Les entreprises doivent apprendre à travailler avec l'intelligence artificielle (IA) – sinon, elles risquent de disparaître. En effet, pour la plupart des secteurs d'activité, l'IA constitue une partie importante de la solution, permettant de créer des systèmes plus efficaces, plus précis et plus conviviaux. Mais de nombreuses organisations ont du mal à la mettre en œuvre. Les quatre principes suivants montrent comment les entreprises peuvent devenir des championnes de l'IA basée sur les données.1
Le marché de l'IA est en plein essor : les analystes prévoient que les chiffres d'affaires mondiaux avec cette technologie vont plus que doubler d'ici 2028, pour atteindre environ 1,2 billion de dollars. De nombreux secteurs, allant de l'industrie automobile aux entreprises de logistique en passant par le secteur de l'énergie, investissent dans des solutions d'IA. Mais bien souvent, les entreprises n'utilisent pour l'instant l'IA que pour des applications isolées. Cependant, les implémentations autonomes très spécifiques sont justement difficiles à transposer dans d'autres domaines. Le premier principe à respecter dans l'approche de l'IA est donc le suivant : se concentrer totalement sur la fusion de tous les systèmes opérationnels. A chaque fois qu'une entreprise introduit un nouveau système, elle doit veiller à ce qu'il puisse communiquer avec les autres systèmes existants via des interfaces. Cela vaut d'ailleurs indépendamment du fait que l'IA soit utilisée ou non. En respectant ce principe, on s'assure que toutes les données de l'entreprise convergent et peuvent être utilisées pour entraîner les applications d'IA.
Avec la digitalisation, les systèmes basés sur les fonctions évoluent vers des systèmes basés sur les données. Pour éviter les applications isolées, les réserves de données inaccessibles et les formats de données inconnus, il est nécessaire, à l'ère de l'IA, de fournir des informations dans un format facile à consommer. Comment les informations d'un nouveau système peuvent-elles aider d'autres applications ? Comment les data doivent-elles être préparées pour pouvoir être intégrées à l'avenir dans un modèle d'IA propre à l'entreprise ? Le principe du « Service Thinking » rend toutes les sources de données, y compris les données historiques issues des systèmes ERP ou CRM, utilisables dans l'entreprise et facilite l'évolutivité des solutions d'IA. Dematic, un fournisseur d'installations automatisées de transport et de tri, en est un exemple parfait : en collaboration avec T-Systems, Dematic met à la disposition de ses clients des systèmes de stockage en hauteur entièrement automatisés. L'IA du système utilise toutes les data disponibles sur les clients pour identifier des modèles et améliorer les process.
Les applications et les plateformes d'IA ne déploieront tous leurs avantages que si le plus grand nombre possible de services et d'utilisateurs peuvent les utiliser. Dans le cadre d'une stratégie d'IA réussie, les entreprises devraient donc encourager l'utilisabilité des applications d'IA. Pour franchir cette étape, il est nécessaire de concevoir des interfaces conviviales pour l'utilisateur final, qui rendent la plateforme d'IA facilement accessible aux utilisateurs de l'entreprise. Une interface intuitive de chatbot permet aux collaborateurs de demander à l'IA de leur fournir des informations pertinentes pour leurs propres étapes de travail. Par exemple, les collaborateurs de la distribution peuvent utiliser une plateforme d'IA en demandant au chatbot de leur fournir des données clients pertinentes pour le prochain entretien de vente. Effet secondaire de l'utilisabilité accrue : plus les compétences du personnel en matière d'utilisation de l'intelligence artificielle augmentent, plus l'investissement dans l'IA génère rapidement une valeur ajoutée rentable.
Quiconque manie des modèles d'IA doit avoir à l'esprit l'importance de la gouvernance des données et de la gestion des risques. Ainsi, la loi sur l'IA récemment adoptée par l'UE formule des exigences administratives claires que les entreprises doivent remplir lorsqu'elles utilisent l'IA. La réglementation continue toutefois d'offrir aux entreprises une marge de manœuvre suffisante pour expérimenter. Les directions des entreprises devraient également en tenir compte et définir ce qu'elles souhaitent obtenir avec l'IA, puis laisser à leurs services spécialisés la liberté d'élaboration concrète. Les collaborateurs peuvent mettre en place leurs propres applications d'IA à l'aide d'outils low code. On trouve de très bons exemples chez nombre de nos clients : une équipe dans la fabrication qui utilise l'IA pour renouveler les processus sur la chaîne de production ou le service RH qui analyse les dossiers de candidature à l'aide de sa propre application d'IA. L'approche offensive et créative avec l'IA crée de nombreuses petites innovations qui, auparavant, auraient nécessité des services de développement entiers.
D'après mon expérience, je peux dire que la transformation basée sur les données ne peut réussir que si les entreprises définissent une stratégie claire. L'utilisation de l'IA ne doit pas être un objectif immédiat. Mais plus les entreprises se préoccupent tôt de la disponibilité et de l'harmonisation des sources de données, plus il est facile de les utiliser par la suite. Une base de données solide et une culture de l'IA ouverte et audacieuse sont les meilleurs ingrédients pour une digitalisation réussie. Si vous vous intéressez à l'IA, si vous voulez en savoir plus ou si vous mettez déjà en œuvre votre propre feuille de route pour l'IA, n'hésitez pas à m'écrire. Je me réjouis d'avance de nos échanges et de vos suggestions.
1 How to move beyond a monolithic data lake to a distributed data mesh, Zhamak Dehghani, 2019, martinfowler.com
