Ryan Ries, Chief AI & Data Scientist chez Mission – Série d’entretiens

Dr. Ryan Ries est un scientifique de données de renom, avec plus de 15 ans d’expérience de leadership dans les données et l’ingénierie dans des entreprises technologiques à croissance rapide. Dr. Ries compte plus de 20 ans d’expérience dans le travail avec l’IA et plus de 5 ans à aider les clients à construire leur infrastructure de données et leurs modèles d’IA sur AWS. Après avoir obtenu son doctorat en chimie biophysique à l’UCLA et au Caltech, Dr. Ries a aidé à développer des solutions de données de pointe pour le département de la Défense des États-Unis et une myriade d’entreprises du Fortune 500.

En tant que Chief AI et Data Scientist pour Mission, Ryan a construit une équipe de Data Engineers, Data Architects, ML Engineers et Data Scientists pour résoudre certains des problèmes les plus difficiles du monde en utilisant l’infrastructure d’AWS.

Mission est un fournisseur de services gérés et de conseil de premier plan, né dans le cloud, offrant des services cloud de bout en bout, des solutions d’IA innovantes et des logiciels pour les clients d’AWS. En tant que partenaire de premier rang d’AWS, l’entreprise aide les entreprises à optimiser leurs investissements technologiques, à améliorer leur performance et leur gouvernance, à scaler efficacement, à sécuriser leurs données et à adopter l’innovation avec confiance.

Vous avez eu un parcours impressionnant – de la construction de matériel AR chez DAQRI à devenir Chief AI Officer chez Mission. Quelles expériences personnelles ou quels tournants ont le plus façonné votre perspective sur le rôle de l’IA dans l’entreprise ?

Le développement de l’IA au début était fortement limité par la puissance de calcul et les défis d’infrastructure. Nous devions souvent coder des modèles à partir de documents de recherche, ce qui était fastidieux et complexe. Un changement important est survenu avec l’émergence de Python et des bibliothèques d’IA open source, ce qui a rendu l’expérimentation et la construction de modèles beaucoup plus rapides. Cependant, le plus grand tournant s’est produit lorsque les hyperscalers comme AWS ont rendu le calcul et le stockage scalables largement accessibles.

Cette évolution reflète un défi persistant dans l’histoire de l’IA – la pénurie de stockage et de capacité de calcul. Ces limites ont causé les précédents hivers de l’IA, et les surmonter a été fondamental pour la « renaissance de l’IA » d’aujourd’hui.

Comment le modèle de service cloud de bout en bout de Mission aide les entreprises à scaler leurs charges de travail d’IA sur AWS de manière plus efficace et sécurisée ?

Chez Mission, la sécurité est intégrée à tout ce que nous faisons. Nous avons été le partenaire de sécurité de l’année avec AWS deux ans de suite, mais ce qui est intéressant, c’est que nous n’avons pas d’équipe de sécurité dédiée. C’est parce que tout le monde chez Mission construit avec la sécurité à l’esprit à chaque phase de développement. Avec l’IA générative d’AWS, les clients bénéficient de l’utilisation de la couche AWS Bedrock, qui garde les données, y compris les informations sensibles comme les PII, sécurisées au sein de l’écosystème AWS. Cette approche intégrée garantit que la sécurité est fondamentale, et non une afterthought.

La scalabilité est également un objectif clé chez Mission. Nous avons une grande expérience dans la construction de pipelines MLOps qui gèrent l’infrastructure d’IA pour la formation et l’inférence. Alors que beaucoup associent l’IA générative à des systèmes publics massifs comme ChatGPT, la plupart des cas d’utilisation d’entreprise sont internes et nécessitent une mise à l’échelle plus gérable. La couche API de Bedrock aide à livrer cette performance scalable et sécurisée pour les charges de travail du monde réel.

Pouvez-vous nous décrire un engagement d’entreprise typique – de la migration vers le cloud à la mise en œuvre de solutions d’IA générative – en utilisant les services de Mission ?

Chez Mission, nous commençons par comprendre les besoins et les cas d’utilisation de l’entreprise. La migration vers le cloud commence par l’évaluation de l’environnement actuel sur site et la conception d’une architecture cloud scalable. Contrairement aux configurations sur site, où vous devez provisionner pour la capacité de pointe, le cloud vous permet de scaler les ressources en fonction des charges de travail moyennes, ce qui réduit les coûts. Toutes les charges de travail ne nécessitent pas de migration – certaines peuvent être mises à la retraite, réécrites ou reconstruites pour l’efficacité. Après l’inventaire et la planification, nous exécutons une migration progressive.

Avec l’IA générative, nous sommes allés au-delà des phases de preuve de concept. Nous aidons les entreprises à concevoir des architectures, à exécuter des pilotes pour affiner les invites et résoudre les cas de bord, puis à passer à la production. Pour l’IA basée sur les données, nous aidons à migrer les données sur site vers le cloud, ce qui débloque une plus grande valeur. Cette approche de bout en bout garantit que les solutions d’IA générative sont robustes, scalables et prêtes pour les entreprises dès le premier jour.

Mission met l’accent sur « l’innovation avec confiance ». Qu’est-ce que cela signifie dans les faits pour les entreprises qui adoptent l’IA à grande échelle ?

Cela signifie avoir une équipe dotée d’une expertise réelle en IA – et non seulement des diplômés de bootcamp, mais des scientifiques de données chevronnés. Les clients peuvent avoir confiance que nous n’expérimentons pas sur eux. Nos équipes comprennent comment les modèles fonctionnent et comment les mettre en œuvre de manière sécurisée et scalable. C’est ainsi que nous aidons les entreprises à innover sans prendre de risques inutiles.

Vous avez travaillé dans l’analyse prédictive, le NLP et la vision par ordinateur. Où voyez-vous l’IA générative apporter la plus grande valeur aux entreprises aujourd’hui – et où l’hype dépasse-t-il la réalité ?

L’IA générative apporte une valeur significative aux entreprises principalement grâce au traitement intelligent de documents (IDP) et aux chatbots. De nombreuses entreprises ont du mal à scaler leurs opérations en embauchant plus de personnes, donc l’IA générative aide à automatiser les tâches répétitives et à accélérer les flux de travail. Par exemple, l’IDP a réduit les temps de révision des demandes d’assurance de 50 % et amélioré la coordination des soins aux patients dans les soins de santé. Les chatbots agissent souvent comme des interfaces pour d’autres outils ou systèmes d’IA, permettant aux entreprises d’automatiser les interactions et les tâches de routine de manière efficace.

Cependant, l’hype autour des images et des vidéos génératives dépasse souvent la réalité des applications commerciales. Bien que visuellement impressionnantes, ces technologies ont des applications pratiques limitées au-delà du marketing et des projets créatifs. La plupart des entreprises ont du mal à scaler les solutions de médias génératives dans leurs opérations principales, les rendant plus de curiosité que d’outil commercial fondamental.

Le « Vibe Coding » est un terme émergent – pouvez-vous expliquer ce que cela signifie dans votre monde et comment cela reflète le changement culturel plus large dans le développement de l’IA ?

Le Vibe Coding fait référence aux développeurs qui utilisent des modèles de langage pour générer du code basé plus sur l’intuition ou la saisie de langage naturel que sur la planification structurée ou la conception. C’est excellent pour accélérer l’itération et la prototypisation – les développeurs peuvent rapidement tester des idées, générer du code de base ou décharger des tâches répétitives. Mais cela conduit également souvent à du code qui manque de structure, est difficile à maintenir et peut être inefficace ou non sécurisé.

Nous voyons un changement plus large vers des environnements agents, où les LLM agissent comme des développeurs juniors et les humains prennent des rôles plus proches de ceux d’architectes ou d’ingénieurs de test – en révisant, en affinant et en intégrant les composants générés par l’IA dans des systèmes plus grands. Ce modèle collaboratif peut être puissant, mais seulement si des garde-fous sont en place. Sans une surveillance appropriée, le Vibe Coding peut introduire de la dette technique, des vulnérabilités ou des problèmes de performance – en particulier lorsqu’il est précipité dans la production sans test rigoureux.

Quelle est votre opinion sur l’évolution du rôle de l’officier d’IA ? Comment les organisations devraient-elles repenser leur structure de direction à mesure que l’IA devient fondamentale pour la stratégie commerciale ?

Les officiers d’IA peuvent absolument ajouter de la valeur – mais seulement si le rôle est configuré pour le succès. Trop souvent, les entreprises créent de nouveaux titres de C-suite sans les aligner sur les structures de direction existantes ou sans leur donner une autorité réelle. Si l’officier d’IA ne partage pas les objectifs avec le CTO, le CDO ou d’autres exécutifs, vous risquez de prendre des décisions cloisonnées, des priorités conflictuelles et une exécution bloquée.

Les organisations devraient soigneusement considérer si l’officier d’IA remplace ou complète des rôles comme le Chief Data Officer ou le CTO. Le titre est moins important que le mandat. Ce qui est critique, c’est de donner à quelqu’un le pouvoir de façonner la stratégie d’IA à travers l’organisation – données, infrastructure, sécurité et cas d’utilisation commerciaux – et de lui donner la capacité de conduire un changement significatif. Sinon, le rôle devient plus symbolique qu’impactant.

Vous avez dirigé des équipes d’IA et de données primées. Quelles qualités recherchez-vous lors du recrutement pour des rôles d’IA à haut enjeu ?

La première qualité est de trouver quelqu’un qui connaît réellement l’IA, et non seulement quelqu’un qui a suivi quelques cours. Vous avez besoin de personnes qui sont vraiment compétentes en IA et qui maintiennent encore la curiosité et l’intérêt pour pousser les limites de ce qui peut et ne peut pas être fait.

Je recherche des personnes qui sont toujours à la recherche de nouvelles approches et qui remettent en question les limites de ce qui peut et ne peut pas être fait. Cette combinaison de connaissances approfondies et d’exploration continue est essentielle pour les rôles d’IA à haut enjeu où l’innovation et la mise en œuvre fiable sont également importantes.

De nombreuses entreprises ont du mal à opérationnaliser leurs modèles de ML. Qu’est-ce qui sépare les équipes qui réussissent de celles qui stagneront dans le purgatoire de la preuve de concept ?

Le plus grand problème est l’alignement entre les équipes. Les équipes de ML construisent des modèles prometteurs, mais les autres départements ne les adoptent pas en raison de priorités mal alignées. Passer de la preuve de concept à la production nécessite également une infrastructure MLOps : versionnage, réentraînement et surveillance. Avec l’IA générative, l’écart est encore plus grand. La production d’un chatbot nécessite un affinage des invites, une gestion des pipelines et une conformité… et non seulement le lancement d’invites dans ChatGPT.

Quels conseils donneriez-vous à un fondateur de startup qui construit des produits d’IA en premier lieu aujourd’hui et qui pourrait bénéficier de l’infrastructure et de l’expérience d’IA de Mission ?

Lorsque vous êtes une startup, il est difficile d’attirer les meilleurs talents en IA, en particulier sans une marque établie. Même avec une équipe de fondateurs solide, il est difficile d’embaucher des personnes avec la profondeur d’expérience nécessaire pour construire et scaler des systèmes d’IA correctement. C’est là que le partenariat avec une entreprise comme Mission peut faire une véritable différence. Nous pouvons aider à accélérer en fournissant une infrastructure, une stratégie et une expertise pratique, afin que vous puissiez valider votre produit plus tôt et avec plus de confiance.

L’autre pièce critique est la concentration. Nous voyons beaucoup de fondateurs essayer de créer une interface autour de ChatGPT et l’appeler un produit, mais les utilisateurs deviennent plus intelligents et attendent plus. Si vous ne résolvez pas un véritable problème ou n’offrez pas quelque chose de vraiment différencié, il est facile de se perdre dans le bruit. Mission aide les startups à réfléchir de manière stratégique à l’endroit où l’IA crée une véritable valeur et à construire quelque chose de scalable, sécurisé et prêt pour la production dès le premier jour. Vous ne faites donc pas que faire des expériences, vous construisez pour la croissance.

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