IA dans le secteur de l'énergie : gouvernance, feuille de route opérationnelle data & IA, conseils pratiques, méthodologie

Bonjour et bienvenue dans « IA plus qu’à », le podcast qui tend le micro à celles et ceux qui travaillent avec l’IA au quotidien.

Ce podcast a été créé et soutenu par les équipes CGI, en collaboration avec Orange Business Services. Je suis Guillaume Portmann, présentateur de ce podcast et je vous propose de retrouver nos 2 experts : Jérôme Laval, Key Account manager EDF  et Benjamin Watrin, Architect Data senior chez Orange Business Services. Dans le premier épisode, nous avons exploré les grandes tendances du marché ainsi que les cas d’usage concrets de l’IA dans le secteur de l’énergie. Aujourd’hui, nous allons aller plus loin : comment construire une feuille de route Data & IA ? Par où commencer ? Quels sont les pièges à éviter ?

Nos trois experts vont vous partager leurs recommandations et les bonnes pratiques observées sur le terrain. Si vous êtes DSI, directeur innovation, acteurs métier ou tout simplement curieux de comprendre comment structurer une stratégie data efficace, cet épisode est fait pour vous.

Transcript

Guillaume Portmann 0:00

Bonjour et bienvenue dans YA Plus K, le podcast qui tend le micro à celles et ceux qui travaillent avec l'IA au quotidien. Ce podcast a été créé et soutenu par les équipes CGI en collaboration avec Orange Business Service. Je suis Guillaume Portman, présentateur de ce podcast et je vous propose de retrouver nos deux experts, Jérôme Laval, responsable du compte EDF chez Orange Business Service et Benjamin Vatrin, architecte data senior chez Orange Business Service également. Dans le premier épisode, nous avons exploré les grandes tendances du marché ainsi que les cas d'usage concrets de l'IA dans le secteur de l'énergie. Aujourd'hui on va aller plus loin. Comment construire une feuille de route data et IA? Par où commencer? Quels sont les pièges, les écueils à éviter. Nos deux experts vont vous partager leurs recommandations et les bonnes pratiques observées sur le terrain. Si vous êtes DSI, directeur innovation ou tout simplement curieux de comprendre comment structurer une stratégie data efficace, cet épisode est fait pour vous. Bonjour Jérôme, bonjour Benjamin. Je suis ravi de vous retrouver à mon micro pour ce nouvel épisode de YA Plus K. Bonjour. Bonjour. Messieurs, tout d'abord un constat. Aujourd'hui, 97% des projets IA ne passent pas en production. Est-ce que vous auriez des premiers éléments de réponse pour expliquer ce constat? Sommes toutes assez sévères.

Benjamin Watrin 1:25

Pour commencer, je pense que effectivement ces statistiques sont un peu inquiétantes, mais elles proviennent vraiment déjà des écueils de l'intelligence artificielle traditionnelle, qui est la moindre qualité des données en amont. C'est vraiment un frein. On se rend compte que 85% des échecs sont vraiment liés à des données qui sont soit incomplètes, soit biaisées, soit silletées, qui obligent les data scientists à passer 80% de leur projet à faire du nettoyage, du data cleaning, de la data préparation. Ces éléments-là, doublés d'un manque d'infrastructures qui sont adaptées, c'est-à-dire pas de CICD, pas d'outils d'automatisation de la correction et de la mise en qualité des données, doublé par l'absence ou la difficulté d'avoir du GPU, de l'intégration cloud qui va faire des coûts importants, fait que vraiment on va avoir un problème de passage à l'échelle des projets qui fonctionnent au niveau du prototype. La qualité de données, ça incline de nombreux sujets. C'est vraiment the voyage of the journey, the data journey that is complete, the network, the mise in coherence of donations with the referential of the entrepreneurs, the labellisation, intelligence artificial, it's absolutely necessary.

Jérôme Laval 3:02

The activities are very important. We concept that the objectives are flu, there's not a link of directrices, and conjugate fantasies, their crafts, because their project is often a form of hype, just like a very heroin, clear and distinct. And we know that the absence of governance, or even more ambassador, that's a point important, and then formation. So I tell you, I've got a parentheses, is that 71% of the employees have more than six hours of formation on the year. So I judge, I turned the parentheses. And the man of ambassadors and formations accentuates what we say the resistance cultural, but also the risks for that. A lot of the infrastructure, but also the maintenance, but also the conformity. D'autres parts we constantly that the delay peuvent, it varies entre six and dizzy, which is quite a certain delay face au context in the quality we are confronted. And interdepartement and frein the collaboration and these initiatives impossible to integrate.

Guillaume Portmann 4:59

What are the prerequisites after a roadmap IA? If you came the three fundamentals.

Jérôme Laval 6:13

And we are already confronted to a very course control, because we have the usage intelligent for the activity and have an advance that never, because there's also concurrence, but that is necessary.

Benjamin Watrin 6:50

Vous allez devoir la gouverner. La gouverneur is quoi? C'est orchestrer, arbitrer les demandes provenant des métiers. It's assez nouveau, puisque du coup, les usages de l'IA proviennent principalement des salariés. C'est issu des usages privés et non plus uniquement, comme on a pu le voir sur d'autres technologies, d'autres éléments comme le big data par exemple, des outils qui proviennent et des initiatives qui proviennent uniquement de la DSI. C'est aussi encouragé par des politiques qui sont des politiques tarifaires dédiées au grand public qui sont très agressives et qui se multiplient. Donc du coup, il faut éviter d'avoir l'ensemble de ces initiatives qui sont mises en place. Donc il faut gouverner les initiatives, empêcher les risques sécuritaires, des fuites de données. Je veux dire, c'est vraiment un problème qui pose un petit peu ce que disait Jérôme, l'obligation pour les entreprises de se positionner sur ces éléments-là, tout simplement parce que le risque c'est que leurs employés utilisent les données de l'entreprise dans des éléments publics. C'est aussi gérer des questions éthiques avec l'ensemble des biais et bien évidemment réglementaires avec l'IA Act qu'on a évoqué dans le podcast précédent.

Guillaume Portmann 7:54

Merci Benjamin. Nouvelle question, là on va parler un peu plus de roadmap, en fait, data IA. Une fois que le cadre est posé, quels sont vos conseils pour structurer une feuille de route efficace?

Jérôme Laval 8:07

Tout d'abord, Jack, pour traiter la roadmap, en fait, chez nos clients industriels, nous avons travaillé sur les processus de l'entreprise. Très important. J'ai que le maître au mot de nos projets IA est plutôt d'automatiser des tâches qui peuvent l'être dans les activités existantes. Donc c'est ici, c'est là qu'il y a le plus de gains potentiels. Par ailleurs, cette industrialisation fait aussi intervenir l'IA, de l'IAGEN, but également des outils plus anciens, comme le RPA, et oui, mais aussi des outils émergents, comme l'Agentique, dont on parle de plus en plus.

Benjamin Watrin 8:40

Du coup, pour rebondir un petit peu sur ce que tu viens de dire Jérôme, cette orientation nous impose vraiment une démarche qui est complètement spécifique et qui va être orientée principalement vers les métiers. On l'a dit dans la question précédente, c'est les métiers qui sont moteurs sur ces éléments-là. On retrouve donc nos trois piliers, la stratégie, la culturation et la gouvernance de l'IA. Une fois qu'on a ces trois piliers, une stratégie, c'est quel gain de productivité on veut avoir, la calculation pour éviter les risques de crainte, de fantasmes, de rejets, faciliter l'adoption, et puis une adoption intelligente et efficace de l'intelligence artificielle. Travailler la gouvernance, c'est bien évidemment être un cadre organisationnel à tout ça. On va ensuite, une fois qu'on a posé ces éléments-là, on va poser trois other grands elements qui sont plutôt cette fois-ci technologique. C'est la sécurité. Alors la sécurité fait partie de la gouvernance de l'IA, mais là on va vraiment mettre l'implémentation de la sécurité, comment on gère les droits, comment on gère la redondance des systèmes for les clients qui sont obligatoires, etc. On va gérer aussi tout ce qui est suivi de la compliance. L'IA Act impose des traçabilities, donc il faut des outils pour pouvoir suivre cette traçabilité. Et puis bien évidemment, le choix des plateformes et des outils qui sont adaptés aux besoins. Effectivement, on reviendra un petit peu plus loin. Il faut se méfier. LLM, SLM, c'est-à-dire avoir le bon outil en face des bons ROI pour éviter d'avoir soit un système trop petit, soit un système trop gros par rapport à nos besoins.

Guillaume Portmann 10:09

Okay. Et dans cette feuille de route, justement, quels sont les principaux écueils qui sont à éviter?

Benjamin Watrin 10:15

Alors, on l'a déjà dit, vraiment les écueils, c'est la qualité de données. On a vu au tout début la qualité de données, elle provient de l'ancien platform, which is toujours là, but de la platform data classic. And du coup, il ne faut pas négliger cette plateforme. C'est le socle de l'intelligence artificielle. Ça veut dire que cette qualité de données, elle doit être aussi gouvernée. Donc on doit avoir une gouvernance de la platform data, une governance data, une gouvernance de l'IA. L'IA ne remplacera pas ces platforms because the big data has not replaced the data warehouse, and the data warehouse don't have replacement the ancient outils that were there, Infocent, etc. They should ajout en plus. Donc if we know that l'IA does some potential, it is that platform data. And also we ajout a new problematic. The new problematic is the entrainment, the execution, the use of data semi-structured, non-structured in the intelligence artificial, it's really a lot that will be a little bit more trained. Bref, tout doit être sécurisé, classé, tagué, labellisé, et on doit suivre au final un même processus que les données classiques, mais avec une complexité supplémentaire, que les données sont non structurées. Et puis enfin, sur la qualité des données, toujours dans cette logique de gouvernance des données, de suivi de la qualité des données, les IA génératives vont produire de la donnée, et on va avoir également un suivi de cette qualité de données, et un suivi dans le temps. C'est-à-dire que on le voit bien dans les algorithmes de machine learning traditionnel, on va avoir des dérives, puisque les données en amont vont changer, vont evoluer, les comportements evoluent, and du coup, it's suivante des algos, and we will have du coup an observability that will be absolutely necessary and obligatory to assurance that we have in the bills, these algorithms, the derivatives, and renforcing the same supervision.

Guillaume Portmann 12:35

We have aborded. The conduit of the changement is an element clear to a project. What do we want to embark efficacy the equipped?

Jérôme Laval 12:45

Arthur, I think, it's good to suggest. In fact, it's a composite incontournable of our change that we have the first step via the acculturation. And the most important acculturation, because it's an acculturation that permit via, for example, to embark their clients or their clients in a dare constructive that is based on their testing. So that's the first point. So the role of SPOC, the referent is very important. And this accompaniment, of course, it permit to maintain in the way the initiatives of accompanying, rather than make in place a coaching of proximity. And that's really a point important, the culture, the formation. And for finish, I'm sure that it is necessary, to massify this formation in a cycle complex, but not uniquely on the outside, because we propose our clients a format of monetary competence in their new, also on the sujet techniques, but fonctionnel, security, and ethics. The notion that we don't obviously are uniquely surface.

Guillaume Portmann 14:19

So just a rebond for the accompanying clients, what are the solutions concrete that we proposed to aid to deploy and reach their project IA?

Benjamin Watrin 14:35

You reprend in our demarch, we have a demarisectorial, which abords really the six piliers that we have presented. This demarch composes de la manner suivante. The first is to pose the strategy. Avec cette acculturation, on pouvoir commencer à travailler la conduite du changement et la gouvernance, c'est casser des silos traditionnels, intégrer les métiers au plus tôt pour pouvoir vraiment mettre en place tous ces aspects organisationnels qui sont nécessaires, comme on l'a vu au niveau de l'IA générative et de l'IA, et pour permettre de garantir en quelque sorte un meilleur taux de mise en production et d'industrialisation de l'intelligence artificielle. Enfin, on va travailler autour de l'architecture. Alors l'architecture, nous part par ce qu'on appelle le catalogue de services. C'est quoi? C'est tout simplement définir un certain nombre de services standards nécessaires à l'IA pour qu'elle fonctionne dans le cadre qui a été défini au niveau de la gouvernance. Ce qui permet de mettre en fait à disposition des patterns d'outils, des choix d'outils qui vont permettre de déployer cette intelligence artificielle dans des use cases qui ont été identifiés, des catégories de use cases qui ont été identifiées, de manière beaucoup plus agile. Et donc ce coup, ça implémente une agilité à l'échelle qui est nécessaire pour limiter le point qu'on a vu de 6 à 18 mois de mise en production. Les concurrents ici le font à moins, on voit qu'on perd ce momentum qui est important. Et enfin, simplement, on peut aussi accompagner nos clients auprès de la mise à disposition d'un certain nombre d'outils ou d'hébergements sécurisés, on premise ou dans des clouds souverains si c'est necessaire.

Guillaume Portmann 17:23

If you have one conseil to donate to NDSI who souhaites réussir sa strategy, IA, lequel serait-ce faire accompagner.

Benjamin Watrin 17:33

Exactement. L'IA est quand même très disruptive à l'heure actuelle, en tout cas se présente comme très disruptive, avec beaucoup de complexity, un marché qui est très large, des technologies qui evoluent très souvent. L'essentiel c'est de se faire accompagner par des gens qui savent, qui connaissent, qui ont déjà participé à des projets équivalents pour pouvoir aller plus vite et pas tomber dans les écueils qu'on a vus de l'usage pour la hype ou de l'usage sans gouvernance de données.

Guillaume Portmann 18:11

Merci à toutes et à tous de nous avoir suivis dans cet épisode il n'y a plus qu'à. For plus d'informations sur l'IA chez CGI et Orange Business Service, rendez-vous dans le descriptif de cet épisode. J'espère que ces deux épisodes vous auront permis de mieux comprendre le potentiel de l'IA dans l'énergie, mais aussi de manière très concrète comment structurer et réussir vos projets data et IA. Abonnez-vous au podcast pour ne rien rater des prochains épisodes. Et quant à moi, je vous dis à très vite pour parler IA.