Listen à article
Les avancées de l’AI-ML et son adoption généralisée dans les industries ont conduit à une amélioration de la productivité et de l’innovation au cours des cinq dernières années. L’impact de l’AI ne peut simplement pas être surestimé.
Combinées à l’introduction des grands modèles de langage ces dernières années, l’AI-ML a transcendé les opérations d’affaires quotidiennes pour mener à d’innombrables exemples de résolution de problèmes réels par l’AI.
HCLTech a déjà aidé ses clients mondiaux à résoudre des problèmes à l’échelle mondiale en mettant en œuvre des technologies de nouvelle génération comme l’AI-ML, l’analytique des données, l’IoT, le Cloud et bien d’autres.
Ayant pris la bonne direction jusqu’à présent et connu du succès dans diverses industries, HCLTech a récemment lancé une plateforme ML conviviale destinée aux utilisateurs techniques et non techniques. Cette plateforme – et l’application de l’AI – visent à faciliter l’accès à l’AI et au ML, à réduire les coûts et à accroître l’efficacité dans la gestion des problèmes courants et réels.
Principaux points sur l’AI résolvant des problèmes réels
- L’AI/ML, amplifiée par GenAI, est passée des PoC à un impact mesurable dans la réponse aux catastrophes, la santé, l’éducation, l’agriculture et la sécurité publique.
- En matière de résilience climatique, l’AI améliore la précision des alertes précoces et accélère la réponse, des alertes d’inondation à l’optimisation de l’utilisation de l’eau.
- Dans le secteur de la santé, les agents AI et les architectures de données modernes réduisent la charge administrative, renforcent la cybersécurité et bonifient l’expérience des patients et des soignants.
- Les gains dans l’éducation incluent l’évaluation à distance sécurisée à grande échelle ainsi que le tutorat et le feedback adaptatifs disponibles en tout temps.
- L’agriculture intelligente face au climat fait appel à l’AI pour la détection, la prévision et l’automatisation afin de protéger les récoltes et les ressources.
- Des plateformes évolutives comme HCLTech AI Force démocratisent l’AI, réduisent les coûts de service et accélèrent le déploiement des modèles pour les utilisateurs techniques et non techniques.
L’AI dans les catastrophes naturelles : prédire, prévenir et réagir plus vite
Aujourd’hui, les catastrophes naturelles sont beaucoup plus graves qu’il y a dix ans en raison des changements climatiques.
En fait, un rapport de l’ONU a mentionné que les catastrophes climatiques et météorologiques ont été multipliées par cinq au cours des 50 dernières années.
« Faire face aux vagues croissantes d’inondations, de cyclones, de sécheresses, à la hausse des températures et aux feux de forêt exige des outils de prédiction et de prévention plus performants. L’AI-ML a joué un rôle clé dans ces efforts ; consultez notre aperçu des solutions climate-tech pour connaître les plus récentes stratégies. »
Les caméras à AI offrent des images (données) en temps réel provenant de zones à risque, lesquelles peuvent être analysées afin d’en tirer des insights.
Grâce à ces données, le Google Flood Hub fournit gratuitement des alertes d’inondation jusqu’à sept jours à l’avance dans 80 pays.
Au-delà des crues, le monde est au bord d’une catastrophe liée à l’eau douce.
Par un investissement de 15 millions de dollars sur cinq ans, le Groupe HCL contribue à répondre à ce défi en créant un écosystème d’innovation sans pareil pour le secteur mondial de l’eau douce, appelé Aquapreneur Innovation Initiative.
L’initiative vise à accélérer la collaboration multipartite et l’innovation dans la préservation mondiale de l’eau douce.
De plus, l’initiative AquaSphere de HCLTech exploite l’AI pour orienter une utilisation durable de l’eau, réduire le gaspillage et stimuler la conservation. Découvrez comment la gestion de l’eau par AI transforme la gestion de la source au robinet.
Applications de l’AI en santé : bonifier les soins aux patients, la sécurité et les opérations
Ce secteur fait face à une foule de défis : saisie de données précises, respect de la vie privée et de la sécurité des données, compatibilité de l’équipement médical, rareté de personnel qualifié, soins fragmentés et obstacles à la conformité.
De la détection de la fraude aux fuites de données, de la gestion de la relation client aux soins automatisés des patients et à la sécurité des données, l’intelligence artificielle en santé multiplie ses applications cliniques et administratives. Par exemple, l’analytique prédictive, l’apprentissage profond et les réseaux neuronaux permettent aux organisations de santé de détecter les anomalies et de protéger leurs opérations contre les cyberattaques sophistiquées.
De plus, l’AI et la générative AI, combinées à des initiatives de modernisation des données, offrent la capacité d’expansion requise pour les architectures hybrides actuelles. Grâce à l’IoT et au Cloud, l’AI facilite aujourd’hui les opérations en santé. L’amélioration de l’expérience des soins à distance pour les patients et les employés est aussi une priorité pour les organisations de santé.
HCLTech a développé un agent de générative AI qui révolutionne les soins aux patients grâce à des réponses à des questions cliniques et administratives complexes en quelques secondes. L’intervention du chatbot a permis de sauver 40 % du temps des intervenants en santé.
Applications de l’AI en éducation : sécuriser les examens et personnaliser l’apprentissage
La nouvelle de tricherie massive lors des examens finaux dans l’État indien du Bihar a choqué l’Inde l’an dernier. Mais le problème ne se limite pas à l’Inde. Une étude 2023 de l’International Center for Academic Integrity a révélé que 64 % des élèves du secondaire américains ont admis avoir triché. La montée de l’apprentissage à distance a généré de nouveaux défis de passation des tests ; notre aperçu sur l’évaluation assistée par la technologie explique comment l’AI comble ces lacunes.
Pour répondre à ce défi, HCLTech a développé une solution de surveillance à distance assistée par AI pour un de ses clients américains. Cette solution a permis d’augmenter par cinq l’efficacité du ratio candidat/surveillant, de ramener le coût par analyse vidéo à moins de 0,50 $ et de traiter simultanément 10 000 flux vidéos à l’échelle mondiale, entre autres avantages.
La pandémie de COVID-19 a permis au système d’éducation en ligne d’expérimenter l’AI et les technologies augmentées de multiples façons.
L’AI enrichit aujourd’hui la salle de classe grâce à des visualisations interactives, la création automatisée de leçons, des parcours d’apprentissage personnalisés, l’automatisation des tâches et des rétroactions en temps réel fondées sur les données. En offrant un accès adapté, en identifiant les failles de la classe et en fournissant des tuteurs conversationnels 24/7, l’apprentissage propulsé par l’AI réduit les inégalités d’accès tout en supportant des systèmes d’évaluation décentralisés et sécurisés.
Applications de l’AI en agriculture : stimuler une agriculture intelligente et axée sur les données
Le rapport annuel de l’ONU sur le climat indique que jusqu’à 84 % des impacts économiques liés à la sécheresse touchent le secteur agricole.
L’Australie figure parmi les pays touchés tant par les crues que par la sécheresse. HCLTech a livré une plateforme intelligente de données, basée sur le cloud et propulsée par l’AI qui offre à une organisation gouvernementale australienne responsable de la gestion de l’eau potable et des eaux usées des analyses en temps réel et une prise de décision basée sur les données.
Ailleurs, l’AI a joué un rôle clé dans l’opération de tracteurs autonomes, de moissonneuses-batteuses, de drones et de robots pour l’inspection des cultures, l’arrosage et la pulvérisation d’insecticides au moment optimal. Des entreprises comme Plenty and AppHarvest utilisent l’AI et les données pour ajuster l’environnement de culture intérieure en vue d’optimiser la nutrition et la saveur.
AI pour la sécurité urbaine et l’optimisation du trafic
De l’analytique prédictive aux caméras intelligentes à AI, en passant par les drones, la biométrie et la reconnaissance faciale, les outils de nouvelle génération convergent pour lutter contre la criminalité et optimiser la circulation. Ces innovations constituent la colonne vertébrale des villes intelligentes sécuritaires, où des plateformes unifiées allient analytique de la mobilité en temps réel et intervention proactive en sécurité publique.
Le Mexique, par exemple, a déployé des solutions technologiques pour améliorer la sécurité dans plusieurs villes. En 2020, l’indice de criminalité de Numbeo classait le Mexique au 34e rang des pays les plus dangereux au monde.
C’est alors que le gouvernement a collaboré avec HCLTech pour renverser la tendance en adoptant un modèle de « ville intelligente », supporté par de solides capacités de surveillance dotées d’AI et un écosystème IoT intégré. À la mi-2023, le pays avait gagné six rangs dans l’indice de criminalité grâce à l’adoption de la technologie – et à l’impact de l’AI – ce qui a contribué à rendre le pays plus sûr.
AI éthique et responsable : bâtir la confiance et la conformité
Pourquoi c’est important : principaux risques à gérer
- Biais et équité : Les biais historiques dans les données ou les caractéristiques de substitution peuvent générer des résultats disparates ; il faut détecter, corriger et surveiller continuellement.
- Explicabilité : Les parties prenantes ont besoin de connaître la logique des modèles (globale et locale) pour répondre aux attentes d’audit, de sécurité et des utilisateurs finaux.
- Provenance et traçabilité des données : Une traçabilité claire, de la source à la prédiction, sous-tend le consentement, les droits d'utilisation, la reproductibilité et la gestion des incidents.
Jalons réglementaires 2024-25
- EU AI Act : Obligations par niveau de risque, telles que la gouvernance des données, la transparence et la supervision humaine, avec une application progressive dès 2024-25
- US Executive Order on Safe, Secure, and Trustworthy AI : Directives sur les tests de sécurité, le filigranage, la protection de la vie privée et les garanties pour les usages critiques
- India—Digital Personal Data Protection (DPDP) Act & draft rules : Consentement, limitation d’usage, obligations en cas de brèche et responsabilité du fiduciaire des données structurent l’utilisation des données AI
Gouvernance HCLTech : AI responsable en pratique
- Responsible AI Council (RAC) : Organisme transversal qui définit les politiques, approuve les cas d’utilisation à risque élevé et supervise les résultats des red team/tests
Industrialisation d’AI-ML en entreprise : de la preuve de concept au ROI
Le constat
- Écart de mise en production : Les recherches d’analystes indiquent que de nombreuses initiatives AI stagnent, Gartner signalant que 30 % des projets GenAI seront abandonnés pour 2025
Freins classiques
- Silos de données fragmentés et propriété non définie
- Compétences limitées en MLOps et pipelines fragiles
- Économie unitaire incertaine, comme les coûts du cloud et les dépenses d’inférence
- Friction en gouvernance, incluant risques, sécurité et aspects juridiques, ralentissant les approbations
Un cadre pragmatique pour la réussite
- Data fabric avec des domaines gouvernés, découvrables et des SLA de qualité
- Magasin de fonctionnalités central pour la réutilisation, les vérifications de dérive et la traçabilité
- Centre d’excellence (CoE) interfonctionnel AI/ML (produit, données, risques, plateforme) pour prioriser les cas d’usage, les gabarits et les opérations de type SRE
- MLOps standardisés (CI/CD pour modèles), déploiements blue/green, tests en mode shadow et surveillance continue
- Droits décisionnels clairs et parcours d’entrée/approbation allégé pour les cas d’usage réglementés et critiques pour la sécurité
Mesurer le ROI qui compte
- Délai d’obtention des résultats : de l’arrivée des données à l’action
- Coût par prédiction et coût par cas d’utilisation
- Débit et fiabilité, y compris les SLO comme la latence et la disponibilité
- Indicateurs de performance d'affaires (KPI), comme la fraude détectée, le respect des SLA, la réduction des gaspillages et l’augmentation des revenus
- Vitalité des modèles, notamment le taux de réutilisation des fonctionnalités/composantes, la fréquence de réapprentissage et l’absence de régressions
La route à venir : démocratiser l’AI avec les plateformes ML
Outre l’utilisation spécifique de l’AI pour résoudre des problèmes concrets dans différents secteurs, les organisations auront, à l’avenir, besoin d’un meilleur accès à des plateformes et services AI-ML conviviaux pour relever les défis mondiaux les plus pressants tout en améliorant leurs opérations d’affaires.
Ici, une plateforme comme les solutions AI de HCLTech et les services d’ingénierie des données et AI peuvent s’avérer utiles puisqu’elles simplifient la mise à l’échelle d’AI-ML et permettent aux utilisateurs de créer des modèles ML exploitables et faciles à utiliser. L’application de l’AI – et, en toute franchise, l’impact de l’AI – permet tant aux data scientists experts et aux data scientists citoyens (code) qu’aux utilisateurs d’affaires (low code/no code) d’accéder à ces modèles.
