Conditions nécessaires à la réussite d'une transformation numérique pilotée par l'IA

Nous ne parlons pas ici de l'IA à l'échelle des films hollywoodiens, comme les ‘humains’ robotisés et les panneaux publicitaires personnalisés. Il s'agit plutôt de projets qui utilisent des technologies intelligentes pour optimiser ce qu'une entreprise possède déjà : prévoir la demande afin d'adapter l'offre, par exemple, pour que les clients ne soient pas déçus et que les stocks excédentaires ne soient pas gaspillés, ou encore déterminer les besoins de l'entreprise en matière d'information et de communication. lorsqu'un détaillant doit placer un produit spécifique en magasin pour maximiser les ventes.

Le risque élevé d'échec est un problème majeur pour les organisations qui s'efforcent de transformer leurs opérations commerciales afin de s'adapter à un monde férocement concurrentiel. C'était déjà le cas avant 2020, mais la pandémie a mis en lumière la nécessité d'adopter des modes de fonctionnement rapides, efficaces et efficients pour faciliter la reprise.

Pourquoi le taux d'échec est-il si élevé ? L'IA est-elle tout simplement trop difficile ? D'après notre expérience, ce n'est pas le cas.

La clé réside dans l'innovation initiale, ou la preuve de concept (POC). Aussi brillante et révolutionnaire qu'elle soit, si elle ne peut être déployée dans l'ensemble de l'organisation, le travail aura été vain. De plus, comme les coûts des projets de cette nature ont tendance à être concentrés en début de période, il est probable qu'ils aient englouti environ 70% du budget prévu pour la mise en œuvre totale à l'échelle de l'entreprise.

Notre travail pratique et concret dans un éventail de secteurs industriels et avec une grande variété d'organisations nous donne un aperçu précieux. L'analyse de nos résultats permet de dégager certains thèmes centraux lors de l'identification des problèmes qui bloquent les projets d'IA et de transformation numérique. Nous pensons que pour les résoudre, chaque projet doit intégrer les trois pratiques suivantes :

Trop souvent, les POC sont entrepris de manière isolée, dans le but de prouver que quelque chose peut être fait. La fin du projet initial définit son succès, sans tenir compte de la possibilité d'utiliser efficacement l'idée pour répondre aux besoins de l'ensemble de l'organisation.

En revanche, les innovations réellement réussies incluent des mesures qui tiennent compte de l'évolutivité du projet ; il s'agit d'adopter un état d'esprit critique pour l'entreprise, qui exige que les projets démontrent que, outre la réalisation de l'objectif principal, l'évolutivité est une condition préalable.

Le fait d'inclure deux pays dans un CEP, par exemple, et de juger de son efficacité en fonction de la réalisation des objectifs pour les deux régions, permet automatiquement d'accroître la profondeur et la portée. Les similitudes et les différences entre les deux flux sont identifiées, ce qui permet de déterminer la meilleure façon d'étendre le projet aux territoires suivants. Le processus et la structure ont été développés et éprouvés dans le cadre du POC ; lorsque le projet commence à être intégré à plus grande échelle, les fondations ont déjà été posées.

Une mise en œuvre à grande échelle dépend de l'élimination des cloisonnements qui existent traditionnellement au sein des organisations, que ce soit entre les entreprises et l'informatique, les entreprises et l'ingénierie logicielle, etc.

Pour y parvenir, il faut une équipe pluridisciplinaire comprenant un scientifique data (le mathématicien), un chef de produit / propriétaire (pour la perspective commerciale), un architecte de solutions (pour apporter des compétences informatiques) et un ingénieur en apprentissage automatique (ML) ayant de bonnes connaissances en opérations ML (MLOps) (pour fournir un codage à l'échelle). Mais la transformation numérique va plus loin que le bon ensemble de compétences.

Chacune de ces compétences doit être intégrée à chaque phase du projet, du premier jour à sa clôture - et au-delà (les rôles d'architecte de solutions et d'ingénieur ML sont souvent omis, ou introduits après que des décisions clés ont été prises). La continuité des activités exige que les personnes qui géreront la mise en œuvre au jour le jour soient formées avant le départ de l'équipe POC. La viabilité d'un projet réside dans sa capacité à être intégré à long terme dans l'ensemble de l'organisation.

La survie du projet une fois que l'équipe POC a terminé nécessite également une technologie appropriée. Les innovations doivent être accompagnées d'une ‘boîte à outils’ qui a été planifiée dès le départ dans le but de permettre un déploiement à l'échelle de l'entreprise et une maintenance à long terme (ainsi que la formation des personnes qui utiliseront ces outils).

L'époque où les entreprises avaient besoin de budgets importants et de longs délais pour créer ou acheter de grandes solutions informatiques organisationnelles est révolue. L'évolution rapide des technologies et des services cloud (tels que Google AppSheet et Apigee) permet de développer rapidement, facilement et à moindre coût des outils et des logiciels adaptés au projet en cours, qui peuvent être déployés au fur et à mesure que le projet initial prend de l'ampleur.

Ces lignes directrices peuvent sembler excessivement simples pour ce qui est potentiellement un problème complexe, mais nous voyons à maintes reprises les résultats de leur omission. La bonne nouvelle, c'est qu'une IA et une transformation numérique efficaces ne sont pas hors de portée ; mais elles nécessitent une bonne gouvernance d'entreprise, des processus et des disciplines, ainsi qu'une capacité à voir l'ensemble du tableau et à comprendre pourquoi cela est essentiel au succès global de l'organisation.