Ce sujet crucial est exploré en profondeur dans le 74^e épisode du podcast AI Experience, où Julien Redelsperger reçoit Alexandre Pasquiou, docteur en intelligence artificielle et fondateur de la startup Neuralk AI. Ensemble, ils lèvent le voile sur cette technologie qui transforme les données dormantes des entreprises en leviers de croissance stratégique.

Pourquoi l'intelligence artificielle générative échoue-t-elle face aux tableaux ?

La majorité des entreprises repose sur des données structurées — ces colonnes et lignes que l'on retrouve dans les fichiers Excel, les bases de données SQL ou les CRM. Pourtant, les modèles de langage (LLM) comme ChatGPT ou Claude peinent à traiter ces informations avec précision. Comme l’explique Alexandre Pasquiou :

« Les architectures des modèles de langage ne sont pas construites pour fonctionner sur des données structurées [...]. Ils ne comprennent pas ce que c'est que la structure d'un tableau ».

Lorsqu'un LLM reçoit un tableau, il le convertit en une simple suite de caractères (une "string"), perdant ainsi la hiérarchie et les relations statistiques entre les colonnes. De plus, ces modèles ont des difficultés intrinsèques avec la manipulation des nombres, qu'ils divisent souvent en chiffres isolés, brisant toute logique statistique. L’IA tabulaire intervient précisément ici pour combler ce fossé, en utilisant des architectures de type Transformers spécifiquement entraînées pour l'inférence statistique plutôt que pour la génération de texte.

‍

L'IA tabulaire : une révolution prédictive pour les données structurées

L'intelligence artificielle prédictive appliquée aux tableaux ne se contente pas de résumer le passé ; elle anticipe l'avenir. Contrairement aux approches classiques de machine learning qui nécessitent des mois de développement pour un seul cas d'usage, les nouveaux modèles d'IA tabulaire utilisent le "méta-learning". Ils apprennent à apprendre à partir de milliards de tableaux, devenant capables de réaliser des prédictions précises dès qu'ils sont confrontés à un nouveau jeu de données, sans réentraînement lourd.

Les données synthétiques : le carburant de l'innovation

L'un des défis majeurs de l'intelligence artificielle prédictive est l'accès aux données. Contrairement au texte public sur Internet, les tableaux de données d'entreprise sont confidentiels et ne peuvent être "scrappés". Pour contourner cette limite, la recherche s'est tournée vers les données synthétiques. Alexandre Pasquiou précise l'importance de cette avancée :

« On entraîne un modèle sur la donnée qu'on a générée nous-mêmes et on arrive à mieux prédire sur les données du client qu'un modèle qu'ils ont entraîné sur leurs propres données ».

Cette approche permet de créer des modèles plus légers, plus rapides et surtout plus performants, capables de capter des signaux faibles là où les méthodes traditionnelles échouent.

Impact métier et retour sur investissement

L'adoption de l'IA tabulaire touche des secteurs où la précision est vitale. En finance, elle permet d'affiner les prédictions boursières ou de détecter la fraude avec une acuité supérieure aux modèles classiques. Dans le retail ou les services, elle excelle dans la prédiction du "churn" (taux d'attrition). Une salle de sport a ainsi réussi à augmenter la précision de ses prédictions de désabonnement de 20% grâce à ces nouveaux modèles.

Cette efficacité est une réponse directe au "paradoxe des investissements" souligné par des études récentes. Selon le rapport State of AI in the Enterprise 2024 de Deloitte, bien que les investissements augmentent, de nombreuses entreprises peinent encore à démontrer un ROI tangible. L'IA tabulaire offre une solution en éliminant les coûts de maintenance des pipelines de données (MLOps) et en permettant aux experts métiers de se concentrer sur la prise de décision plutôt que sur l'entraînement des modèles. Comme le souligne Alexandre Pasquiou lors de l'entretien :

« Le cœur du réacteur, ce sera ces modèles prédictifs ».

Vers une transformation des compétences

L'automatisation des tâches techniques par l'intelligence artificielle prédictive déplace la valeur ajoutée humaine vers la connaissance métier et la compréhension des frictions spécifiques à chaque organisation. L'expertise ne résidera plus dans la capacité à coder un modèle, mais dans l'aptitude à sourcer des données structurées de haute qualité pour alimenter ces systèmes.

En conclusion, si l'IA générative reste un formidable accélérateur de productivité pour la création de contenu, l'IA tabulaire s'impose comme l'outil indispensable pour piloter la stratégie globale des entreprises. Ce sujet passionnant, qui redéfinit les frontières entre data science et décisionnel, est au cœur de l'épisode d'AI Experience avec Alexandre Pasquiou. Pour aller plus loin et comprendre comment exploiter vos propres gisements de données, l'écoute de cet échange offre des clés concrètes pour ne pas rater le train de cette seconde vague de l'IA.

‍