Bâtir, déployer et maintenir une solution d’intelligence artificielle n’est pas une tâche simple. Pour ce faire, vous avez besoin d’une équipe performante dont les talents et les compétences sont complémentaires.
Quelle est la composition de l’équipe optimale pour mener à bien un projet d’IA? Ce n’est pas une question facile… La réponse varie en fonction du type de projet et du type d’organisation pour laquelle vous travaillez.
Basés sur mes apprentissages et sur l’expérience de livraison de projet acquise en accompagnement de nombreuses entreprises dans différents secteurs, voici les neuf rôles essentiels pour créer et livrer un projet d’IA.
Dans ce texte, je parle de rôle. Un employé peut remplir plusieurs rôles selon ses compétences. L’idée est que l’ensemble de votre équipe couvre les différents rôles qui vous permettront de maximiser vos chances de réussite.
Neuf rôles essentiels dans une équipe de projet d’intelligence artificielle
La science des données
La science des données est un incontournable dans tout projet d’IA. J’ai souvent entendu dire que le scientifique des données est le seul rôle nécessaire pour bâtir une solution solide. Ce n’est pas le cas. De nombreuses tâches doivent être réalisées pour assurer la réussite de votre projet. C’est impossible pour un scientifique de données de tout prendre en charge à lui seul. Je ne crois pas aux licornes.
Généralement, je divise les activités de science des données en 3 rôles distincts :
L’analyse des données
Les données sont la fondation d’une solution d’IA. Sans elles, la solution ne peut pas fonctionner . Il est primordial d’analyser correctement les données qui seront utilisées durant votre projet. C’est la tâche de l’analyse des données.
Le modèle d’apprentissage machine (ML)
Une fois les données définies, un modèle d’apprentissage machine peut être entraîné, validé et testé pour générer des prédictions. Si tout va bien, vous pourrez ensuite intégrer vos prédictions dans une solution.
La conception d’expérience utilisateur (UX)
La conception UX est l’un des aspects les plus négligés d’une solution d’IA. Pour moi ce rôle est essentiel. Comment l’utilisateur final accédera-t-il aux résultats de la solution ? Comment s’assurer qu’il comprendra et fera confiance aux résultats ? Le concepteur UX travaille à faire comprendre le modèle afin de le traduire dans un langage non technique puis dans une utilisation par les utilisateurs finaux.
Développement
Le développement est malheureusement souvent sous-estimé dans un projet d’IA. Pourtant, de nombreuses heures de développement logiciel sont nécessaires pour développer et déployer une solution d’IA opérationnelle. De nombreuses infrastructures, processus et outils non liés à l’apprentissage machine sont nécessaires pour réaliser une solution fonctionnelle.
Vous aurez besoin d’une expertise spécifique pour opérationnaliser l’IA et construire une solution robuste basée sur les données, les modèles d’apprentissage machine et de l’UX que les rôles de la science des données auront produite.
L’architecture de la solution
Comme le démontre la figure ci-dessus, de nombreux éléments sont nécessaires pour développer une solution. Cet ensemble de compétences est essentiel pour dessiner l’architecture logicielle d’une solution d’IA qui répondra aux exigences de l’utilisateur final.
Le développement de bases de données et de logiciels
Une solution d’IA est une solution logicielle. Une solution spécifique, mais une solution logicielle quand même. D’où l’importance d’avoir des bases de données, des scripts et des API robustes et efficaces qui soutiennent le modèle. Si vous ne comptez que sur les scientifiques de données pour développer une solution d’IA, vous serez déçu. Peu de scientifiques de données maîtrisent à la fois le développement de logiciels et la science des données. Encore une fois, je ne crois pas aux licornes.
L’opérationnalisation de la solution
La mise en production d’une solution d’intelligence artificielle est une combinaison de DevOps et de MLOps. DevOps est un ensemble de pratiques qui vise à raccourcir le cycle de développement et à assurer une livraison continue avec une qualité logicielle élevée. MLOps est un processus d’automatisation, de mise en production d’applications et de flux de travail d’apprentissage machine. (Source : phdata)
Affaires
Tout projet d’IA au sein d’une organisation doit tenir compte du contexte d’affaires. La technologie ne peut résoudre aucun problème si elle ne s’aligne pas sur la problématique de l’entreprise.
Connaissance du marché
Ce rôle est le plus important dans un projet d’IA. Oui, un rôle non technique. Le responsable du produit ou Product Owner (PO) veille à ce que la solution réponde aux besoins du marché. Un excellent PO peut générer des résultats rapidement et minimiser les risques en élaborant des règles d’affaires et en définissant les exigences business de la solution d’IA. Le PO veille également à ce que l’équipe de projet acquière les connaissances du marché qui sont essentielles au développement de la bonne solution. Le PO est en contact permanent avec les parties prenantes tout au long du projet.
Le principe de Pareto dans la livraison de l’IA
La gestion de projet
La plupart des problèmes que vous rencontrerez dans un projet d’IA peuvent être résolus si le projet est bien géré. Le chargé de projet guide l’équipe afin qu’elle fournisse des fonctionnalités de haute qualité qui répondent aux exigences de l’entreprise, dans le respect des délais et du budget. Il s’agit d’une tâche complexe qui demande un certain doigté. Je vous suggère de choisir une personne ayant de l’expérience pour occuper ce rôle.
La gestion du changement
Vous pouvez construire la meilleure solution d’IA de l’histoire de l’humanité, mais si personne ne l’utilise, vous venez de perdre une opportunité. Et de l’argent. Et du temps. La communication, la formation et le soutien pendant les tests utilisateurs sont des activités essentielles pour garantir une adoption optimale par les parties prenantes et les utilisateurs finaux.
La réussite d’un projet
Les 9 rôles proposés permettent de couvrir l’ensemble d’un projet d’IA. Identifier qui occupera chacun de ces rôles en début de projet augmente les chances de succès.
Chez Moov AI nos équipes de projets sont généralement composées de 5 collègues qui, ensemble, couvrent tous ces rôles et se répartissent les tâches à accomplir. Nos équipes étant autogérées, elles s’assurent que ces rôles soient couverts par des parties prenantes externes si aucun membre de l’équipe ne possède les compétences pour accomplir un de ces rôles.
Olivier est cofondateur et VP science de la décision chez Moov AI. Il est éditeur de la norme ISO internationale qui définit la qualité des systèmes d’intelligence artificielle où il mène une équipe de 50 professionnels de l’IA de partout dans le monde. Ses connaissances de pointe en IA et en apprentissage machine l’ont amené diriger la mise en oeuvre d’une culture des données dans différentes industries.
