Rendre l’IA plus accessible à toutes les entreprises

À l’occasion d’un entretien accordé à Bloomberg, le CEO d’Alphabet, Sundar Pichai, comparait l’impact de l’Intelligence Artificielle à celui de l’électricité en son temps. Pas étonnant, dès lors, que chez Google, nous nous attendions à une augmentation drastique des usages de l’IA et du Machine Learning (ML).

Certaines innovations sont fondatrices à l’instar des centaines de reconnaissances académiques obtenues par les chercheurs en IA de Google chaque année ou à l’instar des plateformes comme Google Cloud Vertex AI qui accélèrent le développement et l'expérimentation ML par cinq, avec 80 % de lignes de code en moins.

D’autres sont plus concrètes et immédiates à l’instar de la suite Google Cloud Document AI, notamment utilisée par l’entreprise de crédit Mr Cooper pour traiter les documents 75% plus rapidement tout en réalisant 40% d’économies. Autre exemple, Ford utilise les services Google Cloud AI pour la maintenance prédictive et la modernisation de ses chaînes de fabrication. Au-delà de ces deux retours d’expérience, de nombreux clients provenant d’un large éventail de secteurs déploient aujourd’hui des plateformes ML sur Google Cloud pour moderniser leurs processus.

Autant d’approches et de cas concrets qui ne font qu’accentuer notre conviction que l’IA doit servir à tous et qu’elle devrait être facile à intégrer dans n’importe quels flux de travail, quels que soient les niveaux d’expertises techniques des collaborateurs. C’est pourquoi nous considérons les réalisations de nos clients comme une validation de cette vision, de cette philosophie. Elles nous confortent dans notre approche, tout comme la reconnaissance des analystes qui ont récemment classé Google comme « Leader » :
- C’est le cas du Gartner dans son Magic Quadrant 2022 pour les services Cloud IA pour développeurs.
- C’est aussi le cas du Forrester dans ses trois derniers rapports : « Forrester Wave™: AI Infrastructure, Q4 2021 », « Forrester Wave™: Document-Oriented Text Analytics Platforms, Q2 2022 », et « Forrester Wave™: People-Oriented Text Analytics Platforms, Q2 2022 ».

En juin dernier, à l’occasion d’un billet de blog, nous évoquions les 4 piliers qui guident notre approche en matière de solutions MLOps et d’accélération du développement de modèles ML.
Ce nouveau billet de blog est une opportunité de revenir de façon plus générale sur notre philosophie et sur ce que nous entendons par « l’IA pour tous ».

L’IA devrait être pour tous

L'un des piliers évoqués en juin dernier était de "rencontrer les utilisateurs là où ils sont". Cette idée s'étend bien au-delà des produits destinés aux data-scientists. L'expertise technique ne doit pas être un obstacle à la mise en œuvre de l'IA. Sinon quoi, les cas d'utilisation pour lesquels l'IA peut être utile resteront sans modernisation, et les entreprises qui n'ont pas de pratiques IA bien développées (ni les moyens pour) prendront du retard sur leurs concurrents.

C’est pourquoi nous focalisons nos efforts sur la création de services IA et ML pour tous types d’utilisateurs :

• Document AI, Contact Center AI, et d'autres solutions injectent l'IA et le ML dans les workflows de l'entreprise sans imposer de lourdes exigences techniques ou une nouvelle formation des utilisateurs; 

• Des API pré-entraînées, allant de la parole à l'optimisation d’une flotte, permettent aux développeurs d'exploiter des modèles ML pré-entraînés et de ne pas avoir à développer des technologies d'IA à partir de rien;
  

• BigQuery ML permet d’unifier les tâches d'analyse de données et le ML ;
  

• AutoML simplifie la production de modèles ML abstraits avec une approche low-code qui ne nécessite pas d'expertise en Machine Learning;
  

• Vertex AI accélère l'expérimentation et le déploiement ML, avec tous les outils dont vous avez besoin pour construire, déployer et le cycle de vie des projets ML.
  

• Enfin, différentes options d’infrastructure IA permettent d’entraîner des modèles deep learning et machine learning à moindres coûts. Des options qui s’étendent jusqu’aux "Deep Learning VMs", des machines virtuelles optimisées pour les tâches de data-science et jusqu’aux Accélérateurs IA adaptés pour chaque cas d'usage, de l'inférence à faible coût à l’apprentissage haute performance.

Il est essentiel de fournir non seulement des outils de pointe aux experts de l'IA, mais également des services d'IA d’avant-garde accessibles à toutes sortes d’utilisateurs. Pour ce faire, il faut abstraire et automatiser certaines parties des workflows ML pour s’adapter aux besoins et aux aptitudes techniques de l'utilisateur. Dans certains cas, cela se concrétise en intégrant nos services d'IA et de ML à notre gamme de produits d'entreprise, qu'il s'agisse des modèles linguistiques plus intelligents intégrés de manière invisible dans Google Docs ou encore de BigQuery rendant le ML facilement accessible aux analystes de données.
Indépendamment de tout angle particulier, l'IA est en train de devenir une technologie polyvalente et omniprésente pour les entreprises et les utilisateurs du monde entier. Nous pensons donc que les fournisseurs de technologie doivent refléter cette évolution en créant des plateformes qui aident les utilisateurs à exploiter la puissance de l'IA en les rencontrant « là où ils sont ».

Comment nous préparons la prochaine génération d'IA

La création de produits mettant l'IA à la portée de tous nécessite d'importants investissements dans la recherche, y compris dans des domaines où le chemin qui mène à un produit final peut ne pas être visible avant des années. Nous pensons que la recherche, combinée à l'attention que nous portons aux besoins des entreprises et des utilisateurs, permettent ensemble de créer des produits d'IA durables, conformes à nos principes en matière d'IA et encourageant une utilisation responsable de l'IA.  

Bien des mises à jour récentes apportées à nos plateformes IA et ML sont issues de projets de recherche Google. Par exemple, le projet révolutionnaire AlphaFold de DeepMind a permis d'exécuter des modèles de prédiction des protéines dans Vertex AI. C’est aussi notre recherche sur les réseaux neuronaux qui a contribué à la création de Vertex AI NAS, qui permet aux équipes de data-science d’entraîner des modèles plus précis avec une latence et une consommation d’énergie moindres.

La recherche est cruciale, mais elle n'est qu'un moyen parmi d'autres de valider une stratégie IA. Les produits doivent aussi parler d'eux-mêmes lorsqu'ils arrivent entre les mains des clients, et ces derniers doivent voir leurs commentaires et suggestions reflétés lorsque les produits sont mis à jour. Une condition indispensable pour que ces solutions soient adoptées avec succès dans un large éventail de secteurs, de cas d’usage et de profils d’utilisateurs. À cet égard, nous nous sentons très chanceux de travailler avec tant d'excellents clients, et très fiers du travail que nous les aidons à accomplir.

J'ai déjà mentionné les exemples de Ford et Mr. Cooper, mais ce ne sont là que deux parmi tant d’autres. Par exemple, la plateforme "AI Booster" de Vodafone Commercial utilise les dernières technologies de Google pour concrétiser quelques cas d’usages avancés de l’IA dans l'optimisation des expériences des clients, la fidélisation des clients et les recommandations de produits. Nos technologies d'IA conversationnelle sont utilisées par des entreprises allant d'Embodied, dont le robot Moxie aide les enfants à surmonter les problèmes de développement, à HubSpot qui relie les notes de réunion aux données CRM. Dans tous nos produits et dans tous les secteurs d'activité du monde entier, les témoignages de nos clients se multiplient de jour en jour.

Nous constatons également une large adoption de nos technologies IA et ML par notre réseau de partenaires. Comme nous l'avons indiqué dans les piliers discutés en juin, des partenaires comme Nvidia nous aident à garantir la liberté de choix des clients lors de la création de leurs piles d'IA, et d’autres comme Neo4j aident nos clients à étendre nos services à des domaines tels que les structures en graphes. Nos partenaires soutiennent ainsi notre mission visant à mettre l'IA à la portée de tous, en aidant davantage de clients à utiliser nos services sur des cas d’usage nouveaux et élargis.

Poursuivre et accélérer cet élan

Globalement, pour créer des produits qui reflètent le potentiel de l'IA et son omniprésence probable dans le futur, il nous faut prendre en compte tous les facteurs ici évoqués, de la recherche aux conversations avec les clients et les analystes, en passant par la collaboration avec nos partenaires.
Nous avons été très actifs depuis le début de l’année : le lancement de Call Center AI en mars, le nouveau modèle vocal publié en mai, et les multiples annonces faites lors du Google Cloud Applied ML Summit en juin.
Nous avons prévu bien d'autres choses dans les mois à venir et nous sommes impatients de travailler avec nos clients non seulement pour maintenir le rythme d’adoption de l'IA, mais plus encore pour l'accélérer.
Pour en savoir plus sur les services AI et ML de Google Cloud, visitez ce lien ou consultez nos articles récents sur l'IA et le ML sur le blog de Google Cloud.

GARTNER et MAGIC QUADRANT sont des marques déposées de Gartner, Inc. et/ou de ses filiales aux États-Unis et dans le monde entier et sont utilisées ici avec autorisation. Tous droits réservés. Gartner ne recommande aucun fournisseur, produit ou service représenté dans ses publications, ni ne conseille aux utilisateurs de technologies de ne retenir que les fournisseurs les mieux notés ou autrement désignés. Les publications de recherche de Gartner s’appuient sur les avis du cabinet de recherche et de conseil de Gartner et ne doivent pas être interprétées comme des faits. Gartner décline toute responsabilité, expresse ou tacite, relative à ces recherches et études, y compris toute garantie de qualité marchande ou de pertinence des études à des fins ou usages spécifiques.