Intelligence artificielle : une révolution culturelle pour l’entreprise

|

 

Avis d’experts

Valérie PERHIRIN, VP Big Data & Analytics, Capgemini


"L’intelligence artificielle, nécessite une démarche méthodologique différente.”

 

Capable de déceler ce que l’homme ne saurait voir ni même envisager, l’intelligence artificielle ouvre des perspectives immenses. Mais l’approche radicalement nouvelle des projets qu’elle suppose implique une profonde transformation de l’entreprise pour intégrer l’agilité, la pluridisciplinarité, l’intuition et l’acceptation de l’échec à sa culture.

 

Une puissance surhumaine

 

La puissance de ces algorithmes dépassant de loin la perception et les capacités humaines, la difficulté est d’en déterminer le meilleur usage. Avec l’intelligence artificielle, le problème, ce ne sont plus de trouver les réponses mais bien de poser les bonnes questions. Et l’enjeu clé est donc de mettre l’entreprise en capacité de découvrir les opportunités les plus profitables pour son activité.

Or, il s’agit d’un changement culturel majeur car cela renverse entièrement l’approche traditionnelle des projets. Il n’est plus question de résoudre une problématique clairement identifiée et de suivre à la lettre un cahier des charges, mais d’accepter le tâtonnement, l’échec instructif, la créativité, l’intuition… autant de termes auxquels les ingénieurs sont parfois réfractaires. Pour tirer pleinement parti de l’IA, l’entreprise doit donc accomplir une transformation en profondeur, qui va se construire en deux temps.

 

Le temps de l’expérimentation

 

Le potentiel de l’IA est considérable. Pour le démontrer, il est indispensable de commencer à petite échelle. Dans un premier temps, une phase d’expérimentation aura donc pour premier objectif d’obtenir rapidement des résultats significatifs afin de convaincre le top management et de créer une dynamique au sein de l’entreprise. Cette expérimentation est aussi l’occasion de mettre en oeuvre les méthodes appropriées, et donc de développer une première expérience en la matière.

La première exigence est la pluridisciplinarité. D’une grande technicité nécessitant une connaissance approfondie du métier, les projets d’IA requièrent la collaboration étroite demultiples compétences : architectes, exploitants et dataengineers pour le chargement des données et l’infrastructuresous-jacente ; data scientists et experts métiers pour l’aspect algorithmique et applicatif ; opérationnels et data artists pour la visualisation des résultats et leur intégration aux processus. La diversité de ces profils favorise en outre les idées nouvelles et le questionnement indispensables pour sortir des sentiers battus.

L’autre nécessité méthodologique est d’adopter un mode agile. Fonctionner en cycles très courts, produisant toujours un résultat concret, permet d’explorer un maximum de pistes. Que l’on aboutisse ou non au résultat escompté importe peu pourvu que l’on s’en rende compte rapidement (fail fast) et que l’on sache en tirer les enseignements. Un de nos clients, un grand industriel, a par exemple su s’emparer des enseignements d’un modèle de maintenance prédictive pour réaliser en sus une très substantielle économie d’énergie. C’est pourquoi l’agilité doit d’abord être intellectuelle. Les experts doivent accepter d’être surpris par les résultats issus des analyses, les décideurs être capables de rebondir, les équipes IT de remettre sans cesse l’ouvrage pour alimenter les équipes métier et les opérationnels de se projeter dans l’exploitation des résultats.

 

Le temps du passage à l’échelle

 

Une fois que l’expérimentation a prouvé le potentiel de l’IA, il s’agit de la déployer et de l’industrialiser à l’échelle de l’entreprise. C’est le deuxième temps de la transformation. Ici, un sponsor fort est indispensable, par exemple le Chief Data Officer lorsqu’il existe. Une feuille de route data est élaborée pour orienter, aligner et prioriser les initiatives. Et il faut investir dans la montée en compétences des équipes qui retrouveront les enjeux de l’expérimentation, démultipliés par le contexte opérationnel : transversalité et agilité de l’équipe projet, performance, robustesse et sécurité de l’infrastructure, gestion des données, pertinence des algorithmes, visualisation et diffusion des résultats, adaptation des processus opérationnels…

À cela, il faut ajouter une nouvelle dimension qui, à cette échelle, devient impérative : la conformité. L’IA manipulant quantité de données sensibles, et souvent à caractère personnel, il est essentiel de mettre en place une véritable architecture juridique, à bâtir dès l’origine du projet avec des spécialistes, de façon à être en accord avec les textes, notamment la future GDPR.

 

Vous accompagner de bout en bout

 

Pour l’entreprise, l’IA est donc un voyage au long cours qui nécessite l’apport de compétences techniques, métier, d’animation, d’encadrement, de formation et de conseil. C’est en ce sens que nous avons bâti notre offre Insights & Data, pour être en mesure d’accompagner nos clients de bout en bout et leur permettre de réorienter leur activité autour de la donnée.