Note de l’éditeur : l’article d’aujourd’hui a été initialement publié sur le blog DataRobot le 21 octobre 2021.

Les organisations d’aujourd’hui sont confrontées à un grand paradoxe de l’apprentissage automatique. La plupart investissent plus que jamais dans l’intelligence artificielle et l’apprentissage automatique (IA/ML), mais bien trop peu ont mis en œuvre des modèles de ML ou réalisé l’impact commercial promis par l’IA/ML. Alors que les entreprises consacrent des ressources à l’IA et à l’apprentissage automatique, pourquoi les résultats sont-ils encore si insaisissables ? DataRobot s’est plongé dans les stratégies d’IA/ML de plus de 400 organisations de tous les secteurs pour le découvrir.

La promesse du ML

Notre recherche montre que 86% des organisations ont augmenté leurs budgets AI/ML de FY20 à FY21, et 86% des entreprises classent l’IA/ML au-dessus des autres initiatives informatiques en termes d’importance stratégique. De toute évidence, ils reconnaissent le potentiel de l’IA/ML et savent qu’il est crucial pour leur succès futur. Les entreprises organisent également leurs effectifs autour de la réussite de l’IA/ML, 57 % des organisations employant désormais 50 data scientists ou plus.

Le défi

Dans le même temps, la complexité des projets d’IA/ML pose un défi de taille aux entreprises : 90 % des organisations sont aux prises avec des besoins complexes en matière d’infrastructure ou de charge de travail, 88 % ont des difficultés avec l’intégration et la compatibilité des technologies de ML et 86 % ont des difficultés avec les mises à jour fréquentes. requis pour les outils de science des données.

Au-delà de la complexité technique, les organisations sont aux prises avec des exigences réglementaires et de sécurité en constante évolution. En fait, la sécurité informatique est l’obstacle n°1 pour de nombreuses entreprises alors qu’elles développent leurs initiatives d’IA/ML. 88 % des répondants l’ont classé comme un défi, avec 25 % – le pourcentage le plus élevé pour un seul défi – le nommant leur « meilleur défi ». 85 % ont également des difficultés avec les exigences de gouvernance informatique, de conformité et d’auditabilité.

En examinant comment les organisations gèrent ces défis, notre recherche a révélé que le simple fait d’ajouter plus de ressources humaines aux projets d’IA/ML n’est pas synonyme de succès. Plutôt que d’automatiser les processus de déploiement, de gestion et d’optimisation des modèles en production, les organisations se chargent davantage du travail manuel pour faire évoluer l’impact de l’IA/ML. Il est clair que c’est insoutenable. Comment les entreprises cassent-elles ce schéma ?

La solution de plate-forme

Combler cet écart nécessite une évolution de la manière dont l’IA/ML est fourni. C’est là qu’intervient une plate-forme d’IA/ML de bout en bout avec des opérations d’apprentissage automatique (MLOps) de niveau entreprise conçues pour l’automatisation. Une plate-forme unifiée fournit un centre d’excellence pour l’IA de production, offrant aux organisations un endroit central pour déployer, surveiller , gérez et gouvernez n’importe quel modèle d’apprentissage automatique en production, indépendamment de la façon dont il a été créé ou du moment et de l’endroit où il a été déployé.

Alors que l’environnement de l’IA et du ML continue de devenir de plus en plus complexe et stimulant, et que les organisations travaillent de plus en plus sur des infrastructures multi-cloud et que les exigences réglementaires et de sécurité évoluent rapidement, la voie la plus claire vers le succès réside dans les plates-formes d’IA qui automatisent les pipelines de ML et centralisent leur IA. /Applications ML. La sécurité et les contrôles étendus intégrés aux MLOps allègent ce fardeau pour les organisations afin qu’elles puissent rapidement déployer des modèles en production.

Nous pensons que MLOps est essentiel pour résoudre les défis d’IA/ML les plus urgents d’aujourd’hui. Les organisations qui maîtrisent les MLOps sont celles qui seront en mesure d’évoluer efficacement et d’appliquer l’IA/ML de manière à avoir un véritable impact commercial.

Lisez le rapport complet, « 5 dernières tendances en apprentissage automatique en entreprise ».