterminer dès le départ si votre objectif est simplement de tester la pertinence d’une idée ou de construire une application pérenne. Dans le premier cas, il est préférable de créer rapidement un PoC jetable en utilisant si possible des solutions d’IA sans code. Sinon, je vous recommande d’utiliser l’approche ML traditionnelle et de créer une version stabilisée et maintenable.

Si votre fournisseur d’IA sans code peut vous garantir une évolutivité (possible dans certains cas d’utilisation), je vous recommanderais d’évaluer le coût total des licences à grande échelle pour assurer une maintenabilité à long terme.

La pire chose qui puisse arriver est de créer un PoC en utilisant une approche «rapide et sale», puis de passer à la production en essayant de faire évoluer ce même PoC.

À mon avis, les limites actuelles de la plupart (pas toutes) des plateformes d’IA sans code sont les suivantes:

Degré de personnalisation
Malgré ce que la plupart des gens pourraient penser, la difficulté de créer des modèles Machine Learning n’est pas le codage, mais les données à votre disposition, l’ingénierie des fonctionnalités, l’architecture et les tests. Dans certaines solutions sans code, vous n’avez pas la possibilité d’affiner et d’ajuster les différents paramètres.

L’autre inconvénient est lié aux données. En effet, vous connaissez peut-être les données biais. Selon le cas d’utilisation, ces modèles peuvent être créés et exportés par potentiellement tout le monde. En tant que tel, il existe un risque accru de générer des algorithmes biaisés.

De toute évidence, les ingénieurs de Machine Learning peuvent également créer des solutions biaisées….

Besoin de processus internes précis
Comme mentionné précédemment, les outils d’IA sans code peuvent être positifs, mais ils nécessitent une gouvernance spécifique. En effet, si vous ne les intégrez pas de manière dirigée et contrôlée, vous introduisez simplement plus de shadow IT et plus de problèmes.

Ombre IL: terme qui fait référence aux applications et à l’infrastructure des technologies de l’information (TI) qui sont gérées et utilisées à l’insu du service informatique de l’entreprise.

Les scientifiques des données pourraient finir par consacrer autant de temps à fixer le travail de leurs collègues qu’à leurs propres tâches.

Dépendance
Mon autre préoccupation avec le développement d’outils d’IA sans code est liée à la dépendance. En effet, votre solution pourrait ne pas nécessiter de data scientist mais probablement quelques consultants à l’avenir pour vous aider à mieux comprendre le ML ou rendre votre solution évolutive. Ainsi, la dépendance à l’égard d’experts techniquement compétents ne disparaîtra pas.

Besoin de données
Tous les projets de Machine Learning nécessitent la même chose: les données
Le succès d’un projet ML dépend fortement de votre capacité à collecter, gérer et maintenir un ensemble de données. Cependant, il s’agit généralement du travail d’un data scientist et je ne sais pas si un «développeur citoyen» peut effectuer ces tâches.

Évolutivité
Ma dernière préoccupation est liée à l’évolutivité. En effet, de nombreux PoC réussis échouent en production car nous ne pouvions pas construire un système capable de servir des modèles ML de manière évolutive. C’est encore plus difficile dans les industries qui utilisent beaucoup de données sensibles comme les soins de santé ou les banques.

J’aurais pu mentionner d’autres problèmes potentiels tels que le déploiement, la sécurité, l’intégration avec les anciens systèmes, etc. Cependant, je crois toujours à l’utilité des plateformes d’IA sans code. Le succès de votre projet en utilisant l’IA sans code dépendra fortement de votre cas d’utilisation et de votre niveau de maturité en matière de gestion des données.

Nous ne sommes qu’au début de cette tendance et je suis convaincu qu’un nombre croissant d’entreprises (notamment des PME) seront tentées de tirer parti de ces outils.