Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Stratégie en matière de données
Une stratégie de données bien définie est essentielle à l'adoption réussie de l'IA générative. Cette section examine comment la stratégie en matière de données joue un rôle essentiel à chaque étape du parcours d'adoption de l'IA générative. Il décrit également les principales considérations relatives aux différents aspects de la mise en œuvre. Pour plus d'informations sur les étapes du parcours vers l'IA générative, consultez le modèle de maturité pour l'adoption de l'IA générative AWS sur le guide AWS prescriptif.
Le parcours d'adoption de l'IA générative est une progression structurée en quatre étapes clés :
-
Envision — Les organisations explorent les concepts d'IA générative, sensibilisent et identifient les cas d'utilisation potentiels.
-
Expérience — Les organisations valident le potentiel de l'IA générative par le biais de projets pilotes structurés et de preuves de concept, tout en développant les capacités techniques de base et les cadres de base pour la mise en œuvre.
-
Lancement — Les organisations déploient systématiquement des solutions d'IA générative prêtes pour la production dotées de mécanismes de gouvernance, de surveillance et de support robustes afin de fournir une valeur constante et une excellence opérationnelle tout en respectant les normes de sécurité et de conformité.
-
Échelle — Les organisations mettent en place des capacités d'IA générative à l'échelle de l'entreprise grâce à des composants réutilisables, à des modèles standardisés et à des plateformes en libre-service afin d'accélérer l'adoption tout en maintenant une gouvernance automatisée et en favorisant l'innovation.
À toutes les étapes, AWS met l'accent sur une approche holistique, alignant la stratégie sur les investissements en infrastructure, les politiques de gouvernance, les cadres de sécurité et les meilleures pratiques opérationnelles afin de promouvoir un déploiement responsable et évolutif de l'IA. Chaque étape nécessite un alignement sur les six piliers fondamentaux de l'adoption : entreprise, personnel, gouvernance, plateforme, sécurité et opérations. Ces piliers s'alignent sur le cadre d'adoption du AWS cloud (AWS CAF)
Cette section décrit plus en détail les étapes suivantes du modèle de maturité :
Niveau 1 : Envision
Au stade Envision, les organisations se concentrent sur la planification en identifiant les cas d'utilisation appropriés, en cartographiant les sources de données nécessaires à la mise en œuvre et en établissant les exigences fondamentales en matière de sécurité et d'accès aux données pour la prochaine phase d'expérimentation.
À ce stade, les critères d'alignement pour les piliers de l'adoption sont les suivants :
-
Entreprise — Identifiez les cas d'utilisation stratégiques de l'IA générative qui correspondent aux objectifs de l'entreprise. Évaluez où se trouvent les données de grande valeur et leur accessibilité.
-
Personnel — Favorisez une culture axée sur les données en sensibilisant les dirigeants et les parties prenantes à l'importance des données dans l'adoption de l'IA générative.
-
Gouvernance — Effectuez un audit initial des données pour évaluer la conformité, les problèmes de confidentialité et les risques éthiques potentiels. Élaborez des politiques précoces sur la transparence et la responsabilité en matière d'IA.
-
Plateforme : évaluez l'infrastructure de données existante, cataloguez les sources de données internes et externes et évaluez la qualité des données pour déterminer la faisabilité de l'IA générative.
-
Sécurité — Commencez à mettre en œuvre des contrôles d'accès et des principes du moindre privilège pour l'accès aux données. Assurez-vous que les modèles d'IA générative ne peuvent récupérer que les informations auxquelles l'utilisateur est autorisé à accéder.
-
Opérations — Définissez une approche structurée de collecte, de nettoyage et d'étiquetage des données pour les expériences d'IA générative. Établissez des boucles de rétroaction initiales pour la surveillance des données.
Niveau 2 : Expérience
Au cours de la phase d'expérimentation, les organisations valident la disponibilité et la pertinence des données requises pour soutenir la mise en œuvre des cas d'utilisation identifiés. En parallèle, établir un cadre minimum de gouvernance des données viable pour soutenir l'utilisation de données réelles dans les preuves de concept. Vous pouvez affiner un modèle de base sélectionné ou utiliser un off-the-shelf modèle en combinaison avec une approche RAG (Retrieval Augmented Generation).
À ce stade, les critères d'alignement pour les piliers de l'adoption sont les suivants :
-
Activité : définissez des critères de réussite clairs pour les projets pilotes et assurez-vous que la disponibilité des données répond aux besoins de chaque cas d'utilisation.
-
Personnel — Formez une équipe interfonctionnelle comprenant des ingénieurs de données, des spécialistes de l'IA et des experts du domaine. Cette équipe est chargée de valider la qualité des données et l'alignement du modèle avec les exigences de l'entreprise.
-
Gouvernance — Rédigez un cadre pour la gouvernance des données d'IA générative. Au minimum, le cadre devrait discuter de la conformité réglementaire et des directives responsables en matière d'IA.
-
Plateforme — Mettez en œuvre des efforts d'intégration des données à un stade précoce, y compris des pipelines de données structurés et non structurés. Configurez des bases de données vectorielles pour les expériences RAG.
-
Sécurité : appliquez des autorisations de données et des contrôles de conformité stricts. Assurez-vous que les informations personnelles ou autres informations sensibles sont masquées ou anonymisées avant la formation du modèle.
-
Opérations — Pour préparer la mise en production, établissez des indicateurs de qualité pour identifier les lacunes.
Niveau 3 : Lancement
Au cours de la phase de lancement, les solutions d'IA générative passent de l'expérimentation au déploiement à grande échelle. À ce stade, les intégrations sont entièrement mises en œuvre et des cadres de surveillance robustes sont établis pour suivre les performances, le comportement des modèles et la qualité des données. Des mesures complètes de sécurité et de conformité sont appliquées pour garantir la confidentialité des données, la sûreté et le respect des réglementations.
À ce stade, les critères d'alignement pour les piliers de l'adoption sont les suivants :
-
Entreprise — Mesurez l'efficacité opérationnelle et la valeur commerciale. Optimisez les coûts opérationnels et l'utilisation des ressources.
-
Personnel — Formez les équipes opérationnelles à la gestion et à la surveillance des modèles d'IA générative. Utilisez des processus de curation des données appropriés.
-
Gouvernance — Affiner le cadre de la gouvernance des données d'IA générative. Tenez compte de la conformité réglementaire, des biais liés aux modèles et des directives responsables en matière d'IA. Établissez un audit continu des pipelines de données d'IA générative afin de valider la conformité aux réglementations en évolution.
-
Plateforme : optimisez l'infrastructure évolutive pour prendre en charge l'ingestion de données en temps réel, la recherche vectorielle et le réglage précis si nécessaire.
-
Sécurité — Déployez le chiffrement, le contrôle d'accès basé sur les rôles (RBAC) et les modèles d'accès avec le moindre privilège. Vous pouvez utiliser Amazon Q Business pour contrôler l'accès aux données et vous assurer que la solution d'IA générative récupère uniquement les données auxquelles l'utilisateur est autorisé à accéder.
-
Opérations — Établir des pratiques d'observabilité des données. Suivez le lignage des données, leur provenance et les indicateurs de qualité afin d'identifier les lacunes avant de procéder à une mise à l'échelle.
Niveau 4 : Échelle
Au stade de la mise à l'échelle, l'accent est mis sur l'automatisation, la standardisation et l'adoption à l'échelle de l'entreprise. Organisations établissent des pipelines de données réutilisables, mettent en œuvre des cadres de gouvernance évolutifs et appliquent des politiques robustes pour garantir l'accessibilité, la sécurité et la conformité des données. Cette phase démocratise les produits de données. Cela permet aux équipes de toute l'organisation de développer et de déployer de manière fluide de nouvelles solutions d'IA générative tout en maintenant la cohérence, la qualité et le contrôle.
À ce stade, les critères d'alignement pour les piliers de l'adoption sont les suivants :
-
Entreprise — Alignez les projets d'IA générative avec les objectifs commerciaux à long terme. Concentrez-vous sur la croissance du chiffre d'affaires, la réduction des coûts et la satisfaction des clients.
-
Personnel — Développez des programmes d'initiation à l'IA à l'échelle de l'entreprise et intégrez l'adoption de l'IA dans les fonctions commerciales par le biais de centres d'excellence en IA (). CoEs
-
Gouvernance — Standardisez les politiques de gouvernance de l'IA dans tous les départements afin de promouvoir la cohérence dans la prise de décision en matière d'IA.
-
Plateforme — Investissez dans des plateformes de données d'IA évolutives qui utilisent des solutions cloud natives pour l'accès et le traitement fédérés des données.
-
Sécurité — Mettez en œuvre une surveillance automatisée de la conformité, une prévention robuste des pertes de données (DLP) et des évaluations continues des menaces.
-
Opérations — Établissez un cadre d'observabilité de l'IA. Intégrez des boucles de feedback, la détection des anomalies et l'analyse des performances des modèles à grande échelle.
