Livre blanc « MLOps : un regard vers le futur de l’IA »

Livre blanc "MLOps : un regard vers le futur de l'IA" - Business & Decision

MLOPS / Intelligence artificielle

Dans ses prédictions Data pour 2019, le cabinet Gartner prédisait que, d’ici 2022, seuls 15 % des cas d'utilisation tirant parti des techniques d’intelligence artificielle, notamment le Machine Learning et les Réseaux de neurones profonds, et impliquant des environnements Edge et IoT réussiraient à passer en production. Soit un taux d’échec de 85 %! Une proportion qui peut étonner au regard de la maturité grandissante des technologies d’IA et surtout de la valeur que l’exploitation des données avec l’IA permettra de générer.

Une dizaine d'experts de Business & Decision et du groupe Orange Business Services, ou externes présentent, dans ce livre blanc, leur vision de l'industrialisation de l'intelligence artificielle et l'approche du MLOps mise en œuvre dans leur entreprise.

Le projet

Client final : Business & Decision, expert en data et en transformation digitale, en collaboration avec l'agence Bespoke

Format : 52 pages A4

Durée totale du projet : Un an, intégrant une dizaine d'interviews (en distanciel), 2 ateliers de préparation.

Mission : en tant que journaliste, mon rôle a été, en collaboration avec l'agence Bespoke et les équipes de Business & Decision, de :

  • Élaborer le sommaire du livre blanc
  • Préparer, réaliser et faire valider les interviews d'experts internes et externes
  • Rechercher des informations tierces (études externes...)
  • Rédiger les 3 parties du livre blanc, la conclusion et l'édito
  • Intégrer les demandes de modifications du client final
  • Assurer la gestion de projet en direct avec le client final

 

« Le MLOps a vocation à dépasser les barrières culturelles entre les différentes fonctions de l’entreprise. Le Data Scientist, comme son nom l’indique, est un scientifique, là où un Data Engineer, avec une culture plus orientée développement et architecture, sera formé plutôt en technique IT et en infrastructure Big Data. Pour un Data Scientist, la statistique représente la grammaire de l’IA. On voit immédiatement à la fois le gap culturel et la nécessité d’une communication étroite entre le Data Scientist et le Data Engineer pour fonctionner. »

Didier Gaultier, directeur Data Science & AI de Business & Decision