Contenu du chapitre

CHAPITRE 3

Workday Illuminate™ : transformer le travail grâce à l'IA

L'IA est en train de transformer notre façon de vivre et de travailler. En automatisant les tâches ordinaires et en favorisant une prise de décision plus rapide, l'IA permet aux collaborateurs d'atteindre leur plein potentiel au travail. Chez Workday, nous pensons que la réussite de l'IA nécessite une approche stratégique, centrée sur l'humain. Cela signifie se concentrer sur des objectifs clairs et axés sur la valeur, des données de haute qualité et une expérience utilisateur fluide, tout en plaçant la sécurité, la protection de la vie privée et l'explicabilité de l'IA au premier plan. Nous investissons dans l'IA depuis 2014, lorsque nous avons fait l'acquisition d'Identified, un éditeur de logiciels de recrutement basé sur l'analyse, et nous continuons d'étendre notre stratégie à mesure que l'IA évolue.

CHAPITRE 3

Workday Illuminate™ : transformer le travail grâce à l'IA

Appliquer l'IA à vos workflows

Workday Illuminate™ est la nouvelle génération d'IA de Workday, qui va jouer un rôle majeur dans nombreux scénarios du monde réel. Au lieu de s'appuyer sur de grands modèles de langage (LLM) polyvalents entraînés sur des données Internet publiques et pouvant conduire à des résultats inexacts et non pertinents, Illuminate s'appuie sur un jeu de données RH et Finance massif et en croissance constante, avec 800 milliards de transactions provenant de plus de 70 millions d'utilisateurs finaux. Illuminate accélère vos workflows, soutient vos équipes et transforme votre entreprise. Cette approche combinée offre des avantages substantiels et maximise votre ROI.

Accélérer

Automatisez les processus manuels dans Workday et améliorez la productivité grâce au Machine Learning traditionnel et à l'IA générative. Cette forme intuitive d'IA aide les utilisateurs à accomplir leurs tâches plus rapidement, ce qui permet de réaliser des économies et contribue à accroître la productivité des collaborateurs, qui peuvent ainsi se concentrer sur des tâches à plus forte valeur ajoutée. Parmi les exemples d'utilisation de l'IA générative pour accélérer les processus, citons notamment l'accélération de la création de contenu et la synthétisation des descriptions de poste, des articles de connaissance et des contrats. Cette catégorie permet également d'automatiser des tâches telles que la détection d'anomalies, la planification des ressources et la capture photo des reçus au moyen de la reconnaissance optique de caractères (OCR).

Assister

Simplifiez le travail au sein de Workday. La plateforme offre une expérience conversationnelle contextuelle en combinant le Machine Learning traditionnel et l'IA générative. Bénéficiez d'une assistance continue en langage naturel dans votre flux de travail habituel, au bon moment. Par exemple, Workday Assistant peut vous aider à trouver rapidement des informations. Il peut également vous suggérer des actions possibles ou vous proposer des insights et des recommandations pour éclairer vos décisions. Cela vous permet de vous concentrer sur le travail plus stratégique et créatif, qui convient le mieux aux humains.

Transformer

Transformez complètement les processus de gestion traditionnels grâce à l'orchestration IA. Ici, l'IA n'est pas seulement utilisée pour ses capacités d'accélération : elle modifie fondamentalement les processus et la manière dont les collaborateurs les prennent en charge. Par exemple, les agents IA peuvent anticiper et effectuer des tâches de manière autonome en arrière-plan de manière à renforcer la prise de décision humaine.

Une stratégie agentique

La vision de Workday en matière d'agents IA transcende la simple réalisation de tâches.

Notre stratégie agentique ouvre la voie à un avenir où Workday, avec ses partenaires et ses clients, crée des agents basés sur des rôles contenant chacun un ensemble configurable de compétences pour soutenir les équipes dans la réalisation de leur travail. Ces agents ont le potentiel de fournir une valeur transformatrice au-delà de la seule automatisation des tâches individuelles. Examinons trois exemples qui illustrent la façon dont les agents IA transforment les processus de gestion essentiels.

Agent Recrutement

L'objectif d'un recruteur est d'attirer et de recruter les meilleurs talents pour une entreprise, mais il doit consacrer une grande partie de son temps à la recherche et à l'évaluation des candidats. Un agent Recrutement peut rationaliser et améliorer le processus de recrutement en gérant de manière autonome le sourcing et la sélection des candidats. Les recruteurs gagnent ainsi un temps précieux pour se concentrer sur les aspects humains du recrutement, tels que la gestion des relations et la communication avec les candidats et les chargés de recrutement.

Par exemple, un agent Recrutement peut :

Rechercher de façon autonome des candidats qualifiés pour tout nouveau poste à pourvoir dans le vivier de candidats existant d'une entreprise et les ajouter à la liste de présélection
Analyser les CV pour en extraire les informations clés, telles que les compétences, l'expérience professionnelle et les études
Éliminer automatiquement les candidats dont le CV ne répond pas aux critères minimaux
Produire une liste restreinte de candidats présélectionnés pour examen
Programmer de manière autonome les entretiens pour les candidats qualifiés tout en coordonnant le calendrier de l'équipe chargée des entretiens
Collecter des insights tout au long du processus de recrutement et faire remonter des indicateurs de manière à mettre en évidence les domaines d'amélioration

Agent Planification des périodes de travail

La planification des périodes de travail est cruciale pour les entreprises qui gèrent des collaborateurs front-line afin de garantir une affectation adéquate du personnel et éviter ainsi le risque de burnout. Avec un agent Planification des périodes de travail, les entreprises peuvent utiliser l'IA pour automatiser une grande partie du processus, ce qui permet de réduire les erreurs et d'améliorer la couverture du personnel. En orchestrant plusieurs modèles d'IA, un agent de planification garantit que les bons collaborateurs se trouvent au bon endroit au bon moment, ce qui peut réduire le coût des heures supplémentaires, améliorer l'efficacité des points de vente et renforcer la satisfaction client et collaborateur.

Par exemple, dans le secteur du retail, un agent Planification des périodes de travail peut :

Analyser les données historiques, les sorties de stock et d'autres facteurs pour prévoir les besoins en affectation
Faire correspondre la disponibilité, les rôles et l'expertise du personnel à la demande prévue, afin que chaque période de travail soit correctement couverte
Vérifier le respect du Code du travail, notamment en ce qui concerne la durée maximale du travail et les périodes de repos obligatoires, et veiller à une répartition équitable des périodes de travail entre les collaborateurs
Recommander rapidement des ajustements de calendrier au responsable, afin de réaffecter les ressources pour maintenir une couverture optimale en cas d'absence imprévue ou de changement soudain de la fréquentation du point de vente
Recueillir en continu des données sur les performances du personnel et des services, ainsi que sur les préférences des collaborateurs en matière d'horaires, et utiliser ces informations pour améliorer et affiner les futurs calendriers

Agent Clôture de fin de trimestre

La clôture des comptes nécessite l'exécution sans faille de nombreuses tâches. Un agent IA peut rationaliser et accélérer le processus de clôture en minimisant les erreurs, en assurant la conformité réglementaire, en réduisant les coûts opérationnels et en fournissant des analyses en temps réel pour une meilleure prise de décision.

Par exemple, un agent Clôture de fin de trimestre peut :

Compiler automatiquement des données financières à partir de relevés de compte, de notes de frais et d'autres documents financiers, et rapprocher les transactions entre plusieurs comptes en identifiant et en signalant les écarts pour un examen plus approfondi
Classer les charges et les revenus par catégorie, les rattacher aux comptes appropriés et relier les factures aux bons de commande et aux reçus correspondants, en veillant à ce que toutes les dépenses soient précisément enregistrées et vérifiées
Créer et comptabiliser les écritures de routine, telles que celles relatives à la dépréciation, à l'amortissement et aux charges à payer ou produits à recevoir, en veillant à ce qu'elles soient conformes aux normes comptables et en formulant des suggestions pour corriger les anomalies et les erreurs
Effectuer des audits continus des données financières, afin d'identifier rapidement les problèmes potentiels ou les fraudes, en veillant à ce que tous les documents financiers soient conformes aux réglementations et aux normes comptables en vigueur
Générer des états financiers, tels que les bilans, les comptes de résultat et les tableaux de flux de trésorerie, afin qu'ils soient prêts à être examinés par la direction et les auditeurs externes
Effectuer une analyse des écarts, en comparant les données réelles aux prévisions et en fournissant des insights sur les écarts éventuels
Gérer le workflow des tâches de clôture, en attribuant les responsabilités aux membres de l'équipe et en suivant l'avancement de chaque tâche
Faciliter le processus d'examen et d'approbation en fournissant aux DAF des rapports détaillés et des informations clés et en s'assurant que toutes les étapes nécessaires ont bien été effectuées avant de finaliser la clôture

Workday Agent System of Record

Les agents IA peuvent percevoir les détails de l'environnement qui les entoure, traiter les informations et raisonner dans un contexte de processus complexes à plusieurs étapes et exécuter des tâches pour atteindre des objectifs spécifiques. Cela permet aux collaborateurs de se concentrer sur les tâches exigeant des caractéristiques spécifiquement humaines, comme les conversations qui nécessitent de l'empathie et de l'émotion. À mesure que de plus en plus d'agents IA vont arriver dans l'entreprise, vos effectifs digitaux vont s'agrandir et il vous faudra les gérer, comme vous gérez déjà vos collaborateurs et vos prestataires externes.

Depuis ses débuts, Workday facilite la gestion de vos effectifs, qu'il s'agisse de vos collaborateurs, des intervenants externes et, désormais, de vos effectifs digitaux. Workday Agent System of Record fournit une seule source de données pour la création et la gestion des agents IA utilisés par l'ensemble de vos équipes. Le centre de commande Workday Agent System of Record régit, gère, audite et surveille les agents IA, afin que les leaders IT et l'équipe dirigeante puissent voir comment les agents collaborent avec les équipes humaines, ont un impact sur le travail et apportent une valeur mesurable à l'entreprise.

Les principales fonctionnalités de Workday Agent System of Record sont les suivantes :

Développement d'agents : créez et personnalisez des agents en vous appuyant sur Workday Extend, ce qui vous permet d'intégrer facilement les principales plateformes d'IA et les agents tiers.
Gestion centralisée : réunissez tous vos agents, quelle que soit leur origine, dans un système d'enregistrement unique, afin de pouvoir plus facilement enregistrer, surveiller, gérer et gouverner l'ensemble de vos effectifs digitaux.
Onboarding des agents : procédez à l'onboarding rapide des agents, pour une productivité immédiate avec des définitions de compétences, des affectations de rôles et un accès approprié aux connaissances spécifiques à l'entreprise.
Orchestration d'agents : connectez Workday et des agents tiers pour collaborer et agir en vue d'atteindre des objectifs communs, par exemple la mise en relation de sources de données disparates et le partage d'outils pour prendre en charge des raisonnements complexes.
Déploiement d'agents : déployez des agents en toute simplicité avec la configuration automatisée, le contrôle d'accès et l'application de règles pour un lancement conforme et sécurisé.
Expérience utilisateur tenant compte du facteur humain : incorporez les agents en douceur dans le flux naturel du travail et assurez une supervision humaine en utilisant Workday Assistant comme interface principale pour interagir avec les agents.
Gouvernance et reporting : garantissez la conformité et la transparence grâce à des rapports complets, des audits et des insights clairs sur les performances.

À mesure que Workday, nos clients et nos partenaires développeront davantage d'agents IA, notre stratégie agentique continuera d'évoluer. Consultez la page Agents IA pour obtenir les dernières informations.

Workday et un socle IA différencié

Schéma 3-1. Le quartier de l'IA sur le plan de la ville

Pour concrétiser la vision de Workday Illuminate, Workday a intégré l'IA dans son architecture d'application principale, comme illustré sur le plan de la ville. Les solutions IA peuvent ainsi être déployées directement au sein des applications Workday, sans avoir besoin d'une boîte à outils distincte de type « créez votre propre solution » nécessitant l'intervention de l'équipe IT pour l'achat, la personnalisation et la maintenance. Nous nous appuyons sur un socle technologique IA unifiée sur l'ensemble de notre plateforme, ce qui nous permet de créer et de proposer des outils IA pour de nombreux cas d'usage RH, Finance et achats, et d'adopter simplement de nouvelles capacités d'IA sans refonte de l'architecture ni reconstruction des applications. Cela garantit également que notre IA peut être déployée chez tous les clients Workday simultanément, sans mises à jour complexes, déploiements chronophages ou coûts supplémentaires. Pour commencer à créer de la valeur, les clients n'ont qu'à basculer sur les fonctionnalités d'IA à partir d'un tableau de bord unique au sein de leur environnement client, qui affiche de manière transparente les données utilisées pour chaque fonctionnalité.

Mais même avec les meilleurs socles technologiques possibles, l'IA ne peut révéler toute sa puissance que si les données qui l'alimentent sont pertinentes et de qualité. Pour différencier davantage la valeur d'Illuminate, Workday peut compter sur l'ensemble de données RH et Finance le plus vaste et le plus fiable au monde. Nos quelque 70 millions d'utilisateurs finaux produisent plus de 800 milliards de transactions annuelles (toutes dans un modèle de données uniforme), ce qui permet d'obtenir des résultats plus précis, plus pertinents et plus spécifiques à l'entreprise.

Avec les bonnes données, l'étape suivante consiste à alimenter l'IA avec le contexte de l'entreprise, ce qui permet de débloquer des opportunités d'amélioration des processus individuels et, à terme, de transformer des fonctions entières de l'entreprise. Avec plus de 72 millions d'événements de processus de gestion chaque mois, Workday comprend le contexte passé et présent entourant nos données, y compris le contexte des processus de gestion, des tâches, des données, des informations utilisateur et des prompts conversationnels.

Nous allons maintenant passer en revue l'architecture actuelle d'Illuminate avant de terminer par un bref aperçu de la façon dont nous appliquons des normes éthiques à Illuminate par le biais de l'IA responsable.

IA intégrée : l'architecture de Workday Illuminate

Workday a développé une architecture robuste, flexible et sécurisée pour le développement, les tests et le déploiement de l'IA. Ce chapitre explore les différentes facettes de l'architecture IA dans Workday, en décrivant le fonctionnement de chaque partie ainsi que son importance. Les principales sections de l'architecture sont les suivantes :

Passerelle LLM
Catalogue de modèles
Inférence et ajustement du LLM
Génération augmentée par récupération (RAG)
Accès aux données, pipeline et stockage
Accès client (XpressO, Workday Extend/Passerelle IA Workday)
GenAI Studio et LLM Playground

Architecture de Workday Illuminate

Schéma 3-2. Architecture de Workday Illuminate

Termes clés

Avant de nous plonger dans le fonctionnement de l'architecture, définissons quelques termes courants.

Modèle fondamental : grand modèle de langage (LLM) entraîné sur un jeu de donnée massif afin de comprendre le langage humain et de produire du langage. Il s'agit du « cerveau » de base de l'IA. Citons, par exemple, OpenAI GPT-4o et Google Gemini Pro 1.5.
Paramètre : valeur numérique contrôlant un aspect spécifique du comportement du modèle. Ces modèles comportent des millions, voire des milliards de paramètres, ce qui permet de contrôler avec précision leurs capacités.
Entraînement : processus d'apprentissage du modèle fondamental à l'aide d'importants volumes de données textuelles. C'est ainsi que le modèle apprend à comprendre le langage et à en produire.
Ajustement : adaptation d'un modèle fondamental à une tâche spécifique en l'entraînant davantage sur un jeu de données plus restreint et plus ciblé. Cela revient à spécialiser les compétences du modèle.
Cas d'usage : application spécifique de l'IA dans Workday, alimentée par un modèle ajusté. Citons, par exemple, la génération de questions/réponses et l'intelligence documentaire Workday.
Adaptateur IA : version personnalisée d'un cas d'usage, ajustée pour répondre aux besoins spécifiques d'un client.
Prompt : invite fournie à un LLM sous la forme d'une question, d'une commande ou d'un texte.
Chunking : segmentation de documents ou de jeux de données volumineux en éléments plus petits et plus faciles à gérer par l'IA.
Ancrage : vérification que les résultats du LLM sont exacts et pertinents par rapport au prompt et au contexte fournis, afin de s'assurer que l'IA reste sur la bonne voie.

À présent, explorons l'architecture de l'IA dans Workday.

Architecture de Workday Illuminate : la passerelle LLM

La passerelle LLM est le hub central de l'architecture d'Illuminate, fournissant un ensemble de services et un point d'accès unique pour tous les développeurs et clients de Workday. Elle offre l'infrastructure DevOps nécessaire, y compris les derniers modèles et outils d'IA, pour permettre à quiconque de facilement tirer parti de l'IA. La passerelle fournit des environnements de démonstration, des environnements de déploiement et des API pour les intégrations externes, ce qui permet aux développeurs de tester et d'ajuster facilement le développement de nouvelles fonctionnalités. Elle permet à XpressO d'accéder à n'importe quelle technologie d'IA déployée. Enfin, la passerelle LLM permet à Workday de contrôler l'accès aux données et aux modèles, en évitant les fuites de données et les accès malveillants, tout en minimisant les coûts externes liés à l'accès au LLM par des tiers.

La passerelle LLM gère l'activation des environnements Workday, permettant à chaque client d'accéder à la passerelle à travers son propre déploiement Workday. Elle assure l'allocation des ressources, ce qui permet d'adapter de façon dynamique les services internes à la demande. La passerelle inclut un système de journalisation complet pour des audits exhaustifs. Elle propose également des API, de manière à ce que les développeurs et les clients puissent utiliser des outils tels que Workday Extend et XpressO pour intégrer l'IA dans toutes les composantes de la plateforme Workday.

Catalogue de modèles d'IA : alimenter Workday à l'aide d'une IA avancée

Avec le développement rapide de nouveaux modèles d'IA, le catalogue de modèles constitue la partie la plus dynamique de l'architecture de l'IA. Tous les modèles sont accessibles via la passerelle LLM, ce qui permet à tous ceux qui développent des fonctionnalités d'IA chez Workday ou chez des fournisseurs tiers d'avoir un accès complet aux derniers modèles à partir d'un emplacement central. Il s'agit notamment des LLM génératifs et des algorithmes de Machine Learning utilisés sur l'ensemble de la plateforme Workday pour des tâches telles que l'analyse statistique et le raisonnement prédictif.

Le catalogue propose également des outils tiers, tels que Llama Guard, utilisés pour la modération de contenu. Cela permet de s'assurer que l'entrée et la sortie des LLM génératifs se situent dans les limites d'un langage acceptable. Il inclut par ailleurs des outils d'analyse et d'évaluation qui permettent de quantifier la précision des modèles au fur et à mesure de leur entraînement et de leur ajustement

Pour garantir une utilisation responsable de l'IA, le catalogue de modèles intègre une logique d'ancrage ou de post-traitement. Cela permet de s'assurer que les résultats du modèle sont conformes aux attentes. Par exemple, si un client soumet une requête à un LLM génératif dans le contexte d'un contrat juridique privé, la passerelle LLM garantit que le résultat généré et présenté est effectivement présent dans le contrat en question. Ce procédé permet de limiter les hallucinations et les injections de prompts malveillants. Bien que Workday utilise parfois des modèles tiers, les données sensibles des clients ne sont jamais envoyées en dehors du système. Dans ce cas, les modèles sont hébergés au sein de la passerelle LLM pour une sécurité maximale.

Inférence et ajustement du LLM pour une IA efficace

Si le catalogue de modèles est l'aspect le plus dynamique de l'architecture d'Illuminate, l'inférence et l'ajustement du LLM sont sans doute ses facettes les plus cruciales. Ce processus permet de gérer la souveraineté, la précision et l'efficacité des données. L'utilisation d'un modèle fondamental, contenant souvent des milliards de paramètres, pour produire des résultats pour chaque tâche est coûteuse et chronophage. Par exemple, il est inefficace d'utiliser une puissance de calcul massive pour exécuter un LLM de 80 milliards de paramètres juste pour obtenir de petits détails d'un contrat juridique de 250 pages. En outre, le fait de fournir à un modèle public ou tiers des données sensibles, comme celles d'un contrat juridique, peut présenter des risques pour la sécurité.

Pour y remédier, Workday s'appuie sur les modèles fondamentaux du catalogue de modèles et les ajuste pour des cas d'usage plus restreints et plus spécifiques. Le nombre de paramètres est ainsi ramené de plusieurs milliards à plusieurs millions, ce qui permet de créer des modèles plus efficaces, adaptés à des besoins et à des contextes spécifiques. Les clients affinent encore ces modèles avec leurs propres jeux de données, isolés en toute sécurité dans leur propre environnement, en utilisant la génération augmentée par récupération (RAG). Vous trouverez plus d'informations à ce sujet dans la section suivante. Cela crée une instance unique et isolée, appelée adaptateur IA.

Les adaptateurs IA sont chargés dans la mémoire active pour des cas d'usage spécifiques. Chaque cas d'usage dispose d'un nœud de calcul dédié, doté de sa propre mémoire et de ses propres ressources GPU. Ces nœuds fonctionnent dans une double configuration active-active, pour une protection automatique contre les défaillances. Le système permet également d'augmenter le nombre de nœuds en fonction de la demande.

Ajustement

Schéma 3-3. Gérer la précision, l'efficacité et la souveraineté grâce à l'ajustement

En substance, l'adaptateur IA est un modèle plus petit et hautement ajusté qui peut être rapidement chargé et traité, puis retiré de la mémoire active. Il est important de noter que les données sensibles des clients restent toujours sous leur contrôle dans le stockage RAG.

Génération augmentée par récupération (RAG)

La génération augmentée par récupération améliore les grands modèles de langue en incorporant des documents spécifiques pour restreindre le contexte d'une réponse à un prompt. Il s'agit d'un processus essentiel pour le traitement d'informations sensibles. Par exemple, si un client souhaite poser une question sur un lot de factures stockées, il ne pourra pas s'adresser à un LLM public comme ChatGPT. Cette situation exposerait les données internes à des systèmes externes, ce qui créerait un risque pour la sécurité.

Le processus RAG implique quatre étapes clés :

Saisie du prompt. L'utilisateur soumet la question au LLM
Chunking. Le système identifie et filtre les sections pertinentes des documents
Génération de la réponse. L'adaptateur IA traite le prompt dans le contexte des données sélectionnées et génère une réponse
Ancrage. La réponse est filtrée et renvoyée avec des citations indiquant le ou les documents sources utilisés pour répondre à la question, garantissant ainsi transparence et précision

Accès aux données, pipeline et stockage dans Workday Illuminate

Lorsqu'il est question d'IA et de vos données, trois questions essentielles se posent :

Où sont stockées les données ?
Qui a accès aux données ?
Comment les données sont-elles utilisées ?

Workday donne la priorité à la sécurité et à la confidentialité des données. Toutes les données relatives aux clients sont stockées dans des compartiments isolés propres à chaque environnement sur Amazon Simple Storage Service (Amazon S3). Cette architecture garantit la ségrégation des données et empêche le mélange d'informations entre différents clients.

Pour encore mieux protéger vos données, Workday applique des contrôles d'accès stricts :

Personnel autorisé uniquement. Seuls les collaborateurs autorisés de Workday qui ont des rôles et des responsabilités spécifiques, tels que ceux impliqués dans les opérations de Machine Learning ou le support client, peuvent accéder aux données des clients. Ces collaborateurs suivent une formation formelle et sont certifiés pour traiter les informations sensibles selon des protocoles de sécurité et de confidentialité stricts.
Auditabilité totale. Toutes les activités d'accès et de traitement des données sont méticuleusement enregistrées, fournissant une piste d'audit complète pour la responsabilité et la transparence. Ces journaux permettent de savoir qui a accédé aux données, à quel moment et quelles actions ont été effectuées.
Pas de données en double. Lorsqu'elles sont utilisées pour l'entraînement et l'ajustement des modèles d'IA, les données ne sont jamais copiées. Cela garantit une seule source de données et préserve l'intégrité de ces dernières dans chaque environnement client. Workday applique des techniques telles que la confidentialité différentielle et l'apprentissage fédéré pour entraîner des modèles sur les données sans les copier.

Cette approche rigoureuse garantit que vos données restent sécurisées, confidentielles et utilisées de manière responsable dans la structure de Workday Illuminate.

Créer des applications IA avec XpressO, Workday Extend et la Passerelle IA Workday

Il existe deux façons principales d'exploiter la passerelle LLM au sein de la plateforme Workday :

XpressO. Cette méthode permet aux développeurs Workday d'intégrer simplement des fonctionnalités IA au cœur du produit Workday à l'aide d'API. L'architecture flexible de la passerelle LLM permet d'intégrer ces capacités d'IA directement dans diverses applications et fonctionnalités de la plateforme. Cela signifie que Workday ne dispose pas d'un produit IA distinct : les capacités d'IA sont imbriquées dans le tissu de la plateforme Workday elle-même.
Workday Extend avec la Passerelle IA Workday. Cette combinaison permet aux clients de créer leurs propres applications personnalisées et d'étendre la puissance fonctionnelle de Workday avec l'IA. Alors que Workday Extend offre un large éventail de capacités de développement, la Passerelle IA Workday permet en particulier aux clients de créer de nouvelles applications qui exploitent la puissance des LLM et d'autres modèles d'IA. (Workday Extend est abordé plus en détail au Chapitre 6.)

Outils d'IA internes de Workday : GenAI Studio et LLM Playground

GenAI Studio et LLM Playground constituent des éléments clés de l'architecture de Workday Illuminate. Bien qu'ils ne soient pas directement accessibles aux clients, ces outils internes sont essentiels au développement de l'IA dans Workday. Ils fournissent un environnement dans lequel les développeurs de Workday peuvent expérimenter, construire et tester de nouvelles fonctionnalités IA.

En donnant accès aux derniers modèles, outils et ressources d'IA, GenAI Studio et LLM Playground permettent aux développeurs de :

Prototyper et itérer rapidement sur les nouvelles fonctionnalités IA et les fonctionnalités améliorées
Explorer des cas d'usage innovants de l'IA à travers la plateforme Workday
Développer et déployer des solutions IA de manière plus efficace

Ces outils jouent un rôle crucial dans les efforts continus de Workday pour améliorer les produits et services avec des fonctionnalités IA de pointe.

L'approche de Workday pour protéger vos données avec la sécurité basée sur l'IA

Trop souvent, les discussions sur l'IA et la sécurité des données partent du prédicat selon lequel il serait nécessaire d'établir un compromis entre les deux. Après une décennie passée à développer et à fournir des fonctionnalités d'IA à forte valeur ajoutée, Workday a prouvé qu'il s'agissait d'un faux postulat. Avec la bonne approche et le recours à une ingénierie exceptionnelle, les données des clients peuvent être sécurisées sans compromettre la valeur et l'efficacité de l'IA d'entreprise.

Workday a mis au point plusieurs approches de sécurité pour l'entraînement des modèles d'IA, en sélectionnant la plus appropriée pour chaque cas d'usage et chaque fonctionnalité. L'approche est principalement déterminée en fonction de la sensibilité du cas d'usage et des données impliquées, suivie d'une évaluation des risques pour valider la décision. Bien que chaque fonctionnalité relève d'une approche de sécurité spécifique et appropriée, la plupart d'entre elles appartiennent à l'une des trois catégories suivantes :

1. Modèles spécifiques à l'entreprise

Certains cas d'usage, tels que l'obtention d'insights spécifiques à une entreprise ou la détection d'anomalies dans les données comptables (détection des anomalies d'écriture), impliquent des données propriétaires et sensibles, pour lesquelles tout risque de fuite de données est inacceptable. En outre, il n'y a aucun avantage à ce qu'un modèle d'IA apprenne à partir des données financières d'autres entreprises, car les insights ne sont pas transférables ou pertinents pour d'autres clients. Dans de tels cas, Workday ajuste des modèles de base plus petits pour obtenir des réponses spécifiques aux environnements clients. Chaque environnement client reçoit son propre modèle isolé, ce qui évite les fuites de données entre les différents environnements.

2. Ajustement sur de grands modèles partagés

Certaines données RH et Finance ne sont pas sensibles (les descriptions d'emploi accessibles au public figurent probablement déjà dans les jeux de données d'entraînement des LLM). Par exemple, la fonctionnalité « générer des descriptions d'emploi » utilise un modèle de base unique qui est ajusté sur la base de descriptions d'emploi accessibles au public. Ce modèle est partagé entre les environnements clients. Les résultats de l'IA générative sont spécifiques à chaque entreprise et aux paramètres définis par l'utilisateur pour le rôle. Étant donné que seules des données non sensibles et accessibles au public sont utilisées pour l'entraînement, il n'est pas nécessaire d'isoler le modèle. Un modèle partagé entraîné sur des données publiques permet d'obtenir des résultats de meilleure qualité.

3. LLM partagé sans réentraînement complet

Comme pour la détection des anomalies d'écriture, les bases de connaissances spécifiques à l'entreprise contiennent des informations sensibles qui ne conviennent pas à l'entraînement d'un modèle partagé. Cependant, un LLM est nécessaire pour faire face à la complexité de multiples jeux de données non structurées et générer des résultats pertinents.

Workday utilise la génération augmentée par récupération (RAG), en commençant par un LLM ouvert, ajusté avec des données publiques et non propriétaires pour un cas d'usage spécifique. Les données utilisées pour l'entraînement de ce modèle sont réduites au minimum et dépersonnalisées. Ensuite, une base de données vectorielle est créée pour chaque environnement client, avec uniquement les données spécifiques à l'environnement pour augmenter le LLM ajusté. Au moment de l'exécution, lorsqu'un utilisateur saisit un prompt, celui-ci est traité en utilisant la base de données vectorielle spécifique à l'environnement client et le LLM ajusté, ce qui génère un résultat de haute qualité spécifique à l'entreprise. Le fait de n'utiliser que des données propres à l'entreprise au moment de l'exécution permet d'éviter les fuites de données entre environnements clients. En outre, le LLM partagé ne combine pas les données spécifiques à l'entreprise et n'apprend pas à partir des prompts ou des résultats générés.

Des méthodes similaires utilisent des adaptateurs LoRA (Low Rank Adaptation), obtenant des résultats comparables avec une approche technique différente. Ces techniques permettent de répondre au défi des LLM massifs, pour lesquels il n'est pas pratique de procéder à un nouvel entraînement ou à un ajustement des modèles spécifiques aux environnements clients. Les adaptateurs RAG et LoRA permettent une utilisation sécurisée de LLM partagés entre plusieurs environnements clients, tout en garantissant des résultats spécifiques à chacun d'entre eux.

Outre ces approches de protection des données spécifiques aux cas d'usage, Workday déploie des pratiques clés de sécurité de l'IA dans l'ensemble d'Illuminate :

Les données ne sont jamais partagées pour entraîner des modèles publics tiers.
Les données sont toujours chiffrées en transit et au repos.
La conformité régionale des données (résidence des données lors de l'entraînement et de l'inférence) est respectée dans chaque région.
Les fonctionnalités d'IA peuvent être configurées pour exclure des emplacements ou des groupes d'utilisateurs spécifiques.

Approches de sécurité pour l'entraînement des modèles

Modèles spécifiques à l'entreprise

Ajustement adapté à l'entreprise
Un modèle par environnement client
Exemple : détection des anomalies d'écriture

Ajustement sur le LLM partagé

Modèle partagé entre les environnements clients
Données non sensibles uniquement
Exemple : génération des descriptions de poste

LLM partagé sans réentraînement complet

Bases de données de vecteurs spécifiques aux environnements clients
Pas de mélange de données
Exemple : questions et réponses

Modèles spécifiques à l'entreprise

Ajustement adapté à l'entreprise
Un modèle par environnement client
Exemple : détection des anomalies d'écriture

Ajustement sur le LLM partagé

Modèle partagé entre les environnements clients
Données non sensibles uniquement
Exemple : génération des descriptions de poste

LLM partagé sans réentraînement complet

Bases de données de vecteurs spécifiques aux environnements clients
Pas de mélange de données
Exemple : questions et réponses

Workday sélectionne la meilleure approche pour fournir des résultats de haute qualité, tout en garantissant la confidentialité et la sécurité des données des clients.

IA responsable : la clé de l'innovation durable en matière d'IA dans l'entreprise

Fin 2022, l'IA est entrée avec fracas sur la scène grand public avec le lancement de ChatGPT d'OpenAI, rapidement suivi par une vague d'applications capables de créer du texte complexe, du code, des photos réalistes et même des visuels animés à partir de simples prompts en langage naturel. Cependant, parallèlement à ces progrès rapides, des inquiétudes sont apparues concernant les biais, les hallucinations (des résultats inexacts et dénués de sens de la part de l'IA) et les implications éthiques de systèmes d'IA de plus en plus puissants. Le bouleversement que constitue cette entrée en scène de l'IA a déjà entraîné de profonds changements, et son impact ne fera que croître.

Pour les entreprises qui adoptent l'IA, il est crucial d'examiner attentivement leur approche de cette technologie et de planifier le succès à long terme du déploiement de l'IA tout en minimisant les risques.

IA responsable : les avantages d'innover avec intégrité pour les entreprises

Nous pensons que l'IA responsable n'est pas seulement la bonne chose à faire, c'est aussi l'approche la plus intelligente. L'utilisation de l'IA de manière responsable s'avère en effet pertinente pour les entreprises. Un programme d'IA responsable solide fournit de nombreux avantages, y compris :

Adoption accrue : lorsque les collaborateurs et les clients ont confiance dans le fait que les systèmes d'IA sont équitables, impartiaux et fiables, ils sont plus susceptibles de les adopter et de les utiliser.
Amélioration de la prise de décision : les programmes d'IA responsable mettent l'accent sur la qualité, l'équité et la transparence des données, ce qui permet d'obtenir des modèles d'IA plus précis et plus fiables qui favorisent une meilleure prise de décision.
Réduction des risques : en abordant de manière proactive les préoccupations éthiques et sociétales potentielles de l'IA, les programmes d'IA responsable contribuent à atténuer les risques, tels que les atteintes à la réputation, les sanctions financières et les problèmes juridiques.
Plus grande agilité : un cadre d'IA responsable solide offre une approche claire et cohérente du développement de l'IA, permettant aux entreprises de s'adapter rapidement aux défis et aux opportunités.

Chez Workday, nous pensons que l'innovation ne doit pas se faire au détriment de l'intégrité. Au contraire, un programme d'IA responsable réfléchi permet aux entreprises de comprendre et d'atténuer les risques dès le début, afin qu'elles puissent progresser en toute confiance et de manière cohérente vers leurs objectifs en matière d'IA.

Le programme d'IA responsable de Workday : instaurer la confiance pour créer de la valeur

Après plusieurs années passées à tester et à améliorer son approche interne de l'IA responsable, Workday a mis en place un programme complet et réalisable basé sur quatre piliers : les principes, les pratiques, les individus et les politiques. Nous examinerons chacun d'entre eux en détail ci-dessous.

Pilier 1 : les principes et les valeurs qui guident toutes nos actions

transparence et explicabilité

Après avoir mis en place une équipe dédiée à l'IA responsable en 2022, nous avons actualisé nos principes éthiques en matière d'IA afin d'assurer la clarté et l'alignement dans l'ensemble de l'entreprise. En développant des systèmes d'IA responsables et dignes de confiance, nous nous efforçons de respecter ces quatre principes fondamentaux :

Amplifier le potentiel humain

Nous pensons que l'IA devrait donner aux individus les moyens d'en faire plus, et non les remplacer. Notre objectif est d'aider les clients et leurs collaborateurs à exploiter la puissance de l'IA pour s'adapter et prospérer. Nous développons des solutions IA qui réduisent les tâches répétitives, libérant ainsi un temps précieux qu'il est possible de consacrer à un travail plus stratégique et plus utile.

Avoir un impact positif sur la société

Nous développons l'IA pour résoudre des problèmes concrets et accroître le pouvoir d'action des collaborateurs, pas seulement pour le plaisir de l'innovation technologique. En tant que fournisseurs d'applications Cloud d'entreprise pour les RH et la Finance, nous évitons de développer l'IA en vue d'appliquer un contrôle intrusif de la productivité. Au lieu de cela, nous nous concentrons sur des solutions d'IA sûres, centrées sur l'humain et alignées sur nos valeurs.

Défendre la transparence et l'équité

Nous tirons parti d'une approche fondée sur les risques pour mesurer et atténuer les biais dans nos fonctionnalités d'IA. Nous fournissons également à nos clients une documentation claire et complète sur la façon dont nos solutions d'IA sont conçues, sur leur fonctionnement et sur la manière dont elles sont entraînées, testées et contrôlées.

Respecter notre engagement envers la confidentialité et la protection des données

La protection des données des clients et des utilisateurs a toujours été une priorité, et cet engagement s'étend à nos technologies d'IA. La confidentialité et la sécurité des données sont intégrées dans le développement et l'architecture de chaque fonctionnalité d'IA. L'entraînement de nos modèles tient compte de la sensibilité des données et des cas d'usage, qui sont déterminés par un cadre robuste de gestion des risques.

Pilier 2 : les pratiques de l'IA responsable dans Workday

Nos principes directeurs sont au cœur de nos efforts en matière d'IA responsable, et nous leur donnons vie dans les pratiques suivantes.

L'humain au cœur

Pour amplifier le potentiel humain, nous avons mis en place des pratiques visant à garantir que nos systèmes d'IA accordent toujours la priorité aux individus. Nos équipes de développement suivent une philosophie de conception qui tient compte du facteur humain. Cela signifie que les résultats de l'IA informent, sans pour autant automatiser, les décisions stratégiques de l'entreprise. Chaque fonctionnalité d'IA est conçue dans un souci d'inclusivité, garantissant la possibilité d'utilisation par toute personne indépendamment de son expertise technique, de ses besoins en matière d'accessibilité ou de sa langue. Ce sont nos clients, et non Workday, qui contrôlent les données mises à contribution. Nous communiquons clairement sur la manière dont nous utilisons les données des clients pour entraîner les modèles d'IA et obtenons leur accord explicite. Les clients bénéficient d'une visibilité et d'un contrôle complets, ce qui leur permet d'activer ou de désactiver les fonctionnalités d'IA à leur guise. Ils disposent également d'un contrôle granulaire pour désactiver les fonctionnalités d'IA en fonction du lieu ou de l'emploi.

Transparence et explicabilité

Afin de promouvoir la transparence de notre produit, nous fournissons des notifications claires dans l'interface utilisateur lorsque l'IA est utilisée. Nous fournissons également des explications à ce sujet dans l'interface, en clarifiant la manière dont les résultats des fonctionnalités d'IA sont obtenus et doivent être compris dans le contexte du cas d'usage.

Nos fiches d'information sur Illuminate fournissent aux clients des renseignements détaillés sur des fonctionnalités spécifiques de l'IA, parmi lesquelles :

Entrées et sorties de données
Conseils d'utilisation
Méthodes d'entraînement et de test
Limites

Nous comprenons que les clients puissent vouloir tester les résultats de l'IA localement pour des cas d'usage sensibles. Pour ce faire, nous proposons des options telles que l'exportation facile des données pour des tests supplémentaires.

Nous fournissons également aux clients un récapitulatif des résultats de tests de qualité et de reporting complets. Pour les cas d'usage sensibles, nous nous assurons que la qualité des données est appropriée pour l'usage prévu. Les résultats des tests sont documentés avant le déploiement et à intervalles réguliers.

Protection et sécurité

Au-delà de la confidentialité et de la sécurité des données intégrées à la plateforme Workday, nous prenons des mesures supplémentaires pour nous assurer que nos fonctionnalités d'IA répondent aux normes les plus strictes.

Entraînement de modèles publics : les données des clients ne sont jamais partagées pour entraîner des modèles publics tiers, tels que ChatGPT ou Google Gemini. Cela garantit que les données sensibles ne sont pas divulguées à l'extérieur ou au personnel interne non autorisé.
Contrôle des données des clients : les clients ont un contrôle total sur leurs données et sur la manière dont elles sont utilisées pour entraîner des modèles. Les données utilisées pour l'entraînement sont régulièrement mises à jour, y compris lorsqu'un client choisit de ne pas fournir de données pour des fonctionnalités spécifiques.
Chiffrement des données : toutes les données traitées par les fonctionnalités d'Illuminate sont chiffrées à la fois en transit et au repos.

Pilier 3 : les individus et l'importance de la collaboration multidisciplinaire

Chez Workday, l'IA responsable est l'affaire de tous. Notre programme d'IA responsable favorise la collaboration interdisciplinaire, ce qui nécessite la participation et la supervision d'un éventail d'acteurs impliqués. Nous nous appuyons sur un groupe diversifié d'experts interfonctionnels pour développer et mettre à jour notre cadre de gouvernance de l'IA responsable. Ce groupe inclut notamment la participation des acteurs suivants :

Ingénierie et équipes produits
Data science et contrôle qualité
Juridique et conformité
Politique publique
Expérience utilisateur
Diversité et inclusion

Le programme bénéficie d'une forte adhésion de la part des cadres, les principaux dirigeants reconnaissant que l'IA responsable constitue un impératif pour l'ensemble de l'entreprise.

Chez Workday, nous avons développé les niveaux de participation suivants :

Conseil consultatif de l'IA responsable : composé de cadres de l'équipe dirigeante issus de l'ensemble de l'entreprise, ce conseil guide et soutient l'équipe dédiée à l'IA responsable.
Équipe d'IA responsable : dirigée par notre Chief RAI Officer, Dr Kelly Trindel, cette équipe de scientifiques et d'experts en IA consacre 100 % de son temps à l'élaboration et au développement d'une gouvernance de l'IA responsable.
Réseau des interlocuteurs privilégiés de l'IA responsable : ce réseau d'experts intégrés aux principales équipes produits et technologiques de l'entreprise est passionné par le développement de solutions d'IA à la fois éthiques et responsables.

Pilier 4 : la politique d'engagement proactif

Workday contribue activement à la mise en place d'une politique d'IA responsable. Nous nous engageons auprès des acteurs impliqués tout au long du processus d'élaboration des politiques pour aider nos clients à s'adapter aux nouvelles réglementations et à élaborer des politiques qui favorisent la confiance, l'innovation et les pratiques éthiques de l'IA.

À titre d'exemple, lorsque la loi sur l'IA de l'UE est entrée en vigueur en août 2024, les clients de Workday étaient déjà prêts. Étant donné que les exigences de la loi sont introduites progressivement, nous avons proactivement aligné nos pratiques d'IA responsable sur ses préconisations, en travaillant en étroite collaboration avec les législateurs au cours de son élaboration. Cette approche proactive a minimisé les disruptions et a permis aux clients de se focaliser sur leur cœur de métier.

Atténuer les risques liés à l'IA : la structure Workday

Notre programme d'IA responsable repose sur une approche fondée sur les risques. Nous utilisons un outil d'évaluation des risques pour classer les fonctionnalités de l'IA en cinq catégories : quatre niveaux de risque acceptable et un niveau de risque inacceptable. Chaque niveau comporte des exigences spécifiques en matière de documentation, de directives et de stratégies d'atténuation.

L'outil d'évaluation des risques identifie et documente les niveaux de risque pour les nouveaux produits et nouvelles fonctionnalités d'IA, permettant de fait une atténuation appropriée dès le début du processus de développement. L'analyse est à la fois rapide et efficace, et tient compte de divers facteurs, y compris :

Le contexte d'utilisation de l'IA
La conception technique de l'IA
L'impact potentiel sur les individus
La surveillance et la confidentialité

Schéma 3-4. Facteurs d'évaluation du risque de l'IA responsable

Sans cette approche fondée sur les risques, nous pourrions entraver l'innovation en imposant des exigences inutiles à l'IA à faible risque ou en négligeant les problèmes potentiels de l'IA à haut risque. Cette structure nous permet d'allouer efficacement les ressources et de promouvoir une innovation sûre en matière d'IA.

Conclusion

Grâce à une approche réfléchie, proactive et responsable de l'IA, Workday vous permet d'adopter et d'utiliser l'IA tout au long de vos processus de gestion clés et workflows quotidiens. L'architecture unique de Workday Illuminate, le système d'enregistrement Workday Agent System of Record et les efforts que nous déployons en matière d'IA responsable œuvrent de concert pour sécuriser vos données et réduire les risques, tout en vous aidant à bénéficier d'avantages encore plus importants pour maximiser votre ROI. Workday peut compter sur un socle IA qui se distingue de la concurrence et est prêt à tirer parti des dernières innovations pour fournir rapidement une valeur ajoutée concrète à nos clients, quelle que soit la direction prise par la technologie.

Le chapitre suivant aborde plus en détail notre engagement continu en faveur d'une expérience utilisateur exceptionnelle.

Workday | Téléphone : +33 (0)1 84 88 34 44 | workday.com/fr

© 2025. Workday, Inc. Tous droits réservés. Workday et le logo Workday sont des marques déposées de Workday, Inc. Tous les autres noms de marques et de produits sont des marques ou des marques déposées de leurs propriétaires respectifs.

20250630-tech-strategy-ebook-content-refresh-and-foleon-migration-enus