Les principaux points à retenir d’Accelerate : comment les entreprises de services financiers et les industriels exploitent les données et l’IA pour un ROI mesurable

Pour de nombreuses entreprises, tous secteurs confondus, l’ère de l’IA expérimentale a cédé la place à l’ère de la mise en œuvre pratique. Même les entreprises qui testent et évaluent encore des solutions d’IA délaissent l’art du possible pour se concentrer davantage sur ce qui produira bientôt un retour sur investissement mesurable.

« Votre entreprise ne pourra plus se contenter d’utiliser l’IA pour obtenir l’approbation de ses dirigeants », explique Samuel Lee, Product Marketing Director for Financial Services chez Snowflake. « Les entreprises doivent réellement tirer de la valeur de leur mise en œuvre de l’IA, et les dirigeants seront de plus en plus sous pression pour quantifier leurs investissements dans l’IA et leur impact au sens large. »

C’était un message clé des deux derniers événements sectoriels de Snowflake, Accelerate Financial Services et Accelerate Manufacturing, qui ont eu lieu en mars. Ces événements, en collaboration avec Amazon Web Services (AWS), partenaire de Snowflake, ont été une précieuse occasion pour les professionnels et les leaders d’apprendre à surmonter les obstacles liés aux données et à la mise en œuvre de l’IA, à faire évoluer l’IA en toute confiance et à obtenir des résultats commerciaux fructueux. 

Les sessions ont mis en avant les dernières tendances, les cas d’usage innovants et les stratégies pour créer une stratégie data et IA d’entreprise gagnante. Des experts et clients de Snowflake ainsi que des leaders d’AWS ont fourni des informations stratégiques et des conseils pratiques pour optimiser une stratégie d’IA, des démos de cas d’usage clés et les meilleures pratiques.

Voici sept points à retenir :

• Une stratégie de data cloud est la première étape pour les entreprises qui cherchent à utiliser l’IA dans leurs opérations. « [L’exploitation] de l’IA/ML avancée commence presque toujours par l’introduction de toutes vos données dans le cloud de manière organisée et systématique », explique Magnus Akesson, Worldwide Head of Industrial Vertical Solutions GTM chez AWS. 

• L’accessibilité des fonctionnalités d’IA avancées transforme et simplifie les tâches opérationnelles. « Nous observons sans aucun doute davantage de fonctionnalités d’efficacité opérationnelle, en particulier dans des tâches telles que le traitement de documents », explique Debanit Das, Senior Director of Technology chez Northwestern Mutual. « Auparavant, le traitement des données non structurées était chronophage et pénible, nécessitant un travail manuel. Désormais, l’automatisation de ces tâches à l’aide de LLM et de fonctionnalités de ML nous permet de les exploiter de manière plus rentable. Si la mise en œuvre de modèles d’analyse sémantique et de reconnaissance de tendances était toujours possible, il était coûteux d’avoir une équipe de recherche et développement dédiée. Maintenant, avec un peu de prompt engineering, vous pouvez accéder à ces capacités. »

• La conformité réglementaire est au cœur des préoccupations des leaders qui adoptent les technologies émergentes. « De nombreuses entreprises de services financiers exploitent l’IA, en particulier l’IA générative et l’automatisation agentique », explique Lorraine Knerr, Global Head of Gen AI and Data Solutions Strategy and Architecture chez AWS. « Elles veulent savoir qu’elles sont prêtes pour l’intense contrôle réglementaire qui en découle, notamment en termes de confidentialité des données. »

• À mesure que les modèles d’IA deviennent de plus en plus sophistiqués, une évolution vers une gouvernance globale émerge. « Il y a toujours eu une gouvernance des modèles, mais l’objectif est désormais de gouverner non seulement les données qui entrent dans l’entraînement des modèles d’IA, mais aussi les réponses qui en ressortent », explique Awah Teh, VP of Data Governance and Privacy Engineering chez Capital One.

• Les grandes entreprises ont mis en œuvre des stratégies multiformes pour s’adapter aux transformations importantes des supply chains. Elles comprennent « l’adoption de la transformation numérique, la promotion de relations plus collaboratives avec les fournisseurs, la mise en œuvre d’une fabrication agile et lean, et le développement de réseaux résilients et flexibles », explique Saurabh Vijayvergia, AI Strategy and Engineering Leader chez Deloitte. « La collaboration autour des données continue d’être l’un des axes les plus importants pour les entreprises, afin d’améliorer l’efficacité et l’intégration tout au long de la chaîne de valeur de bout en bout. [...] En partageant des données de manière transparente tout au long de la chaîne de valeur, ces entreprises peuvent obtenir une visibilité et des informations améliorées sur chaque facette de leur supply chain, ce qui permet d’identifier et d’atténuer de manière proactive les perturbations potentielles. »

• Avant d’appliquer de nouvelles technologies, les industriels doivent s’assurer que leurs données sont en ordre. « Les outils technologiques sont formidables. Cependant, envisagez d’abord [d’améliorer] vos processus... Mettez en place un processus de gouvernance des données et maîtrisez les processus de gestion des données qui inventorient toutes les données dont vous disposez », explique Ramin Rastin, Senior Vice President of Data Engineering and Advanced Data Sciences (IA/ML) chez GXO Logistics. « Corrigez d’abord tous ces processus, car une fois que vous lancez, par exemple, un data lake mondial avec un partenaire comme Snowflake, cela rend l’intégration de cet outil beaucoup plus facile, beaucoup plus rapide et beaucoup plus agile. Et ce que vous tirez de cette plateforme avec les outils d’IA devient beaucoup plus significatif. » 

• L'IA générative est déjà en train de remodeler les supply chains de l'industrie. « L’IA générative est utilisée dans toutes les entreprises industrielles, que ce soit pour planifier l’amélioration des prévisions de la demande, des processus de production ou même pour réduire les stocks », explique Tim Long, Manufacturing Global Industry GTM Lead chez Snowflake. « Dans l’ensemble de l’industrie, l’IA générative apparaît comme une technique de pointe permettant d’identifier les défaillances et les causes profondes. » Tim Long ajoute que « l’IA générative favorise les supply chains cognitives, pour s’assurer que le produit est livré le plus efficacement possible au client final. » 

Vous n’avez pas pu y assister ? Vous pouvez toujours suivre les événements à la demande : Accelerate Financial Services et Accelerate Manufacturing.