Language selection

Recherche

Le Modèle de viabilité – Êtes-vous prêt pour l’IA?

Une femme avec un ordinateur portable

L’intelligence artificielle (IA) est la dernière tendance. La plupart des gens ont entendu parler de son pouvoir de révolutionner l’industrie des technologies de l’information et même notre vie personnelle.

Mais exactement, qu’est-ce que l’IA?

Selon John McCarthy, l’un des fondateurs de l’intelligence artificielle, l’IA est la science et l’ingénierie de la fabrication de machines intelligentes, en particulier de programmes informatiques intelligents; autrement dit, nous pouvons enfin faire faire à des ordinateurs ce dont seul un cerveau humain était capable auparavant. Les machines pourraient même être meilleures dans certaines tâches, ce qui laisserait les humains utiliser leurs compétences uniques dans d’autres fonctions.

En tant que fonctionnaires, il est normal de se poser la question suivante : « Comment l’IA pourrait-elle résoudre certains des problèmes les plus délicats du gouvernement? »

Si cette question vous préoccupe, vous pouvez communiquer avec l’équipe Science des données et intelligence artificielle (SDIA) de Services partagés Canada.

L’objectif de l’équipe SDIA est de tirer profit des avantages qu’offre l’IA pour nos clients et le gouvernement du Canada en général, en faisant la promotion des pratiques exemplaires, des capacités et des technologies de l’IA.

Lorsque nous avons commencé à aider d’autres personnes dans leur cheminement vers l’IA, nous avons remarqué qu’il y avait beaucoup d’idées fausses et d’éléments manquants, comme des données insuffisantes pour mener à bien un projet d’IA.

En tant que membres d’une petite équipe dotée d’un large mandat, nous voulions nous assurer que nous travaillions avec des clients dont les cas d’utilisation avaient le plus grand potentiel de réussite.

Des cas d’utilisation réussis tels que les Indicateurs de rétroaction sur la satisfaction de la clientèle, où une grande partie des données recueillies du Sondage sur la satisfaction de la clientèle de SPC est constituée de commentaires non structurés écrits par les clients ou transcrits à partir d’entretiens. Heureusement, SDIA a pu utiliser des techniques de traitement du langage naturel (TLN) pour extraire les préoccupations importantes des clients, tant positives que négatives.

Ces renseignements pourraient ensuite être représentés graphiquement pour établir des tendances dans le temps et voir si nos efforts répondent aux attentes des clients.

Après avoir constaté que certains cas d’utilisation sont formidables, mais que d’autres ne le sont pas, nous nous sommes demandé quels étaient les piliers essentiels pour réussir à reproduire un projet d’IA.

À la suite de recherches sur les meilleures approches pour élaborer un cas d’utilisation d’IA, l’équipe a mis au point l’outil Modèle de viabilité (MoV). L’objectif de l’outil MoV de SDIA est de renseigner les décideurs en évaluant les projets d’IA en fonction de leur potentiel de réussite et des risques d’échec. C’est pourquoi l’outil MoV devrait être utilisé lors de l’évaluation des cas d’utilisation en vue de leur intégration dans le processus de développement.

L’évolution de l’outil MoV

L’outil MoV passe d’Excel à une base Web
L’outil MoV passe d’Excel à une base Web

Mais l’outil devenait de plus en plus complexe, et nous souhaitions disposer d’un outil simple à utiliser, sans avoir à accompagner les clients tout au long du processus d’évaluation. Nous avons donc remanié l’outil pour en faire une application hébergée sur le Web.

Première page de l’outil MoV
Première page de l’outil MoV

La conception

Tableau de cycle indiquant les étapes : Problème, Données, Modèles, Formation des modèles, Mise à l’essai des modèles, Déploiement des modèles, Intégration, Surveillance
Tableau de cycle indiquant les étapes 

Pour concevoir correctement notre évaluation, nous avons examiné les documents de recherche sur la gestion efficace du cycle de vie de l’IA.  D’après nos lectures et notre expérience, les projets d’IA réussis suivent le flux de travail suivant :

  • Définir le problème opérationnel que l’IA doit résoudre
  • Chercher des sources de données appropriées
  • Sélectionner des modèles d’apprentissage machine
  • Former les modèles sur des données
  • Mettre les modèles à l’essai
  • Déployer les modèles
  • Intégrer les modèles aux outils des utilisateurs
  • Surveiller la précision et la dérive des modèles déployés

L’évaluation des obstacles dans le cycle de vie de l’IA nous permettrait de discuter avec nos clients des éventuels problèmes avant même le début du projet.

L’évaluation

Questionnaire MoV, où il est possible de déterminer si l’effort et l’investissement requis pour élaborer une solution d’IA sont justifiés. Des données manquantes ou incomplètes peuvent parfois donner lieu à des prédictions de modèle impertinentes ou erronées.
Questionnaire MoV, où il est possible de déterminer si l’effort et l’investissement requis pour élaborer une solution d’IA sont justifiés.

Une fois dans l’application, les clients accèdent à une évaluation qui consiste en une série de 39 questions qui visent l’évaluation de chaque phase du cycle de vie. Pour calculer les scores, il faut répondre à plusieurs questions ayant pour réponse « oui » ou « non » et en évaluant la confiance que vous avez dans votre réponse, sur une échelle de 1 à 10.

Nous avons conçu le questionnaire de manière à ce que chaque question soit pondérée pour produire une note globale. Quant aux scores de confiance, nous les utilisons pour donner des limites supérieure et inférieure de part et d’autre des scores de réussite et de risque.

Une fois le questionnaire rempli, nous regroupons les scores pour chacune des phases du cycle de vie et les envoyons à la dernière étape, celle du rapport.

Le rapport

Rapport de viabilité

Un rapport est établi en fonction de la façon dont le destinataire répond au questionnaire et de sa confiance.

Le rapport comporte trois sections :

  1. L’affichage des diagrammes en radar sur les scores globaux de réussite et ceux de risque pour chaque cycle de vie. Nous affichons également un diagramme pour les limites supérieure et inférieure de réussite ainsi qu’un diagramme pour les limites supérieure et inférieure de risque. Dans ce cas, plus les limites supérieure et inférieure sont rapprochées, plus le destinataire a confiance en ses capacités.
  2. Le retour les renseignements le profil qui nous ont été envoyés pour voir qui a soumis le questionnaire d’évaluation.
  3. La formulation de recommandations. Nous sommes très satisfaits de cette section, car nous avons effectué les travaux nécessaires pour adapter nos recommandations à la lumière des réponses données par le bénéficiaire dans le questionnaire d’évaluation.

Notez que nous avons ajouté un bouton d’impression PDF pour pouvoir le sauvegarder et nous avons également ajouté une clé de référence unique au rapport pour chaque évaluation afin de pouvoir y revenir sans devoir répondre au questionnaire à chaque fois.

Une fois le rapport en main, vous pouvez nous envoyer vos résultats par courriel ssc.dsai-sdia.spc@canada.ca et nous serons heureux de vous guider dans les étapes suivantes.

La structure

Pour ceux qui sont intéressés par la technologie que nous utilisons pour élaborer cet outil, voici un aperçu général de nos processus.

  • Pour la partie avant, nous utilisons la bibliothèque ReactJS avec le cadre NextJS.
  • Pour la partie arrière, nous avons produit une API de style REST à l’aide de NodeJS et d’ExpressJS.
  • Étant donné que nous utilisons les services Web d’Amazon comme fournisseur de services en nuage, nous avons décidé de choisir une base de données DynamoDB, qui est une base de données NoSQL.
Aperçu de la structure : ReactJS, Node et Amazon

Prochaines étapes

Pour l’instant, MoV n’est disponible qu’au moyen du réseau RPV de SPC et auprès d’un nombre restreint de personnes auxquelles nous avons donné accès. Par conséquent, pour l’avenir de MoV, nous aimerions progresser de façon continue afin de créer un excellent outil pour l’ensemble du gouvernement du Canada.

L’outil MoV devrait être utilisé pour l’évaluation continue d’un projet en cours de réalisation, en procurant un tableau de bord des facteurs de succès et de risque et de leur évolution au cours d’un projet. L’idée ici est de rassembler suffisamment de données pour former des modèles statistiques améliorés afin de fournir et d’élaborer une rétroaction fondée sur les Indicateurs de rendement clé (IRC), de modifier les comportements et de diriger des formations pour augmenter la précision et le rendement des nouvelles initiatives.

Nous aimerions éventuellement ajouter une Échelle de Likert, des barres coulissantes et une ramification afin d’améliorer l’outil.

Conclusion

Les produits d’IA sont inévitables, et la décision, pour le gouvernement du Canada, de les créer, peut être facilitée par l’outil MoV. Il est conçu pour aider à évaluer des projets d’IA en fonction de leur potentiel de réussite et des risques d’échec. Il n’est actuellement disponible que par l’entremise de l’équipe SDIA, mais devrait l’être également dans l’ensemble du gouvernement.

Pour de plus amples renseignements sur le MoV, veuillez communiquer avec nous (ssc.dsai-sdia.spc@canada.ca).


Cours et événements:

17 janvier 2022 | Série L'intelligence artificielle est à nos portes : Comment l'IA transforme l'économie

À rythme libre | Transformer l'environnement de travail avec l'intelligence artificielle (DDN219)

À rythme libre | Démarrer avec l'apprentissage automatique (DDN220)

Resources:

YouTube | The Age of A.I. (en anglais seulement)

Du prototype à la résolution de problèmes
Regroupés en 9 équipes multidisciplinaires, ils travaillent d’arrache-pied pendant 3 semaines intensives pour solutionner de vrais problèmes au gouvernement. À la fin des 3 semaines, prototype en main, chaque équipe expose le fruit novateur de son labeur à un panel de cadres supérieurs
Agile - étape par étape
Les Canadiens s’attendent à ce que les produits et services soient intuitifs, faciles à utiliser et répondent à leurs besoins en constante évolution. Nous aussi, en tant que fonctionnaires, devons changer notre façon de travailler pour devenir plus adaptables et centrés sur les clients.
Pascal Beaulne

Pascal Beaulne

En compagnie de Olesia Kazantseva

Programmer Analyst with the Data Science and AI Team at Shared Services Canada | Programmeur analyste avec l’équipe des Science des données et intelligence artificielle à Services partagés Canada

Recommandé pour vous

Sujet: Série Découverte

Parcours d’apprentissage : Découvrez la cybersécurité

Adoptez les meilleures pratiques de cybersécurité pour protéger les données, les informations, les systèmes et la réputation du gouvernement du Canada (GC). 

il y a 5 moisLecture de 4 min

Sujet: Données

Prise de décision fondée sur des données probantes

Les données ne sont pas toujours assorties d’une analyse; ainsi, quand vous êtes à la recherche d’éléments de preuve, vous devrez peut être interpréter les données brutes en examinant la taille des échantillons, les algorithmes, les approches, etc.

il y a un anLecture de 12 min

Sujet: Série Découverte

Parcours d’apprentissage : Découvrez l’infonuagique

Se familiariser avec les possibilités, les applications et les limites de l’infonuagique.

il y a un anLecture de 3 min