IA/Data role model : le portrait de Laetitia Lanfranchi

La data est au cœur de la déferlante technologique IA. Caroline Loisel est allée à la rencontre de Laetitia Lanfranchi, formatrice et facilitatrice en IA, aujourd’hui indépendante.

En quelques dates, quelques mots, quel est ton parcours Laetitia ?

J’évolue dans l’IT et la data depuis 2008. De formation ingénieure, après 7 années en CDI en cabinet de conseil, j’ai eu envie de monter mon entreprise : M13h est née. En 8 ans et avec l’arrivée à mi-parcours de Labelium dans l’actionnariat, nous sommes passés de 0 à 30. Nous avons commencé sur de l’accompagnement DMP (Data Management Platform).

Puis nos offres se sont étendues à des services plus métiers d’une part avec l’optimisation marketing, et plus technique d’autre part, avec la conception-développement de CDP (Customer Data Platform) propriétaire. Aujourd’hui, je suis indépendante, toujours sur des sujets data.

Je voulais expérimenter les dessous du machine et deep learning.

En juillet 2023, 15 ans après ton diplôme Supélec, tu te remets à coder et tu choisis de retourner sur les bancs d’école, ceux du Wagon !

Oui, après 8 années à diriger une entreprise et à répartir mon temps entre gestion, commercial et technique, j’ai voulu refaire un deep dive 100% technique et opérationnel. Après avoir quitté mon entreprise, j’avais le temps, j’en ai profité.

J’ai commencé par rentrer dans l’opérationnel de plusieurs produits data. Puis j’ai candidaté au bootcamp Data Sciences du Wagon, à l’issue duquel j’ai passé un certificat de « Développeur en Intelligence Artificielle » [ndlr : certificat niveau 6, un équivalent d’une licence]. Le cursus est intensif, avec une bonne concentration de mathématiques et de python ! Je voulais expérimenter par moi-même les dessous du machine et du deep learning : concepts, librairies, architectures, entraînement, open-source, déploiement, cycle de vie des modèles, etc. J’ai eu les réponses à mes questions. Et puis j’ai continué d’apprendre seule ensuite pendant deux mois. J’avais envie de continuer mes expérimentations sans cadre, sur deux cas pratiques, dans le domaine médical.

C’est facile de se remettre en mode étudiante ?

Oui et non ! C’est stimulant car tu es en parfaite conscience de ce pourquoi tu as choisi d’être là ! C’était aussi très dense, je n’ai pas eu le temps de m’ennuyer. J’ai eu plus de mal parfois à gérer le côté très scolaire, très guidé qui est essentiel à une montée en compétences progressive … Quand tu as un tempérament d’entrepreneure, c’est parfois frustrant ! L’ingénierie pédagogique du programme était parfaitement établie, les niveaux d’acquisition sont progressifs, l’apprentissage se fait dans le bon ordre avec un séquencement de répétitions pertinent.

Il faut sortir de sa zone de confort pour faire évoluer sa proposition de valeur.

Tu ne veux pas devenir data scientist. Dans quelles mesures cette formation t’aide aujourd’hui dans tes missions ?

D’abord, je suis convaincue qu’il faut sortir de sa zone de confort pour faire évoluer sa proposition de valeur. Ensuite, je n’aime pas la magie, et avec la déferlante IA générative, je voulais renforcer mes bases pour être à l’aise.

Cela me permet d’être plus critique sur les projets IA qui sont subitement mis en avant. Avant j’adressais essentiellement le marketing. J’avais mes points de repères pour juger l’IA dans ce contexte.

Aujourd’hui, j’ai un socle technique plus solide pour comprendre et évaluer sur un périmètre plus large. J’accompagne les organisations sur l’IA et l’IA gen : formation, décryptage, expérimentation et roadmap. Avec ce parcours, je peux mieux expliquer, expérimenter, anticiper les roadmaps, et guider les directeurs dans leurs décisions. J’ai évidemment conservé ma capacité à parler à des décisionnaires et C-level de mon ancienne vie. C’est l’alliance entre les deux qui est, je pense, mon atout.

L’IA gen a besoin d’être dirigée. Il faut lui donner le bon contexte et lui poser les bonnes questions.

Quel est le métier le plus critique en ce moment dans les projets des entreprises ?

Celui de data engineer. C’est l’endroit où cela bloque pour la qualité des projets data. Travailler la qualité de la donnée est essentiel. Je lis souvent, qu’avec l’IA, certains métiers vont disparaître. La plupart du temps, et dans la tech et la data en particulier, l’IA gen est “juste” un nouvel outil. Il va permettre d’aller plus vite, les métiers vont évoluer. Pas disparaître. L’IA gen a besoin d’être dirigée. Il faut lui donner le bon contexte et lui poser les bonnes questions. L’expertise est indispensable pour cela. Prenons l’exemple d’un cas d’usage autour de la valeur d’un client. Si tu veux que ChatGPT soit un bon data analyst, il faut nourrir ChatGPT de données fiables et challenger les formules proposées pour définir la notion de valeur. En fonction du secteur, du business modèle et de comment cette valeur va être utilisée ensuite, différents calculs sont possibles. Il faut rester critique. Dans ce cas d’usage, une expertise data marketing est nécessaire.

Qu’est-ce-que l’IA générative vient bousculer dans l’écosystème data ?

80% des activités data avant l’IA générative reposaient sur de la donnée structurée, que sont les tables avec des colonnes et des lignes. Avec l’IA générative, de plus en plus, les cas d’usage s’appuient sur des données non structurées que sont le texte et les images. Ces données étaient sous-exploitées. Aujourd’hui, on voit une impulsion inédite aux champs d’applications possibles.

Les profils de Prompt engineer et LLM Ops ont le vent en poupe

J’imagine que cela entraîne des nouveaux métiers data… Lesquels ?

Effectivement, ce mouvement exige de nouveaux profils. Les profils de Prompt engineer et LLM Ops ont le vent en poupe. Les prompts engineers sont des profils très métiers, dépendant souvent des domaines des cas d’usage. Ils interagissent directement avec les LLM. Les LLM Ops sont, quant à eux, bien plus techniques. Ils ont en charge la conception des applicatifs ou assistants qui reposent sur des LLM.

Pour bien comprendre ces nouveaux métiers et les liens entre eux, et pour terminer par du visuel ☺ , quelle imagerie peut-on utiliser ?

J’utilise beaucoup d’images maritimes. Si un assistant IA est un bateau, alors le LLM en est le moteur. Sans le LLM, rien n’avance. Le prompt engineer est le capitaine du bateau. Un bon capitaine connaît très bien son bateau et son moteur. Il est responsable du cap et des prises de décision en fonction de l’environnement. Le LLM Ops est le concepteur du bateau. Il est responsable de la construction et de la maintenance du bateau. Il s’assure qu’il est fiable, et notamment qu’il ne chavire pas à la moindre hésitation du capitaine.

Bonne navigation Laetitia pour tes prochaines aventures !

Propos recueillis par Caroline Loisel

Je suis solopreneure depuis 10 ans. J’accompagne les organisations en transformation lors de séminaires, ateliers et conférences.

Dossier Data