Accueil Épisode 2

Podcast Episode 2

L'IA et l'apprentissage automatique au service de l'automatisation de l'entreprise

avec le Dr. Vinesh Sukumar, responsable de la gestion des produits AI/ML chez Qualcomm

Alors que les discussions autour de l'intelligence artificielle continuent de croître de manière exponentielle, vous êtes-vous demandé si votre entreprise suivait le mouvement ? Dans notre dernier épisode, le Dr Vinesh Kumar, responsable de la gestion des produits AI/ML chez Qualcomm, explique comment l'IA et la ML stimulent la croissance des entreprises aujourd'hui.

Transcription complète

Dayle Hall :

Bonjour, vous êtes en train d'écouter notre podcast, Automating the Enterprise. Je suis votre hôte, Dayle Hall. Ce podcast est conçu pour donner aux organisations des idées et des bonnes pratiques sur la manière d'intégrer, d'automatiser et de transformer leur entreprise. Aujourd'hui, nous avons un invité très spécial. Il s'agit du directeur principal, du chef de la gestion des produits d'IA et d'apprentissage automatique de Qualcomm. Je vous souhaite la bienvenue à l'émission, Dr. Vinesh Sukumar.

Vinesh Sukumar :

Bonjour à tous. Et merci, Dayle, de m'avoir donné l'occasion de participer à votre émission.

Dayle Hall :

Absolument, Vinesh. Nous sommes ravis de vous avoir. C'est une expérience formidable, une entreprise étonnante. Nous sommes donc impatients de passer aux questions. Pourquoi ne pas nous parler en quelques minutes de la façon dont vous êtes arrivé à ce poste, de l'IA et de l'apprentissage automatique en particulier ? Évidemment, nous en entendons beaucoup parler ces jours-ci. Mais comment êtes-vous arrivé à ce poste ? D'où vous est venue cette passion ?

Vinesh Sukumar :

J'ai commencé ma carrière en travaillant pour le Jet Propulsion Labs (JPL) il y a déjà un certain temps. À l'époque, j'essayais de concevoir des circuits pour des caméras d'image, essentiellement des caméras CCD de grande taille. Puis, d'une organisation basée sur la recherche, je suis passé à une industrie plus commerciale, orientée vers le consommateur. L'un des premiers produits que j'ai commencé à concevoir était le téléphone Motorola Droid. Si je me souviens bien, il y a environ 15 ans, je pense que c'était l'icône la plus populaire à l'époque. C'est ainsi que j'ai commencé à m'intéresser aux appareils photo. L'une des premières choses que nous avons remarquées, c'est que les gens ont commencé à aimer beaucoup de photos et de vidéos.

Puis, au fil du temps, il a commencé à travailler sur des projets intéressants, s'est lancé dans des projets pour Apple, notamment le tout premier iPhone qu'ils ont lancé. Ensuite, ils ont voulu se concentrer davantage sur l'analyse visuelle pour classer les images, pour détecter certaines images. C'est ainsi que j'ai commencé à travailler dans le domaine de la vision par ordinateur. Je préparais également un doctorat en IA/CV. Mais à l'époque, les gens ne comprenaient pas vraiment ce que signifiait l'intelligence artificielle. Il s'agissait donc essentiellement d'une étude théorique à l'époque. Mais lorsque j'ai commencé à découvrir des cas d'utilisation et des exemples pratiques, cela m'a enthousiasmé et j'ai pu transposer mes études théoriques à des applications pratiques.

C'est ainsi que j'ai commencé à m'intéresser à l'espace de la CV et de l'IA. À l'époque, il n'y avait pas d'IA, il n'y avait que la CV ou la vision par ordinateur. Cette fois, avec l'expérience, lorsque les gens ont commencé à mieux comprendre ce qu'est l'intelligence artificielle et ce qu'elle peut faire dans le domaine de la vision ou de la technologie, je me suis intéressé de plus près à la conception des systèmes. C'est ainsi que j'ai commencé à travailler sur l'architecture, l'ingénierie, la conception de systèmes, les applications qui s'adaptent et que je dirige maintenant l'équipe produit, pour m'assurer que nous pouvons proposer quelque chose d'excitant, améliorer l'expérience de l'utilisateur de ce point de vue.

Dayle Hall :

C'est vrai. Ce qui est intéressant dans votre parcours, c'est de voir certains de ces développements techniques et de parler théoriquement de l'IA et d'avoir l'impression que nous avons parcouru un long chemin au cours de ces années. Aujourd'hui, nous sortons des produits qui intègrent l'IA. Il semble donc qu'une partie de cette théorie, que vous avez peut-être vue dans certains films sur l'intelligence artificielle, soit en train d'émerger. Nous n'en sommes pas encore là. Il n'y a pas de Terminator, Dieu merci. J'ai l'impression que nous allons tellement vite. Vous parlez du cycle de développement technologique et de l'innovation, il y a tellement d'opportunités.

C'est en fait l'un des points sur lesquels je voulais commencer parce que, compte tenu de votre expérience et du fait que vous avez vu beaucoup de développements techniques, je me souviens de ces plates-formes, de ces plates-formes Motorola et de leur évolution. Je me souviens de ces plates-formes, de ces plates-formes Motorola, et de leur évolution. Mais si l'on considère les entreprises et les opportunités qui s'offrent à elles, quelles sont, selon vous, les principales opportunités initiales pour les entreprises qui utilisent des choses comme l'IA et l'apprentissage automatique ? Où voyez-vous les entreprises s'accrocher ?

Vinesh Sukumar :

Je pense qu'à l'heure actuelle, la plupart des entreprises se trouvent à ce stade et cherchent à utiliser l'IA pour optimiser les opérations existantes plutôt que pour transformer radicalement leurs modèles d'entreprise. L'un de ces exemples concerne l'automatisation ou l'élimination des tâches dans la catégorie de la productivité dans l'espace de l'entreprise. Ce que je veux dire par là, c'est que pendant la situation du COVID ou de la pandémie, de nombreuses réunions virtuelles ont eu lieu très régulièrement. Beaucoup de gens y participaient et il devenait difficile de transcrire les réunions, de prendre des mesures, de les associer à un orateur spécifique et d'organiser des réunions, en plus d'être assez manuelles par nature.

Aujourd'hui, avec l'avènement de l'intelligence artificielle, nous rendons cela plus automatique. En d'autres termes, l'intelligence est désormais intégrée à l'application dans le cadre de ces modèles d'entreprise, ce qui permet de transcrire automatiquement ces réunions, puis d'associer ces transcriptions à un orateur spécifique, qui est enregistré en tant que participant à la réunion. Ensuite, s'il y a des actions à entreprendre, elles sont enregistrées et l'on regarde automatiquement les créneaux ouverts dans les calendriers des différents intervenants et l'on s'assure que ces actions sont programmées de manière à assurer la continuité.

Et si des données sont partagées, elles sont capturées, placées dans une page Confluence ou même traduites dans un PowerPoint, et tout cela est fait automatiquement dans les coulisses en utilisant l'apprentissage profond et l'apprentissage automatique. C'est très utile, car il s'agit là d'un travail manuel. Et si vous utilisez l'IA pour vraiment aider à la productivité, vous pouvez faire en sorte que les gens se concentrent sur la résolution des problèmes plutôt que sur ces tâches intermédiaires. Je pense donc que, de ce point de vue, cela nous a vraiment aidés en utilisant un exemple de productivité.

Dayle Hall :

Et je pense que c'est un excellent point d'entrée pour beaucoup de gens. Et je pense que c'est un excellent point d'entrée pour beaucoup de gens. Je pense que les entreprises peuvent envisager d'aider les gens dans le cadre de leur travail. Et je pense que ce que je vois parfois, c'est que les organisations attirent également des personnes différentes, en fonction du type de rôle qu'elles occupent. Mais si vous essayez de recruter, et nous savons que le recrutement est vraiment difficile de nos jours, mais si vous essayez de recruter et que vous leur montrez, hé, nous avons toutes ces technologies pour vous aider à être plus productif afin que vous n'ayez pas à faire des choses manuelles, cela, à mon avis, va avoir un effet positif sur les gens. À mon avis, cela aura un impact important sur le recrutement et aidera les gens à entrer dans l'entreprise en sachant qu'ils peuvent être plus efficaces dès le premier jour grâce à la mise en place de ces technologies. Pensez-vous que ces technologies auront un impact plus large sur des domaines tels que le recrutement ?

Vinesh Sukumar :

Absolument. L'un des plus grands défis auxquels sont confrontées les entreprises techniques, en particulier lorsqu'il s'agit de domaines spécialisés comme l'IA, est de s'assurer que l'on dispose des bonnes personnes, de la bonne expérience, afin qu'elles puissent apporter leur contribution dès le premier jour. Pour ce faire, vous donnez vos recommandations, éventuellement à un recruteur. Le recruteur se charge ensuite de passer en revue les candidats filtrés. Mais si vous n'aviez qu'une base de données, si une application pouvait adapter vos recommandations, non pas en fonction des mots recherchés, mais en donnant un résumé, voici la personne que je recherche, cet assistant virtuel ou un assistant intelligent, dans le cadre d'une application, pourrait aller chercher des CV dans une base de données existante, puis poser des questions et dire qu'il s'agit peut-être d'un candidat, qu'il serait intéressant et qu'il correspondrait à nos attentes. Je m'attends donc à ce que l'IA soit d'une grande aide. Il s'agit simplement de savoir comment la manifester pour donner la bonne réponse.

Dayle Hall :

Encore une fois, c'est l'un des domaines où je pense que nous n'en sommes qu'à nos balbutiements en ce qui concerne la compréhension de l'impact plus large sur l'entreprise. SnapLogic est essentiellement un outil d'intégration et d'automatisation. Nous ne sommes pas des RPA. Beaucoup de gens, lorsqu'ils entendent le terme d'automatisation, et l'IA et la ML y sont très liées, pensent aux tâches qui sont simplement répétitives. Et vous venez de le mentionner vous-même, c'est-à-dire comment pouvons-nous libérer le temps des gens pour qu'ils se concentrent sur les tâches plus importantes où vous avez besoin d'un peu plus, vous voulez l'expérience humaine, vous voulez leur intelligence, alors pouvons-nous libérer certaines de ces autres tâches à automatiser pour que nous puissions passer plus de temps à aider l'entreprise à croître de cette façon. 

Avez-vous d'autres exemples concernant l'intégration de cette main-d'œuvre, lorsqu'elle rejoint l'entreprise ou qu'elle en fait partie ? Avez-vous des exemples de la manière dont ils rendent les gens plus productifs, plus performants ? Y a-t-il quelque chose que nous pourrions faire ? Je sais que l'on a toujours craint que l'IA et la ML ne suppriment des emplois, mais j'ai l'impression qu'il est de plus en plus difficile de recruter, d'essayer de trouver le bon ensemble de compétences. Alors comment l'IA et la ML peuvent-elles nous aider à résoudre les problèmes de pénurie d'emplois plutôt que de nous inquiéter de voir les gens quitter l'entreprise ?

Vinesh Sukumar :

Je ne pense pas qu'à ce stade, l'IA prenne réellement le contrôle des emplois. Il y a toujours cette idée fausse que l'IA va complètement envahir le monde. En tout cas, ce n'est pas encore le cas à l'heure actuelle.

Dayle Hall :

Le voyez-vous toujours, Vinesh ? L'entendez-vous toujours ? Il y a encore des rapports à ce sujet, mais je ne les vois pas autant. Mais j'ai toujours l'impression que ce concept, cette idée fausse, existe.

Vinesh Sukumar :

Oh, bien sûr. Cette idée fausse est toujours présente. Je pense que cela concerne également les cas d'utilisation que les gens utilisent habituellement. Par exemple, les gens sont tellement habitués à la conduite manuelle dans une voiture. Si vous voulez vraiment que l'IA soit complètement automatisée ou que la conduite soit automatisée du point de vue de l'ADAS, vous devez vous asseoir derrière les roues. On se demande toujours comment la voiture peut décider de tourner à droite ou à gauche ou de s'arrêter parce qu'il y a une vie dans cette situation. Il y a là une petite inquiétude. Bien qu'il y ait beaucoup d'activités transactionnelles, les institutions financières, il y a beaucoup d'automatisation dans cet espace. Leur préoccupation est la suivante : si je donne ma carte de crédit, si je donne mes informations bancaires, comment cela va-t-il m'affecter ? Il y a toujours une idée fausse à ce sujet, mais cela dépend vraiment de la façon dont les données ont été construites, de la façon dont les applications ont été construites.

S'il y a beaucoup d'investissements techniques et si c'est fait de la bonne manière, je suis presque sûr que la plupart de ces problèmes disparaîtront. Mais cela prendra probablement du temps. D'après mon expérience professionnelle, je m'attends à ce qu'un photographe ait toujours un appareil photo reflex numérique pour tout faire. Avec l'amélioration de la qualité d'image des appareils photo pour les téléphones portables, les APN ont été progressivement abandonnés. Les appareils photo mobiles sont alors devenus la norme de facto pour les personnes qui prennent des photos. Je pense donc qu'il faudra encore du temps pour faire du vélo, mais nous sommes dans une phase où les gens ont besoin d'être éduqués. Et je suis presque sûr qu'avec le temps, cette idée que l'IA va envahir le monde, que ma vie privée est perdue, sera probablement éliminée.

Dayle Hall :

Oui, bien sûr. Et vous avez mentionné un peu plus tôt l'exemple des réunions Zoom. Évidemment, cela s'est accéléré à cause de la pandémie. La pandémie, bien qu'elle ait été terrible pour la plupart d'entre nous et qu'elle ait eu un impact sur nos vies, n'a aidé personne à vivre cela, mais elle a aidé les organisations et certains d'entre nous à apprendre de nouvelles pratiques et à tirer parti de la technologie existante. Pensez-vous que la pandémie a aidé d'autres secteurs à saisir des opportunités et des choses auxquelles nous n'aurions peut-être pas eu accès si nous étions allés au bureau et avions fait les mêmes choses de la même manière ?

Vinesh Sukumar :

Tout à fait. C'est ce que je crois. Un vieux dicton dit que la nécessité est la mère de toutes les inventions. La pandémie a créé une situation défavorable à bien des égards, mais elle a fourni une plateforme pour faire certaines choses plus efficacement, en particulier dans le cadre de la vidéoconférence, par exemple. Les interactions entre humains se sont multipliées. Et dans le cadre de ces interactions, il est très important de mettre l'accent sur l'image vidéo et les flux audio. L'un de ces éléments est le suivant : je n'ai pas de bureau chez moi. Comment puis-je vraiment éliminer mon arrière-plan ? Comment puis-je remplacer mon arrière-plan par quelque chose d'autre, pour m'assurer que mon apparence est bonne ou que les ordures à l'arrière n'apparaissent pas ? Et nous utilisons l'IA pour faire tout cela.

Vous n'avez même pas à vous inquiéter du fait que vous n'êtes pas suffisamment préparé pour participer à la réunion, car l'IA peut s'en charger. Si vous avez des enfants à la maison, beaucoup de personnes dans la même pièce ou des bruits de fond qui ne vous aident pas vraiment lors d'une réunion importante avec des besoins urgents, nous utilisons l'IA pour nous assurer qu'elle ne reconnaît que la voix de cet utilisateur spécifique et que toutes les perturbations environnantes sont complètement réduites ou éliminées. Tout cela n'a été possible que grâce à l'IA. Il y a peut-être deux ou trois ans, ce n'était pas le principal sujet d'attention. Après la pandémie, compte tenu de l'utilisation de l'application spécifique, les chercheurs et la communauté des ingénieurs ont manifesté beaucoup plus d'intérêt. Et l'on a pu constater une infusion beaucoup plus importante d'intelligence des données dans ces applications, ce qui a permis d'améliorer considérablement ces expériences.

Dayle Hall :

Et évidemment, pour les parents qui travaillent, vous avez des enfants en bas âge à la maison. Je suis sûr que certaines de ces fonctions ont été utiles. Si nous revenons à l'entreprise et que nous regardons les personnes qui sont responsables de ces types de technologies, il s'agit généralement de l'organisation informatique, mais les lignes d'activité cherchent également à mettre en œuvre des technologies plus récentes, des choses qui les aident à être plus performantes. Pensez-vous que les organisations informatiques d'entreprise ont une vision plus large des technologies à mettre en œuvre ? Ont-ils besoin d'une initiative de type IA/ML ? Ou bien cherchent-elles encore à résoudre des cas d'utilisation spécifiques et peuvent-elles le faire avec l'IA ? Ont-elles des initiatives plus larges en matière d'IA/apprentissage automatique ? Ou se concentrent-elles encore sur des cas d'utilisation ? L'une ou l'autre de ces initiatives pose-t-elle un problème ?

Vinesh Sukumar :

Je pense que je résumerais probablement cela comme une combinaison des deux. Il y aura toujours un élément tactique que vous ne pourrez pas vraiment résoudre et qui pourra être réalisé en fonction de l'IA/ML. Un élément tactique pourrait être, encore une fois, l'utilisation d'une pandémie comme plateforme, car beaucoup de gens travaillent virtuellement à domicile. Et évidemment, les choses tombent en panne. Les ressources informatiques sont limitées. Il n'est pas possible de travailler avec toutes les personnes concernées, ni de se rendre sur place pour obtenir de l'aide. C'est ainsi qu'ont été créés des robots virtuels qui jouent le rôle d'assistants virtuels pour les services informatiques. En fonction de la nature du problème, les robots virtuels ont fourni entre 50 et 70 % des réponses et ont guidé les utilisateurs sur ce qu'ils pouvaient faire avant même qu'une personne réelle n'intervienne. Je pense donc que cela a été très utile d'un point de vue tactique pour résoudre ces problèmes.

D'un point de vue stratégique, puis-je vraiment utiliser l'IA/ML pour faire beaucoup plus de choses du point de vue de l'entreprise ? Absolument. On s'est toujours demandé comment mettre davantage l'accent sur les histoires des clients ? Comment mettre l'accent sur l'assistance virtuelle ? Et cela pourrait être mis en correspondance avec des cas d'utilisation. Je devrais probablement l'expliquer à l'aide d'un exemple.

Du point de vue de l'entreprise, il s'agit toujours d'améliorer les performances globales de la machine. Puis-je vraiment envisager de prédire la défaillance d'un composant spécifique avant même qu'elle ne se produise ? Mais comme il s'agit d'une défaillance critique, il est évident que tout est perdu.

La question générale que se pose le segment des entreprises du point de vue des TI est la suivante : puis-je obtenir quelques bribes en surveillant les données, les performances des modules clés qui indiquent réellement qu'une défaillance est sur le point de se produire ? Et puis-je informer l'utilisateur qu'il doit s'assurer de faire XYZ choses ou de fournir un certain montant de compensation avant que le composant entier ne tombe en panne, par exemple ? Il s'agit d'un diagnostic complet à ce stade. Et c'est un domaine important pour s'assurer que vous ne perdez pas de productivité, que vous ne perdez pas de données, surtout s'il s'agit de données sensibles, et que vous fournissez des recommandations à l'utilisateur pour qu'il apporte des changements au matériel même si la panne se produit. Je pense donc qu'il s'agit là d'un autre exemple de technologie d'avenir qui peut être mise en place, mais qui s'impose complètement dans l'espace de l'entreprise.

Dayle Hall :

Pour chaque entreprise, que vous essayiez de résoudre une initiative plus importante, que vous essayiez juste de résoudre un cas d'utilisation ou que vous réfléchissiez à la manière dont nous pouvons simplement nous améliorer, je pense qu'il y a trois domaines spécifiques auxquels les entreprises sont confrontées lorsqu'elles cherchent à mettre en œuvre, à adopter ces technologies de type IA. Nous savons maintenant qu'elles sont là pour nous faciliter la vie dans ce que nous faisons. SnapLogic, par exemple, dispose d'un assistant qui vous aide à construire vos intégrations sans que vous ayez à entrer dans chacun de vos systèmes. Il identifie et indique ce que vous faites. Cela vous rend plus productif.

Mais je pense que les trois domaines dont nous entendons le plus parler sont ceux de l'adoption par l'organisation et les personnes. Le deuxième domaine est le défi technologique : comment mettre en œuvre ? Sur quoi dois-je me pencher ? Quels sont les impacts sur les systèmes ? Enfin, le troisième domaine est celui du coût. Est-ce plus cher ? Comment obtenir le retour sur investissement ? Si nous prenons chacun de ces aspects séparément, commençons par les personnes et l'adoption. Pourquoi les organisations, si elles le font, et pensez-vous qu'elles le font, luttent-elles encore pour que les gens adoptent le système ? Qu'est-ce qui les rend nerveux et comment peuvent-ils le surmonter ?

Vinesh Sukumar :

Je commencerai probablement par répondre à la question en disant que pour que l'IA fonctionne vraiment dans ces applications et qu'elle repose sur le fait qu'elle doit disposer des bonnes données, par exemple. Les données sont la clé de voûte de l'apprentissage automatique. Les modèles ne connaissent que ce qu'on leur a montré. Par conséquent, si les données sur lesquelles ils s'appuient sont inexactes, mal organisées ou biaisées d'une manière ou d'une autre, les résultats du modèle seront erronés. En d'autres termes, l'expérience de l'utilisateur devient médiocre. Et par conséquent, l'adoption est moindre. Il faut donc éviter cette situation dès le départ. C'est l'un des sujets les plus importants auxquels chaque organisation est confrontée. Comment éliminer les préjugés, ce qui est un sujet tout à fait important en soi ?

Dayle Hall :

Cela nous amène probablement à l'élément suivant, à savoir la technologie. Si vous recevez des données erronées, les chances que les gens soient productifs et reconnaissent que cela les aide seront moindres. L'adoption sera donc moindre, les gens n'auront pas autant confiance. Ensuite, il s'agit de savoir qui met en œuvre le système. Qui est réellement confronté à ces défis technologiques ? Et comment s'assurer qu'il n'y a pas, nous connaissons tous le terme, d'entrée et de sortie de données ? Comment les organisations, comment les entreprises s'assurent-elles que la partie technique est faite, que les données qu'elles tirent sont crédibles et correctes pour s'assurer que lorsqu'elles s'engagent dans cette voie, elles peuvent aider à stimuler l'adoption ?

Vinesh Sukumar :

L'un des plus grands défis auxquels la plupart des entreprises sont généralement confrontées est de savoir comment rendre les résultats prévisibles. Comment rendre ces résultats plus explicables ? Comment rendre ces résultats plus cohérents indépendamment de la géographie ? Qu'il s'agisse de l'Asie, de l'Amérique du Nord ou de l'Europe, les résultats sont les mêmes. Lorsque vous présentez ces résultats, puis-je expliquer le raisonnement qui les sous-tend ? Est-il cohérent ? Il s'agit donc d'une question qui fait l'objet d'un examen approfondi et qui, à mon avis, nécessite beaucoup plus d'investissements, tant du point de vue de la recherche que du point de vue du scientifique des données, de la manière dont il examine les données, de la manière dont le modèle est construit à partir des données et de la diversité suffisante de ces échantillons de données pour que la prédiction soit beaucoup plus précise. Je pense donc que c'est plus facile à dire qu'à faire. Et je pense qu'il s'agit là d'une préoccupation constante de la part de la plupart des organisations d'entreprise.

Dayle Hall :

Passons maintenant à la dernière étape de la mise en place de ces technologies, à savoir le coût, l'investissement, l'attente de ce qu'elles vont apporter et le retour sur investissement. Comment avez-vous vu les entreprises passer par ce processus ? Où se situent-elles par rapport au fait que le retour sur investissement prendra X années ? Connaissent-elles même le retour sur investissement de ces choses ou pensent-elles simplement que nous devons le faire ? Comment les entreprises évaluent-elles aujourd'hui le rapport entre le coût et le retour sur investissement ?

Vinesh Sukumar :

Aujourd'hui, dans les entreprises, la question n'est pas de savoir pourquoi l'utiliser, mais à quelle vitesse et comment l'utiliser de manière appropriée. La complexité technique reste l'un des plus grands défis pour l'utilisation de l'apprentissage automatique par les entreprises. Le concept de base, qui consiste à alimenter un algorithme en données et à le laisser apprendre les caractéristiques de ces données, est assez simple. Mais pour commencer par des exemples simples, comme je l'ai mentionné, l'un de ces domaines est la productivité. Comment puis-je vraiment améliorer la productivité ? Comment améliorer les recommandations, par exemple, par le biais de robots virtuels ? Comment puis-je améliorer les histoires des clients en m'assurant que si vous essayez de faire un achat en ligne, vous êtes en mesure de conserver ce même client ou consommateur en fonction de ses habitudes d'achat ?

Je pense donc qu'il faut continuellement l'étudier, le mettre en œuvre et essayer de comprendre que lorsque vous commencez à construire une application, vous avez certains indicateurs clés de performance et d'expérience. Lorsque vous les mettez en production, êtes-vous en mesure d'atteindre ces indicateurs ? Si ce n'est pas le cas, puis-je modifier dynamiquement ces modèles ? Puis-je modifier dynamiquement ces algorithmes pour les adapter à un utilisateur spécifique ? La plupart du temps, ce que l'on voit ces jours-ci, c'est que l'on a un modèle générique que l'on applique à tout le monde, ce qui n'est généralement pas le cas.

Si vous avez la possibilité de continuer à l'optimiser sur la base d'un utilisateur spécifique en apprenant les modèles de cet utilisateur spécifique ou d'une application ou du facteur de forme d'un appareil, vous aurez un bien meilleur impact. Je pense donc que les entreprises commencent à le comprendre, à essayer d'étudier et d'obtenir plus de données, à modifier l'implémentation pour passer d'une vue centrée sur le modèle à une vue centrée sur les données. Et je pense que si elles continuent à le faire, il est plus que probable que vous verrez beaucoup plus de succès dans ce segment.

Dayle Hall :

L'un des sujets que nous avons abordés est la peur de perdre son emploi. Nous nous sommes assurés que les données étaient correctes, que les gens pouvaient utiliser l'outil et qu'ils avaient confiance en ce qu'il produisait. Qu'en est-il de la sécurité en général ? Les entreprises sont-elles préoccupées par la sécurité, même avec leurs propres données ou en particulier lorsqu'elles utilisent ces outils d'IA avec leurs clients ? La discussion sur la sécurité n'est-elle pas un sujet à part entière ? Ou les gens sont-ils très prudents à ce sujet ? Cela empêche-t-il les gens d'agir ?

Vinesh Sukumar :

De nos jours, la sécurité est devenue une question très importante. La sécurité se manifeste évidemment de différentes manières. Il peut s'agir, d'une part, de votre signature biométrique. Une signature biométrique peut être l'empreinte de votre voix ou de votre visage. Où est-elle stockée ? Est-elle stockée dans l'appareil ou dans le site cloud? Et quelle est la facilité d'accès à cette signature biométrique ? On sait en effet qu'une signature biométrique peut être modifiée. Une fois que quelqu'un l'a en sa possession, elle disparaît à jamais. Comment puis-je donc la stocker d'une manière extrêmement sûre ? Et que font les particuliers et les entreprises pour protéger au mieux cet actif ?

Il y a aussi un autre aspect de la question : il se trouve que j'ai ces modèles. Tous ces modèles sont essentiellement des fichiers binaires, qui sont des uns et des zéros. Ces fichiers binaires contiennent des algorithmes permettant d'effectuer une certaine prédiction, une certaine détection ou une certaine classification. La plupart de ces algorithmes sont développés sur la base de tonnes et de tonnes de recherches et d'investissements en capital humain. Comment s'assurer que ces binaires ne sont pas corrompus ou qu'ils n'ont pas été extraits par une autre application ? Comment comprendre exactement quelle est la sauce secrète dans la manière dont ces prédictions sont faites ?

Il est également important de comprendre comment les stocker et les conserver en lieu sûr. Je pense donc que cela devient de plus en plus important. Et puis, à l'avenir, les organisations mettent beaucoup plus l'accent, à la fois sur le matériel et sur les logiciels, pour s'assurer que les modèles, les binaires, les algorithmes sont tous sécurisés, et que les chances que quelqu'un en extraie des informations utiles peuvent être réduites autant que possible.

Dayle Hall :

La sécurité a toujours été une grande question, en particulier autour des logiciels et de l'accessibilité aux données des personnes, etc. Mais une fois que l'IA et la ML sont introduites, comme vous l'avez dit, quelque chose d'aussi important que vos données biométriques, vous devez évidemment être très prudent à ce sujet. Et je pense que ce qui ralentit l'adoption dans certains milieux, avec certaines personnes, c'est qu'elles n'ont toujours pas confiance en la sécurité de ces données. C'est donc un aspect qui, selon moi, deviendra de plus en plus important au fur et à mesure que nous avancerons. Si je disais, oubliez le calendrier une seconde. Oubliez que c'est une centaine d'années, peut-être que c'est 10 ans, 5 ans. Si nous considérons le parcours de l'IA/ML et toutes ces opportunités, sommes-nous à mi-parcours ? Sommes-nous à 2 % de ce qui est possible ? Ma question est la suivante : quel que soit le temps que vous passerez à travailler dans ce domaine, quelle est la chose que vous seriez vraiment heureux de voir pendant votre temps de travail avec cette technologie ?

Vinesh Sukumar :

Je pense que l'IA entre dans une phase où elle est de plus en plus acceptée dans de nombreux segments verticaux. Il y a dix ou quinze ans, lorsque j'ai commencé ma carrière professionnelle, l'IA relevait essentiellement de la physique théorique et des mathématiques. Il n'y avait pas d'applications autour d'elle. Aujourd'hui, les applications se multiplient. Chaque aspect de la vie, téléphone portable, voiture, PC, lunettes, peu importe ce que vous prenez, vous voyez des éléments de l'IA. Mais je pense que le prochain élément important, je dirais que l'évolution de l'IA est d'induire du bon sens dans l'IA, où l'IA ne fait pas les choses parce que les données suggèrent qu'elle doit faire certaines choses.

Mais il essaie de comprendre le contexte. Il essaie d'obtenir des données à partir de différents types d'informations sensorielles et de faire une prédiction sur la base du scénario et du contexte. C'est ce que j'entends par "bon sens". Comment puis-je m'assurer que l'IA est suffisamment intelligente pour ne pas me donner toujours la même réponse ? Elle doit comprendre le contexte et fournir une réponse. Voilà ce que je pense. Vous entrez dans l'espace d'un véritable bot d'IA, d'un véritable monde virtuel d'IA. Et c'est ce qui m'enthousiasme, l'espoir que nous arrivions à cette phase où l'IA devient une IA vraiment intelligente.

Dayle Hall :

J'adore cela. Nous pourrions parler pendant trois heures, j'en suis sûr. Je ne sais pas si quelqu'un pourrait nous écouter pendant trois heures. Mais si je regarde ces entreprises, nous avons un peu parlé des cas d'utilisation par rapport aux grandes initiatives d'IA. Nous avons parlé de l'optimisation des applications pour la productivité. Vous avez parlé des vraies données comme étant la ligne de vie de l'IA et de la ML. J'aime le bon sens de l'IA qui permet de vraiment comprendre le contexte. Si vous aviez un dernier conseil à donner, les entreprises envisagent différentes initiatives de transformation numérique, mais disons qu'elles en ont plusieurs. Quel serait le conseil que vous donneriez à une entreprise qui dirait, écoutez, si vous allez commencer ce voyage, que ce soit un cas d'utilisation, que ce soit juste une initiative plus importante, quel est le conseil qu'ils doivent vraiment creuser maintenant avant de commencer à regarder la technologie à mettre en œuvre et les coûts et ainsi de suite ? Quelle est la chose à laquelle ils doivent penser lorsqu'ils entament ce voyage ?

Vinesh Sukumar :

Je dirais que l'IA d'entreprise telle qu'elle se présente aujourd'hui, toute nouvelle technologie qui arrive, comporte ses propres risques, mais tant que vous en comprenez les forces et que vous planifiez le succès, l'IA va faire des choses fantastiques dans l'espace de l'entreprise. J'entamerais les discussions. Et puis, évidemment, c'est la façon dont vous regardez les données, dont vous manipulez les données, dont vous utilisez les données, qui fait que l'expérience est bien meilleure. C'est donc sur cela que je mettrais l'accent pour aller de l'avant.

Dayle Hall :

C'est très bien. Eh bien, encore une fois, j'apprécie le temps que vous m'avez accordé, Vinesh. Ces conversations, bien que relativement brèves pour un podcast, sont très instructives. J'ai beaucoup appris et j'apprécie votre temps. Merci d'avoir participé à notre podcast aujourd'hui.

Vinesh Sukumar :

Merci, Dayle. C'était fantastique pour moi aussi. Merci de m'avoir donné l'occasion de parler de Qualcomm AI, de mon rôle au sein de Qualcomm et de certaines des relations fantastiques que j'entretiens avec l'ingénierie et l'organisation de la recherche. Merci encore une fois, Dayle.

Dayle Hall :

Absolument. Nous garderons un œil sur tout ce que vous allez faire dans l'industrie en tant que l'un des leaders à l'avant-garde de ce domaine. Nous apprécions donc votre temps. Merci de nous avoir rejoints. À tous les autres, merci d'avoir écouté cet épisode d'Automating the Enterprise, et nous vous donnons rendez-vous pour le prochain.