IA neuro-symbolique : Quand l'IA apprend les règles de l'entreprise
L'IA générative sait rédiger, analyser un document ou répondre à une question. Mais peut-elle vérifier qu'une réponse respecte les contraintes d'une entreprise ? C’est précisément l’un des enjeux de l’IA neuro-symbolique : "la dimension neuronale, c'est celle des réseaux de neurones. Elle permet notamment de comprendre une demande formulée en langage naturel, de reconnaître une image ou d'extraire des informations d'un document", explique Sandy Millotte, co-fondateur de Nebia, start-up mancelle spécialisée dans l’IA. La dimension symbolique quant à elle, repose sur des connaissances structurées et des règles explicites. "L'idée est de combiner la souplesse de l'apprentissage avec un raisonnement encadré par les connaissances du métier."
Des réponses confrontées au terrain
Complémentaire de l'IA générative, cette approche associe compréhension du langage et vérification des contraintes. "Prenons l'exemple d'un commercial qui demande à son assistant IA de préparer un devis avec une remise de 12 % et une livraison le vendredi." Une IA générative seule pourrait rédiger l'offre sans vérifier sa faisabilité. Le système neuro-symbolique consulte les marges autorisées et les stocks : la remise exige une validation et la livraison n'est possible que lundi. "On peut montrer les informations utilisées, la règle appliquée et la raison pour laquelle une validation a été demandée", souligne l'expert. Sans pour autant éliminer toutes les hallucinations : des données périmées ou des règles incomplètes peuvent toujours fausser le résultat.
Des usages pour toutes les entreprises
Préparation des devis, contrôle de dossiers, relation client, contraintes de production : les applications concernent de nombreux métiers ! "Un contrôleur de gestion pourra ainsi déléguer la création de tableaux de bord générés selon ses directives et datas fournies à l'IA, et pourra alors se concentrer sur son cœur de métier pour contrôler et challenger ces résultats", illustre Sandy Millotte. Dans les grands groupes, cette approche facilite aussi l'analyse des systèmes informatiques historiques, de leurs règles métier et de leurs dépendances avant une migration. Elle peut aussi contribuer à préserver les savoir-faire lors des départs à la retraite. Pour les PME, "notre recommandation est de commencer par un problème précis et récurrent". Car l'IA n'est pas toujours nécessaire : une simple automatisation peut suffire. "Il ne faut pas que ça devienne un effet de mode", insiste-t-il.
L'humain reste indispensable
"Le déploiement nécessite d'identifier les données, de formaliser les règles et d'accompagner les collaborateurs dans l'appropriation de l'outil", met en garde l’expert. Sans oublier de veiller à la confidentialité des informations et aux droits d'accès. Les bénéfices attendus ? Du temps gagné, moins d'erreurs et une meilleure circulation de l'expertise interne. Mais leur réalité doit être évaluée au regard des coûts de déploiement et de maintenance. Enfin, l'IA neuro-symbolique ne dispense pas de contrôle humain. L'humain doit conserver la maîtrise des décisions sensibles. L'objectif : une IA "qui doit rester utile, contrôlable et qui permette aux personnes de comprendre sur quoi repose une proposition".
Élise Pierre
