L’IA générative pour accélérer l’analyse des appels d’offre 9 minutes

Dans cette capsule vidéo, je plonge directement dans un exemple concret pour comprendre comment développer des solutions d’IA générative peut répondre aux besoins des entreprises. Cet exemple se concentrera sur un cas d’analyse d’appels d’offres, un domaine où de nombreuses entreprises investissent beaucoup de temps et de ressources.

D’abord, un peu de contexte

Dans le secteur des ventes, plus particulièrement dans certains domaines comme la construction et l’industrie minière, les appels d’offres sont une étape cruciale. Ces documents détaillés contiennent des informations essentielles sur les spécifications du projet, les délais, les exigences techniques et financières, et bien plus encore.

Problème d’affaires

L’analyse de ces appels d’offres peut s’avérer chronophage pour les organisations. Les entreprises doivent non seulement passer en revue d’innombrables pages de documents, mais elles doivent également extraire des informations déterminantes et identifier les opportunités stratégiques cachées au milieu de la masse d’informations.

Cela soulève un défi de taille pour les équipes en charge de la gestion des appels d’offres. Le temps consacré à cette tâche complexe pourrait être mieux utilisé ailleurs, tandis que des erreurs d’interprétation ou des informations manquées pourraient entraîner des conséquences coûteuses.

Proposition de valeur

C’est là que l’IA générative entre en jeu. Elle excelle dans la génération de contenu, la synthèse d’informations et la recherche, ce qui en fait un outil précieux pour grandement simplifier ce processus complexe.

L’IA générative peut automatiser une grande partie du travail lié à l’analyse d’appels d’offres, permettant ainsi aux entreprises de gagner du temps, de réduire les erreurs humaines et d’améliorer leur efficacité dans la prise de décision stratégique.

Alors, sans plus tarder, plongeons dans le monde fascinant de l’IA générative au service de l’analyse d’appels d’offres.

Transcription verbatim de la capsule vidéo

[Il est intéressant de noter que cette transcription a été effectuée avec des outils d’intelligence artificielle. Une tâche qui aurait pris 2 à 3h a été accomplie en quelques minutes.]

Introduction

Bonjour tout le monde, mon nom c’est Olivier Blais. Je suis cofondateur et VP Science de la décision pour Moov AI. Je suis super content d’être ici avec vous pour discuter d’IA générative et comment pouvoir développer des solutions d’IA générative pour entreprise.

Présentation du cas d’analyse d’appel d’offres

Donc pour être en mesure de parler de ces différentes étapes et pour pas se perdre parce que j’ai souvent tendance à me perdre tellement je suis excité. On va parler d’un cas plus précis et je vais vraiment le développer avec vous pour montrer un peu comment finir par avoir une solution qui est plus appropriée pour les entreprises? L’idée ici ce serait de prendre un cas d’analyse d’appel d’offres.

Parce qu’on sait que dans le domaine des ventes, surtout quand on va regarder en construction. Dans le domaine minier, dans plusieurs domaines. Dans des domaines de consultation management, on va se retrouver à avoir des appels d’offre qui sont souvent très longs, et ça prend un temps fou pour les organisations d’analyser les appels d’offres et de potentiellement aller de l’avant.

Ici on sait qu’on a un problème et mon but c’est d’essayer de voir si l’IA générative peut résoudre un problème. L’IA générative, dans quoi ça excelle? Ça va exceller dans certains éléments, ça va exceller dans des éléments où on a besoin de générer du contenu, où on a besoin de faire des sommaires de contenu, où on a besoin de pouvoir faire de la recherche. Donc de la recherche à même une base de contenu, ou finalement, quand on a besoin de générer du contenu un peu plus riche que du contenu textuel.

Dans notre cas, on peut voir assez bien que c’est aligné avec les capacités de l’IA générative parce que des appels d’offres tu as beaucoup de contenu textuel, donc c’est vraiment, c’est dans la recherche d’information, c’est aussi de la sommairisation, donc c’est de générer un sommaire. Et c’est de créer un sommaire qui est vraiment approprié pour l’équipe des ventes. Donc on est vraiment sur notre X.

On peut aller de l’avant avec l’IA générative, on a identifié notre besoin. L’étape d’après, c’est de se poser la question au niveau de l’analyse des risques.

Analyse des risques

C’est quoi les risques de créer un outil d’analyse des appels d’offres? On va voir un risque au niveau de la performance. Qu’est-ce qui arrive si on a une mauvaise performance au niveau de notre analyse d’appel d’offres? Mais le but, c’est d’avoir une bonne discussion et de savoir : ça vaut-tu la peine? Donc dans ce cas-ci, le sommaire serait probablement que le pire qui peut arriver, c’est que ça se peut qu’on manque certaines offres. Mais on en manque aujourd’hui de toute façon, et cela se peut qu’on se retrouve à analyser plus en profondeur certaines offres qui finalement ne sont pas nécessairement bonnes pour l’entreprise ou adéquates, donc le risque est quand même assez minimal.

Un autre risque qu’on voit souvent particulièrement au niveau de l’IA générative, c’est par rapport à la sécurité de l’information. Est-ce que les appels d’offres sont des appels d’offre qui sont publics. Par exemple dans le cas des appels d’offre gouvernementales, c’est des appels d’offre qui sont publics, donc l’information ne serait pas à risque.

Par contre, c’est toujours une bonne pratique d’utiliser des solutions qui garantissent la sécurité de l’information. On peut trouver ici des solutions qui sont dans des services professionnels comme par exemple Azure a les services professionnels pour le faire, Google avec PaLm-2 a des services professionnels dans lesquels l’information ne va pas sortir de vos environnements à vous. Donc la sécurité de l’information est garantie.

Mais dans ce cas-ci, le risque est minimal. Par la suite, un dernier risque que je vais élaborer parce qu’il y en a plusieurs autres, mais un autre risque qui est commun auprès des solutions d’IA générative, c’est au niveau des droits d’auteur. Donc si on planifie par exemple de vendre l’information qui est générée ou des images générées par l’IA générative, il faut être conscient que c’est possible qu’il y ait des droits d’auteur qui puissent être bafoués dans l’extrant des solutions d’IA générative. Mais dans ce cas-ci ce n’est aucunement le cas, donc on peut aller de l’avant.

La preuve de concept

Alors on a identifié notre besoin. On a remarqué que notre besoin ne comporte pas des risques qui sont trop élevés, donc on est prêt à aller de l’avant. Qu’est-ce qu’on fait quand on va de l’avant? On commence avec une preuve de concept. Une preuve de concept surtout avec l’IA générative, c’est très facile.

On utilise une solution comme, dans ce cas-ci, on pourrait utiliser PaLm-2 de Google, donc on accède à PaLm-2 à même Google Cloud plateforme. Donc on accède dans la plateforme. On teste donc ce qu’on va faire, c’est qu’on va se retrouver à générer une commande ou un prompt.

Construction de la commande

C’est l’intrant que tu vas fournir à l’IA générative qui va te permettre de pondre la réponse. Cet intrant-là, comment qu’on le bâtit? Et bien ça va prendre certains ingrédients? Donc premièrement, on va vouloir du contexte, donc le contexte, c’est le rôle que l’IA générative va prendre dans la création de son extrant. Dans ce cas-ci, moi, je veux que l’IA générative soit un analyste des ventes. Donc « en tant qu’analyste des ventes », donc déjà tu lui fournis du contexte. Tu peux même lui fournir du contexte « en tant qu’analyste de ventes pour une grande entreprise de construction au Québec », je lui donne encore plus de contexte, donc je me retrouve à avoir une solution qui est encore plus adéquate.

Par la suite, on va vouloir aussi lui donner la tâche à accomplir bien entendu « Génère-moi un sommaire de l’appel d’offres suivantes ». Donc tu lui fournis par la suite et ça, c’est le troisième ingrédient de ma commande, ça va être de lui fournir de l’information. Donc dans ce cas-ci, on va parler vraiment de l’appel d’offres que tu veux lui fournir. Donc si c’est une preuve de concept, ça peut être aussi simple que petit copier-coller, et je comprends qu’ici on va atteindre probablement une limite, parce que si on regarde des appels d’offre gouvernementales, c’est très, très, long. Dans ce cas-ci, ce qu’on peut faire, c’est qu’on peut juste lui fournir plein de sections de l’appel d’offres. On fait des sommaires de la section de l’appel d’offres. Par la suite, on fait un sommaire global de contenant de tous les sommmaires. Donc ça, ce serait une façon d’y arriver.

Et finalement, le dernier ingrédient, ça va être de lui proposer l’extrant. Donc l’extrant, c’est pas juste un sommaire. Je veux qu’il comporte de l’information sur le client, l’information sur le projet, c’est quoi le risque, c’est quoi les certaines clauses légales qui sont particulièrement importantes pour l’entreprise, et, etc. Donc on peut vraiment lui proposer, on peut diriger en fait l’IA générative en lui donnant certaines clauses.

Test de la commande

Donc maintenant qu’on a fourni une bonne commande, on teste, on regarde si ça fonctionne bien, on mélange, on change un petit peu de la façon dont’ écrit jusqu’à tant qu’on se retrouve à avoir une solution qui est performante.

Transformation en solution avec interface

Et quand on a une solution qui est performante, bien après on l’habille. Donc on le transforme en solution en créant une interface. En créant une façon qu’on peut simplement importer l’appel d’offre ou aller l’identifier sur internet pour être capable d’avoir une solution qui va fonctionner en temps réel et qui va vraiment pouvoir aider l’équipe de vente au sein de l’entreprise.

Donc j’espère que vous avez apprécié cet exemple-là un peu plus concret pour expliquer comment c’est une solution d’IA générative en entreprise.