Présentation de l'IA sur le Web

Lorsque vous développez avec l'IA, vous pouvez vous perdre dans le choix du modèle, de l'infrastructure et du code. Vous risquez d'oublier la vue d'ensemble.

Dans ce module, nous vous présentons un plan que vous pouvez utiliser pour cartographier toute nouvelle fonctionnalité ou tout nouveau produit d'IA :

• Pourquoi créez-vous ? Quelle valeur votre cas d'utilisation de l'IA apporte-t-il aux utilisateurs ?
• Comment votre application fonctionnera-t-elle ?
• Comment vous assurer que chaque partie de votre système est développée de manière responsable ?

Pour comprendre le fonctionnement de ce plan, imaginez que vous travaillez sur un site d'e-commerce, Example Shoppe. Vos concurrents s'efforcent d'intégrer des chatbots génériques, mais ils n'ont pas encore réussi à gagner du terrain. Vous souhaitez offrir une meilleure expérience à vos utilisateurs et décidez d'améliorer votre expérience de recherche sans perturber les principaux flux utilisateur.

Grâce à une mise à niveau basée sur l'IA, les acheteurs peuvent saisir des expressions en langage naturel, comme "chaussures de trail rouges pour l'hiver", et obtenir des résultats pertinents qu'ils auraient pu manquer avec une recherche par mots clés.

Opportunité

Chaque projet d'IA doit commencer par un cas d'utilisation clair : une tâche ou un problème d'utilisateur qui mérite d'être résolu avec l'IA. L'IA introduit de l'incertitude et d'autres risques dans votre application. Vous ne devez donc l'utiliser que si le problème ne peut pas être résolu de manière conventionnelle et déterministe.

Cas d'utilisation

Pour Example Shoppe, la recherche est une fonctionnalité majeure qui permet aux utilisateurs de trouver les produits qu'ils recherchent. Les utilisateurs abandonnent souvent leurs recherches lorsqu'elles échouent en raison de fautes de frappe, de synonymes ou de requêtes vagues. Vous le savez grâce à vos propres données analytiques, mais aussi grâce à des études externes. Grâce à une recherche plus flexible et intelligente, les parcours de vos utilisateurs peuvent être plus efficaces et agréables.

Voici d'autres exemples de cas d'utilisation de l'IA :

• Sur un site d'actualités, vous pouvez réduire la charge cognitive en résumant les informations de manière structurée.
• Sur une plate-forme de publication, vous pouvez améliorer l'accessibilité en suggérant automatiquement des textes alternatifs et des sous-titres.
• En tant que fournisseur de services cloud, vous pouvez réduire les demandes d'assistance grâce à une recherche de documentation plus intelligente.

Pour réussir avec l'IA, il est essentiel d'identifier les opportunités à fort potentiel. Comme l'indique un rapport de la RAND Corporation, le choix d'une mauvaise opportunité est l'une des principales raisons de l'échec des projets d'IA.

Valeur

La valeur a deux aspects : les avantages pour les utilisateurs et les avantages pour le produit ou l'entreprise. Dans la plupart des produits sains et responsables, ces deux éléments sont alignés : lorsque les utilisateurs réussissent, l'entreprise se développe également. Pour Example Shoppe, la recherche optimisée par l'IA crée de la valeur en aidant les utilisateurs à trouver plus rapidement les bons produits, avec moins de friction. Cela permet d'améliorer la découverte des produits, les taux de conversion et la satisfaction des clients à long terme.

Parfois, la valeur peut être immatérielle, comme la satisfaction et la confiance des utilisateurs. Surtout au début, il est préférable de trouver un moyen de quantifier la proposition de valeur. Vous disposerez ainsi d'une base solide pour définir les priorités, communiquer l'impact et convaincre les parties prenantes. Même des estimations approximatives peuvent guider les décisions et rendre le succès mesurable.

Solution

Après avoir clarifié pourquoi vous ajoutez l'IA à votre produit, réfléchissez à comment vous allez l'implémenter. Découvrez les principaux composants d'une solution d'IA.

Données

Les données sont le carburant de l'IA. En fin de compte, votre système d'IA est limité par sa capacité à apprendre à partir de vos données. Des données de mauvaise qualité, incomplètes ou mal alignées entraînent des résultats médiocres et frustrent les utilisateurs, quelle que soit la sophistication du modèle ou de l'infrastructure. À l'inverse, des données de haute qualité et une boucle de données bien conçue sont des moteurs de valeur qui peuvent également contribuer à différencier votre produit.

Les données se présentent sous différentes formes et modalités. Pour notre exemple de recherche optimisée par l'IA, les données utiles peuvent inclure :

• Données structurées : titres, couleurs, tailles, catégories et disponibilité des produits.
• Données non structurées : descriptions de produits, avis des utilisateurs et questions fréquentes.
• Listes de synonymes : relations entre les termes, par exemple "baskets" équivaut à "chaussures de course".
• Signaux utilisateur : les clics, les temps passés sur une page, les actions d'ajout au panier et les achats sont autant de signaux qui aident les modèles à comprendre ce que les utilisateurs trouvent réellement pertinent.
• Données visuelles : images de produits pouvant être intégrées dans un index de similarité visuelle, permettant aux utilisateurs de rechercher des articles par photo ou de découvrir des articles visuellement similaires, même sans texte correspondant.

Cela peut sembler beaucoup de données, mais ne vous inquiétez pas. Commencez petit, avec quelques sources de données qui offrent le meilleur rapport signal/bruit, puis développez-les à mesure que votre système évolue.

Dans la plupart des cas, vos données brutes ne sont probablement pas prêtes à être ingérées par un modèle. Elles doivent être nettoyées, prétraitées et organisées dans un format adapté à l'IA. Par exemple, les signaux utilisateur peuvent être transformés en séquences d'actions, tandis que les descriptions de produits non structurées peuvent être encodées en tant qu'intégrations sémantiques.

Les données peuvent être utilisées à différentes étapes du cycle de vie de l'IA :

• Lors de l'entraînement ou du réglage fin, il est utilisé pour enseigner au modèle des schémas et des relations.
• Lors de l'évaluation, vous pouvez l'utiliser pour tester la qualité, l'exactitude et la pertinence.
• En production, vous pouvez l'utiliser pour suivre la dérive et recueillir les commentaires des utilisateurs réels.

En bref, les données ne sont pas qu'une entrée, mais un élément vivant. Bien gérer les données est l'une des compétences les plus précieuses qu'un développeur Web peut acquérir lorsqu'il travaille avec l'IA.

Intelligence

La couche d'intelligence est celle où l'IA distille et crée de la valeur. Souvent, un modèle est au cœur de l'IA, mais la plupart des systèmes sont plus complexes. Pour Example Shoppe, la couche Intelligence interprète les requêtes des utilisateurs à l'aide de différentes méthodes :

• Reconnaissance des entités nommées et extraction d'informations pour extraire des attributs tels que color=red ou season=winter.
• Un modèle d'embedding de phrases pour créer des représentations sémantiques des requêtes utilisateur et des produits disponibles.
• Recherche sémantique pour récupérer des résultats pertinents.
• Un modèle de réorganisation petit et personnalisé pour classer précisément les résultats en fonction de leur pertinence.

L'intelligence est sans doute la partie la plus intéressante de votre système d'IA, mais c'est aussi le composant le plus médiatisé. De nouveaux modèles sont lancés chaque semaine, souvent accompagnés de superlatifs marketing.

Voici deux facteurs clés à prendre en compte :

• L'IA ne se limite pas à l'IA générative et aux grands modèles de langage (LLM). De nombreuses tâches sont mieux adaptées aux modèles spécialisés plus petits, qui sont plus rapides et moins coûteux à déployer et à entretenir.
• Les systèmes d'IA réels reposent rarement sur un seul modèle monolithique. Au lieu de cela, ils utilisent des architectures d'IA composées, qui combinent un ou plusieurs modèles avec des composants supplémentaires, tels que des bases de données, des API et des garde-fous. Ils fonctionnent ensemble pour offrir un comportement robuste et adapté au contexte.

Au lieu de chercher à atteindre le dernier record du classement, sélectionnez l'intelligence qui correspond le mieux à votre problème. Vous pourrez ainsi vous adapter à l'évolution de votre produit et de votre activité. Dans les prochains modules, vous apprendrez les techniques d'IA les plus courantes du moment : l'IA prédictive et l'IA générative. Vous apprendrez également à évaluer et à sélectionner l'approche technique adaptée à votre système.

Expérience utilisateur

L'interface utilisateur est le canal qui fournit la valeur de l'IA à vos utilisateurs. Les interfaces logicielles déterministes sont certaines et prévisibles : la même entrée produit toujours la même sortie. L'IA introduit de l'incertitude. Deux requêtes presque identiques peuvent générer des résultats complètement différents. De plus, même les modèles d'IA les plus puissants sont connus pour leurs hallucinations et autres types d'erreurs.

Vous devez être extrêmement prudent lorsque vous effectuez ce changement, surtout si vous ajoutez l'IA à un produit existant. Les chatbots ouverts sont amusants, mais complexes et risqués en pratique.

Au début, essayez de minimiser l'incertitude et les risques auxquels les utilisateurs sont exposés. Par exemple, dans le cas d'Example Shoppe, la recherche optimisée par l'IA peut être intégrée discrètement à l'interface existante. Les utilisateurs continuent de saisir des requêtes en langage naturel et obtiennent des résultats de recherche de meilleure qualité.

Même si la fonctionnalité d'IA fonctionne en arrière-plan, il est recommandé de renforcer la transparence. Par exemple, vous pouvez ajouter une notification et une brève explication sur la façon dont le système sélectionne ces résultats.

Dans Schémas UX, vous apprendrez à équilibrer l'exposition, les capacités et les risques de l'IA dans l'expérience utilisateur de votre produit.

Gouvernance

Les systèmes d'IA doivent être conçus de manière responsable. Vous devez créer un système qui protège la confidentialité des utilisateurs, atténue les biais, assure la transparence et respecte toutes les normes juridiques applicables. Une bonne gouvernance ne sert pas uniquement à assurer la conformité. Il s'agit d'un principe de conception essentiel pour gagner la confiance des utilisateurs et favoriser l'adoption.

Dans la recherche optimisée par l'IA d'Example Shoppe, la gouvernance commence par des mesures de protection intégrées au produit :

• Confidentialité : les données de personnalisation restent locales, sauf si les utilisateurs activent explicitement cette option. Vous pouvez l'activer ou la désactiver à tout moment.
• Équité : les résultats de recherche sont audités pour garantir une visibilité équilibrée entre les marchands.
• Confiance et transparence : l'exemple Shoppe permet de comprendre pourquoi un résultat a été fourni en haut de chaque requête de recherche. C'est l'occasion de gagner la confiance des utilisateurs.
• Sécurité : les requêtes dangereuses ou faisant l'objet de restrictions (par exemple, les articles interdits) sont filtrées ou bloquées par des garde-fous.
• Recours : les utilisateurs peuvent ignorer rapidement les suggestions de l'IA, signaler les mauvais résultats ou interactions de l'IA, et revenir à une recherche par mots clés uniquement si les améliorations de l'IA ne sont pas utiles.

Pour créer une IA de manière responsable, vous devez prendre en charge votre processus de déploiement. Concevez des garde-fous et des boucles de rétroaction bien pensés. Vous définissez la sécurité et la fiabilité de l'expérience, tout en fixant les attentes concernant son utilisation et ses limites. Bien que vous ne puissiez pas contrôler complètement le résultat, vous devez être prêt à répondre à toute préoccupation.

Vous en apprendrez davantage sur les aspects fondamentaux de la gouvernance de l'IA dans Développer de manière responsable avec l'IA, qui vous fournira des outils pratiques pour créer des applications d'IA durables et fiables.

Vos points à retenir

Le plan du système d'IA peut vous aider à clarifier et à harmoniser tout projet d'IA auquel vous participez. Nous avons examiné chaque élément du plan de manière générale. Au fur et à mesure de votre lecture, vous en apprendrez plus sur chaque étape.

Vous verrez à nouveau ce plan pour différents exemples, avec certaines couches expliquées plus en détail.

Vérifier que vous avez bien compris