L’IA générative seule est insuffisante pour la prise de décision avancée
L’IA générative (GenAI) est un outil puissant, mais elle ne peut pas faire cavalier seul. Jim Goodnight, PDG et cofondateur de SAS, l’a dit clairement : L’IA générative ne couvre pas toute la profondeur de l’analyse, de la science des données ou de l’intelligence économique nécessaire dans un environnement d’entreprise réel. Ce type d’IA permet de générer du texte ou du code, mais lorsque l’objectif est de prendre des décisions fiables et responsables au sein de systèmes et d’équipes, l’IA générique atteint rapidement ses limites.
Les entreprises sont confrontées à la complexité, à des marchés réglementés, à des chaînes d’approvisionnement mondiales, à de multiples secteurs d’activité et à des décisions incessantes comportant des enjeux financiers, juridiques et éthiques. Ces défis exigent plus qu’un chatbot intelligent. Ils requièrent des cadres spécifiques où les modèles d’IA, les règles commerciales et les flux de travail fonctionnent ensemble d’une manière structurée et vérifiable. C’est ce sur quoi SAS se concentre à travers ses capacités d’IA d’entreprise.
La leçon à tirer pour les dirigeants est simple : Ne vous attendez pas à ce que la GenAI remplace votre infrastructure décisionnelle. L’augmentation de vos processus avec la GenAI peut améliorer certaines parties de votre charge de travail, mais l’épine dorsale réelle de la prise de décision en entreprise reste une combinaison structurée d’humains, d’IA et de flux logiques clairs.
Les architectures d’IA conçues à cet effet sont essentielles pour l’exécution des flux de travail
Satya Nadella, PDG de Microsoft, est allé encore plus loin. La GenAI peut aider à esquisser des plans, mais les véritables résultats commerciaux découlent de l’exécution, et cela nécessite des systèmes sérieux. Selon lui, nous avons fait « d’énormes progrès », mais il reste encore du travail à faire. Un plan généré par l’IA doit s’inscrire dans un flux de travail qui comprend le contexte, les règles et les objectifs finaux de l’organisation.
C’est là que l’IA doit passer d’outils isolés à des systèmes intégrés. Les modèles d’IA qui soutiennent la planification, la gestion des tâches et même l’attribution des décisions évoluent déjà. M. Nadella a souligné que certaines fonctionnalités de l’IA permettent désormais de réduire la charge de travail de huit heures à 30 minutes. Cela change la donne en termes de rendement et d’efficacité. Les premiers cas d’utilisation de la GenAI se sont concentrés sur des tâches superficielles telles que répondre à des courriels ou écrire des bribes de code. Mais nous constatons déjà que les modèles actuels peuvent prendre plus de responsabilités, comme assigner des tâches, suivre les progrès et faire avancer l’exécution de manière autonome.
Pour les cadres supérieurs, cela change la conversation autour de l’investissement dans l’IA. l’investissement dans l’IA. Les organisations qui gagnent avec l’IA conçoivent des flux de travail qui correspondent à leur stratégie et intègrent la GenAI là où elle fait réellement bouger l’aiguille. Il s’agit de construire des flux de travail qui fonctionnent, à l’échelle, avec rapidité et intégrité.
SAS Decision Builder sur Microsoft Fabric
SAS a mis au point un outil pratique avec le soutien de Microsoft, Decision Builder. Et c’est important. Dans les entreprises, où les décisions ont de l’ampleur et des conséquences, vous ne pouvez pas vous permettre la fragmentation entre les données, les modèles et l’exécution. Decision Builder rassemble ces éléments dans un cadre unique qui s’exécute entièrement dans le cloud à l’aide de Microsoft Fabric et Azure.
L’avantage principal est l’emplacement. Avec OneLake de Microsoft Fabric, les données restent sur place, accessibles et unifiées. Vous n’avez pas à perdre de temps à transporter des informations d’un environnement à l’autre. Au lieu de cela, les utilisateurs peuvent concevoir, tester et exécuter des décisions directement là où vivent les données. Il est connecté à Azure AI Services, de sorte que les entreprises peuvent intégrer des capacités d’IA générative, telles que des modèles de langage de grande taille, dans les flux de décision sans briser la structure ou ajouter des risques.
Satya Nadella a été clair : l’intégration de SAS Decision Builder dans l’environnement Microsoft Fabric place la prise de décision à proximité immédiate des données. C’est efficace. Il élargit également l’accès en utilisant Azure Marketplace, ce qui facilite le déploiement de ce type de prise de décision assistée par l’IA sur les marchés et au sein des équipes dans le monde entier.
Pour les dirigeants qui cherchent à réduire le temps de latence dans les cycles de décision et à améliorer la gouvernance des modèles d’IA, cela est significatif. Vous n’ajoutez pas l’IA aux décisions après coup. Vous intégrez l’intelligence dès le départ, en utilisant un système conçu pour la vitesse de déploiement, la sécurité et la clarté. Cela se traduit par des appels plus rapides et de meilleure qualité au sein de votre entreprise, et par une plus grande cohérence en cours de route.
SAS Viya Copilot démocratise l’analyse assistée par l’IA
SAS Viya Copilot résout un problème dont beaucoup d’entreprises ne se rendent pas compte : l’accès aux outils d’IA dans les environnements techniques peut être inégal. GitHub Copilot a transformé la productivité du codage pour les langages largement utilisés, tels que Python et R. Mais les utilisateurs de SAS, qui travaillent souvent dans des secteurs réglementés et utilisent des outils plus spécialisés, ne bénéficiaient pas d’un avantage similaire. Cela change avec Viya Copilot.
Cet assistant, construit avec Microsoft Azure AI Foundry, apporte l’automatisation, la vitesse et l’intelligence dans la plateforme SAS elle-même. Il est conversationnel, ce qui signifie qu’il peut comprendre les invites et renvoyer des résultats utilisables. Plus important encore, il écrit, explique et affine le code SAS, ce qui élimine les goulots d « étranglement dans les pipelines d’analyse. Cela signifie que les analystes et les scientifiques des données peuvent se concentrer sur l » élaboration de meilleurs modèles, au lieu de corriger manuellement la syntaxe ou d’assembler des flux de travail.
Il prend également en charge le développement complet du pipeline de modèles. Les dirigeants doivent s’en préoccuper car cela a un impact direct sur le temps nécessaire pour faire passer un modèle du concept au déploiement. La rapidité est essentielle pour saisir les opportunités en temps réel. De plus, grâce aux fonctions d’intégration de l’homme dans la boucle, vous maintenez la supervision et l’auditabilité tout en augmentant le débit.
Pour les dirigeants qui souhaitent accroître la maturité de l’IA dans l’ensemble de l’entreprise, et pas seulement au sein des équipes de données centrales, cet outil permet d’uniformiser les règles du jeu. Il permet à un plus grand nombre de membres de l’équipe d’accéder à des capacités d’IA réelles et pratiques sans compromettre la qualité, la gouvernance ou la productivité.
L’informatique quantique est sur le point de transformer l’IA
Nous sommes arrivés à un point où la simulation classique ne peut pas nous mener plus loin. La plupart des systèmes d’intelligence artificielle actuels utilisent des approximations, ils évaluent la réalité suffisamment bien pour faire des prédictions utiles, mais il s’agit toujours de suppositions basées sur des modèles limités. L’informatique quantique peut changer cela. Elle nous permet de simuler le monde réel à un niveau de précision qui n’est tout simplement pas possible avec les systèmes classiques.
Satya Nadella, le PDG de Microsoft, estime que cela est essentiel pour progresser dans des domaines tels que les soins de santé, la biologie et la chimie computationnelle. Ces secteurs reposent sur des systèmes complexes et étroitement liés qui nécessitent une modélisation fidèle à la nature, et pas seulement des hypothèses statistiques. Grâce à l’IA quantique, les entreprises n’auront plus à se fier uniquement aux résultats observés. Au contraire, elles pourront modéliser les systèmes avec une grande fidélité, tester les interventions en toute sécurité et avancer plus rapidement avec une plus grande confiance.
C’est dans cette direction que la recherche s’oriente. La simulation quantique offre la possibilité de résoudre des problèmes de calcul qui sont actuellement insolubles. Cela ouvre des possibilités pour la découverte de médicaments, la science des matériaux, la logistique et la modélisation économique, qui dépendent toutes de la compréhension des systèmes dans toute leur profondeur dimensionnelle.
Les dirigeants doivent suivre cette évolution de près. Quantum n’est pas encore prêt pour les tâches quotidiennes des entreprises, mais la trajectoire est claire. Des cas d’utilisation à fort potentiel sont actuellement testés. Si votre entreprise s’appuie sur une modélisation complexe ou opère dans un environnement à forte variance, vous ne voudrez pas rester à la traîne. Les bénéfices seront considérables pour ceux qui s’y prendront tôt, renforceront leurs capacités et s’associeront aux bonnes plates-formes.
Principaux enseignements pour les dirigeants
- L’IA générative n’est pas prête pour l’entreprise en tant que telle : Les dirigeants doivent considérer l’IA générative comme un levier de productivité et non comme un moteur de décision. Les décisions d’entreprise complexes nécessitent encore des cadres structurés et une logique qui dépassent les capacités du LLM.
- L’exécution nécessite une intégration de l’IA au niveau du système : Les équipes C-suite doivent donner la priorité à la construction de flux de travail d’IA évolutifs qui vont au-delà de l’idéation, permettant l’orchestration des tâches en temps réel et l’obtention de résultats dans l’ensemble de l’entreprise.
- La vitesse de prise de décision s’améliore à proximité des données : L’intégration de plateformes décisionnelles telles que SAS Decision Builder directement dans les environnements cloud réduit les délais de déploiement et améliore la gouvernance, les dirigeants doivent intégrer les outils décisionnels là où vivent les données.
- L’IA technique doit être accessible aux non-experts : SAS Viya Copilot montre que la démocratisation de l’IA accélère le développement des modèles. Les dirigeants devraient investir dans des outils qui donnent plus de pouvoir aux analystes et aux utilisateurs professionnels sans sacrifier la qualité ou la supervision.
- L’IA quantique va remodeler la modélisation des grands enjeux : Les dirigeants qui explorent l’innovation dans les domaines de la santé, de la science ou de la gestion de la chaîne d’approvisionnement devraient suivre de près l’évolution de l’IA quantique, car elle élargira les possibilités de simulation et de prédiction dans le monde réel.
