La méthode TotalEnergies pour enterrer les PoC en IA et passer à l’échelle
La team Data & IA de la Digital Factory a repensé sa façon de travailler et son organisation. Squads 100% Data Science, phase d’exploration poussée et intégrant l’industrialisation, etc.
Promis, les PoC, c’est bel et bien terminé. La volonté de les enterrer définitivement est là, mais les PoC ont néanmoins de la ressource. Et s’ils survivent encore, c’est souvent en raison de l’impossibilité pour une entreprise à passer à l’échelle.
Même parmi les grands groupes et ceux reconnus pour leur expertise en IA, l’ère des PoC n’est pas toujours très lointaine. Cela vaut ainsi pour TotalEnergies et sa Digital Factory, comme l’expliquait Florian Bergamasco lors de Data & IA for Business.
L’IA, la cerise sur le gâteau et l’ingrédient de trop
Le Data Science & AI Operations Lead de la compagnie le reconnaît, la tentation était parfois grande de glisser une fonction d’IA dans un développement logiciel. Une cerise sur le gâteau en quelque sorte. Mais le résultat était trop souvent indigeste.
Et les raisons ne manquent pas : absence de disponibilité des utilisateurs pour la conception, désirabilité qui n’est pas au rendez-vous et qui débouche sur une non adoption. La Databilité ou Datability des données, leurs caractéristiques, peut aussi être en cause.
“La databilité est une dimension indispensable du framework Data 360. Elle nous permet de nous assurer que, du point de vue des données, le produit peut être abordé de la meilleure façon, en abordant les sources, la typologie, la qualité, la gouvernance et l'accessibilité, la durabilité des données et les questions relatives aux conditions juridiques et éthiques”, comme la définit Florian Bergamasco sur Medium.
L’expert en Data Science de TotalEnergies l’assure, la Factory du groupe “a rompu avec le passé pour changer d’approche afin d’identifier le vrai use case, celui qui va dégager beaucoup de valeur, attirer l’utilisateur, et le cas d’usage réellement transformant.”
Les spécialistes IA de la Digital Factory, une quarantaine de personnes sous la supervision de Michel Lutz, ont fait évoluer différents aspects, dont la partie opérationnelle. “Nous avons tout changé dans l’équipe”, se félicite Florian Bergamasco.
77% d’exploration et 23% de squad Data Science en build
Ses moyens, la Team Data & AI les consacre à 77% à l’exploration et à 23% à des squads, mais pas n’importe lesquelles. Il s’agit de squads opérant en mode produit et à 100% Data Science. Les autres profils liés au développement interviennent eux au cours de la phase d’industrialisation/build.
Pour maximiser son taux de réussite, la Factory de l’entreprise a donc travaillé sur cinq fondamentaux. Le premier, c’est la très classique acculturation. Basique oui, mais il n’en reste pas moins essentiel “de démystifier” et de “préparer le change management”, rappelle le Lead DS.
Les produits conçus peuvent prendre la forme d’un outil du quotidien pour un “opérateur qui est loin du digital, et même d’Excel”. Or, “si on ne prépare pas l’utilisateur, il sera compliqué d’avoir de l’adoption et donc de la valeur.”
Les principaux changements, c’est cependant au niveau des phases d’idéation (65 en 2023 et près de 100 en 2024) et d’exploration qu’ils se situent. Sur la première, les équipes ont adopté différentes méthodes, dont le HBDS Design Data et Data 360 visant à convertir une idée en Data Product.
En ce qui concerne l’exploration (30 à 40 sont menées en parallèle), elle occupe donc aujourd’hui plus de 70% des Data Scientists. Les tâches à ce stade sont nombreuses pour explorer, dérisquer ou s’assurer de l’absence de problèmes de Databilité (données accessibles, de qualité, gouvernées, etc.).
Une exploration qui relève déjà de l’industrialisation
Désirabilité utilisateur, faisabilité, scalabilité et valeur sont aussi passées en revue lors de l’exploration. “Durant cette phase, on prépare. Nous ne sommes plus dans du bac à sable comme avant, mais dans l'industrialisation”, insiste Florian Bergamasco.
C’est aussi l’étape au cours de laquelle on s'assure de disposer du minimum de data nécessaire pour avoir le maximum de performance et préparer le scale, indique encore l’expert. Vient ensuite l’AI Build, c’est-à-dire la conception à proprement parler.
Le développement est abordé en mode produit. Chaque squad Data Science a la responsabilité d’un seul produit. Au sein de cette squad, un pilier, un Data Scientist senior de l’Exploration, associé à d’autres Data Scientists.
Aux squads DS s’ajoute un autre type de squad, les squads Explo. Celles-ci ne se focalisent pas sur un produit unique, mais sont multi-produits. Une squad d’exploration traite ainsi généralement deux produits en parallèle.
600 modèles industrialisés à monitorer et améliorer
A noter que le DS qui a travaillé sur l’explo suit le produit concerné dans la squad delivery. Les Data Scientists jouent aussi un rôle lors de l'ultime étape de support, déploiement et run des produits d’IA. Et ils sont nombreux avec 600 modèles industrialisés à monitorer et améliorer.
Lors d’une interview menée en décembre 2023, le CDO de TotalEnergies Michel Lutz déclarait d’ailleurs que pour gérer ce patrimoine, TDF développait avec TGITS un “cockpit”, un outil de supervision interne permettant le suivi d’indicateurs techniques et métiers.
Pour Florian Bergamasco, cette organisation et la démarche produit ont fait leur preuve. Avec deux Data Scientists par produit, la méthode est source de flexibilité, de dynamisme et d’attractivité, souligne le représentant de la Digital Factory. Naturellement, une marge de progrès demeure.
De nouveaux axes d’amélioration sont explorés, avec pour ambition notamment de raccourcir la durée de déploiement. Michel Lutz souhaite gagner en rapidité sur le prototypage pour “rapidement interagir avec l’utilisateur” afin d’attaquer toujours plus vite les phases de test.
Les analyses et actualités Data & IA
La Société Générale investit dans l’IA générative - La banque indexe 10 millions de contenus. Cette base de connaissances, 110 000 utilisateurs l’explorent au travers de 15 millions de requêtes chaque année. Grâce aux avancées permises par les RAG et l’IA générative, Société Générale a fait évoluer ses services de recherche internes.
MGEN inaugure son Académie Data & IA, un modèle qui se standardise - Après s’être dotée d’une direction Data en 2022, la mutuelle du groupe Vyv déploie un nouveau dispositif interne : une académie Data & IA. Son but est de former des métiers et des membres de la DSI. D’autres entreprises ont elles aussi mis en place une académie.
Quel avenir pour les projets de GenAI en France ? - Les grandes entreprises en France s’efforcent de convertir les promesses de l’IA générative. Mais selon Gartner, d’ici 2025, pas moins de 30% des PoC seront abandonnés. En cause ? La mauvaise qualité des données.
L’IA au travail source de bouleversements et d’imprévisibilité - D’après Adecco, une majorité des dirigeants se sentent dépassés par la révolution de l’IA. Les salariés expriment eux aussi des craintes. Et c’est un problème. Car pour LaborIA, un dialogue social et technologique est essentiel pour une diffusion sereine de l’IA dans le monde du travail.
A l’ère de l’IA, des DSI trop pris par la gestion des risques - Le cœur des DSI français penche clairement en faveur de l’innovation, dont l’IA. Cependant, une partie de leurs moyens doit être consacrée à la gestion des risques, et notamment de cybersécurité. Gérer ou innover, le dilemme persiste.
Citroën promeut ChatGPT assistant de bord sur certains véhicules - Le constructeur automobile intègre ChatGPT à son Pack Connect PLUS pour certains de ses véhicules particuliers et utilitaires. Disponible en option payante, l’assistant GenAI doit participer à améliorer l’expérience à bord.
Pourquoi et comment me contacter ?
Vous êtes CDO, experts de la Data et de l’IA dans une organisation utilisatrice et vous souhaitez partager un retour d’expérience ou mettre en lumière une thématique ? Alors contactez-moi sur LinkedIn.
Vous êtes fournisseur, société de conseil ou éditeur et vous souhaitez proposer du contenu qualitatif à une audience ciblée en figurant dans la newsletter Secrets de Data ? Discutons-en ! [Offre payante]