Travailler avec les différentes IA : guide des outils IA publics ou personnalisés.
Il existe deux manières de travailler avec les différentes IA. La première est d’utiliser les IA génératives publiques (Saas) sur le web comme Gemnii, Chat-GPT, Notion AI, etc. La deuxième est de s’appuyer sur une IA créée sur mesure pour les besoins spécifiques de l’entreprise.
Le choix se fait selon 2 étapes simples : l’analyse des data de l’entreprise puis des besoins métiers permettent d’identifier la solution la plus adaptée.
Aux côtés de Lenny Daho – ingénieur solutions IA no-code – cet article vous guide pour choisir le meilleur outil IA. Vous y trouverez : critères de sélection, fonctionnalités, outils disponibles et retours d’expérience.
Menu
- Etapes pour choisir entre IA en ligne et IA personnalisée
- Les différentes IA et leurs fonctionnalités
- Les 7 catégories d’IA disponibles
- Réussir le déploiement d’une solution d’IA
- Comparatif entre IA publique(Saas) et IA personnalisée
- Cas d’usage : Interview avec Lenny Daho
- Ressources : quelques outils en ligne de différentes IA
- Nos articles qui peuvent vous intéresser
1. Deux étapes pour choisir entre IA en ligne et IA personnalisée
Le choix d’une solution IA est déterminé par le type de données de l’entreprise et les besoins métiers.
- Etape 1 : déterminer le niveau de sensibilité des données. Les données sensibles (données clients par exemple) nécessitent de personnaliser l’IA pour assurer la sécurité, le RGPD et la souveraineté.
- Etape 2 : identifier le besoin métier. Un besoin spécifique et unique (lié à des processus internes par exemple) oriente vers une solution d’IA sur mesure. Un besoin générique (par exemple la rédaction d’emails, la création d’images) dirige vers une IA publique (Saas) qu’elle soit gratuite, ou payante pour des systèmes pro plus avancés.
Source : infographie réalisée avec Gemini
« Les IA génératives publiques, comme Gemini, ChatGPT ou DALL-E peuvent être suffisantes pour débuter si elles correspondent aux besoins métier identifiés et qu’un cadre de travail est mis en place par l’entreprise. Il faut dans ces cas-là faire attention de ne pas partager de données sensibles avec les IA. » – Lenny Daho
2. Les différentes IA et leurs fonctionnalités
L’intelligence artificielle fonctionne grâce à de volumineuses bases de données. Pour faire simple, voici les différences :
- IA personnalisées : entraînée avec les données spécifiques de l’entreprise.
- IA en ligne : entraînée avec des données très variées issues de sources ouvertes. (site web, vidéos en lignes, documentations, etc)
La fonction d’une IA est liée à la manière dont se construit l’apprentissage à savoir le Machine Learning ou Deep Learning.
Machine Learning ou Deep Learning, quelle différence ?
Imaginons un élève en classe. Il apprend par l’exemple et l’identification de données précises, nommées (étiquetées) pour trouver des modèles de résolution. C’est le Machine Learning. Un élève plus doué est lui aussi entraîné mais parvient à trouver des modèles de résolutions par lui-même, à partir de nouvelles données non étiquetées, car il fait des connexions plus profondes entre les données. C’est le Deep Learning, une version plus avancée du Machine Learning.
| Machine Learning | Deep Learning | |
| Apprentissage | – Avec de grandes quantités de données explicites (étiquetées). Par exemple, une image de chat sera étiquetée dans la catégorie chat. – Apprend à identifier des modèles. – Prend des décisions de manière autonome. | – Avec de très très grandes quantités de données (millions). – Utilise des neurones artificiels calqués sur le fonctionnement du cerveau humain. – Crée des connexions plus profondes entre les données. – Crée des représentations plus abstraites et complexes. Par exemple, l’IA découvre par elle-même quelles sont les caractéristiques importantes à analyser pour identifier un chat. |
| Exemple | Un logiciel de tri d’emails – Entraîné à partir d’emails spams et non spam. – Apprend à reconnaître lui-même les spams lors de nouveaux emails. | La reconnaissance vocale d’un smartphone – Le système est nourri de millions d’échantillons de voix – Il extrait lui-même les caractéristiques sonores et les associe à des mots et des phrases même si vous parlez avec un accent ou une voix différente. |
Il faut donc retenir de tout cela que la fonction d’une IA dépend de l’objectif visé. Par exemple, les IA génératives sont conçues sur le Deep Learning car elles ont un objectif de création (à partir du langage naturel). Elles doivent posséder une capacité d’analyse et déduire des modèles à partir de nouvelles données non étiquetées. Ceci nécessite un fonctionnement proche du cerveau humain.
3. Les 7 catégories d’IA à disposition des entreprises
Les IA peuvent être classées en 7 catégories de fonctions, basées sur le Machine Learning ou le Deep Learning. Il existe également des IA hybrides qui combinent plusieurs fonctions.
« Il est tout à fait possible de créer des agents IA qui centralisent diverses IA aux fonctions différentes. On peut par exemple relier sur une seule interface IA des applications comme Gemini, DALL-E, WhatsApp et Gmail pour envoyer par exemple des rapports. » – Lenny
Par exemple, pour un service client, le Machine Learning peut classifier et analyser le sentiment d’un e-mail entrant (positif, négatif, urgent), puis l’AI générative peut rédiger une réponse appropriée et personnalisée, en se basant sur la classification effectuée en amont.
Les 7 fonctions des différentes IA
Les IA se répartissent en 7 grandes fonctions :
- IA de classification
- IA prédictive
- IA de regroupement
- IA générative
- IA de traitement du langage naturel
- IA de vision par ordinateur
- IA de reconnaissance vocale
Source : infographie réalisée avec Gemini
Cette classification des IA montre l’importance de déterminer l’objectif final visé par l’entreprise, les données dont elle dispose ainsi que les ressources financières et humaines afin de choisir l’outil approprié.
4. Réussir le déploiement d’une solution d’IA
Il est impératif de suivre un cadre de décision méthodique en plusieurs étapes.
Etape 1 : identifier l’objectif métier
La première question ne doit pas porter sur la technologie, mais sur le problème à résoudre.
- Si l’objectif est d’optimiser, de prévoir ou de classifier un processus existant, le Machine Learning est la meilleure solution.
Par exemple ; prévoir les futures ventes. L’IA analyse les données historiques des ventes, la saisonnalité et les tendances de consommation. - Si la finalité est de générer du contenu, d’innover ou de transformer un processus créatif, l’IA Générative est plus adaptée.
Par exemple, accélérer la R&D d’une entreprise. L’IA explore des milliers de solutions de conception possibles et génére de multiples concepts et prototypes virtuels.
Etape 2 : évaluer la qualité des données
La nature des données est le facteur déterminant de la faisabilité du projet.
- Si les données sont structurées et étiquetées : les modèles de Machine Learning traditionnels sont un choix pertinent.
- Quand l’entreprise dispose de vastes ensembles de données non structurées (texte, images…) et que l’étiquetage serait trop coûteux, l’IA générative est plus efficace.
Etape 3 : évaluer les ressources
Il est crucial de déterminer si l’entreprise possède les talents nécessaires pour développer une solution en interne ou bien si financièrement elle peut faire appel à un consultant extérieur.
Dans de nombreux cas, il est plus judicieux de recourir à une solution en ligne SaaS, prête à l’emploi ou à une API pour réduire les coûts initiaux et le temps de mise sur le marché.
5. Comparatif entre IA publique (Saas) et IA personnalisée
Si le besoin est général et les données ne sont pas confidentielles, une IA publique SaaS est la meilleure option.
Si le besoin est très spécifique, les données sont sensibles alors une solution IA personnalisée est la voie à suivre.
Ce tableau comparatif entre les différentes IA met en avant les principales forces et faiblesses de chacune pour un choix éclairé.
| IA publique (SaaS) | IA personnalisée | |
| Spécificité du besoin métier | Tâches génériques et non-spécifiques. Exemple : rédiger un email | Problématique unique à un domaine métier. Exemple : détection de fraudes spécifiques à un système bancaire |
| Confidentialité et sécurité des données | Les données soumises peuvent potentiellement être utilisées pour entraîner le modèle. | Hébergée sur l’infrastructure de l’entreprise (ou dans un cloud privé) et entraînée exclusivement avec ses propres données. |
| Coût et complexité | Abordable et rapide à mettre en œuvre. | Investissement conséquent en temps et en argent. |
| Contrôle et évolutivité | Dépendance totale au fournisseur. | Contrôle total et fonctions évolutives. |
6. Cas d’usage de deux différentes IA : Interview avec Lenny Daho
Lenny Daho, ingénieur en solutions IA et automatisation no-code, développe des solutions IA pour les entreprises dans des secteurs variés comme la santé ou le marketing.
Pouvez-vous nous donner un cas d’usage (anonyme si besoin) basé sur le Machine Learning ?
« La création d’une IA personnalisée dans le secteur de la santé. L’IA devait répondre au besoin de classification de la pathologie de la Covid19. A partir d’échographie pulmonaires, l’IA devait pouvoir classer les cas patients en quatre taux de gravité, de 0 à 3. La solution développée a été intégrée à un système d’échographie avec aide au diagnostic du taux de sévérité en temps réel. Les compétences du Machine Learning ont suffi pour classer et diagnostiquer. L’IA générative par exemple n’avait pas sa place ici. »
A l’inverse, avez-vous un cas d’usage avec une IA générative ?
« Toujours dans le domaine de la santé pour optimiser le traitement des tumeurs en radiothérapie. L’objectif était de délimiter le plus précisément possible la zone tumorale à cibler par les rayons. Pour cela, il y a besoin d’une image IRM et d’une image scanner qui doivent être superposées et donner une image unique très précise. Dans ce cas, l’IA générative a permis de créer cette image de synthèse finale. Elle a été entraînée en Deep Learning à partir de banques d’images anonymisées de patients.»
7. Ressources : quelques outils en ligne de différentes IA
Texte & rédaction : ChatGPT incontournable
- pour la majorité des besoins en rédaction professionnelle.
- Version gratuite efficace.
- Polyvalent : tous les formats et tons : courriels formels, articles de blog, scripts vidéo, descriptions de produits, etc.
Image et design : Gemini banana Imagen et Runway Gen-2
- Gemini nano banana : pour les retouches d’image (comme photoshop)
- Imagen : génération d’image à partir d’un prompt textuel
- Runway Gen-2 : génération de vidéos à partir de texte ou images
Productivité et bureautique : Notion AI, Google Gemini
- Notion AI : rédaction de notes, résumé, génération de contenu interne.
- Google Gemini : génération et résumé dans Google Workspace.
- Microsoft Copilot (Word, Excel, Outlook) : aide bureautique intelligente.
Cette liste d’outils IA est non exhaustive. La plupart de ces solutions IA publiques sont gratuites avec une limite de fonctionnalité ou sous forme de crédits limités à utiliser.
Pour prendre en main certains de ces outils, Audavia vous accompagne avec des formations sur mesure pour mieux prompter et être à l’aide à l’écrit.
8. Nos articles qui peuvent vous intéresser
- Guide pour oser l’IA : comment se préparer à l’intégrer dans les pratiques professionnelles d’ici 2030
- Le guide IA réconfortant pour la démystifier, la comprendre et l’adopter.
- Transition digitale et IA en entreprise : rester compétitif en 2025 !
- L’IA au service de la qualité de vie au travail : valoriser le capital humain !
En résumé :
Le Machine Learning et l’IA générative ne s’opposent pas mais se complètent. Le premier est idéal pour optimiser et prédire, le second pour innover et créer. Selon les dispositions financières des entreprises, l’intégration de l’IA passe par l’utilisation de solutions publiques ou personnalisées aux besoins spécifique des organisations.
L’avenir de l’IA au travail repose sur des solutions hybrides combinant plusieurs technologies. Le véritable enjeu n’est pas le choix d’un type d’IA, mais la capacité de l’entreprise à aligner les différentes IA sur ses besoins métiers et à les intégrer intelligemment dans sa stratégie.
Nos remerciements à Lenny Daho pour sa participation.
Découvrez nos formations sur mesure. Pour tous renseignements complémentaires, contactez-nous au 0805 690 063 (appel gratuit) ou par e-mail (info@audavia.fr). Audavia est certifié QUALIOPI.
