L'IA nécessite un cadre holistique et des projets évolutifs

D'aussi loin que je me souvienne, le artificial intelligence a toujours été le Saint-Graal. Des films en ont fait le portrait, de BladeRunner à la plus récente Elle. Dans le même temps, les chefs d'entreprise ont promis qu'elle révolutionnerait le monde du travail. Dans les deux cas, on nous a présenté des scénarios dans lesquels l'IA transforme le quotidien.

En effet, on parle de l'IA comme d'une discipline scientifique depuis 1956. Et bien que les fondements mathématiques existent depuis plus de 70 ans, la puissance de calcul nécessaire n'est devenue une réalité que récemment, le cloud étant le catalyseur ultime de l'IA.

Des progrès significatifs ont été réalisés et le secteur n'en est plus à ses débuts. Selon l'étude de McKinsey L'état de l'IA en 2020 50% des personnes interrogées ont déclaré que leur entreprise avait adopté l'IA dans au moins une fonction de l'entreprise.

L'IA a le potentiel d'entraîner des changements dans presque tous les secteurs d'activité. En d'autres termes, les organisations sont fortement incitées à se lancer dès maintenant dans l'aventure de l'IA ; si elles ne le font pas, il sera difficile, voire impossible, de rattraper le retard pris dans une discipline qui deviendra de plus en plus critique à mesure que son adoption se généralisera. Il n'est donc pas surprenant que l'IA suscite autant d'intérêt et d'enthousiasme.
Cependant, de nombreux projets d'IA échouent.

De nombreuses preuves de concept (POC) ne sont pas conçues pour être mises à l'échelle. Ils se contentent de prouver qu'il est possible de faire quelque chose. Ensuite, ils sont laissés à l'abandon parce qu'il n'a pas été déterminé à l'avance si le concept en question était pertinent et nécessaire pour l'ensemble de l'organisation, ou si un déploiement à l'échelle de l'entreprise était techniquement faisable.

De plus, la structure des coûts des projets de cette nature : Pour en arriver là, il est probable que 70% du budget global ait été englouti, sans que le résultat ne voie jamais le jour. C'est une mauvaise affaire à tous les niveaux. Quelle est donc l'alternative ?

En bref, l'échelle doit faire partie intégrante du POC et se refléter dans les mesures qui déterminent s'il a été couronné de succès.

Il existe des tactiques simples pour y parvenir. Une bonne option consiste à mener le POC dans deux régions et à exiger que les deux volets atteignent des objectifs prédéterminés avant que le projet ne soit considéré comme un succès. Il est également important d'identifier les parallèles et les variations entre les projets. Cette approche permet de développer un processus et une structure dans le cadre de l'entreprise initiale, et de soutenir l'adoption dans un environnement plus large si le projet va de l'avant.

Les silos organisationnels, enracinés dans la structure traditionnelle des entreprises, sont encore monnaie courante. Ils constituent un obstacle permanent au bon déroulement des opérations et peuvent sonner le glas des mises en œuvre évolutives de l'IA. Pour y remédier, il faut intégrer les bonnes compétences à chaque étape du projet.

Nous avons besoin d'une expertise mathématique, de compétences informatiques et d'un spécialiste du codage fournis (respectivement) par les scientifiques de data, les architectes de solutions et les ingénieurs en apprentissage automatique. La perspective commerciale, apportée par les gestionnaires et propriétaires de produits, est également un élément essentiel de l'équipe. Cette équipe pluridisciplinaire doit avoir une méthode de travail ouverte et collaborative, avec de bons canaux de communication et un profond niveau de confiance tout au long du cycle de vie du projet afin qu'ils puissent collectivement poser les bases, déployer la mise en œuvre et, enfin, former les personnes qui utiliseront l'application au quotidien une fois le POC achevé.

L'informatique dématérialisée a fait des projets d'IA une réalité pour de nombreuses entreprises. Il permet d'éviter les mises en œuvre informatiques importantes et coûteuses, en s'appuyant sur des outils et des technologies agiles, personnalisables et disponibles à la demande.

Comme pour l'approche de l'équipe hybride, la boîte à outils technologique doit comprendre les applications et les logiciels spécifiques au projet en question. Et il va sans dire qu'elle doit être évolutive.

L'IA place les organisations devant un dilemme : mal mise en œuvre, elle est susceptible d'échouer, ce qui crée un risque pour l'entreprise. En revanche, si l'IA n'est pas du tout mise en œuvre, les entreprises risquent d'être distancées par des concurrents plus tournés vers l'avenir, qui récoltent les fruits de l'exploration de cette technologie de nouvelle génération.

L'essentiel est de considérer tout projet d'IA en fonction de son rôle dans l'orientation et la réussite à long terme de l'ensemble de l'entreprise et de ses activités. Cette approche permettra de définir le cadre technique et humain indispensable à une mise en œuvre réussie et à une vision holistique de l'IA.