POC, MVP dans l’IA : quelles différences et quels usages ?

Le diagnostic posé dans des sociétés matures et sensibilisées à l’IA ouvre la voie aux premiers prototypes d’algorithmes conçus pour répondre à un problème détecté. Mais entre POC (Proof of Concept) et MVP (Minimum Viable Product), comment s’y retrouver et avancer par étape sur son projet ? Octopeek vous donne quelques pistes pour réussir son implémentation de réponse IA.

Une fois le diagnostic de maturité intelligence artificielle (IA) et/ou Big Data établi dans l’entreprise, un socle et une feuille de route sont établis pour mener un projet au bout. La mesure de l’écart entre l’existant et les objectifs à atteindre, ainsi que le listing des use cases, sont la base de la construction d’une réponse IA à un problème. Attention à ne pas faire les choses à l’envers : bien souvent, on observe une tendance à créer le problème pour le résoudre par une réponse d’intelligence artificielle. Dans les entreprises disposant de DSI, déjà habituées aux problématiques et réponses IA, la bonne logique est inverse : “nous avons un problème, comment l’intelligence artificielle peut-elle aider, ou non, à le résoudre ?”

POC : la première étape R&D

Premier pas dans la conception d’une réponse IA à un problème détecté en entreprise, le POC (ou proof of concept ou preuve de concept en français) permet de montrer qu’une solution trouvée marche et que son implémentation est réaliste.
Le POC est le garant de la faisabilité d’un projet : il pose un premier cadrage agile et installe la réponse dans une certaine réalité en levant les verrous technologiques.
À l’issue de cette première étape, un prototype est mis en place qui va remplir la fonction pour laquelle il a été construit sans toutefois être industrialisé.
Pour bien comprendre, on peut faire le parallèle avec la création d’un drone : il est fabriqué, il est testé, il fonctionne et démontre son utilité, mais il n’est pas employé directement sur le terrain.

En intelligence artificielle, le POC consiste à trouver la technologie qui va permettre de résoudre un problème. Les cas d’usages sont multiples : le traitement de données provenant d’une base de clients ou produits, la classification d’images pour de la reconnaissance automatisée… Le Proof Of Concept reste un prototype d’algorithme qui ne sera pas utilisable en conditions réelles mais a un réel objectif de Recherche & Développement. Il permet aux clients de s’appuyer sur la technologie tout en ayant conscience de ses limites et d’avoir une vision sur les possibilités de la réponse IA si une industrialisation est envisagée.

MVP : le passage à l’industrialisation

Cette seconde étape constitue parfois un blocage car elle implique le déploiement de la solution IA et donc un changement des process en entreprise. Lorsque le POC fonctionne et est validé, l’objectif est de concevoir une première version du produit dans le but de convaincre de son utilité dans l’entreprise : c’est l’objet du MVP ou Minimum Viable Product.

En intelligence artificielle et par rapport aux technologies d’il y a 5 à 10 ans, de nombreux outils existent et permettent de passer plus facilement du POC à l’industrialisation via un MVP. Ces outils accélèrent le déploiement et le sécurisent.

En effet, le Minimum Viable Product se pense comme une méthode particulière où l’objectif est de sortir un produit avec des fonctions de base attendues et de le confronter à son public très rapidement. Tout problème détecté au fur et à mesure de la conception est réglé via des mises à jour par étapes pour livrer un produit qui va fonctionner sous quelques mois et prouver sa pertinence.

POC vs MVP : pour quels usages ?

L’évolution des équipes et des profils dans les entreprises permet d’aller plus vite dans la construction d’un projet en IA et d’avoir moins de divergences dans la détection des besoins en amont. Plus digitalisées et plus communicantes, les équipes sont sensibilisées aux enjeux de l’intelligence artificielle et mettent en place des process qui aiguilleront la construction d’un POC ou d’un MVP. Souvent, elles intègrent des data scientists, data engineers, des marketeurs, de la Business Intelligence, qui composent des directions plus matures sur ces sujets.

En termes d’usages, le POC est un prototype fondamentalement destiné aux directions techniques des entreprises. Il est la preuve de l’utilité d’une technologie mais n’est pas pensé pour l’utilisateur final. Par rapport au POC drivé par cette intention “technique” et qui s’inscrit dans une démarche R&D, le MVP a une réelle visée “user” avec une implémentation beaucoup plus réaliste et très rapidement fonctionnelle. Il répond via une solution concrète à un besoin exprimé, souvent par les directions marketing elle-même. Le MVP s’affranchit également d’un “pain point” courant : la détection trop tardive des problèmes. Conçu en itérations courtes, avec des tests et corrections réguliers, il permet de livrer un produit qui répond réellement à des problématiques et qui correspond aux attentes de ses utilisateurs.

Bien faire la distinction entre POC et MVP est crucial avant de se lancer dans un projet d’IA pour répondre à un problème en entreprise. Si le premier apporte la preuve d’un concept fonctionnel et réaliste, le second est une étape d’industrialisation qui répond directement aux usages de ses utilisateurs, dans un déploiement rapide et agile. Chez Octopeek, nous avons mis en place une méthodologie pour construire un MVP dans l’intelligence artificielle qui repose sur 4 étapes essentielles.

Avant d’entamer un projet data incluant de l’IA, Octopeek préconise systématiquement un diagnostic de maturité , composé d’un audit organisationnel et d’un audit technique.
Celui-ci permet de déterminer la meilleure façon d’entreprendre avec succès votre projet data et IA.