Du 22 au 25 avril dernier avait lieu le congrès annuel du CLOC Institute, regroupant une belle brochette de dirigeants de contentieux de grandes entreprises, mais également une panoplie de fournisseurs de LegalTech.
Comme dans toutes les industries, l’intelligence artificielle s’installe et fait son bout de chemin dans le monde juridique. J’ai été fasciné de voir comment les différents joueurs de l’industrie prévoient appliquer l’IA au domaine juridique, mais ce n’est pas ici le sujet. J’y reviendrai dans un prochain billet. Ce qui m’a le plus surpris, et c’est ce dont je veux parler aujourd’hui, a été de voir à quel point il est difficile pour beaucoup de gens présents au congrès de distinguer l’automatisation de l’intelligence artificielle. Je vous propose un spectre des concepts qui vous permettra, je l’espère, vous y retrouver un peu mieux :
- Automatisation de base
La bonne vieille macro dans Excel ou dans Word. Cela implique un seul système et habituellement une seule tâche.
- Automatisation des processus robotiques (Robotic Process Automation ou RPA)
Un processus est automatisé sur une base de règles impliquant une source de données structurée. Les règles sont entièrement créées et programmées par l’humain. Le processus peut impliquer plusieurs systèmes, plusieurs étapes et être appliqué à plusieurs niveaux dans l’entreprise. Le processus est habituellement utilisé à fort volume et vise à remplacer une tâche répétitive effectuée par l’humain.
- Automatisation intelligente
Il s’agit ici d’un processus d’automatisation augmenté par l’apprentissage automatique (ou machine learning). En gros, à force de recevoir de plus en plus de données, la machine apprend et devient plus performante. Un chatbot tel que Growthbot en est un excellent exemple. Il vous assiste dans vos prises de décisions marketing et vous donne de plus en plus d’information, semaine après semaine, à la suite de son apprentissage continuel.
- Intelligence artificielle
Cette technologie vise à émuler le cerveau humain. Entre autres, l’apprentissage profond (deep learning) et des réseaux de neurones sont utilisés pour permettre à la machine de construire des modèles de règles par elle-même et prédire un résultat (processus «d’induction»). Plus elle apprend, plus elle peut prédire le résultat avec un nombre restreint de données, comme le cerveau humain. Pour faire une comparaison simple, avec peu de données, un jeune avocat prédira un verdict beaucoup moins probant qu’un avocat d’expérience. En automatisation, on parlera donc d’automatisation cognitive.
L’objectif de ce billet n’est pas de discréditer une forme d’automatisation au profit d’une autre. Au contraire, en fonction des gains que vous désirez obtenir dans votre flux d’opérations, il est important de bien être informé et de choisir la forme la plus adéquate selon vos besoins. Chacune d’entre elles s’applique à un certain type de scénario. Vinay Mummigatti, Vice-président sénior chez Bank of America et chef responsable de l’automatisation, propose ici une description plus exhaustive ainsi que les principes de base d’application. Ça devrait vous aider à faire le bon choix si vous avez de tels projets dans vos cartons. Bonne lecture!
