Les équipes IA des entreprises construisent des dizaines de prototypes mais peu de systèmes passent en production bien que les cas d’usage soient clairs et que les métiers soient demandeurs, constate la startup Mistral AI.
Les déploiements s’exécutent sous forme de scripts ponctuels
L’adoption de l’IA stagne généralement au stade du prototype, poursuit la startup. La jeune société décrit une situation actuelle où les applications ont des modèles d’IA codés en dur sans outils d’évaluation. Les prompts sont ajustés à la main dans la documentation réalisée avec l’outil Notion. Les déploiements s’exécutent sous forme de scripts ponctuels.
Et il est difficile de savoir si la précision de l’IA s’est améliorée ou dégradée. Il existe un décalage entre le rythme d’expérimentation des IA et la maturité, la fiabilité et la solidité des composants techniques essentiels qui permettent d’exploiter un logiciel en production, de manière stable, traçable et gouvernée. « Nous avons échangé avec des centaines d’entreprises clientes, et nous avons découvert que le véritable obstacle réside dans l’absence d’un système permettant de transformer l’IA en une capacité fiable, observable et gouvernée » résume Mistral.
Les modèles d’IA ne sont pas en cause
Les blocages ne proviennent pas des performances des modèles d’IA, selon Mistral mais par de nombreux freins et irritants. Les équipes ont besoin de pouvoir suivre l’évolution des sorties selon les modèles d’IA ou leurs versions. Il faut pouvoir reproduire les résultats ou expliquer les régressions. De même, il faut surveiller l’utilisation réelle du cas d’usage et recueillir des retours structurés.
On doit aussi affiner les modèles à l’aide de données propriétaires, de manière privée et incrémentale, et effectuer des évaluations liées à ses propres benchmarks spécifiques au domaine d’activité. Enfin, il faut déployer des workflows gouvernés qui respectent les contraintes de sécurité, de conformité et de confidentialité. Tout cela permettra de créer un chemin fiable vers la mise en production.
Lancement d’un studio d’encadrement des développements des IA
Afin de résoudre ces difficultés, Mistral AI, annonce le lancement de « Mistral AI Studio », une plateforme conçue pour résoudre le défi majeur de l’adoption de l’IA en entreprise : le passage du prototype à la production.
Cette nouvelle offre vise à fournir aux équipes d’IA d’entreprise un système permettant de transformer l’IA en une capacité fiable, observable et gouvernée.L’industrialisation de l’IA exige une infrastructure qui soutient l’amélioration continue, l’observabilité, la sécurité, la discipline opérationnelle et le contrôle à la vitesse exigée pour déployer l’IA de manière fiable, évolutive et gouvernée.
Observabilité, Exécution et Registre : les trois piliers
Mistral AI Studio est structuré autour de trois piliers fondamentaux afin de délivrer une boucle opérationnelle complète pour l’IA : Observability, Agent Runtime et AI Registry.
Observability (Observabilité) est la brique qui propose une visibilité totale pour comprendre ce qui se passe et comment améliorer le système. Grâce à des outils comme l’Explorer, les équipes peuvent inspecter le trafic, construire des jeux de données et identifier les régressions. Les Judges (juges) permettent de définir et d’appliquer des logiques d’évaluation personnalisées, en se basant sur des benchmarks internes qui reflètent les critères de succès spécifiques à l’entreprise, plutôt que sur de simples classements génériques. Les équipes peuvent ainsi tracer les résultats jusqu’aux prompts, fermant la boucle de rétroaction avec des données concrètes.
Un moteur d’exécution des agents IA
Agent Runtime (Moteur d’exécution d’Agent) est l’épine dorsale de l’exécution, garantissant que chaque agent, allant des tâches simples jusqu’aux flux métier complexes en plusieurs étapes, s’exécute avec durabilité, transparence et reproductibilité. Construit sur Temporal, le moteur est tolérant aux pannes et assure un comportement cohérent, même en cas de tâches de longue durée. Il permet également des déploiements flexibles, y compris en hybride ou en auto-hébergé, pour que les entreprises puissent exécuter les agents au plus près de leurs systèmes tout en conservant la traçabilité et le contrôle.
AI Registry (Registre d’IA) est le système d’enregistrement central pour tous les actifs du cycle de vie de l’IA, les agents, modèles, jeux de données, juges et outils. Il assure la traçabilité, la propriété et le versioning de bout en bout, en appliquant des contrôles d’accès et des politiques de modération avant le déploiement. Ce point de vue unifié permet la gouvernance et la réutilisation des actifs à travers les différents environnements.
Une boucle de rétroaction transparente
En unifiant ces trois piliers dans une seule boucle opérationnelle, la plateforme promet de faire passer l’IA du stade de l’expérimentation à celui d’un système de production fiable, sûr et observable. Les entreprises disposeront de boucles de rétroaction transparentes, de flux de travail reproductibles et d’une gouvernance unifiée avec une pleine propriété des données grâce aux options de déploiement en self-hosted.
Mistral AI Studio se positionne comme la prochaine étape pour les équipes qui souhaitent « opérer l’IA avec la même rigueur que les systèmes logiciels ». Les entreprises sont invitées à s’inscrire pour la bêta privée.
Top lectures en ce moment
-
Livraison en 1 heure par Carrefour : une créa publicitaire réalisée avec une IA...
-
IA générative : pourquoi Carrefour privilégie l’approche Top-Down et garde lR...
-
Publicité sur les sites commerciaux : Carrefour et Carmila font appel à JCDecaux
L’actualité de la transformation
L'IA clé de nos besoins vitaux dans l'eau, l'électricité et le gaz
Marchés de l’eau : l’IA générative arrive dans les réponses aux appels d’offres des collectivités
Saur, spécialiste de la distribution d’eau potable, fait évoluer son processus de réponse aux appels d’offres des collectivités et des industriels en y injectant de l’IA géné…
Stockage de l’électricité : l’IA générative outil d’accélération clé chez Engie
Le stockage de l’électricité est un enjeu stratégique. Engie s’y attelle et mobilise pour cela l’IA générative de type RAG, c'est-à-dire basée sur le traçage des documents source. …
Nouvelle donne dans le gaz naturel : GRDF s’adapte en utilisant l’IA
GRDF, leader de la distribution du gaz naturel en France, affine sa stratégie d’IA. Il s’appuie sur des serveurs internes pour la confidentialité des données de ses clients. GRDF c…
Et vous, qu’en pensez-vous ?
Une idée, une réaction, une question ? Laissez-nous un mot ci-dessous.
Je réagis à cet article