Rechercher
  • Colin Bernet

Comment réussir son projet IA ?

Mis à jour : 25 nov. 2020

Vous souhaitez intégrer des solutions d’intelligence artificielle dans votre entreprise ? Découvrez nos conseils pour réussir votre projet.





Yuval-Noah Harari va jusqu'à présenter l’intelligence artificielle comme la plus grande révolution de l’histoire humaine, et même depuis l’origine de la vie. Par là, il fait allusion à l’apparition prochaine de formes de vies inorganiques : des intelligences artificielles conscientes.


Nous sommes bien loin d’en être là !


Cependant, la révolution de l’intelligence artificielle peut au moins être comparée aux révolutions industrielles des 19ème et 20ème siècles.


Une étude d’Accenture menée sur 1500 dirigeants en 2019 conclut que 8 dirigeants français sur 10 estiment que leur entreprise pourrait disparaître d’ici 2025 si l’IA n’est pas déployée à l’échelle dans leur organisation.


Mais comment s'y prendre ? Comme nous allons le voir :

  • Vouloir intégrer de l'IA c'est bien, mais pourquoi faire ? L'IA n'est pas un but en soi.

  • Les données passent avant l'IA.

  • La transformation numérique implique une évolution du management interne.


Quatre profils d’entreprises face à l’IA


L'étude d'Accenture définit plusieurs catégories d'entreprises.


Les machines à POC


Elles constituent la grande majorité (80%) des entreprises du panel. Là, les projets IA restent bloqués au stade de preuve de concept.


En d'autres termes, on a identifié une application possible de l’IA, et obtenu de premiers résultats dans des cas simples et contrôlés.


Cependant, du fait de l’absence d’un véritable management de l’innovation, on n’a pas cherché à définir les besoins et usages primaires pour l'IA.


L’IA n’est pas une fin en soi. Il faut la voir comme un outil de plus pour atteindre vos objectif : satisfaire les besoins de vos clients et être viable économiquement.


Les stratèges du déploiement


15% des entreprises sont en mesure d’intégrer véritablement l’IA à leur activité.


D’abord, car elles sont parvenues à monter une équipe pluridisciplinaire, incluant experts métier, management de l’innovation, stratèges, et bien sûr experts data et IA.


Il est à noter que dans la plupart des cas, les compétences data et IA de l’équipe sont externalisées, et il y a deux raisons à cela :

  • D’abord, ces compétences sont rares, et nécessitent une formation poussée : la plupart des experts sont des ingénieurs ou mieux des chercheurs, rompus à l’analyse statistique et capables de résoudre des problèmes nouveaux.

  • Ensuite, l’intelligence artificielle est un domaine extrêmement dynamique, nécessitant une veille technologique constante.

Pour ces deux raisons, maintenir une équipe data/IA en interne dans la durée n’est possible que dans des grands groupes capables d’investissements conséquents.


Mais un expert IA ne pourra rien pour vous s’il ne comprend pas votre métier.


L’IA, c’est avant tout une aventure humaine, dans laquelle se croisent compétences techniques et expertise métier.



Les data-driven leaders


Dans ces entreprises, les plus rares (5% du panel), la data et l’IA sont au cœur de la culture et de la stratégie de l’entreprise. On peut citer bien sûr les GAFAM, ou encore des entreprises telles qu’IBM, LinkedIn ou Netflix.


Les données et l’IA sont utilisées en temps réel pour piloter les prises de décision, souvent de manière anticipée et non pas réactif, et elles constituent parfois l’essentiel du business model.


À ces trois catégories, nous pouvons ajouter :


Les observatrices


Ce sont tout simplement les entreprises qui voient l’IA s’imposer partout mais n’ont pas encore commencé à l’utiliser, souvent pour de fausses raisons :

  • L’IA, c’est réservé aux grands groupes.

Faux, de nombreuses PME, ETI, et startups ont commencé à l’utiliser avec succès.

  • Il faut d’énormes quantités de données.

Encore faux : les entreprises ont souvent beaucoup de données internes, même si elles n’en ont pas conscience. De plus, les données externes (open data, internet, réseaux sociaux) ne demandent qu’à être utilisées.

  • C’est trop complexe.

Plutôt vrai, mais les compétences et ressources informatiques nécessaires peuvent être externalisées.


L’IA oui, mais pour quel besoin ?


Vouloir mettre l’IA au service de son entreprise, c’est une vision stratégique, et elle est essentielle.


Mais une entreprise, pour vivre et se développer, se doit avant tout d’être au service du marché et de ses clients.


Cette vision stratégique doit donc être couplée à un plan tactique, qui peut être défini en répondant à deux questions fondamentales :

  • Quels sont mes besoins ?

  • Quels cas d’usage pour l’IA dans mon métier ?

Et ces questions ne sont pas aussi simples qu’elles en ont l’air … Pour y répondre, il faudra que l’expertise métier rencontre celle de la data et de l’IA.


La taille de votre entreprise ne doit pas être un frein pour vos projets data/IA.


Les PME et ETI souhaitant faire appel à l’IA ne disposent généralement pas d’une véritable infrastructure de traitement de leurs données. Leur activité produit des données, mais celles-ci restent inexploitées, éclatées dans différentes bases de données ou fichiers.


Quant aux données externes publiquement accessibles, elles sont tout simplement ignorées.


En conséquence, le management, à tous les niveaux, ne dispose que d’informations partielles et est souvent forcé de prendre des décisions à l’aveugle.


Et pourtant, des solutions simples existent !


Par exemple, la simple mise en place d’un système de gestion de données centralisé, d’un moteur de recherche et d’applications de visualisation adaptées suffit souvent à booster les performances de l’entreprise et avec un retour sur investissement rapide.


Les données avant l’IA


Une intelligence artificielle est un système capable d’apprendre par lui-même à partir des données qu’on lui présente.


Il faut donc en premier lieu disposer de données pour entraîner, c’est-à-dire éduquer l’IA.


De plus, “garbage in, garbage out”... Traduction : Si vos données sont biaisées, non pertinentes, ou n’ont pas été nettoyées, vous n’obtiendrez rien de bon d’une IA, car elle se contentera de reproduire les erreurs qui lui sont présentées.



Garbage in, garbage out (c) Lison Bernet


Encore une fois, les données sont la fondation de l’entreprise intelligente.


Avec un système de collecte et de gestion de données adapté et de la business intelligence, vous obtenez une bonne visibilité sur votre entreprise et le monde qui vous entoure. Et surtout, vous collectez dès maintenant les données nécessaires à la construction de votre future IA.





Une transformation de votre management interne


Aujourd’hui, des solutions IA performantes sont prêtes à être déployées, comme par exemple le deep learning pour la reconnaissance d’image ou l’analyse du sens d’un texte.


D’autre part, le cloud permet aux entreprises ne disposant pas d’infrastructures ou de compétences informatiques internes d’accéder simplement aux outils numériques de traitement de données de manière résiliente, élastique et sûre.


Tout est possible et, au final, les blocages ne sont pas vraiment techniques.


Avant tout, la réussite d’un projet IA dépend de la volonté de la direction de déployer une vision stratégique data IA; et bien sûr de sa capacité à faire pleinement adhérer son équipe à ce projet.


Pour cela, il est indispensable d’impliquer l’équipe dès les premières phases de la construction d’un projet data / IA.


L’être humain est créatif et intelligent. Depuis toujours, il a inventé des outils lui permettant d’éviter les tâches pénibles et rébarbatives, et l’IA ne fait pas exception. Elle est là pour lui permettre de se focaliser sur les tâches avec une réelle valeur ajoutée, pas pour le remplacer.


Fluidifier l'innovation grâce à une approche orienté client


Dans le lean startup, l’innovation n’est pas un processus linéaire :





D’abord, on imagine des solutions grâce au design thinking : on observe, on fait des hypothèses et on expérimente pour valider ces hypothèses.

Ensuite, on se confronte au marché via la construction du produit minimum viable (Minimum Viable Product ou MVP). Et c’est là que l’on va voir s’il y a un réel intérêt pour le produit. De nouvelles idées vont apparaître, ainsi que des problèmes qu’il faudra résoudre.


Mais l’important, c’est de réaliser qu’une idée, ce n’est pas un MVP. L'objectif du MVP, c’est de transformer l'idée en une solution qui rencontre son marché. Et pour y arriver, il faut se concentrer sur son objectif final, le client final. Et gare au perfectionnisme !


Enfin, le produit est lancé en production, et à l’échelle. Mais ce n’est pas la fin du processus : on continue à observer, à apprendre, et à améliorer le produit en continu.


Une erreur fréquente est de penser que l'on peut entrer dans ce processus directement à la troisième étape, sans avoir eu besoin de passer par les deux précédentes.


Et vous ?


Nous espérons vous avoir permis d'y voir un peu plus clair.


Nous vous proposons d'évaluer votre degré de maturité vis-à-vis de l'IA, et de vous aider à identifier des projets data IA à fort impact pour votre entreprise et vos clients.




Références


  • Yuval-Noha Harari, 21 Lessons for the 21st Century.

  • Accenture, AI : Built to Scale

  • Fayçal Rezgui, keynote de clôture Digital League, 17 novembre 2020