L'IA à portée de clic : Le rôle des cloud providers

L'émergence des fournisseurs de cloud, accompagnée de l'énorme volume de données qu'ils traitent, a contribué à l'avènement et à la démocratisation de modèles d'intelligence artificielle déjà entraînés, tels que Chat GPT, Gemini, et bien d'autres. Cet article propose une réflexion sur la différence entre l'IA générative et l'IA traditionnelle, avant de montrer comment les fournisseurs de cloud rendent le Machine Learning accessible en quelques clics.

IA et ML sont arrivés à un degré de maturité grand public

L’IA est un changement de perception de la donnée. Prenons l’analyse syntaxique ou plus simplement l’extraction d’entité dans un texte. Naguère, c’est par des algorithmes naïfs à grand renfort d’expressions régulières qu’il convenait de discerner une Marque dans un texte. Alors que le cerveau humain, par sa capacité d’apprentissage (expérience professionnelle et extra professionnelle, formation, etc.) et d’analyse, va assez facilement distinguer une nouvelle Marque, les expressions régulières vont échouer sur une nouvelle formulation de Marque1. Grâce à l’IA et le Machine Learning (et beaucoup de théories mathématiques), il est possible d’entrainer un modèle, qui tel un humain, est capable de prédire avec un certain taux de confiance la présence d’une marque qu’il n’a encore jamais vue.

En 1503, Héloïse envoie un pigeon pour informer le chevalier Bayard d’un grand danger… avec une probabilité infime qu’il le reçoive2. De nos jours, Héloïse envoie un SMS et sait tout de suite qu’il a été lu.

En 1503, le jardiner demande à Héloïse l’apothicaire de soigner sa plante mal en point… avec une probabilité là aussi infime de réussite. De nos jours le jardinier, à travers son App préférée, prend en photo sa plante et reçoit alors instantanément une liste avisée des traitements à appliquer.

Ces 2 exemples montrent à quels points IA et ML sont arrivés à un degré de maturité grand public (autant que les SMS !). Désormais, les cas d’usage n’attendent plus que leurs modèles.

Nous allons donc commencer par éclaircir les notions d’IA générative et d’IA traditionnelle, puis nous verrons aussi par des exemples implémentés sous Google cloud platform, même si les 3 grands cloud providers actuels (AWS, Azure et GCP) offrent chacun leur lot de services IA/ML plus ou moins comparables.

Voici un sous ensemble de services que nous aurions pu utiliser sous AWS ou Azure :

Tableau 1 : exemples de services IA/ML GCP, AWS et Azure

Nous présenterons le parcours d’un développeur / d’une équipe puis d’une entreprise qui cherchent progressivement à se familiariser avec les différents services proposés par Google (Auto ML, BigQueryML, les modèles personnalisés, VertexAI …). Conclusion

L’accessibilité croissante de l’IA et du Machine Learning grâce aux cloud providers a ouvert de nouvelles possibilités. Cependant, la qualité des données est essentielle pour obtenir des prédictions précises et pertinentes. Une mauvaise gestion des données peut compromettre l'efficacité des modèles.

Chez Dataxp Consulting, nous proposons des services spécialisés pour structurer, nettoyer et optimiser vos données, assurant ainsi des résultats fiables et adaptés à vos besoins en IA/ML.