Les erreurs et les retouches rendent l\u2019IA nettement plus co\u00fbteuse que ne le laisse supposer le co\u00fbt brut de la g\u00e9n\u00e9ration d\u2019un r\u00e9sultat. Chaque fois qu\u2019un syst\u00e8me d\u2019IA produit un r\u00e9sultat erron\u00e9 n\u00e9cessitant une correction humaine, une nouvelle tentative automatis\u00e9e ou une correction en aval, vous payez \u00e0 la fois la g\u00e9n\u00e9ration initiale et le co\u00fbt de sa correction. Pour les organisations qui d\u00e9ploient l\u2019IA \u00e0 grande \u00e9chelle dans leurs flux de travail, cet effet cumulatif peut progressivement \u00e9roder la rentabilit\u00e9 unitaire qui rendait l\u2019adoption de l\u2019IA si attrayante au d\u00e9part. Les questions ci-dessous expliquent pr\u00e9cis\u00e9ment comment cela se produit et ce que vous pouvez faire pour y rem\u00e9dier.<\/p>\n
Les erreurs li\u00e9es \u00e0 l'IA font grimper les co\u00fbts, car un r\u00e9sultat erron\u00e9 ne reste que rarement isol\u00e9. Lorsqu'une erreur passe inaper\u00e7ue et se propage \u00e0 l'\u00e9tape suivante d'un flux de travail, chaque \u00e9tape suivante traite des donn\u00e9es corrompues, ce qui multiplie le co\u00fbt de l'erreur initiale. Au moment o\u00f9 l'erreur est d\u00e9tect\u00e9e, vous avez d\u00e9j\u00e0 pay\u00e9 pour la g\u00e9n\u00e9ration, le traitement en aval, la d\u00e9tection et la correction \u00e0 plusieurs \u00e9tapes.<\/p>\n
Imaginons un processus de traitement de documents dans lequel une \u00e9tape d'extraction par IA interpr\u00e8te mal un champ. Si cette valeur erron\u00e9e est transmise \u00e0 une \u00e9tape de calcul, \u00e0 une \u00e9tape de validation et \u00e0 une \u00e9tape de g\u00e9n\u00e9ration de rapports avant que quelqu'un ne s'en aper\u00e7oive, cela revient en fait \u00e0 avoir achet\u00e9 quatre unit\u00e9s de production pour un co\u00fbt de z\u00e9ro. Plus une erreur se propage en aval, plus il devient co\u00fbteux de la corriger.<\/p>\n
Cet effet de cascade est particuli\u00e8rement pr\u00e9judiciable dans les pipelines automatis\u00e9s o\u00f9 les contr\u00f4les humains sont rares. Les entreprises qui consid\u00e8rent l\u2019IA comme une couche enti\u00e8rement autonome, d\u00e9pourvue de contr\u00f4les qualit\u00e9 structur\u00e9s, constatent souvent que leur co\u00fbt r\u00e9el par r\u00e9sultat correct est deux \u00e0 trois fois plus \u00e9lev\u00e9 que leur co\u00fbt par r\u00e9sultat g\u00e9n\u00e9r\u00e9. Cette diff\u00e9rence correspond au co\u00fbt cach\u00e9 des erreurs qui s\u2019accumulent.<\/p>\n
Le co\u00fbt r\u00e9el des retouches sur les r\u00e9sultats g\u00e9n\u00e9r\u00e9s par l'IA comprend la main-d'\u0153uvre directement affect\u00e9e \u00e0 la correction, les co\u00fbts li\u00e9s aux nouvelles tentatives du syst\u00e8me, les co\u00fbts d'opportunit\u00e9 li\u00e9s aux retards, ainsi que les risques en mati\u00e8re de r\u00e9putation ou de conformit\u00e9 lorsque les erreurs touchent des parties prenantes externes. La plupart des organisations ne prennent en compte que la premi\u00e8re cat\u00e9gorie et sous-estiment donc syst\u00e9matiquement l'impact des retouches en tant que facteur de co\u00fbt.<\/p>\n
Une analyse d\u00e9taill\u00e9e des co\u00fbts de retouche permet de mettre en \u00e9vidence plusieurs niveaux :<\/p>\n
Lorsque l'on additionne ces cat\u00e9gories, les retouches repr\u00e9sentent souvent entre 20 et 50 % du co\u00fbt total d'un flux de travail assist\u00e9 par l'IA, m\u00eame lorsque le taux de pr\u00e9cision brut de l'IA semble acceptable sur le papier.<\/p>\n
Le taux d'erreur a un effet non lin\u00e9aire sur le co\u00fbt unitaire des syst\u00e8mes d'IA. Une l\u00e9g\u00e8re augmentation du taux d'erreur entra\u00eene une hausse disproportionn\u00e9e du co\u00fbt par r\u00e9sultat correct, car les co\u00fbts li\u00e9s aux retouches s'ajoutent aux co\u00fbts de g\u00e9n\u00e9ration au lieu de les remplacer.<\/p>\n
Voici un exemple simple pour illustrer ce principe : si la g\u00e9n\u00e9ration d\u2019un r\u00e9sultat par l\u2019IA co\u00fbte une unit\u00e9 et que la retouche co\u00fbte une unit\u00e9 suppl\u00e9mentaire, alors un taux d\u2019erreur de 10 % augmente votre co\u00fbt effectif par r\u00e9sultat correct d\u2019environ 11 %. Mais si votre taux d\u2019erreur grimpe \u00e0 30 %, votre co\u00fbt par r\u00e9sultat correct augmente de plus de 40 %, car vous payez d\u00e9sormais le co\u00fbt total de g\u00e9n\u00e9ration pour chaque tentative, plus le co\u00fbt total de retouche pour pr\u00e8s d\u2019un tiers d\u2019entre elles.<\/p>\n
Cette relation signifie que l'am\u00e9lioration de la qualit\u00e9 de l'IA, en passant d'une pr\u00e9cision de 90 % \u00e0 95 %, n'a pas simplement deux fois plus de valeur que celle obtenue en passant de 85 % \u00e0 90 %. La valeur de chaque am\u00e9lioration de la pr\u00e9cision s\u2019accro\u00eet \u00e0 mesure que les taux d\u2019erreur diminuent, car vous \u00e9liminez les co\u00fbts de retouche qui, eux-m\u00eames, entra\u00eenent des co\u00fbts suppl\u00e9mentaires lorsque les erreurs se propagent. Pour les organisations g\u00e9rant l\u2019IA \u00e0 grande \u00e9chelle, m\u00eame une am\u00e9lioration de deux ou trois points de pourcentage de la pr\u00e9cision peut modifier de mani\u00e8re significative la rentabilit\u00e9 unitaire de toute une gamme de produits ou de services.<\/p>\n
Les cas d'utilisation de l'IA caract\u00e9ris\u00e9s par un volume de production \u00e9lev\u00e9, des flux de travail en aval longs, une faible tol\u00e9rance \u00e0 l'erreur ou le recours \u00e0 des r\u00e9viseurs humains co\u00fbteux pr\u00e9sentent le plus grand risque en termes de co\u00fbts de retouche. La combinaison de deux de ces facteurs, quels qu'ils soient, engendre un risque important ; les quatre facteurs r\u00e9unis peuvent rendre le d\u00e9ploiement de l'IA non rentable sans une gestion rigoureuse.<\/p>\n
Parmi les cas d'utilisation les plus expos\u00e9s, on peut citer :<\/p>\n
Les cas d'utilisation caract\u00e9ris\u00e9s par des flux de travail courts et bien d\u00e9limit\u00e9s, o\u00f9 les enjeux par r\u00e9sultat sont faibles et o\u00f9 la v\u00e9rification humaine est ais\u00e9e, sont bien moins expos\u00e9s aux risques et constituent souvent le meilleur point de d\u00e9part pour un d\u00e9ploiement de l'IA \u00e0 grande \u00e9chelle.<\/p>\n
Les organisations devraient \u00e9valuer les co\u00fbts li\u00e9s \u00e0 la qualit\u00e9 de l'IA en \u00e9largissant leur cadre de gestion financi\u00e8re informatique afin de suivre non seulement le co\u00fbt de la g\u00e9n\u00e9ration de l'IA, mais aussi le co\u00fbt total de la production d'un r\u00e9sultat correct et exploitable. Cela implique de d\u00e9finir une unit\u00e9 de valeur au niveau du flux de travail, et non au niveau de l'inf\u00e9rence, et d'imputer \u00e0 cette unit\u00e9 tous les co\u00fbts associ\u00e9s, y compris ceux li\u00e9s aux retouches, aux r\u00e9visions et aux nouvelles tentatives.<\/p>\n
Concr\u00e8tement, cela n\u00e9cessite trois ajouts \u00e0 votre Gestion des co\u00fbts informatiques<\/a> pratiques :<\/p>\n Int\u00e9grer les co\u00fbts li\u00e9s \u00e0 la qualit\u00e9 de l'IA dans votre cadre global de gestion financi\u00e8re informatique vous permet \u00e9galement de comparer, \u00e0 p\u00e9rim\u00e8tre \u00e9gal, les flux de travail assist\u00e9s par l'IA aux alternatives reposant uniquement sur le travail humain, ce qui constitue le fondement de toute d\u00e9cision cr\u00e9dible concernant le choix entre \u00ab d\u00e9velopper ou acheter \u00bb ou entre \u00ab automatiser ou recruter \u00bb.<\/p>\n Les strat\u00e9gies les plus efficaces pour r\u00e9duire les co\u00fbts li\u00e9s aux retouches g\u00e9n\u00e9r\u00e9es par l'IA consistent \u00e0 d\u00e9tecter les erreurs plus t\u00f4t et \u00e0 moindre co\u00fbt, plut\u00f4t qu'\u00e0 r\u00e9duire le volume des r\u00e9sultats g\u00e9n\u00e9r\u00e9s par l'IA. La d\u00e9tection pr\u00e9coce est presque toujours moins co\u00fbteuse que la correction en aval, et des choix structurels judicieux peuvent r\u00e9duire consid\u00e9rablement les taux d'erreur sans ralentir le d\u00e9bit.<\/p>\n Parmi les strat\u00e9gies qui donnent syst\u00e9matiquement des r\u00e9sultats, on peut citer :<\/p>\n La gestion de la rentabilit\u00e9 unitaire de l'IA exige la m\u00eame discipline financi\u00e8re que celle requise pour tout autre investissement technologique : une r\u00e9partition claire des co\u00fbts, des indicateurs bien d\u00e9finis et une gouvernance qui \u00e9tablit un lien entre les d\u00e9penses et les r\u00e9sultats. Nous aidons les organisations \u00e0 d\u00e9velopper pr\u00e9cis\u00e9ment cette capacit\u00e9.<\/p>\n\n
Quelles strat\u00e9gies permettent de r\u00e9duire les co\u00fbts li\u00e9s aux retouches sans compromettre le volume de production g\u00e9n\u00e9r\u00e9 par l'IA ?<\/h2>\n
\n
Comment nous vous aidons \u00e0 g\u00e9rer les co\u00fbts li\u00e9s \u00e0 la qualit\u00e9 de l'IA<\/h2>\n
\n