Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Machine Learning, Intelligence Artificielle et Modélisation ARCHIMATE

170 views

Published on

Modéliser un système de machine learning s'appuyant sur des modèles statistiques et du big data

Published in: Data & Analytics
  • Be the first to comment

Machine Learning, Intelligence Artificielle et Modélisation ARCHIMATE

  1. 1. Competensis® Christine Dessus chdessus@competensis.com +336 31 09 73 54 www.competensis.com COMPETENSIS® est une marque déposée. Ce document n’est pas libre de droit et ne doit pas être utilisé sans le consentement écrit de son ou ses auteurs.
  2. 2. Définir intelligence & intelligence artificielle Competensis®
  3. 3. Définir intelligence & intelligence artificielle • Principaux modes principaux d’intelligence humaine ✓Créativité ✓Emotionnelle, relationnelle ✓Praxique ✓Analytique ➔ Ce mode d’intelligence est automatisé dans le cadre d’activités de choix, prédiction, décision et manipulation de données COMPETENSIS est une marque déposée3
  4. 4. Définir intelligence & intelligence artificielle • L’intelligence artificielle sélectionne l’option optimale (la meilleure) dans un ensemble d’options prédéfinies à partir d’éléments en entrée. • Sont mises en œuvre des capacités d’apprentissage (machine learning) : ✓On définit les options possibles et on collecte des exemples d’éléments en entrées (inputs) ✓La machine est capable de réaliser des prédictions : pour toute donnée en entrée, elle est capable de choisir une réponse (output) • Ce type d’intelligence artificielle s’appuie à la fois sur les données disponibles et un modèle d’apprentissage et de décision/règles pour apprendre et faire des prédictions « les plus justes possible ». COMPETENSIS est une marque déposée4
  5. 5. Définir intelligence & intelligence artificielle • Ce moteur, cette « machine apprenante » (machine learning) est un LOGICIEL qui transforme, analyse des données entrées input en résultats output. • Ce qui change ✓L’apprentissage ✓La prise de décision ✓Le volume et le type de données manipulées. • De nombreux métiers de l’entreprise sont intéressés : ✓RH recrutement, avec en plus des analyses videos d’entretiens virtuels ✓Commerce ✓Maintenance, manufacturing, supply chain ✓DSI, détection de pannes & diagnostics, autres sujets COMPETENSIS est une marque déposée5
  6. 6. Difficultés de mise en œuvre et proposition du consultant Competensis®
  7. 7. Les difficultés majeures lors du développement des technologies apprenantes : incompréhension et communication • De nouveaux acteurs interviennent en plus des informaticiens : data analysts, statisticiens • Les acteurs métiers du projet ne comprennent pas nécessairement la mise en œuvre de ces technologies dans leur contexte métier. • Le discours des acteurs du projet est souvent très technique ou analytique (algorithmes).Ces acteurs ne disposent pas toujours d’une méthode simple pour obtenir un consensus éclairé des acteurs métiers. • Les acteurs métier ont du mal à se projeter dans l’usage quotidien de ce type de technologie pour réaliser leurs activités quotidiennes. • Certains acteurs métiers peuvent exprimer de la défiance vis-à-vis d’un résultat, d’une prédiction, proposition de décision. Se pose réellement la question de la validation de ces résultats. 7 COMPETENSIS est une marque déposée
  8. 8. Objectif de ce support • Simplifier la communication métier/informatique en proposant un pattern de modélisation et de présentation de l’usage attendu de l'IA • Favoriser l’alignement IA / métier et répondre aux questions simples ( en apparence) des acteurs métier : ✓Quelles activités métier nouvelles, quelles activités transformées ? Pourquoi ? Quels gains ? ✓Que souhaite-t-on mettre en œuvre ? • Expérimenter ce pattern de modélisation dans un contexte fonctionnel. 8 COMPETENSIS est une marque déposée
  9. 9. Sources documentaires ▪ https://pubs.opengroup.org/architecture/archimate3-doc/ ▪ www.springer.com Intelligent DecisionTechnologies 2019 Proceedings of the 11th KES InternationalConference on Intelligent DecisionTechnologies (KES-IDT 2019),Volume 2 ▪ https://www.salesforce.com/fr/products/einstein/overview/ ▪ https://fr.mathworks.com/ 9 COMPETENSIS est une marque déposée
  10. 10. Intelligence Artificielle, Principes & Réalité Competensis®
  11. 11. Données, Data Un peu d’histoire • La donnée a toujours été au cœur de nos pratiques informatiques ✓ Ordinateur : dispositif électronique de stockage, tri et traitement des données ✓ Système d’information ✓ Système informatique, avec l’idée encore de la donnée électronique, de son stockage et traitement 11 COMPETENSIS est une marque déposée
  12. 12. l'IA, sous toutes ses formes ! • Machine learning, apprentissage automatique, assisté ou non • Deep learning, apprentissage en profondeur • Traitement automatique du langage naturel • Analyse prédictive • But : ✓Assister l’humain ✓Anticiper des besoins ✓Se charger des tâches banales ou oubliées ✓Rappeler à l’humain, les tâches importantes (trier) COMPETENSIS est une marque déposée12 Pourquoi utiliser l’IA dans le cadre d’un CRM et de gestion de la relation client? Répondre de façon instantanée aux clients et leur apporter une expérience intelligente et cohérente à chaque interaction avec l’entreprise.
  13. 13. L'IA est déjà mise en œuvre • Utiliser les données collectées historiques pour les appliquer au contexte présent et établir des prévisions ✓Google suggère des termes pour compléter des recherches ✓Fils d’actualités Facebook ou suggestions de produits par Amazon, selon nos préférences constatées (nombre de clicks, zones de clicks, analyse d’images et de la durée d’observation, lecture…) ✓Automatisation « intelligente » ✓Voitures sans chauffeurs ✓Automates AGV • l'IA est accessible aujourd’hui pour les entreprises : ✓Technologie éprouvée, coûts de mise en œuvre abordables, ✓des spécialistes sur le marché, ✓Big data et capacité de stockage de grandes quantités d’information, des modèles de données plus intelligents ✓IoT (objets connectés) déployés à grande échelle ✓Déploiement des infrastructure sur le cloud (pas ou peu de limites) 13 COMPETENSIS est une marque déposée
  14. 14. Modéliser la mise en œuvre et l’usage d’une solution d’intelligence Artificielle avec Archimate® Competensis®
  15. 15. Archimate® Modéliser selon un modèle en couches • Réaliser un modèle d’IA en couches et faisant apparaître les couches métier, applicative et technologique COMPETENSIS est une marque déposée15 Motivation du projet métier & SI
  16. 16. Décryptage de la couche de motivation • L’entreprise définit un but à atteindre goal. Elle effectue des mesures d’indicateurs/KPI assessment permettant de démontrer l’atteinte (ou non) des résultats espérés outcome. • Exemple : ✓GOAL / BUT : Réduire la maintenance corrective, d’urgence. Les interventions correctives ne doivent pas dépasser 20% du nombre total d’interventions de maintenance. Les interventions d’urgence ne doivent pas dépasser 1% des interventions correctives. ✓ASSEMENT/INDICATEURSSUIVIS : nb d’interventions de maintenance. % d’interventions d’urgence, % d’interventions correctives, % d’interventions programmées. ✓OUTCOME : Réduction des coûts de maintenance. Réduction, voir suppression des interventions correctives, réduire le délais de diagnostic et fiabiliser la prise de décision. Au final, améliorer la relation avec les clients. COMPETENSISest une marque déposée16
  17. 17. Décryptage de la couche métier • Archimate® permet de réaliser des ontologies : un client est soit un consommateur particulier, soit un professionnel distributeur ou un prospect • Un nouveau service métier appuyé par la mise en œuvre de technologies d’IA est proposé aux clients. COMPETENSISest une marque déposée17
  18. 18. Lien entre la couche métier et la couche de motivation • L’élément structurant de la couche métier est le nouveau [Business Service] à destination des clients. C’est donc ce service qui : • Influence la réalisation des buts de l’entreprise [Goal] • Réalise les objectifs et assure les gains de l’entreprise [Outcome] • Le suivi de ce service est assuré par des indicateurs (KPI) qui permettent de contrôler son efficience.Ces KPI sont représentés par des [Assessment] • Le suivi des [Assessments] permet de contrôler l’attente des buts et des objectifs de l’entreprise [Goal]. COMPETENSISest une marque déposée18
  19. 19. Décryptage de la couche métier • Le service métier [IA Business Service]est réalisé par un ensemble d’activités automatisées. • Ces activités sont décrites par des processus [Business process]. Elles sont réalisées par un ensemble d’acteurs [Business Actor] • Exemple : ✓IA Business Service : Autodiagnostic d’une panne ✓Business Function : Maintenance ✓Business Actor : Acteur de l’équipe de maintenance ✓Business process : processus ou activité en lien avec la maintenance, processus automatisé avec une IA ✓BusinessObject : l'IA consiste à collecter des données, les analyser et réaliser des déductions selon des algorithmes d’apprentissage. l'IA s’appuie donc sur les données collectées. Dans notre exemple : les interventions de maintenance COMPETENSISest une marque déposée • En parallèle des processus business/métier, des processus de préparation et suivi de la technology de « machine learning » seront mis en œuvre. Leur modélisation obéira aux même règles. Le [Business Actor] sera alors un « Data scientist » ou un « informaticien ». 19
  20. 20. Décryptage de la couche fonctionnelle • La couche fonctionnelle est modélisée par des [Application Service]. • Ce niveau d’abstraction est totalement neutre d’un point de vue applicatif ou technologique. Ce niveau représente des attentes/exigences vis-à-vis de la solution applicative. • Dans le cas de l'IA, il est important d’indiquer les données manipulées [Data Object], au travers de relation READ, WRITE ou READ/WRITE. • Exemple : ✓IA Application Service : diagnostic d’une panne et décision automatisée de lancer une intervention de maintenance. ✓Data Object : les données d’interventions, des défauts constatés, symptômes et proposition d ’intervention : réparation avec intervention humaine, réparation sans intervention humaine (mise à jour logiciel), remplacement de la machine COMPETENSISest une marque déposée20
  21. 21. Décryptage de la couche applicative • La couche applicative décrit les applications chargées de réaliser les services fonctionnelles • Exemple : ✓Application Component : la solution de Machine Learning permettant d’automatiser le diagnostic et la prise de décision quant à une intervention de maintenance (humaine ou non) ✓Application Function : la solution de Machine Learning est constituée de 2 fonctions majeures « runtime » et « training ». Une fonction décrit le fonctionnement interne attendu de la solution. ✓Data Object : les données d’interventions, des défauts constatés, symptômes et proposition d ’intervention : réparation avec intervention humaine, réparation sans intervention humaine (mise à jour logiciel), remplacement de la machine. ✓Les données [DataObjects] peuvent être modélisées en lien avec [ApplicationService] ou [Application Component]. Le sens de la flèche indique un accès en lecture [Read] ou en écriture [Write] ou un accès en lecture/écriture comme dans le cas présent. COMPETENSISest une marque déposée21
  22. 22. Lien entre la couche métier et la couche applicative • Le lien entre la couche métier et la couche applicative est effectué par une relation de « service » entre un élément métier et un élément applicatif ou fonctionnel. • Dans l’exemple ci contre, le lien Serve entre le service applicatif AI Application Service et le processus automatisé Business Process [Automated with IA] COMPETENSISest une marque déposée22
  23. 23. Décryptage de la couche technologique • La couche technologique décrit l’infrastructure technique de la solution mise en œuvre au travers de System Software, Device, réseau (path) et Artifacts (données physiques). • Ainsi, une API ou un logiciel installé sur un serveur sont des System Software • Un élément de données physique ou une règle de décision sont des Artifacts COMPETENSISest une marque déposée23
  24. 24. Décryptage de la couche physique • Archimate® permet de modéliser les éléments physiques d’un atelier, entrepôt, laboratoire. • L’élément Facility permet de modéliser le lieu • L’élément Equipment permet de modéliser les machines mais aussi les IoT • Pour indiquer qu’une machine est équipée d’IoT collectant des données ou mesurant l’état de la machine, on utilise le lien [Aggregate] COMPETENSISest une marque déposée24
  25. 25. Lien entre la couche physique et la couche technologique • Les liens entre la couche Physique [Equipment] et la coucheTechnologique (logicielle) sont réalisées par les relations de [Flow] ou d’écriture des données [Access] collectées par les IoT et utilisées par la « Machine Learning » pour poser un diagnostic de panne et décider du type d’intervention de maintenance à réaliser. COMPETENSISest une marque déposée25
  26. 26. Et les données ? • Il est toujours intéressant de représenter les liens entre les couches de données métier, applicatives et techniques ainsi que physiques avec les Equipements de type IoT. • Les relations le plus souvent utilisées entre couches de données sont [Serve] ou [realize] (ici, realize) COMPETENSISest une marque déposée26
  27. 27. Mise en œuvre sur un cas d’usage d’amélioration de la relation client avec un CRM intégrant des techniques de Machine Learning (IA) Competensis®
  28. 28. Attentes et exigences des parties-prenantes suite à la mise en place d’un CRM intégrant l’intelligence artificielle COMPETENSIS est une marque déposée28
  29. 29. Fonctions intelligentes du CRM • Les fonctions intelligentes servent les fonctions classiques du CRM pour le rendre plus performant. COMPETENSIS est une marque déposée29
  30. 30. Des ventes plus intelligentes COMPETENSIS est une marque déposée30 Exigences de la fonction VENTES vis-à-vis de la solution de CRM avancé intégrant de l’intelligence artificielle
  31. 31. Un service client plus intelligent COMPETENSIS est une marque déposée31 Exigences du SERVICE CLIENT vis-à-vis de la solution de CRM avancé intégrant de l’intelligence artificielle
  32. 32. Un marketing plus intelligent COMPETENSIS est une marque déposée32 Exigences du MARKETING vis-à-vis de la solution de CRM avancé intégrant de l’intelligence artificielle
  33. 33. Des applications plus intelligentes Une sécurité des données et disponibilité accrue COMPETENSIS est une marque déposée33 Enjeux de la DSI : Savoir accompagner la transformation Maintenir la qualité de service et la disponibilité accrue
  34. 34. Modéliser une solution de développement d’algorithmes Competensis®
  35. 35. Intelligence Artificielle ou Statistiques à grande échelle ? • Ce que l’on nomme Intelligence Artificielle permet de réaliser des statistiques, tris sur des volumes de données extrêmement importants (big data). • Des solutions éprouvées existent pour appuyer à la mise en œuvre d’algorithme de tris. ✓Les fonctionnalités de machine learning (IA) ne sont qu’un adon à des outils existant sur le marché depuis des dizaines d’années 35 COMPETENSIS est une marque déposée
  36. 36. COMPETENSIS est une marque déposée 36
  37. 37. Christine Dessus chdessus@competensis.com +336 31 09 73 54 www.competensis.com COMPETENSIS est une marque déposée37

×