Comment aborder un projet d’IA ? Par quoi commencer ?

Adel Chaibi : Tout projet d’intelligence artificielle débute par l’identification d’une problématique business. Notre rôle premier est d’accompagner les porteurs de projets dans la compréhension des bénéfices de l’intelligence artificielle dans le cadre de leur activité.

Plusieurs paramètres sont à prendre en compte, tout d’abord, identifier le besoin métier.

Une fois cette étape réalisée, nous passons dans une phase d’analyse exploratoire et de visualisation des données à partir d’un échantillon pour affiner les cas d’usage. Cette étape permettra ainsi d’extraire des connaissances « à priori » qui permettront de construire le modèle.

Il faut savoir que l’élaboration du flux de données (Data workflow) ainsi que l’infrastructure hardware et software qui va pouvoir le gérer représente un grand challenge pour les entreprises.

« Gardons à l’esprit l’importance de déployer la bonne technologie d’IA, au bon endroit, en fonction d’un usage bien identifié » - Adel Chaibi

Quels sont les principaux écueils à éviter dans la conduite d’un projet d’IA ? 

Adel Chaibi : Deux éléments d’importance primordiale sont souvent sous-estimés. D’un côté le travail de mise en place de l’architecture hardware et software qui doit supporter le traitement de la donnée (Dev Ops) et d’un autre côté les aspects relatifs à la préparation de la donnée pour faire de l’apprentissage, qui représente entre 80 et 90% de la charge de travail.

Par ailleurs, nous remarquons que beaucoup d’organisations veulent répondre à des cas d’usage très complexes dès le départ du projet, ou cherchent à définir les plateformes hardware et software avant les cas d’usage.

L’autre erreur courante est de se focaliser sur les tendances technologiques du moment alors que les besoins business ne sont pas systématiquement alignés avec ces tendances.

Comment Intel se démarque-t-il dans le monde de l’IA ?

Intel innove constamment pour accélérer l’utilisation de l’intelligence artificielle en développant des technologies hardware qui s’adaptent au besoin et qui vont  de la périphérie du réseau au cloud.

Il est aussi important de développer les outils logiciels qui permettent de tirer le maximum de performance du hardware.

Par conséquent, le rôle d’Intel dans l’intelligence artificielle s’articule essentiellement autour de deux axes :

Les composants matériels dans un premier temps. Le portefeuille de produits et technologies Intel inclut de multiples composants qui ont une pertinence et une relevance dans l’IA. Tout d’abord les les processeurs Intel® Xeon® Scalable, qui représentent aujourd’hui en très grande majorité l’architecture de référence pour faire de l’inférence des réseaux de neurones. Mais également avec les puces programmables FPGA Intel® Arria® 10 et Stratix® 10, ou également la gamme Intel® Movidius™ Myriad™ 2 et Myriad™ X, dont les dimensions compactes et la consommation énergétique très basse renforcent leur pertinence pour des applications industrielles telles que les caméras de surveillance, les dispositifs de post-traitement de l’imagerie médicale, par exemple.

Une autre innovation importante qui pourrait changer la donne sera l’arrivée sur le marché des premiers processeurs NNP (Neural Network Processors) développés par Nervana, une startup acquise par Intel en 2016. Intel a publiquement annoncé le développement d’un accélérateur pour l’apprentissage des réseaux de neurones et une autre version pour faire de l’inférence en atteignant des niveaux de performance considérablement supérieurs aux CPUs.

Par ailleurs, Intel est également éditeur d’outils de développement et de logiciels d’optimisation. Il est l’un des plus importants contributeurs à l’Open Source, en 5e position en 2018 selon Infoworld[1].

L’IA occupe chaque année une part de plus en plus importante de cette contribution, on trouve par exemple le projet NGraph, un compilateur qui va s’interfacer entre les différents frameworks comme Tensorflow, Pytorch et les différentes architectures Hardware. Un autre exemple, le projet Big DL, une librairie développée pour Apache Spark qui permet de développer des réseaux de neurones à exécuter sur des clusters Spark et stockés sur des serveurs Hadoop.

« Intel dispose sans aucun doute du portefeuille de solutions d’IA la plus complète du secteur. »

Le portefeuille de solutions en intelligence artificielle d’Intel est donc extrêmement complet, tant d’un point de vue des technologies matérielles que logicielles. Celles-ci présentent des capacités étendues et prennent en charge différentes approches de l'IA, qu'il s'agisse des applications d'IA actuelles ou des tâches d'IA plus complexes à venir.

 Conclusion: 

L’IA se déploie partout, des objets connectés en périphérie de réseau aux centres des données et au Cloud. Intel apporte des briques technologiques pour répondre à chaque besoin.

Intel, avec les processeurs Intel® Xeon®, apporte aujourd’hui une plateforme polyvalente aussi bien pour l’inférence que l’apprentissage, quoique dans certains domaines les GPU et bientôt les NNP sont plus optimisés.

A côté de cela, Intel collabore avec l’écosystème et la communauté open source afin de concevoir les briques logicielles qui demain permettront d’intégrer ces nouveaux produits dédiés à l’Intelligence Artificielle.