19 - Comment intégrer un Service IA probabiliste dans un SI déterministe ?

Nous ferons un retour d’expérience sur un outil Python d’analyse des publications scientifiques de notre établissement afin d’identifier la présence d’ODD (Objectifs de Développement Durable). Les techniques mises en place dans la chaine complète (pipeline) seront présentées : ingestion/extraction, segmentation (chunking), vectorisation (embeddings) et indexation du corpus, contextualisation, RAG, analyse multiple et pondération des résultats.

Nous partagerons avec vous les points d’attention rencontrés et la démarche mise en place pour s’en affranchir :

• la complexité des données d’entrée compensée par un paramétrage fin du chunking
• la compréhension des publications grâce à la puissance des modèles utilisés
• la crédibilité des résultats obtenus, renforcée par une pondération obtenue après une triple analyse avec 3 modèles différents
• la sensibilité du prompting pouvant mener à des faux positifs ou des non-détections affinée.

Au-delà de ces points techniques, nous montrerons que l’intégration des applications IA dans un SI “déterministe” induit un passage à un service probabiliste et une gouvernance nécessaire de l’incertitude.

📄 Télécharger le support de présentation