Vos IA sont elles-frugales ?

Complétez les 20 questions de cette grille d’auto-évaluation pour déterminer votre degré de maturité en IA frugale !

Vous souhaitez mener des projets en IA en limitant le budget, en favorisant l’environnement et en réduisant la consommation de ressources (données, infrastructures, investissements financiers) ?

L’IA frugale est la réponse.

Mais vous et votre organisation la connaissez-vous vraiment ? Vos projets sont-ils adaptés et en tenez-vous compte ?

Pour le savoir, vérifiez votre maturité en IA frugale avec ce test conçu par Muvraline !

Vos IA sont-elles frugales ?

Complétez les 20 questions de cette grille d’auto-évaluation pour déterminer votre degré de maturité en IA frugale !

Vous souhaitez mener des projets en IA en limitant le budget, en favorisant l’environnement et en réduisant la consommation de ressources (données, infrastructures, investissements financiers) ?

L’IA frugale est la réponse.

Mais vous et votre organisation la connaissez-vous vraiment ? Vos projets sont-ils adaptés et en tenez-vous compte ?

Pour le savoir, vérifiez votre maturité en IA frugale avec ce test conçu par Muvraline !

Grille d’auto-évaluation en IA frugale (20 questions)

* Ce champ est obligatoire

Grille auto-évaluation IA frugale

Gouvernance

Votre organisme dispose-t-il d'un pilotage de l'IA? (entité responsable de l'IA pour l'ensemble de votre organisation, schéma directeur) ?

1 : Non - 5 : Totalement transverse et à haut niveau, avec expertise et gestion du portefeuille de solutions en IA et préférence à l'IA frugale

La frugalité est-elle inscrite comme une des priorités en IA dans votre schéma directeur en IA ?

1 : Non - 5 : Seule IA sélectionnée

Disposez-vous d'une bibliothèque d'algorithmes et des services IA ?

1 : Non - 5 : Oui, avec mise à jour périodique

Disposez-vous d'une gouvernance de la donnée et de sa qualité ?

1: Non - 5 : Oui, transverse et à haut niveau, y compris intégrant le pilotage de l'archivage et de la suppression de données

Les Bonnes Pratiques identifiées par le Référentiel Général en IA frugale et applicables sur les étapes du cycle de vie du projet IA sont-elles appliquées ?

1 : Non - 5 : Totalement

L'impact environnemental des projets IA est-il mesuré ?

1: Jamais - 5 : Toujours

Initialisation

L'objectif du projet est-il clair et précis (SMART) ?

1 : Non - 5 : Totalement

Une étude de faisabilité a-t-elle été réalisée avant d'utiliser l'IA ?

1 : Non - 5 : Systématiquement

Intégrez vous le yield management dans la réflexion pour les différentes étapes (entrainement, utilisation) ?

1 : Non - 5 : Totalement

Conception et développement des services

Les projets sont-ils développés en Open Source ?

1 : Non - 5 : Totalement

Les projets sont-ils développés en IA Hybride (connexionniste et symbolique) ?

1 : Non - 5 : Systématiquement

Différents modèles ou algorithmes ont-ils été testés et comparés avec une matrice de comparaison ?

1 : Non - 5 : Systématiquement

Les algorithmes sont-ils optimisés (pruning, distillation, quantization) ?

1 : Non - 5 : Totalement

Le service a-t-il été entrainé en limitant l'utilisation de données : échantillon de données (vs données complètes), données en opendata ?

1 : Non - 5 : Totalement

Vérification et utilisation

Les services sont-ils prévus pour fonctionner dans des environnements à faible ressources (système embarqué par exemple) ?

1 : Pas du tout - 5 : Totalement

Le volume de données utilisées est-il optimisé ?

1 : Pas du tout - 5 : Totalement

Les services IA utilisent ils des méthodes de réduction de consommation : plateformes techniques partagées, compression des données (notamment pour images et vidéo) ?

1 : Pas du tout - 5 : Totalement partagées, y compris avec autres organismes

Validation continue et ré-évaluation

Disposez vous d'un process permettant une amélioration continue des IA ?

1 : Non - 5 : Déjà mis en œuvre

Le service peut-il évoluer simplement, sans modifications techniques complexes ?

1 : Non - 5 : Totalement

Mise hors service

Les données sont-elles supprimées en fin de projet ?

1 : Jamais - 5 : Toujours

Recevez vos résultats par email !

Votre nom

Prénom

Nom

Votre entreprise

Votre email

If you are human, leave this field blank.

Grille d’auto-évaluation en IA frugale (20 questions)

* Ce champ est obligatoire

Grille auto-évaluation IA frugale

Gouvernance

Votre organisme dispose-t-il d'un pilotage de l'IA? (entité responsable de l'IA pour l'ensemble de votre organisation, schéma directeur) ?

1 : Non - 5 : Totalement transverse et à haut niveau, avec expertise et gestion du portefeuille de solutions en IA et préférence à l'IA frugale

La frugalité est-elle inscrite comme une des priorités en IA dans votre schéma directeur en IA ?

1 : Non - 5 : Seule IA sélectionnée

Disposez-vous d'une bibliothèque d'algorithmes et des services IA ?

1 : Non - 5 : Oui, avec mise à jour périodique

Disposez-vous d'une gouvernance de la donnée et de sa qualité ?

1: Non - 5 : Oui, transverse et à haut niveau, y compris intégrant le pilotage de l'archivage et de la suppression de données

Les Bonnes Pratiques identifiées par le Référentiel Général en IA frugale et applicables sur les étapes du cycle de vie du projet IA sont-elles appliquées ?

1 : Non - 5 : Totalement

L'impact environnemental des projets IA est-il mesuré ?

1: Jamais - 5 : Toujours

Initialisation

L'objectif du projet est-il clair et précis (SMART) ?

1 : Non - 5 : Totalement

Une étude de faisabilité a-t-elle été réalisée avant d'utiliser l'IA ?

1 : Non - 5 : Systématiquement

Intégrez vous le yield management dans la réflexion pour les différentes étapes (entrainement, utilisation) ?

1 : Non - 5 : Totalement

Conception et développement des services

Les projets sont-ils développés en Open Source ?

1 : Non - 5 : Totalement

Les projets sont-ils développés en IA Hybride (connexionniste et symbolique) ?

1 : Non - 5 : Systématiquement

Différents modèles ou algorithmes ont-ils été testés et comparés avec une matrice de comparaison ?

1 : Non - 5 : Systématiquement

Les algorithmes sont-ils optimisés (pruning, distillation, quantization) ?

1 : Non - 5 : Totalement

Le service a-t-il été entrainé en limitant l'utilisation de données : échantillon de données (vs données complètes), données en opendata ?

1 : Non - 5 : Totalement

Vérification et utilisation

Les services sont-ils prévus pour fonctionner dans des environnements à faible ressources (système embarqué par exemple) ?

1 : Pas du tout - 5 : Totalement

Le volume de données utilisées est-il optimisé ?

1 : Pas du tout - 5 : Totalement

Les services IA utilisent ils des méthodes de réduction de consommation : plateformes techniques partagées, compression des données (notamment pour images et vidéo) ?

1 : Pas du tout - 5 : Totalement partagées, y compris avec autres organismes

Validation continue et ré-évaluation

Disposez vous d'un process permettant une amélioration continue des IA ?

1 : Non - 5 : Déjà mis en œuvre

Le service peut-il évoluer simplement, sans modifications techniques complexes ?

1 : Non - 5 : Totalement

Mise hors service

Les données sont-elles supprimées en fin de projet ?

1 : Jamais - 5 : Toujours

Recevez vos résultats par email !

Votre nom

Prénom

Nom

Votre entreprise

Votre email

If you are human, leave this field blank.