Inna Tokarev Sela, PDG et fondatrice d’Illumex – Série d’entretiens

Inna Tokarev Sela, la PDG et fondatrice d’Illumex, transforme la façon dont les entreprises préparent leurs données structurées pour l’intelligence artificielle générative. Illumex permet aux organisations de déployer des agents d’analyse de l’IA générative en traduisant des données dispersées et cryptiques en un langage commercial riche en contexte avec une gouvernance intégrée.

La plateforme analyse automatiquement les métadonnées pour localiser et étiqueter les données structurées sans les déplacer ou les modifier, en ajoutant une signification sémantique et en alignant les définitions pour assurer la clarté et la transparence. En créant des termes commerciaux, en suggérant des métriques et en identifiant les conflits potentiels, Illumex assure une gouvernance des données aux normes les plus élevées.

Avec Illumex, les agents d’analyse peuvent interpréter les requêtes des utilisateurs avec précision, en fournissant des réponses exactes, conscientes du contexte et exemptes d’hallucinations. Sous la direction d’Inna, Illumex établit une nouvelle référence pour la préparation à l’IA, aidant les entreprises à libérer tout le potentiel de leurs données.

Qu’est-ce qui vous a inspirée pour fonder Illumex, et comment vos expériences chez Sisense et SAP ont-elles façonné votre vision pour l’entreprise ?

La vision d’Illumex est née pendant mes études, où j’ai imaginé que l’information pouvait être accessible par des associations de type mindmap plutôt que par des bases de données traditionnelles – permettant un accès direct aux données pertinentes sans consultation humaine extensive.

Mon temps chez SAP m’a enseigné les fondements de la construction de logiciels d’entreprise et de la mise à l’échelle des opérations. Le travail sur le développement de produits avec la plate-forme cloud SAP HANA et les initiatives commerciales comme le cadre de partenariat avec les startups m’a donné des insights profonds sur les besoins des clients d’entreprise. Cela a révélé un écart important entre la façon dont les entreprises abordent les pratiques de données et ce dont les utilisateurs finals ont réellement besoin.

Chez Sisense, la construction de la pratique de l’IA à partir de zéro a démontré l’immense valeur que l’IA pouvait apporter aux clients. En voyant cet impact, combiné à l’essor des technologies SaaS et de l’IA générative, m’a convaincue que le moment était venu de lancer Illumex en 2021.

Illumex se concentre sur le tissu sémantique génératif. Pouvez-vous expliquer le concept central et ce qui vous a motivée pour relever ce défi spécifique dans l’IA et l’analyse de données ?

Illumex a créé le tissu sémantique génératif – une plateforme qui automatise la création d’un contexte organisationnel et d’une logique lisible à la fois par les humains et les machines. Cette plateforme unifie l’expérience des modèles d’IA générative basés sur LLM et des applications commerciales pour les utilisateurs techniques et non techniques autour d’un contexte partagé.

Ce tissu unique offre deux avantages majeurs : il rationalise la gestion des données en automatisant jusqu’à 80 % des tâches d’ingénierie de données et permet aux utilisateurs non techniques d’accéder à l’analyse avec une gouvernance, une explicabilité et une exactitude intégrées. Ces deux avantages répondent à un marché de plusieurs milliards de dollars pour la prise de décision d’entreprise.

Imaginez-le comme un espace de jeu numérique où les machines, les humains et les applications interagissent spontanément sans programmation préalable. Cela s’aligne sur notre vision d’un avenir sans applications, où au lieu de jongler avec de multiples outils comme des feuilles de calcul, des analyses, des systèmes financiers et des systèmes de gestion de la relation client, vous exprimez simplement votre tâche, et elle est réalisée de manière transparente. Le tissu sémantique génératif est la base de cet avenir.

Quels étaient certains des principaux défis que vous avez rencontrés au début d’Illumex, et comment les avez-vous surmontés ?

En 2021, malgré le fait que les modèles sémantiques d’IA générative existaient depuis 2017, et que les réseaux de neurones graphiques existaient depuis encore plus longtemps, il était difficile d’expliquer aux VC pourquoi nous avons besoin d’un contexte et d’une logique automatisés. Définir cela à l’époque était déjà une tâche difficile.

Je dirais que le plus grand défi était de susciter vraiment l’enthousiasme pour cette technologie et ce marché futurs. Et j’ai eu la chance de rencontrer des investisseurs visionnaires qui croyaient en moi.

Comment Illumex permet-il aux organisations de devenir prêtes pour l’IA, et pourquoi cette transition est-elle critique dans le paysage commercial d’aujourd’hui ?

Le monde des affaires se divise en deux camps : les entreprises qui reconnaissent et exploitent l’IA comme une force de transformation similaire à Internet, et celles qui manquent ou retardent la compréhension de cette opportunité.

Illumex rencontre les organisations où qu’elles soient dans leur parcours d’IA. Nous préparons leurs données pour la mise en œuvre de l’IA générative, augmentons et réglementons la logique et le contexte organisationnels, et permettons le déploiement d’agents d’analyse et d’orchestration.

<p Notre plateforme d'implémentation complète de l'IA générative pour les données structurées élève le paysage de n'importe quelle entreprise pour exploiter efficacement ces technologies avancées.

Illumex met l’accent sur les réponses « exemptes d’hallucinations » de l’IA générative. Comment Illumex assure-t-il des sorties déterministes et fiables ?

Illumex s’appuie sur des ontologies commerciales préexistantes – des graphes de connaissance qui capturent la terminologie, les flux de travail et les processus spécifiques à l’industrie, ainsi que les fonctions commerciales comme la finance, les ressources humaines et la chaîne d’approvisionnement.

Lors de l’intégration des clients, nous réentraînons automatiquement ces ontologies sur leurs métadonnées. En quelques jours, les entreprises peuvent rechercher leurs données, valider les résultats et identifier des problèmes tels que des doublons ou des conflits.

Le chatbot d’analyse agente fournit une transparence complète – en montrant comment les questions sont interprétées et mappées sur l’ontologie client, puis sur les données. Cette transparence, combinée à la validation automatique des données, garantit des réponses déterministes et exemptes d’hallucinations. De plus, les équipes de gouvernance peuvent prévalider les réponses potentielles puisque le contexte intègre toutes les questions possibles et leurs permutations à l’avance.

Comment Illumex se différencie-t-il des approches traditionnelles comme la génération augmentée de récupération (RAG) ?

Alors que la RAG tente de personnaliser les modèles d’IA standard en les alimentant avec des données et une logique organisationnelles, elle présente plusieurs limites. C’est une boîte noire – vous ne pouvez pas déterminer si vous avez fourni suffisamment d’exemples pour une personnalisation appropriée ou comment les mises à jour du modèle affectent la précision. Elle repose également sur des scientifiques des données qui peuvent manquer de contexte commercial, ce qui rend difficile la capture complète de la logique organisationnelle.

De plus, la RAG consomme environ 80 % de l’infrastructure et des jetons d’IA pour le réglage fin plutôt que pour l’utilisation réelle, ce qui soulève des préoccupations en termes de retour sur investissement. Elle manque également de gouvernance intégrée – il n’y a pas de moyen pour les équipes de conformité de valider l’adéquation de la formation ou d’assurer des contrôles d’accès appropriés.

Le tissu sémantique génératif (GSF) d’Illumex répond à ces défis en construisant un contexte automatisé sans consommer de jetons d’IA externes. Il élimine le besoin de scientifiques des données spécialisés et fournit une transparence complète dans le mappage et la logique via des interfaces web, Slack ou Teams. Le GSF inclut une gouvernance et une explicabilité intégrées, des indicateurs clairs de la couverture organisationnelle et de la qualité des données, ainsi qu’une évaluation automatique de la qualité pour les capacités de réponse aux questions.

Beaucoup d’entreprises ont du mal à prendre des décisions basées sur les données malgré des investissements importants dans les infrastructures de données. Pourquoi pensez-vous que cet écart existe, et comment Illumex le comble-t-il ?

L’écart entre l’investissement dans les données et la prise de décision efficace continue de s’élargir à mesure que les volumes de données explosent, à la fois à l’intérieur et à l’extérieur des organisations. Les entreprises sont maintenant confrontées non seulement à leurs propres données en constante augmentation, mais également à une multitude de sources externes – des API météorologiques aux plateformes cloud d’industrie partageant des données de santé à travers les institutions européennes, ainsi que des données synthétiques pour divers cas d’utilisation.

Le défi est que les organisations s’appuient encore sur les humains pour des tâches de données critiques comme la modélisation, l’évaluation de la qualité et la création de tableaux de bord. Cependant, l’échelle et la complexité des environnements de données modernes rendent de plus en plus impossible pour les équipes humaines de classer efficacement les données, d’évaluer leur qualité et de s’assurer qu’elles sont adaptées pour l’analyse et l’automatisation basées sur l’IA.

Illumex comble cet écart en automatisant ces processus traditionnellement manuels, permettant ainsi aux organisations de gérer, de valider et d’utiliser efficacement leur paysage de données en constante expansion pour prendre des décisions commerciales significatives.

Quels secteurs ont été les plus rapides à adopter la plateforme d’Illumex, et quels défis ou opportunités uniques avez-vous observés dans ces secteurs ?

Nous voyons l’adoption la plus rapide dans les secteurs qui se situent à l’intersection de l’intensité des données et de la réglementation lourde, où les entreprises ont besoin d’une automatisation robuste de la surveillance de la qualité des données, du suivi de l’utilisation et de la détection des conflits. Les services financiers, les produits pharmaceutiques et le commerce de détail/é-commerce sont à la pointe, car ces secteurs visent à se réinventer rapidement en utilisant leurs actifs de données existants tout en naviguant dans des exigences réglementaires complexes.

Avec l’évolution rapide de l’IA générative, quels conseils donneriez-vous aux entreprises qui cherchent à intégrer l’IA de manière efficace et responsable ?

Commencez par élaborer un plan stratégique clair qui identifie des cas d’utilisation spécifiques et les impératifs commerciaux qui motivent l’adoption de l’IA. Il est crucial d’éviter de créer de nouveaux silos de technologie d’IA qui fonctionnent de manière isolée par rapport aux systèmes existants.

Au lieu de cela, construisez une plateforme unifiée qui intègre la gestion des données, l’analyse et les capacités d’IA générative. Garder les initiatives d’IA disjointes des pratiques de gouvernance établies ne crée pas seulement des risques importants, mais entraîne également des coûts accrus. La clé est de créer une infrastructure partagée qui prend en charge toutes ces fonctions tout en maintenant une surveillance appropriée.

Avec l’accélération de l’adoption de l’IA, quels sont les tendances que vous voyez façonner le paysage de l’IA d’entreprise au cours des 3 à 5 prochaines années ?

Deux tendances majeures émergent dans le paysage de l’IA. Premièrement, l’analyse agente gagne en momentum, permettant une analyse de données plus sophistiquée et des insights plus approfondis. Deuxièmement, nous assistons à un déplacement vers l’orchestration agente, qui permet des flux de travail basés sur la collaboration entre plusieurs modèles d’IA aux fonctionnalités diverses.

Cette orchestration nous amène au-delà des applications à usage unique vers des solutions plus complètes. Par exemple, dans le domaine de la santé, au lieu d’applications isolées pour des tâches spécifiques, imaginez l’automatisation de l’ensemble des flux de travail du cabinet médical – combinant la numérisation d’images, le traitement de prescriptions et les recommandations de médicaments en un seul système transparent.

Ces progrès s’appuient sur un tissu sémantique génératif robuste pour assurer l’accès aux données, le partage du contexte et la coordination entre les agents d’IA. Cette base sera cruciale pour permettre à la fois l’analyse agente et les solutions d’IA orchestrées d’atteindre leur plein potentiel.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Illumex.