Bonjour Guillaume, en tant qu'architecte de données chez Carrefour, comment voyez-vous l'impact de l'intelligence artificielle sur la gestion des données dans le secteur de la grande distribution?
La gestion des données à grande échelle représente un défi constant pour toutes les entreprises, en particulier les plus anciennes qui, souvent suite à des fusions-acquisitions, doivent gérer une grande hétérogénéité des types de données.
Historiquement, avant l'avènement de l'IA générative, l'IA se limitait à consommer les données de notre plateforme pour des modèles de recommandation et de prédiction. L'impératif était alors de garantir une qualité et une fraîcheur de données optimales.
L'émergence de la GenAI a révélé un potentiel significatif pour assister les utilisateurs de données : accélération de la découverte des sources, aide à la construction de requêtes SQL, identification rapide des Product Owners ou Product Managers (PO/PM) data responsables d'un objet métier.
Cependant, cette évolution soulève de nouveaux défis, notamment en matière de qualité de la documentation des données – et pas uniquement des données elles-mêmes. Pour notre part, l'efficacité de notre équipe de gouvernance des données a été un atout majeur. Leur application rigoureuse et précédemment perçue comme contraignante s'est avérée être une véritable force et un accélérateur crucial dans ce domaine.
Quels sont, selon vous, les principaux défis que rencontrent les entreprises lorsqu'elles souhaitent intégrer l'intelligence artificielle à leurs processus existants, en particulier dans votre domaine?
Il est crucial de toujours bien définir ce que l'on entend par intelligence artificielle. En effet, l'IA est intégrée depuis plusieurs années dans nos processus et activités, qu'il s'agisse des magasins, du e-commerce ou des entrepôts.
L'IA générative, en revanche, en est encore à ses balbutiements. Nous menons des initiatives prometteuses, principalement en interne, visant à simplifier et accélérer certains processus. Ces efforts se concentrent notamment sur la gestion de la documentation (HTML, DOC, PDF, etc.), domaine d'excellence actuel de l'IA générative.
Concernant l'intégration directe dans les processus, que l'on pourrait qualifier de "mode agentique", nous sommes en phase d'expérimentation. À ce jour, la technologie nous permet d'accomplir certaines tâches, mais ces dernières ne se situent pas sur le chemin critique de nos opérations.
Vous avez une expérience significative avec Google Cloud Platform; pouvez-vous nous expliquer comment cette expertise influence votre approche de l'intelligence artificielle en entreprise?
Mon expertise sur Google Cloud se concentre principalement sur les services managés, le serverless, la data et la sécurité. Ces compétences ont été directement mises à profit avec l'essor de l'IA générative, en tirant parti de l'écosystème de services managés tels que Gemini, VertexAI et AgentEngine, bien que leur maturité soit variable, notamment sur certains aspects de la sécurité.
Le principal atout de Google Cloud réside actuellement dans son Modèle de Langage de Grande Taille (LLM), Gemini. Il se positionne parmi les meilleurs du marché, offrant un coût maîtrisé et surtout un contexte étendu d'un million de tokens. Cet avantage, qui peut paraître mineur, est en réalité crucial : disposer d'un contexte aussi vaste simplifie considérablement la complexité de l'agentique, souvent contrainte par des contextes trop limités.
Pouvez-vous partager des exemples concrets où l'intelligence artificielle a transformé des opérations au sein de Carrefour ou dans vos expériences passées?
Concernant l'IA générative, plusieurs initiatives sont actuellement en cours dans différentes équipes. Au sein de mon équipe, la plateforme de données (data platform), nous nous concentrons sur le platform engineering en fournissant des solutions internes aux équipes consommatrices et productrices de données.
Nous disposons d'un canal Google Chat dédié aux questions relatives à cette plateforme, où nos experts répondent aux utilisateurs. Cependant, ce processus est devenu très chronophage pour l'équipe.
Pour optimiser ce support, nous avons décidé de mettre en place un agent conversationnel s'appuyant sur deux sources de connaissances principales : notre documentation officielle et l'historique de ces conversations. L'historique de chat est essentiel car une grande partie des connaissances pratiques et des solutions, qui ne sont pas toujours formalisées dans la documentation, s'y trouve.
Quels conseils donneriez-vous aux professionnels de la donnée pour surmonter les réticences internes à l'adoption de l'intelligence artificielle?
La résistance au changement est un phénomène normal. Comme je l'ai déjà exprimé dans des articles sur Medium, pour garantir une adoption réussie, il est impératif que les agents aillent à la rencontre des utilisateurs, plutôt que l'inverse. Cela implique d'intégrer les agents au plus près des utilisateurs, que ce soit dans les messageries ou les applications métier. Bien que cette approche soit plus longue et coûteuse, elle augmente significativement les chances de succès.
Par conséquent, il faut se méfier des plateformes centralisées regroupant tous les agents en un seul endroit, demandant aux utilisateurs de s'y rendre. Un tel modèle risque d'exclure une majorité d'individus, notamment ceux qui sont moins technophiles, ou alors demandera un effort en conduite du changement bien plus grand.
Comment envisagez-vous l'évolution de l'intelligence artificielle et des technologies cloud dans le secteur de la grande distribution au cours des prochaines années?
L'IA générative est un moteur de changement transversal, impactant tous les secteurs, au-delà de la seule grande distribution. Son apport est particulièrement notable dans la gestion des données non structurées (texte, image, vidéo, son).
Cependant, il est crucial de souligner la nécessité d'une supervision humaine. Mes expériences ont révélé que, malgré la performance des modèles, le risque d'hallucination ou de résultats inattendus persiste.
De plus, l'aspect sécurité et authentification des utilisateurs finaux reste un domaine en pleine maturation. Il est donc important de suivre ces évolutions de près, mais sans précipitation excessive.
Pour conclure, quel message souhaiteriez-vous transmettre à nos lecteurs qui s'intéressent à l'intelligence artificielle et à ses applications?
L'IA générative représente un formidable levier pour concrétiser des cas d'usage qui étaient encore inenvisageables il y a peu. Cependant, il est crucial de garder à l'esprit plusieurs principes.
1. L'IA n'est qu'un outil : Elle doit être considérée comme un moyen d'augmenter et d'optimiser les processus existants. Son intégration doit se faire de manière fluide, sans ajouter de complexité inutile qui risquerait de provoquer un rejet de la part des utilisateurs. L'aspect "intégration informatique classique" ne doit donc pas être sous-estimé par rapport à la composante IA.
2. Le bon outil au bon endroit : Il faut déployer l'IA uniquement là où elle apporte une réelle valeur ajoutée. L'adoption ne doit pas être motivée par la tendance, la mode, ou une simple offre de prestataire. Tout comme un marteau est inutile pour visser, l'IA peut s'avérer superflue là où un simple tableau de bord suffirait. Ce n'est qu'un outil !
Guillaume Blaquière est un architecte de données senior avec une expérience actuelle chez Carrefour depuis mars 2022. Il co-dirige la communauté Google Cloud Customer Community en France. Avant cela, il a occupé des postes d'architecte cloud chez Accenture AI et SFEIR. Google Developer Expert, Guillaume est diplômé de l'INSA Lyon en informatique et possède plusieurs certifications Google Cloud. Il contribue régulièrement à l'espace media Google Cloud Medium. Egalement actif dans le bénévolat, aidant la communauté à utiliser les services Google Cloud. Ses compétences incluent notamment l'architecture des données et l'avant-vente.
