Intelligence artificielle intégrée à vos outils métier

Intégrer l’intelligence artificielle là où elle apporte une vraie valeur

L’intelligence artificielle ouvre aujourd’hui de nombreuses possibilités, mais toutes ne sont pas nécessairement utiles à votre entreprise.

Chez Formasoft|Pro, nous ne cherchons pas à ajouter de l’IA simplement parce que la technologie existe.

Nous l’intégrons lorsqu’elle permet de simplifier un processus, exploiter plus efficacement des données, automatiser une tâche complexe ou assister réellement les utilisateurs.

Notre approche reste la même que pour l’ensemble de nos développements : partir du métier, comprendre le besoin, puis choisir la technologie adaptée.

L’IA est un outil au service de votre activité. Elle ne doit jamais devenir une finalité en elle-même.

Une intelligence artificielle intégrée à vos applications

Nous privilégions l’intégration de l’IA directement dans les outils utilisés par vos équipes.

Une fonctionnalité d’intelligence artificielle peut ainsi être ajoutée à une application métier existante, à une plateforme SaaS, à un extranet ou être prévue dès la conception d’un nouvel outil.

L’utilisateur reste dans son environnement de travail habituel et bénéficie de nouvelles fonctions sans devoir utiliser une plateforme supplémentaire.

Quels usages de l’IA peuvent réellement améliorer un processus métier ?

Les usages les plus intéressants sont souvent ceux qui permettent de traiter automatiquement des volumes d’informations auparavant difficiles à exploiter.

Analyser automatiquement des documents

L’intelligence artificielle peut analyser des contrats, rapports, factures, dossiers, cahiers des charges ou autres documents afin d’en identifier les informations importantes.

Ces données peuvent ensuite être contrôlées, structurées et enregistrées dans votre application métier.

Extraire des informations

Une IA peut être utilisée pour identifier des informations précises dans un document : montants, dates, références, entreprises, clauses, caractéristiques ou données spécifiques à votre activité.

L’objectif est de transformer une information non structurée en données exploitables.

Classer automatiquement des contenus

Documents, demandes, messages ou dossiers peuvent être automatiquement catégorisés selon leur contenu.

Cette fonction peut faciliter l’orientation des demandes, leur affectation ou leur traitement.

Résumer un dossier

Lorsqu’un dossier contient plusieurs dizaines de documents ou d’échanges, l’IA peut proposer une synthèse permettant à l’utilisateur de comprendre rapidement les principaux éléments.

Rechercher dans une base documentaire

Plutôt que de rechercher uniquement un mot ou une expression exacte, une recherche basée sur l’intelligence artificielle peut permettre de retrouver des informations proches du sens de la question posée.

Cette approche est particulièrement intéressante pour les bases documentaires importantes, les contrats, procédures, rapports ou connaissances internes.

Assister les utilisateurs

L’IA peut également devenir un assistant directement intégré dans une application métier.

Elle peut aider à retrouver une information, préparer une synthèse, proposer une formulation, expliquer une donnée ou guider l’utilisateur dans certaines opérations.

RAG : permettre à l’IA de travailler avec vos propres données

Une intelligence artificielle généraliste ne connaît pas nécessairement les informations propres à votre entreprise.

Une architecture de type RAG – Retrieval Augmented Generation permet de fournir au modèle les informations utiles provenant de votre propre base documentaire avant qu’il ne génère sa réponse.

L’IA peut ainsi s’appuyer sur vos contrats, procédures, rapports, documents techniques, bases de connaissances ou autres sources internes.

Cette approche permet de construire des assistants beaucoup plus spécialisés et pertinents pour votre métier.

Ne pas confondre intelligence artificielle et base de connaissances

L’IA ne doit pas devenir une source de vérité indépendante.

Lorsque la réponse doit s’appuyer sur des informations internes, nous cherchons autant que possible à faire travailler le modèle à partir de sources maîtrisées.

Les données métier restent stockées dans les systèmes prévus à cet effet. L’intelligence artificielle intervient pour les analyser, les interpréter ou assister l’utilisateur.

Une IA souveraine lorsque la confidentialité l’exige

Toutes les données ne peuvent pas être envoyées vers un service d’intelligence artificielle externe.

Données stratégiques, informations contractuelles, documents confidentiels, données personnelles ou connaissances internes peuvent nécessiter un niveau de maîtrise beaucoup plus important.

Lorsque le contexte l’exige, nous privilégions des architectures permettant d’utiliser des modèles d’intelligence artificielle hébergés dans un environnement maîtrisé.

Il peut s’agir d’un serveur dédié, d’une infrastructure privée ou d’un environnement contrôlé selon les contraintes du projet.

L’objectif est de limiter les échanges de données avec des plateformes externes et de conserver la maîtrise de l’information traitée.

Des modèles open source lorsque cela est pertinent

L’écosystème de l’intelligence artificielle propose aujourd’hui plusieurs modèles pouvant être déployés sur des infrastructures privées.

Selon les besoins, nous pouvons étudier l’utilisation de modèles ouverts ou déployables localement afin d’obtenir un compromis entre performance, confidentialité, coût et maîtrise technique.

Le choix du modèle n’est jamais effectué uniquement en fonction de sa notoriété.

Nous l’évaluons selon :

• la nature des données traitées ;
• la confidentialité attendue ;
• les performances nécessaires ;
• la langue et le domaine métier ;
• le volume de traitements ;
• les ressources matérielles disponibles ;
• le coût d’exploitation ;
• les possibilités d’intégration.

Garder la maîtrise de vos données

La question la plus importante n’est pas uniquement : « quel modèle d’IA allons-nous utiliser ? »

Il faut également savoir :

• quelles données lui sont transmises ;
• où elles sont traitées ;
• combien de temps elles sont conservées ;
• qui peut y accéder ;
• comment les réponses sont utilisées ;
• quelles actions restent sous contrôle humain.

Ces questions sont intégrées dès la conception du projet.

IA et données personnelles

Dès qu’une fonctionnalité d’intelligence artificielle traite des données personnelles, les règles applicables à leur traitement doivent être prises en compte.

Nous cherchons notamment à limiter les données transmises au strict nécessaire et à concevoir les échanges de manière cohérente avec les contraintes de confidentialité du projet.

Les conditions d’utilisation de l’IA doivent être définies en fonction du contexte, des utilisateurs et des données manipulées.

Conserver l’humain dans la décision

Une intelligence artificielle peut produire une analyse, une proposition ou une synthèse.

Cela ne signifie pas que son résultat doit automatiquement devenir une décision.

Pour les processus sensibles, nous privilégions une logique dans laquelle l’IA assiste l’utilisateur mais ne se substitue pas à son expertise ou à sa responsabilité.

Une information extraite automatiquement peut par exemple être présentée pour validation avant d’être enregistrée définitivement.

Prévoir les erreurs et les incertitudes de l’IA

Un modèle d’intelligence artificielle n’est pas une base de données et ses réponses ne sont pas systématiquement exactes.

L’architecture d’une application doit donc tenir compte de cette caractéristique.

Selon l’usage, nous pouvons prévoir :

• la validation humaine des résultats ;
• la présentation des sources utilisées ;
• des seuils de confiance ;
• des contrôles métier complémentaires ;
• la journalisation des traitements ;
• la possibilité de corriger ou rejeter une proposition.

Automatiser sans perdre le contrôle

L’automatisation devient particulièrement intéressante lorsque l’IA est combinée aux règles de gestion d’une application métier.

Un document peut par exemple être :

• déposé dans une application ;
• analysé automatiquement ;
• classé ;
• ses informations extraites ;
• les données proposées à l’utilisateur ;
• validées ;
• puis enregistrées en base.

L’IA intervient alors au sein d’un processus maîtrisé plutôt que comme un outil isolé.

Connecter plusieurs modèles d’intelligence artificielle

L’écosystème de l’IA évolue très rapidement.

Il est donc important de ne pas construire une application entièrement dépendante d’un seul fournisseur ou d’un seul modèle lorsqu’il est possible de l’éviter.

Nous pouvons concevoir une couche d’intégration séparant l’application métier du moteur d’intelligence artificielle.

Cette architecture facilite le remplacement ou l’évolution du modèle sans reconstruire toute l’application.

Choisir le bon modèle pour la bonne tâche

Un modèle très puissant n’est pas toujours nécessaire.

Certaines opérations peuvent être réalisées avec des modèles plus légers, plus rapides et moins coûteux.

Nous cherchons à utiliser le niveau de technologie réellement nécessaire au résultat attendu.

IA locale, API externe ou architecture hybride

Il n’existe pas une architecture adaptée à tous les projets.

IA locale ou privée

Elle peut être privilégiée lorsque la confidentialité des données, la maîtrise de l’infrastructure ou l’indépendance technologique constituent des enjeux importants.

Service d’IA externe

Certaines API peuvent être pertinentes pour des traitements ne portant pas sur des données sensibles ou lorsque leurs performances répondent particulièrement bien au besoin.

Architecture hybride

Plusieurs moteurs peuvent également coexister.

Les traitements sensibles peuvent être réalisés sur une infrastructure privée tandis que d’autres opérations peuvent utiliser un service externe.

L’architecture est choisie en fonction du besoin métier et du niveau de confidentialité attendu.

Mesurer la valeur avant de généraliser

Une fonctionnalité d’IA peut sembler intéressante en démonstration mais apporter peu de valeur dans un processus réel.

Nous privilégions donc des expérimentations ciblées permettant de mesurer :

• la qualité des résultats ;
• le temps réellement gagné ;
• le taux d’erreur ;
• la qualité des données sources ;
• le coût du traitement ;
• l’acceptation par les utilisateurs.

Une fonctionnalité n’est généralisée que lorsqu’elle apporte un bénéfice concret.

Commencer par un cas d’usage précis

Un projet d’intelligence artificielle ne devrait pas commencer par : « nous voulons mettre de l’IA dans notre entreprise ».

Il devrait commencer par une problématique :

• nous passons trop de temps à lire ces documents ;
• nous devons ressaisir ces informations ;
• nous ne retrouvons pas rapidement nos connaissances internes ;
• nous devons analyser un volume important de dossiers ;
• nos utilisateurs ont besoin d’aide pour exploiter nos données.

C’est à partir de ce problème que nous déterminons si l’intelligence artificielle constitue réellement la bonne réponse.

Notre méthode pour intégrer l’IA dans votre application

Identifier le besoin métier

Nous analysons le processus actuel, ses contraintes et les tâches qui pourraient réellement être améliorées.

Étudier les données disponibles

La qualité d’une fonctionnalité d’IA dépend fortement des informations dont elle dispose.

Nous identifions les documents, bases de données et sources exploitables.

Définir les contraintes de confidentialité

Nous déterminons quelles données peuvent sortir de votre environnement et lesquelles doivent rester dans une infrastructure maîtrisée.

Tester sur un périmètre réduit

Un prototype ou une preuve de concept permet de vérifier la qualité des résultats avant d’engager une intégration plus importante.

Intégrer l’IA au processus métier

Lorsque le résultat est satisfaisant, la fonctionnalité est intégrée directement à votre application et à ses règles de gestion.

Mesurer et faire évoluer

Les résultats peuvent ensuite être suivis afin d’améliorer progressivement les prompts, les données, les modèles ou le processus d’utilisation.

Notre approche : une IA maîtrisée et responsable

Notre vision de l’intelligence artificielle reste profondément liée à notre métier de développeur d’applications.

Nous ne proposons pas un outil d’IA générique supplémentaire.

Nous cherchons à intégrer la bonne technologie au bon endroit, dans un processus métier compris et maîtrisé.

Cette approche repose sur quelques principes :

• partir du besoin avant de choisir l’IA ;
• garder la maîtrise des données ;
• privilégier la souveraineté lorsque le contexte l’exige ;
• limiter les informations envoyées à des services tiers ;
• conserver un contrôle humain sur les décisions importantes ;
• prévoir les erreurs possibles du modèle ;
• mesurer la valeur réellement créée ;
• éviter autant que possible la dépendance à un fournisseur unique.

Une expertise IA intégrée au développement sur mesure

Basée à Andrézieux-Bouthéon, près de Saint-Étienne dans la Loire, Formasoft|Pro développe depuis plus de 20 ans des applications et plateformes web spécifiques.

L’intelligence artificielle vient aujourd’hui compléter cette expertise historique.

Notre connaissance des applications métier, des bases de données, des API et des systèmes documentaires nous permet d’intégrer l’IA directement dans les outils et processus existants.

Nous accompagnons des entreprises à Saint-Étienne, dans la Loire, à Lyon et en Auvergne-Rhône-Alpes, ainsi que des organisations partout en France.

Vous avez identifié un processus que l’IA pourrait améliorer ?

Vous souhaitez analyser automatiquement des documents ? Exploiter une base documentaire ? Extraire des informations ? Créer un assistant métier ? Automatiser une partie d’un processus ?

Présentez-nous d’abord le problème que vous souhaitez résoudre.

Nous étudierons ensuite si l’intelligence artificielle constitue réellement la bonne solution et comment l’intégrer de manière utile, sécurisée et maîtrisée.