L'humain dans la boucle : Importance et avantages de l'automatisation HITL

Il y a des limites que l'IA et l'apprentissage automatique ne peuvent pas surmonter malgré les logiciels IDP. Pour réussir, ils doivent être couplés à un feedback humain sous la forme d'une automatisation "human-in-the-loop".

Qu'est-ce que Human-in-the-Loop ?

Human-in-the-Loop (HITL) décrit un mécanisme qui, à l'aide d'une interaction humaine, entraîne, affine ou teste certains systèmes tels que des modèles d'IA ou des machines afin d'obtenir les résultats les plus précis possibles.

Les automates de self-scanning dans les supermarchés en sont un exemple simple. Bien que le client puisse scanner lui-même ses produits, il y a toujours un employé sur place pour l'aider en cas de problème et prévenir les tentatives de fraude. Pour le HITL et l'IA, l'approche est similaire.

Domaines d'application

La technologie n'est pas sans défaut. C'est pourquoi les hommes doivent participer à l'automatisation et l'adapter en permanence aux objectifs et aux besoins actuels. Non seulement l'IA doit être entraînée au départ par l'homme pour prendre des décisions correctes, mais l'homme doit également intervenir en cas d'erreur et la corriger. C'est ce que l'on appelle la boucle de rétroaction, qui sert à améliorer la précision de l'IA.

Vous pouvez utiliser HITL dans les domaines d'application suivants :

• Logiciel OCR
• voitures autopilotées
• Traitement des documents et des e-mails
• Traitement des reçus pour les actions de fidélisation
• Traitement des factures pour la comptabilité fournisseurs
• Anonymisation des informations sensibles pour la conformité 
• Vérification de l'identité pour les processus KYC

HITL vous permet d'identifier rapidement les problèmes et d'apporter des améliorations grâce à une boucle de rétroaction (également appelée annotation HITL). 

Ce processus est expliqué ci-dessous.

Annotations

Lorsque des modèles d'IA sont développés, l'annotation des données par l'homme fait généralement partie du processus. Pour obtenir des résultats fiables, les modèles d'IA nécessitent de grandes quantités de données qui doivent être annotées, étiquetées et organisées par des humains, ce qui demande beaucoup de temps, d'argent et d'efforts. 

Un annotateur de données et l'homme dans la boucle permettent d'aider les modèles d'IA à se concentrer sur des champs de données spécifiques afin de faire les meilleures prédictions. Par exemple, les entreprises peuvent avoir besoin d'alimenter des milliers de reçus étiquetés pour obtenir des résultats fiables. 

Bien qu'il existe de nombreuses solutions permettant d'atteindre une précision de 97 %, l'automatisation HITL est une meilleure option pour obtenir un ensemble de données étiquetées pour l'apprentissage des modèles d'IA.

Les avantages de l'automatisation HITL

Il n'existe aucune solution qui permette d'atteindre un taux d'erreur de 0 % pour des processus complexes entièrement automatisés sans assistance humaine. Pour se rapprocher le plus possible de ce taux d'erreur tout en réduisant la charge de travail manuel, la combinaison de l'IA et de l'automatisation par le biais du processus "homme dans la boucle" a fait ses preuves. L'utilisation de HITL pour entraîner des modèles d'IA ou pour améliorer les processus de travail présente plusieurs avantages, notamment

• Réduction des risques - réduire les risques financiers liés à des données erronées, par exemple les montants des factures, les adresses de facturation, les montants des crédits, etc.
• Simplification du traitement des exceptions - Mise en place facile d'un workflow pour la vérification humaine et la gestion des exceptions.
• Une utilisation efficace du personnel - Gérer, surveiller et améliorer la productivité du personnel qui effectue les vérifications humaines.
• Contrôle des coûts - Contrôlez le coût de la vérification humaine grâce à des filtres configurables.
• Intégralité des données - Veillez à ce que les données extraites soient complètes pour les applications commerciales en aval.

L'utilisation de HITL permet d'améliorer la précision de la prédiction, de l'extraction, de la classification et de la validation, ainsi que la qualité des résultats. Les données humaines peuvent être utilisées pour améliorer progressivement les algorithmes et rendre ainsi l'IA utilisable dans davantage de domaines d'application. L'efficacité des modèles d'IA n'est pas limitée par la qualité des données sur lesquelles ils sont formés.

Défis à relever

Si vous souhaitez utiliser HITL, vous devez être conscient des défis et des contraintes que cela implique :

• Identification de l'homme dans la boucle - Les entreprises doivent déterminer qui va servir quelle partie du processus d'automatisation et quelle interface afin d'identifier le système "homme dans la boucle".
• Grandes quantités de données - HITL ne peut pas toujours traiter efficacement de grandes quantités de données, car il existe un besoin plus important d'intervention humaine dans la boucle d'automatisation. C'est justement l'extension successive de la solution jusqu'à la solution d'IA complète finale qui est ici particulièrement décisive pour planifier les objectifs stratégiques de l'entreprise de manière opérationnelle et réalisable.
• Évolutivité limitée - Lorsqu'un être humain est impliqué dans un processus, l'évolutivité peut devenir un problème. Le défi consiste à ajuster le niveau de confiance de sorte qu'une vérification par l'homme ne soit nécessaire que dans les cas incertains.

Toutefois, comparées aux défis et aux inconvénients du même flux de travail sous forme manuelle, ces contraintes sont minimes et ne devraient pas vous empêcher d'utiliser l'IA dans votre entreprise.

Quand Human-in-the-Loop doit-il avoir lieu ?

Il est plus judicieux d'utiliser Human-in-the-Loop soit au début du cycle, soit à la fin.

HITL au début

S'il n'existe pas de solution standard, vous devriez intégrer HITL directement au début du cycle. Si vous ne disposez pas actuellement de modèles d'IA ou d'algorithmes pour automatiser certains processus, mais que vous avez une quantité considérable de données brutes, vous pouvez utiliser l'homme dans la boucle pour étiqueter et nettoyer ces données (supprimer ou corriger les données imprécises). 

Une fois les données étiquetées, vous pouvez les utiliser pour entraîner vos propres modèles d'IA à reconnaître des factures ou à en extraire des données. Par exemple, vous pouvez étiqueter de nombreuses factures différentes afin d'entraîner des modèles d'IA à la reconnaissance de factures. Vous pouvez ainsi passer d'une automatisation de 0 % à une automatisation de +80 %. 

Dans les situations suivantes, il est donc judicieux de placer l'être humain au début du cycle :

• Structure des ensembles de données
• Créer ses propres modèles d'IA
• Pas ou peu d'automatisation avec un objectif de +80 % Automatisation
• Propres annotateurs de données et experts en IA disponibles

HITL à la fin

L'utilisation de "l'homme dans la boucle" pour terminer le processus est courante dans de nombreux cas. Cette approche combine l'automatisation pour l'exécution des tâches répétitives et l'intelligence humaine pour s'assurer que tout est fait correctement. Souvent, 80 % du flux de travail sont déjà automatisés et 20 % sont effectués par un humain. Quand vaut-il donc la peine de préférer cette approche à la précédente ?

• Ils s'efforcent d'obtenir une précision maximale dans la récupération des données, la prédiction, la validation, l'anonymisation, etc.
• Vous souhaitez réduire le besoin d'intervention humaine de 20 % pour diminuer les frais généraux
• Vous souhaitez réduire les erreurs coûteuses (par exemple les données inexactes, les doublons, etc.).
• Vous souhaitez optimiser le temps d'exécution tout en conservant une grande précision.

HITLS externes vs. autogérés

Il existe deux manières différentes d'adopter l'approche HITL :

• HITL géré en externe - L'homme dans la boucle fourni par une partie externe (par exemple, un fournisseur SaaS, un fournisseur de services d'annotation de données).
• HITL autogérée - Les entreprises qui intègrent elles-mêmes une personne dans le circuit

Conclusion - Optimiser l'IA avec Human-in-the-Loop

L'automatisation de l'homme dans la boucle permet d'obtenir les résultats suivants :

• Augmentation de la précision de l'extraction des données
• Accélération du temps de traitement
• Réduction des frais généraux 
• Amélioration de l'engagement du personnel
• Minimise les erreurs humaines coûteuses grâce au travail en amont de l'IA
• Principe du double contrôle grâce à la combinaison d'une IA et d'un humain

Vous trouverez le prestataire qui vous convient en répondant aux questions suivantes :

• Votre entreprise doit-elle atteindre une précision proche de 100 % pour l'extraction des données ?
• Avez-vous besoin d'un HITL géré en externe ou en interne ?
• Avez-vous des experts en IA en interne ? 
• Quelle est l'importance du fait que les données restent à 100 % dans votre infrastructure interne ?
• Qu'est-ce qui est important pour votre cas d'application ?
• Vous voulez créer vos propres jeux de données ?

L'avantage de l'intelligence artificielle est qu'elle peut exécuter des fonctions comme un être humain, afin d'élaborer et de comprendre rapidement et précisément des connaissances importantes. 

Quel que soit le modèle de votre entreprise, une solution d'OCR utilisant l'IA peut vous aider à faire travailler les données pour vous.

Plus d'articles sur le sujet :

• Le meilleur logiciel OCR pour une numérisation intelligente des processus
• Contrôle des documents avec l'IA : alléger la charge de travail de votre entreprise
• Document Understanding : Techniques de compréhension des documents
• Document Capture : gestion numérique innovante des documents