Une histoire de F.AI.L. 🤖

Ivan Seisen
6 min readJun 22, 2021

--

Début juin a eu lieu notre “Becom”, une grand-messe mensuelle qui mélange ateliers, conférences et surtout échanges entre pairs. L’accent était mis cette fois-ci sur la culture produit au cœur de BENEXT.

J’ai suivi le talk “F.AI.L.” de la team La Forge, start-up studio dédié au développement de produits à base d’intelligence artificielle dans lequel BENEXT a investi. Vous pouvez d’ailleurs croiser les membres de leur équipe dans nos locaux.

Voici ce que je retiens de ce moment animé par Christophe Tricot (président et cofondateur de La Forge) et Stéphanie Le Garrec (Lead Designer).

L’I.A. fait référence à des systèmes qui imitent l’intelligence humaine pour effectuer des tâches et conçues pour s’améliorer au fil du temps. On peut créer des réseaux de neurones qui raisonnent comme des traders et tentent de prédire le cours d’actions en bourse ou dans bien d’autres domaines tels que l’estimation du taux de churn sur une application ou encore la détection de maladies avec des résultats d’IRM.

Mais qu’est ce qu’un bon produit d’I.A. ? 🧐

Un produit d’I.A. a pour but premier d’aider les personnes, pas de les remplacer. Il se doit d’être efficient, c’est-à-dire efficace en utilisant un minimum de ressources. Eh oui, l’écologie c’est le futur, jusqu’au bout de la tech ;)

Les multiples facettes d’un bon produit d’I.A. cités par Stéphanie :

Et comme évoqué lors du talk, cette liste est non-exhaustive, on peut également ajouter l’importance du respect des données et de l’éthique du produit.

L’équipe La Forge compare le développement d’un produit à base d’I.A. à la culture d’arbres… en jetant des graines au sol. Seul le point de départ est connu : “ on a planté et quoi”, et la suite est totalement inconnue, nous n’avons aucune idée de la façon dont le projet va évoluer ! Est-ce que l’expertise à transposer dans l’algorithme est de qualité ? Explicite ? Que valent les données à disposition ? Quelle sera la meilleure technique d’I.A. à implémenter ? Que vont donner les algorithmes à disposition ? etc. Autant d’inconnues que l’on ne peut lever que chemin faisant.

Le résultat va évoluer dans le temps pour le meilleur comme pour le pire : qui n’a jamais eu de surprise dans les recommandations de musique de Spotify (surtout quand un petit neveu vous pique votre téléphone) ?

“Les algorithmes basés sur des techniques d’I.A. vont faire des erreurs, un peu comme un enfant qui apprend.”

Les pièges à éviter 💥

Il faut rester pragmatique dans la conception des produits et réduire le chemin entre UX et Tech. Par exemple, lors d’un POC réalisé en interne chez La Forge, l’équipe s’était donné comme objectif de déclencher une action en faisant un “dab” devant la caméra. Au fil des tests, les UX et Tech ont affiné ensemble leurs attentes pour simplifier le mouvement à réaliser pour une expérience tout à fait pertinente : ils sont ainsi passés du “dab” au “coude devant le nez”.

“On est passé·e·s d’un dab de Pogba à Bozo le clown”

Toute la vie d’un produit 🧐

Mais attention, l’I.A. ne peut pas être appliquée dans tous les domaines : S’il n’y a pas d’expertise, il n’y a pas de raison de faire de l’I.A. !”. L’essentiel est de bien évaluer le potentiel de l’I.A. et les atouts liés au projet envisagé et cibler un savoir-faire à répliquer. Lorsque l’on tombe sur le savoir-faire d’une personne, on est sur quelque chose d’hyper spécifique : répliquer un process de gestion dans un ERP est relativement simple, mais vouloir reproduire dans un algo une tâche telle que “recruter un benexteur” est bien plus complexe.

Prenons un exemple concret, 75% des problèmes ophtalmologiques seraient liés à un mauvais examen de l’œil. De ce constat est né le projet iSlit médical dans leur start-up studio, qui aide les professionnels de l’œil pour leurs diagnostics (voir la news ici).

La data est primordiale pour alimenter le modèle à entraîner et la data avec des traces d’expertise, c’est le Saint Graal. Il faut trouver un savoir-faire précis, qui gagnerait à être transposé avec de l’IA : “Comment puis-je transposer des savoir-faire dans mon produit ?”.

Une des clés du succès : l’étroite collaboration avec les experts “métier” 🗝

Il faut acculturer avec précaution toutes les parties prenantes du projet et lutter contre le sentiment de “boîte noire”. Par exemple, tout le monde ne connaît pas les rouages techniques derrière l’envoi d’un e-mail, et pourtant la majorité des utilisateurs font confiance à leur messagerie.

Les débuts d’un produit basé sur l’I.A. sont souvent déceptifs. Pour y remédier on est forcé·e·s de baisser les attentes et “appliquer le Lean à mort” comme le scande passionnément la Lead designer. Il ne faut pas hésiter à simuler les usages avant de développer et utiliser les techniques dignes du Magicien d’Oz ou du “Turc mécanique”. Pour le projet Text to speech d’IBM, des tests ont été faits bien avant de développer le moindre bout de code afin d’éprouver l’utilité perçue par les clients : chaque mot prononcé par les cobayes étaient retranscrits par de simples exécutants derrière les claviers, simulant ainsi le résultat final de traitement par une I.A.

L’ingrédient secret de La Forge

L’I.A. est un sujet en constante et rapide évolution. Pour se rapprocher de l’état de l’art, il faut s’inspirer en continu des technologies voisines : assistant Google, Siri, Alexa et également des systèmes embarqués dans les voitures récentes, pour n’en citer que quelques exemples.

Code is Lawcomme le dit si bien Lawrence Lessig… et “UX is code” affirme notre duo de speakers car “L’I.A., c’est de la tech mais c’est surtout de l’UX ! Les deux sont très imbriqués, comme le yin et le yang ☯”

Une seul team UX-Dev 💪

Partager une culture computationnelle est une des valeurs fortes chez La Forge. Elle est définie comme une approche qui englobe les processus de pensée impliqués dans la formulation de problèmes et l’expression de leurs solutions, afin qu’un ordinateur puisse les exécuter.

“L’idée n’est pas de faire de tout le monde des développeurs, mais faire en sorte que tout le monde comprenne les principes de développement. Si vous voulez une bonne expérience produit, il faut que tout le monde comprenne le code, et inversement”

…et au fait, pourquoi “F.AI.L.” ? 🤫

F.AI.L. est un acronyme fait maison : “Foster A.I. Learnings” qui signifie “favoriser et entretenir les apprentissages liés à l’I.A.”, c’est un double sens : on veut éviter les erreurs, mais on en a besoin pour améliorer le produit ! La quête sans fin est de faire évoluer les modèles vers la meilleure version d’eux-même afin que les erreurs diminuent.

“L’I.A. n’est pas un arbre en coupe hyper propre, c’est plutôt une plante qui pousse avec des tuteurs tout le long du chemin” 🌿

La team La Forge essaye chaque jour de trouver les combinaisons de tech, UX et d’agilité pour afin de faire germer les meilleurs produits d’I.A., n’hésitez pas à les contacter ! 👉 www.la-forge.ai

--

--