Stratégie IA - Processus de développement d’une stratégie IA

Cet article décrit le processus de préparation de votre organisation à l’adoption de l’IA. Vous apprenez à sélectionner les solutions IA appropriées, à préparer vos données et à baser votre approche dans des principes d’IA responsables. Une stratégie IA bien planifiée s’aligne sur vos objectifs commerciaux et garantit que les projets d’IA contribuent au succès global. Comme première étape, créez un centre d’excellence IA (CoE IA) ou nommez un responsable IA pour superviser l’adoption de l’IA.

Identifiez les cas d’usage de l’IA

L’IA améliore l’efficacité individuelle et améliore les processus métier. L’IA générative favorise la productivité et améliore les expériences des clients. L’IA non générative, telle que le Machine Learning, est idéale pour analyser des données structurées et automatiser les tâches répétitives. Avec cette compréhension, identifiez les domaines de votre entreprise où l’IA pourrait ajouter de la valeur. Pour plus d’informations, veuillez consulter la section des exemples de cas d’usage IA.

• Recherchez les opportunités d’automatisation. Identifiez les processus adaptés à l’automatisation pour améliorer l’efficacité et réduire les coûts opérationnels. Concentrez-vous sur les tâches répétitives, les opérations intensives en données ou les domaines présentant des taux d’erreur élevés où l’IA peut avoir un effet significatif.

• Effectuer une évaluation interne. Recueillez les avis de divers départements pour identifier les défis et inefficacités que l’IA pourrait résoudre. Documentez les flux de travail et rassemblez des commentaires des parties prenantes pour découvrir les opportunités d’automatisation, de génération d’insights ou de prise de décision améliorée.

• Explorez les cas d’usage dans le secteur. Recherchez comment des organisations ou des industries similaires utilisent l’IA pour résoudre des problèmes ou améliorer les opérations. Utilisez des outils tels que les architectures d’IA dans le Centre d’architecture Azure pour obtenir de l’inspiration et évaluer les approches susceptibles de répondre à vos besoins.

• Définissez des objectifs pour l’IA. Pour chaque cas d’usage identifié, définissez clairement l’objectif (usage général), l’objectif (résultat souhaité) et la métrique de réussite (mesure mesurable). Ces éléments serviront de benchmarks pour guider votre adoption de l’IA et mesurer son impact.

Pour plus d’informations, veuillez consulter l’exemple de stratégie IA.

Définir une stratégie technologique IA

Une stratégie de technologie IA se concentre sur la sélection des outils et plateformes les plus appropriés pour vos cas d’usage d’IA génératives et non génératives. Microsoft propose une gamme d’options, notamment *SaaS* (software-as-a-service), *PaaS* (platform-as-a-service) et *IaaS* (infrastructure-as-a-service), chacune avec différents niveaux de personnalisation et de responsabilité partagée entre vous et Microsoft. Pour guider votre décision, utilisez l’arbre de décision IA suivant. Pour chaque service, évaluez les compétences, les données et le budget nécessaires pour réussir avec ce service. Cet article fournit des conseils pour faciliter ce processus d’évaluation.

Achetez des services logiciels IA (SaaS).

Microsoft propose divers services Copilot génératifs IA qui améliorent l’efficacité individuelle. Ces Copilots permettent d’acheter le logiciel en tant que service (SaaS) pour les capacités IA dans l’ensemble de l’entreprise ou pour des utilisateurs spécifiques. Les produits SaaS nécessitent généralement peu de compétences techniques.

En termes de données nécessaires, Microsoft 365 Copilot utilise des données d’entreprise dans Microsoft Graph. Vous pouvez classer vos données avec des étiquettes de confidentialité. Les copilots basés sur des rôles disposent de différentes options de connexion de données et de plug-in pour ingérer des données. La plupart des Copilots intégrés aux produits ne nécessitent pas de préparation de données supplémentaire. Extension de Micorosoft 365 Copilot vous permet d’ajouter d’autres données via Microsoft Graph ou des agents déclaratifs qui peuvent extraire des sources de données différentes. Copilot Studio automatise une grande partie du traitement des données nécessaire pour créer des copilots personnalisés pour diverses applications métier. Utilisez les liens du tableau suivant pour plus d’informations.

Copilotes Microsoft	Description	Utilisateur	Données nécessaires	Compétences requises	Principaux facteurs de coût
Microsoft 365 Copilot	Utilisez Microsoft 365 Copilot pour une solution d’entreprise permettant d’automatiser le travail dans les applications Microsoft 365 et offrant un moyen sécurisé de discuter avec les données professionnelles dans Microsoft Graph.	Métier	Oui	Informatique générale et gestion des données	Licence
Copilots basés sur les rôles	Utilisez Microsoft Copilot for Security et les agents basés sur des rôles pour Microsoft 365 afin d’améliorer la productivité pour des rôles d’entreprise spécifiques. Les agents basés sur des rôles incluent Microsoft 365 Copilot for Sales, Microsoft 365 Copilot for Serviceet Microsoft 365 Copilot for Finance.	Métier	Oui	Informatique générale et gestion des données	Licences ou Security Compute Units (Copilot pour la sécurité)
Copilots intégrés	Utilisez Copilots pour améliorer la productivité dans les produits Microsoft. Les produits dotés d'un copilote en cours de production sont les suivants GitHub, Power Apps, Power BI, Dynamics 365, Power Automate, et Azure.	Entreprise et particulier	Oui	Aucune	Gratuit ou par abonnement
Copilot Free ou Pro	Utilisez la version gratuite pour un accès basé sur navigateur aux modèles Azure OpenAI. Utilisez Copilot Pro pour de meilleures performances et une capacité accrue.	Individuel	Non	Aucune	Aucun pour Copilot Free ou abonnement pour Copilot Pro
Outils d’extensibilité pour Microsoft 365 Copilot	Personnaliser (étendre) Microsoft 365 Copilot avec davantage de données (connaissances) via les connecteurs Microsoft Graph ou des fonctionnalités (aptitudes) à l'aide d'agents déclaratifs. Pour générer des agents déclaratifs, utilisez des outils d’extensibilité tels que Copilot Studio (développement SaaS), générateur d’agents, kit de ressources Teams dans VS Code (option pro-code) et Sharepoint.	Entreprise et particulier	Oui	Gestion des données, compétences informatiques générales ou développeur	Licence Microsoft 365 Copilot
Copilot Studio	Utilisez Copilot Studio pour générer des tests et déployer des agents dans un environnement de création SaaS.	Développeur	Oui	Utilisation d’une plateforme pour connecter les sources de données, cartographier les invites et déployer les copilotes vers différents emplacements	Licence

Créer des charges de travail IA avec des plateformes Azure (PaaS)

Microsoft propose diverses options de platform-as-a-service (PaaS) pour développer des charges de travail d’IA. La plateforme que vous choisissez dépend de vos objectifs IA, compétences requises et besoins en données. Azure propose des plateformes adaptées à différents niveaux d’expertise, des outils pour débutants aux options avancées pour les développeurs et data scientists expérimentés. Passez en revue les pages de tarification et utilisez la calculatrice de tarification Azure pour estimer les coûts.

Objectif IA	Solution Microsoft	Données nécessaires	Compétences requises	Principaux facteurs de coût
Générer des applications RAG avec une plateforme code-first	Azure AI Foundry or Azure OpenAI	Oui	Sélection des modèles, orchestration des flux de données, chunking des données, enrichissement des segments, choix de l’indexation, compréhension des types de requêtes (texte intégral, vecteur, hybride), compréhension des filtres et facettes, réordonnancement, ingénierie du flux d’invite, déploiement des points de terminaison, et consommation des points de terminaison dans des applications.	Calcul, nombre de tokens entrants et sortants, services IA consommés, stockage et transfert de données
Affinez les modèles d’IA générative	Azure AI Foundry	Oui	Prétraitement des données, division des données en ensembles d’entraînement et de validation, validation des modèles, configuration d’autres paramètres, amélioration des modèles, déploiement des modèles, et consommation des points de terminaison dans des applications.	Calcul, nombre de tokens entrants et sortants, services IA consommés, stockage et transfert de données
Entraînez et inférez des modèles de machine learning avec vos propres données	Azure Machine Learning or Microsoft Fabric	Oui	Prétraitement des données, entraînement des modèles par code ou automatisation, amélioration des modèles, déploiement des modèles de machine learning, et consommation des points de terminaison dans des applications.	Calcul, stockage, et transfert de données
Consommer des modèles IA non génératifs dans les applications	Services Intelligence artificielle Azure	Oui	Choix du modèle d’IA adéquat, sécurisation des points de terminaison, consommation des points de terminaison dans des applications, et affinage si nécessaire.	Utilisation des points de terminaison du modèle, stockage, transfert de données, calcul (si vous entraînez des modèles personnalisés)

Apportez vos propres modèles avec des services d’infrastructure (IaaS)

Pour les organisations nécessitant plus de contrôle et de personnalisation, Microsoft propose des solutions infrastructure-as-a-service (IaaS). Alors que les plateformes Azure (PaaS) sont préférées pour les charges de travail d’IA, les machines virtuelles Azure via CycleCloud et Azure Kubernetes Service donnent accès aux GPU et processeurs pour les besoins avancés en matière d’IA. Cette configuration vous permet d’apporter vos propres modèles à Azure. Consultez les pages de tarification pertinentes et le calculateur de tarification Azure.

Objectif IA	Solution Microsoft	Données nécessaires	Compétences requises	Principaux facteurs de coût
Entraînez et inférez vos propres modèles d’IA. Apportez vos propres modèles sur Azure.	Machines virtuelles Azure or Azure Kubernetes Service	Oui	Gestion de l’infrastructure, installation des programmes, entraînement des modèles, benchmarking des modèles, orchestration, déploiement des points de terminaison, sécurisation des points de terminaison, et consommation des points de terminaison dans des applications.	Calcul, orchestrateur de nœuds de calcul, disques managés (facultatif), services de stockage, Azure Bastion et autres services Azure utilisés

Pour plus d’informations, veuillez consulter l’exemple de stratégie IA.

Définissez une stratégie de données IA

Pour chaque cas d’usage d’IA, vous devez définir une stratégie de données IA. La stratégie de données doit décrire la collecte de données, le stockage et les pratiques d’utilisation alignées sur les normes réglementaires, éthiques et opérationnelles. Adaptez la stratégie à chaque cas d’usage pour garantir des sorties d’IA fiables et promouvoir la sécurité et la confidentialité des données. Si nécessaire, vous pouvez consolider ces stratégies individuelles en un résumé global de stratégie de données pour votre organisation.

• Établissez une gouvernance des données. Définissez les principes de gouvernance des données pour chaque cas d’usage d’IA pour vous assurer que les charges de travail sont conformes aux normes légales et éthiques. Incluez la catégorisation des données selon leur sensibilité et des politiques de contrôle d’accès, d’utilisation et de stockage pertinentes pour le cas d’usage.

• Planifiez le cycle de vie des données. Spécifiez la façon dont vous collectez, stockez, traitez et retirez des données pour chaque cas d’usage d’IA. Incluez des politiques de rétention et de suppression, et utilisez le contrôle de version pour maintenir la précision lors des mises à jour.

• Mettez en place des contrôles d’équité et de biais dans l’IA. Développez des processus pour détecter et traiter les biais dans les données utilisées pour ce cas d’usage IA. Utilisez des outils comme Fairlearn pour garantir que les modèles produisent des résultats équitables, en particulier lors de l’utilisation d’attributs de données sensibles.

• Favorisez la collaboration entre les équipes IA et données. Alignez le développement IA sur les efforts d’ingénierie des données pour garantir que les modèles soient construits avec des données de haute qualité, bien gérées. Établissez un pipeline unifié pour l’entraînement des modèles IA et les mises à jour des données.

• Préparez-vous pour l’évolutivité des données. Anticipez le volume, la vitesse et la diversité des données nécessaires pour cette charge de travail IA. Prévoyez d’utiliser des architectures flexibles pour effectuer une mise à l’échelle avec la demande et envisager des infrastructures basées sur le cloud pour une gestion efficace des ressources.

• Incorporez l’automatisation de la gestion des données. Prévoyez d’utiliser l’IA et le machine learning pour automatiser des tâches telles que le balisage, le catalogage et les contrôles de qualité des données. L’automatisation améliore la précision et permet aux équipes de se concentrer sur des efforts stratégiques.

• Planifiez un suivi et une évaluation continus. Établissez des audits réguliers des données et des résultats des modèles pour garantir une qualité de données continue, une performance et une équité. Surveillez les modèles IA et les pipelines de données pour identifier tout changement susceptible d’affecter la fiabilité ou la conformité.

Pour un exemple de stratégie de données adaptée à différents cas d'utilisation, voir l’exemple de stratégie d'IA.

Définissez une stratégie IA responsable

Pour chaque cas d’usage IA, vous devez définir une stratégie IA responsable qui précise votre rôle dans la garantie que les solutions IA restent fiables et bénéfiques pour tous les utilisateurs. Les responsabilités peuvent varier en fonction de la technologie adoptée dans chaque cas. Si nécessaire, créez une stratégie IA responsable globale qui englobe des principes dérivés des cas d’usage individuels.

• Établissez une responsabilité IA. Au fur et à mesure que la technologie IA et les réglementations évoluent, désignez une personne chargée de surveiller et de gouverner ces changements. Cela relève généralement de la responsabilité du Centre d’excellence IA (AI CoE) ou d’un responsable IA.

• Alignez-vous sur des principes IA responsables établis. Microsoft suit six principes d’IA responsable qui se conforment au NIST Artificial Intelligence Risk Management Framework (AI RMF). Utilisez ces principes comme objectifs commerciaux pour définir le succès et gouverner votre adoption IA dans chaque cas d’usage.

• Identifiez les outils d’IA responsable. Les outils d’IA responsable garantissent que votre IA soit conforme aux pratiques IA responsable plus larges. Dans le cadre de votre stratégie, identifiez les outils et processus d’IA responsable pertinents.

• Comprenez les exigences légales et de conformité réglementaire. La conformité légale et réglementaire influence la façon dont vous développez et gérez les charges de travail IA. Recherchez et respectez les exigences régissant l’IA dans les zones où vous opérez.

Pour plus d’informations, veuillez consulter l’exemple de stratégie IA.

Étape suivante

Plan d’IA

Exemples de cas d’usage IA

Ces exemples mettent en évidence diverses applications IA générative et non générative. Bien que non exhaustifs, ils fournissent des idées sur la façon dont l’IA peut être appliquée à différents domaines de votre entreprise.

IA générative	IA non générative
Agents autonomes : Développez des systèmes IA qui exécutent des tâches de manière autonome, comme des assistants virtuels gérant les horaires ou les demandes des clients.	Reconnaissance d’image : Utilisez l’IA pour identifier et classer des objets dans des images ou des vidéos, utile dans les systèmes de sécurité ou de contrôle qualité.
Marketing : Créez automatiquement des publications sur les réseaux sociaux et des newsletters par email.	Prédiction : Prévoyez des tendances ou optimisez les opérations en fonction des données historiques.
Plateformes de e-commerce : Génération de recommandations de produits personnalisées et d’expériences d’achat adaptées.	Automatisation des processus : Automatisez les tâches et workflows de routine qui ne nécessitent pas de génération de contenu, comme les bots de service client.
Conception de produits : Créez rapidement plusieurs variantes de prototypes de produits ou d’éléments de design.	Analyse des données : Identifiez des modèles dans les données structurées pour des décisions et des perspectives basées sur les données.
Développement de logiciels : Automatisez la génération répétitive de code, comme les opérations CRUD.	Simulation de modèles : Simulez des charges de travail complexes (dynamique des fluides, analyse des éléments finis) pour prédire le comportement et optimiser les conceptions ou processus.
Plateformes éducatives : Générez des supports d’étude personnalisés pour les étudiants.	Détection d’anomalies : Identifiez des motifs inhabituels dans les données. Utilisez cette stratégie pour la détection de fraude ou la prédiction de défaillance d’équipement, par exemple.
Service client : Fournissez des réponses contextuelles via des chatbots IA.	Recommandation : Offrez des recommandations personnalisées basées sur le comportement des utilisateurs, couramment utilisé dans le commerce électronique et les services de streaming.
Agences de publicité : Créez des variations d’annonces ciblées pour différents segments d’audience.	Optimisation : Améliorez l’efficacité en résolvant des problèmes complexes (optimisation de la chaîne d’approvisionnement, allocation des ressources).
Applications de santé et bien-être : Générez des programmes d’exercice et de repas personnalisés.	Analyse de sentiment : Analysez les textes des réseaux sociaux ou des avis clients pour évaluer le sentiment public et améliorer l’expérience client.

Exemple de stratégie IA

Cet exemple de stratégie IA est basé sur une entreprise fictive, Contoso. Contoso exploite une plateforme de e-commerce destinée aux clients et emploie des représentants commerciaux qui ont besoin d’outils pour prévoir les données commerciales. L’entreprise gère également le développement de produits et la gestion des stocks pour la production. Ses canaux de vente incluent des entreprises privées ainsi que des agences du secteur public hautement réglementé.

Cas d’usage IA	Objectifs	Objectifs	Métriques de réussite	Approche IA	Solution Microsoft	Données nécessaires	Compétences requises	Facteurs de coût	Stratégie de données IA	Stratégie IA responsable
Fonction de chat de l’application web e-commerce	Automatiser le processus d’entreprise	Améliore la satisfaction client	Augmentation du taux de fidélisation des clients	PaaS, IA générative, RAG	Azure AI Foundry	Descriptions d’articles et associations	Développement d’applications RAG et cloud	Utilisation	Établissez une gouvernance des données pour les données clients et mettez en œuvre des contrôles d’équité IA.	Assignez la responsabilité IA au AI CoE et alignez-vous sur les principes d’IA responsable.
Workflow de traitement de documents pour une application interne	Automatiser le processus d’entreprise	Réduire les coûts	Augmentation du taux de complétion	IA analytique, ajustement des modèles	Services Azure AI : Intelligence Documentaire	Documents standards	Développement d’application	Usage estimé	Définissez la gouvernance des données pour les documents internes et planifiez les politiques de cycle de vie des données.	Assignez la responsabilité IA et assurez la conformité aux politiques de traitement des données.
Gestion des stocks et des achats de produits	Automatiser le processus d’entreprise	Réduire les coûts	Réduction de la durée de conservation des stocks	Machine learning, entraînement de modèles	Azure Machine Learning	Données historiques des stocks et des ventes	Machine learning et développement d’applications	Usage estimé	Établissez une gouvernance pour les données de vente et détectez et adressez les biais dans les données.	Assignez la responsabilité IA et assurez la conformité aux réglementations financières.
Travail quotidien dans l’ensemble de l’entreprise	Amélioration de la productivité individuelle	Amélioration de l’expérience des employés	Augmentation de la satisfaction des employés	IA générative SaaS	Microsoft 365 Copilot	Données OneDrive	Informatique générale	Coûts d’abonnement	Implémentez la gouvernance des données pour les données des employés et assurez la confidentialité des données.	Assignez la responsabilité IA et utilisez les fonctionnalités d’IA responsable intégrées.
Fonction de chat de l’application e-commerce pour les industries réglementées	Automatiser le processus d’entreprise	Augmenter les ventes	Augmentation des ventes	Entraînement de modèle génératif IA en IaaS	Machines virtuelles Azure	Données d’entraînement spécifiques au domaine	Infrastructures cloud et développement d’applications	Infrastructure et logiciels	Définissez une gouvernance pour les données réglementées et planifiez le cycle de vie avec des mesures de conformité.	Assignez la responsabilité IA et respectez les réglementations sectorielles.