Lisez notre article sur

class="img-responsive

.

Les projets d'intelligence artificielle et de transformation numérique ont un faible taux de réussite, mais les bonnes pratiques aident.
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 entamer dès maintenant leur parcours en matière d'IA ; elles risquent également, si elles ne le font pas, de devoir rattraper leur retard, ce qui sera difficile, voire impossible, dans une discipline qui deviendra de plus en plus critique au fur et 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.

D'aussi loin que je me souvienne, l'intelligence artificielle a toujours été le Saint-Graal. Des films l'ont représentée, de BladeRunner au plus récent Her. 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, l'cloud étant le catalyseur ultime de l'IA.

Des progrès considérables ont été réalisés et le secteur n'en est plus à ses balbutiements. Selon l'étude The state of AI in 2020 de McKinsey, 50 % des personnes interrogées ont déclaré que leur entreprise avait adopté l'IA dans au moins une de ses fonctions.

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.

Les POC doivent être conçus pour une réussite à long terme

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 : Arriver à ce stade a probablement dévoré 70 % du budget global, 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 compétences démolissent les silos

Les silos organisationnels, enracinés dans la structure traditionnelle des entreprises, sont encore monnaie courante. Ils constituent un obstacle constant 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 data scientists, solutions architects et machine learning (ML) engineers. La perspective commerciale, apportée par les gestionnaires et les propriétaires de produits, est également un élément essentiel du mélange. Cette équipe pluridisciplinaire doit avoir une méthode de travail ouverte et collaborative, avec de bons canaux de communication et un niveau de confiance élevé tout au long du cycle de vie du projet afin de pouvoir 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.

La technologie est également importante

L'informatique Cloud 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 plutôt 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.

Le paradoxe du risque lié à l'IA

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.

Lire son article sur

class="img-responsive

.