En avril, nous vous avions proposé un live LinkedIn spécial intelligence artificielle et no code. Aujourd’hui, on donne la parole à un expert, Gauthier Vasseur, du Fisher Center for Business Analytics de l’Université de Berkeley, notre partenaire.
Quelle est la différence entre le low code et le no code ?
En fait, ces deux concepts sont finalement assez proches l’un de l’autre. Dans les deux cas, il s’agit de supprimer la partie codage qui souvent prend du temps, et nécessite à la fois des compétences et de la supervision.
Ce temps gagné peut ensuite être consacré à des parties beaucoup plus analytiques ou des parties métiers.
Le low code allège la partie coding en la limitant à la saisie de quelques paramètres, qui vont permettre d’ajuster un algorithme ou un process.
Le no code la supprime, au profit d’une succession de clics sur un écran, ce qui va permettre à l’utilisateur d’aller plus vite.
Quels avantages offrent ces outils ?
D’un point de vue métier, il est indéniable.
Aujourd’hui, ce qui apporte de la valeur dans l’entreprise, ce sont les humains. Les hommes et les femmes qui y travaillent et qui œuvrent pour résoudre des problèmes et des points de douleur au quotidien.
Plus l’intelligence, l’énergie, l’agilité, la créativité et l’innovation humaine aident à la résolution de ces problèmes, plus l’entreprise va être en mesure de progresser.
En effet, aujourd’hui, coder n’est pas une valeur ajoutée extraordinaire. On consacre beaucoup de temps et de valeur humaine, derrière un écran et un clavier.
L’objectif est de limiter cette phase derrière la machine, au profit de phase de collaboration, d’innovation, d’idéation et de résolution de problèmes.
C’est une des grandes valeurs ajoutées dans le monde actuel où de plus en plus d’entreprises doivent leur survie à leur capacité à innover et à se réinventer.
Pourquoi combiner l’IA et le low code ou le no code ?
L’intelligence artificielle est un terrain particulièrement propice.
C’est un domaine assez technique, où on va faire intervenir beaucoup de données, de la donnée finalement assez riche, avec des algorithmes.
Mais c’est aussi un domaine qui est paradoxalement en lien avec des choses profondément “métier”, qui nécessitent une connaissance assez fine des situations.
On se retrouve finalement avec deux mondes qui parfois s’opposent. Un monde volontairement technique qui peut être hors sol, et un monde métier qui lui est complètement sur le terrain, mais qui peut manquer de technique.
Le low code et le no code permettent de marier ces deux composantes et de donner la capacité à ceux qui maîtrisent le terrain et leur métier d’étendre leurs compétences analytiques et de leur donner accès à toute une nouvelle gamme de traitement de données. L’émergence de ces technologiques déverrouille et décloisonne le monde du travail et donne cette capacité de travailler et d’aller plus loin aux métiers, avec leur data.
As-tu des exemples ?
Les exemples sont extrêmement variés. On a des exemples classiques de prédiction : d’achat, de vente, de clics sur un site web, de fraude, de spam…
On retrouve dans tous les métiers des exemples de l’application de l’IA. Mais de manière plus générale, l’application de l’IA est finalement très intuitive.
Aujourd’hui, pour la plupart des entreprises, l’objectif est de pouvoir prendre des décisions avec le minimum d’aléatoire possible. Tout en se donnant des chances supplémentaires de comprendre une situation et les conséquences de ce que l’on veut faire. Parfois, notre intuition et notre expérience ne sont pas suffisantes. Et c’est là que nous allons nous appuyer sur les machines, pour gagner sur le long terme par rapport à une situation ou à ses compétiteurs.
Pourquoi MIA peut-être une solution ?
MIA est une excellente solution de no code pour l’IA.
Elle permet aux utilisateurs d’utiliser très rapidement des algorithmes de Machine Learning et de Deep Learning et de les mettre à profit pour résoudre des problématiques métiers.
L’apport se fait avec un niveau graduel. Même si on fait appel à une solution no code, MIA apporte des niveaux de prises en main d’abord simples, qui vont permettre de tester des intuitions, de valider une expérience.
Et puis graduellement en ajoutant des paramètres, toujours dans une interface très simple et très claire, on affine l’approche de l’IA et donc la qualité de la réponse. Je pense qu’aujourd’hui, MIA s’impose comme un outil absolument essentiel à l’heure où une culture data émerge dans les entreprises et beaucoup d’utilisateurs ont envie d’aller plus loin. Parce que très rapidement, quand on a de bonnes données, on a envie d’aller plus loin.
MIA permet, en instantané, de commencer avec du Machine Learning, pour voir les premières promesses des analyses prédictives et les compréhensions, les causes et les conséquences de la plupart des observations que l’on fait.
