Présentation client
Notre client est un spécialiste reconnu dans le domaine des tests psychométriques et l'évaluation des soft skills. L’entreprise accompagne les organisations à évaluer et à mieux connaître leurs salariés, et les conseille sur des parcours de formation adaptés à leurs besoins de développement.
Besoin
Dans une démarche d'amélioration et d'innovation, notre client souhaitait essayer l'intégration de l'IA générative dans ses produits.
La première étape constituait à remplacer le rapport d'évaluation PDF statique par une interface interactive augmentée par l'IA générative. Les évalués pourront demander une reformulation d’une partie du rapport, exprimer leur désaccord ou échanger librement sur le rapport. Les données générées par ces interactions seront utilisées pour affiner la compréhension des résultats.
Les évalués seraient donc en mesure d’avoir des explications sur les résultats obtenus en amont de l’entretien suivant la parution des rapports d’évaluation et ainsi pouvoir se focaliser sur les pistes d’amélioration discutées en entretien.
Solutions
Ce client n'étant pas familier avec l’IA générative, et la solution développée étant déployée progressivement après des tests approfondis, il était important de disposer d'une architecture adaptable et flexible qui puisse faire face à une charge de travail évolutive, peu coûteuse durant pendant les périodes d'inactivité. Nous avons ainsi instauré une architecture full serverless, adaptable à l’évolution des modèles et des cas d’usage pour permettre un passage à l’échelle par la suite.
Il s'agissait également du premier projet « cloud » du client. Nous avons donc livré au préalable une Landing Zone AWS à l’état de l’art. En outre, l'ensemble du projet est déployé via Terraform et une CI/CD automatisée.
Une IHM dédiée a été mise en place en par le client suite à nos recommandations et maquettes, permettant d'afficher de manière adaptée les résultats des rapports d'évaluation. L’utilisateur peut rebondir sur chaque élément du rapport (paragraphes, graphiques) en cas de désaccord ou d’incompréhension. Les interactions sont prises en charge par un modèle d’IA générative, permettant d’alimenter et de raffiner les propositions de formations, modèle spécialisé dans le domaine métier de notre client.
Les modèles hébergés sur Bedrock (notamment Mistral et Claude 3) ont été privilégiés pour profiter de leur puissance et de leur flexibilité.
En terme de technologies, un backend IA a été créée, incluant :
- Aurora serverless pour le Vector Store
- DynamoDB pour le stockage des conversations
- Lambda pour l’exécution du code
- API Gateway pour l’exposition en HTTP et WebSocket
Le client souhaitait également suivre des KPI relatifs au projet, et à terme centraliser les données de son SI tout en appliquant de l’analytics avancée (basée sur l'IA générative, par exemple) aux discussions du chatbot. La décision a donc été prise de mettre en place les premiers composants d'une Cloud Data Platform sur AWS.
Les technologies utilisées pour la création de cette data plateforme sont les suivantes :
- Solution de stockage S3
- Data warehouse Redshift
- Transformation des données exécutées sur Batch on Fargate
- Dashboards constitués avec QuickSight
Bénéfices
Notre client bénéficie désormais d'une solution serverless d’IA générative, qui peut être intégrée dans leur web app interactive de rapports d’évaluation. Ils ont aussi accès à des dashboards analytiques pour mieux connaître les problématiques rencontrées pour leurs évalués.
La solution a été récemment implémentée et les retours utilisateurs ne sont donc pas encore analysés. Mais notre client se tourne déjà vers le futur avec de nouvelles features prévues, telles que l’historisation des conversations entre l’évalué et l’IA gen à destination des évaluateurs, dans le cadre de la préparation des entretiens post-évaluation.