Il y a plusieurs décennies, l’intelligence artificielle est apparue avec de grandes promesses d’augmentations significatives de l’efficacité et de la productivité. Pourtant, malgré les milliards investis dans la technologie, les projets se sont succédé sans aboutir — principalement parce que les difficultés liées aux stratégies d’entreprise, les obstacles techniques et les cultures organisationnelles empêchaient l’IA de révéler tout son potentiel.
Au cours de la dernière décennie, les entreprises ont migré en masse vers les plateformes en ligne et les fournisseurs cloud. Cette évolution a ouvert la voie à des capacités informatiques capables de traiter beaucoup plus de données, tout en générant simultanément des volumes considérables de nouvelles données que ces systèmes peuvent désormais analyser.
Cette migration a posé les fondations d’une nouvelle génération d’automatisation et d’analytique : le passage de l’IA d’entreprise 1.0 à l’IA 2.0. Elle a créé les capacités nécessaires à l’obtention d’analyses plus sophistiquées. Il s’agit notamment d’une intelligence des processus de bout en bout, fondée sur des solutions ciblées et un raisonnement machine qui entraîne des gains exponentiels en efficacité et en productivité opérationnelles. L’IA d’entreprise 2.0 prend le pas sur les approches d’apprentissage superficiel et l’automatisation de tâches simples de l’IA d’entreprise 1.0.
Les transformations organisationnelles actuellement engagées pour adopter ces changements de haut en bas — à commencer par les dirigeants qui comprennent que la croissance future repose sur la transformation numérique — ont davantage contribué à cette transition que tout autre facteur.
Examinons comment les entreprises évoluent vers l’IA d’entreprise 2.0.
De l’expérimentation à l’obligation stratégique : obtenir le soutien de la direction
L’IA d’entreprise 1.0 a constitué une étape cruciale vers la réussite de la nouvelle phase 2.0. Les petites victoires et les progrès progressifs réalisés au cours des deux dernières décennies ont préparé le terrain à l’adhésion plus large que l’on observe aujourd’hui dans les organisations.
Cependant, l’IA d’entreprise 1.0 a été entravée dès le départ par les structures organisationnelles. L’IA était appliquée presque exclusivement par des data scientists, à des cas d’usage spéculatifs souvent déconnectés des objectifs, des processus ou des budgets de l’entreprise. Cela a entraîné un certain manque de pertinence et d’adhésion, notamment au sein de la direction.
Dans une étude menée juste avant le début de la pandémie, 93 % des répondants — des dirigeants technologiques et métiers de niveau C représentant des entreprises du Fortune 100 — ont identifié les problèmes liés aux personnes et aux processus comme le principal obstacle à la mise en œuvre de l’IA.
Confirmant cette évaluation, Gartner estimait en 2017 que jusqu’à 85 % des projets de big data échouaient — d’autres études situant le taux d’échec dans cette fourchette — en raison d’un manque d’adhésion à tous les niveaux de la direction. Ces échecs sont souvent dus au fait que les data scientists pilotent des investissements dans l’IA qui ne correspondent pas aux objectifs de l’entreprise ou qui ne sont pas accessibles aux équipes de terrain, pourtant les mieux placées pour les exploiter.
Une différence essentielle de l’IA d’entreprise 2.0 réside dans une appropriation accrue de la transformation à tous les niveaux de l’organisation, notamment grâce au parrainage de la direction pour des applications d’IA axées sur l’impact stratégique pour l’entreprise.
McKinsey a peut-être été l’un des premiers à étudier ce phénomène. En 2019, le cabinet de conseil a constaté que l’engagement de la direction constituait un facteur important de la réussite des projets d’IA. Des experts et des dirigeants du secteur ont repris cette idée, notamment Chris Chapo, senior VP of data and analytics chez The Gap, qui s’est exprimé sur le sujet lors de Transform 2019 à San Francisco.
« Parfois, les gens pensent qu’il suffit de jeter de l’argent sur un problème ou d’installer une technologie pour que la réussite soit au rendez-vous, mais cela ne fonctionne tout simplement pas », a déclaré Chapo, expliquant que les entreprises « ne bénéficient pas toujours du soutien adéquat de leur direction pour garantir la mise en place des conditions de la réussite ».
En résumé, un soutien marqué de la direction générale constitue le fondement de la réussite de l’IA.
Des compétences balbutiantes aux data scientists citoyens
L’IA d’entreprise 2.0 nécessite une équipe réunissant un éventail avancé de compétences à l’intersection de l’apprentissage automatique, de l’ingénierie logicielle, de l’ingénierie des pipelines de données, de la gouvernance et de la conformité, de l’AIOps et de la CloudOps. Ces compétences sont nécessaires pour transposer les travaux initiaux réalisés par les data scientists dans leurs environnements sandbox en systèmes prêts pour la production.
L’IA d’entreprise 2.0 s’appuie sur des plateformes technologiques sophistiquées et des solutions packagées qui rationalisent, simplifient et accélèrent l’innovation pilotée par l’IA. Plutôt que d’assembler des outils disparates et des environnements cloisonnés, les équipes utilisent des approches intégrées pour gérer les pipelines de données et d’apprentissage automatique, depuis les premières étapes du développement jusqu’au déploiement en production et à la gestion continue. Les solutions conçues à cet effet font abstraction de la complexité sous-jacente du développement des données et des modèles, tout en réduisant considérablement le délai de création de valeur.
L’IA d’entreprise 2.0 verra également se développer de nouvelles plateformes qui libéreront la puissance de l’IA pour les employés de tous les niveaux de formation, dans l’ensemble des organisations — une véritable démocratisation de la technologie. Ces utilisateurs métiers exploiteront des outils de nouvelle génération qui harmonisent les données et construisent automatiquement des modèles prédictifs et des applications intelligentes.
Ces employés deviennent des data scientists citoyens capables d’utiliser l’IA, les plateformes low-code/no-code et leur expertise approfondie du domaine pour résoudre les difficultés de l’entreprise et exploiter des opportunités latentes. Ils accomplissent ces tâches en libre-service et deviennent ainsi des facilitateurs essentiels dans toute l’entreprise.
De l’apprentissage automatique au raisonnement machine
L’approche de modélisation prédictive prédominante utilisée dans l’IA d’entreprise 1.0 repose sur l’apprentissage supervisé et exploite des algorithmes superficiels.
À l’inverse, l’entreprise 2.0 verra l’émergence d’une grande variété d’approches de modélisation, notamment l’apprentissage faiblement supervisé, semi-supervisé, auto-supervisé, avec peu d’exemples et non supervisé. En outre, nous construirons des systèmes plus intelligents qui iront au-delà de la simple identification de schémas dans les données. Nous développerons une compréhension plus nuancée en déduisant le sens des données de l’entreprise et des interactions avec les utilisateurs, afin de comprendre les raisons d’un comportement ou d’un phénomène donné.
Ces systèmes de nouvelle génération, fondés sur une intelligence sémantique propre à chaque domaine, exploiteront un raisonnement machine alimenté par des connaissances propositionnelles ou probabilistes. Celui-ci fonctionnera de concert avec l’apprentissage automatique pour rapprocher l’IA d’une intelligence de niveau humain.
Prenons par exemple un système intelligent qui utilise des capteurs multimodaux pour détecter l’état de fonctionnement d’une pompe centrifuge dans un environnement industriel. Le système peut ingérer les mesures des capteurs, notamment la pression, la température, les débits et les vibrations, afin de prédire une éventuelle dégradation des performances ou une panne de l’équipement. En s’appuyant sur une bibliothèque d’analyses des modes de défaillance et de leurs effets, le système peut automatiquement agir ou proposer des recommandations de mesures correctives.
À lire également : Comment l’IA peut se déployer dans toute l’entreprise et améliorer l’expérience client
Des tâches spécialisées aux systèmes intelligents
L’apprentissage automatique de l’IA d’entreprise 1.0 avait une portée limitée et ajoutait simplement de l’automatisation et de l’intelligence à des capacités tactiques. Les capacités de l’IA d’entreprise 2.0 élargiront l’automatisation de l’IA, afin que les processus et les décisions de l’entreprise puissent être davantage guidés par des politiques et autonomes.
Imaginez des systèmes intelligents capables d’aider les distributeurs à comprendre chacun de leurs marchés cibles afin d’anticiper la demande des consommateurs. Les vendeurs peuvent ainsi mettre en œuvre des promotions personnalisées, rationaliser la logistique de la chaîne d’approvisionnement, garantir des niveaux de stock optimaux et fixer automatiquement les prix pour maximiser les objectifs commerciaux trimestriels.
L’évolution de la gouvernance est également essentielle pour permettre l’IA d’entreprise 2.0. Les entreprises qui déploient l’IA devront veiller à instaurer elles-mêmes une réglementation des systèmes afin de superviser les décisions fondées sur l’IA. Cela leur permettra d’éliminer les imprécisions, les biais, les non-conformités et autres problèmes à mesure que la technologie d’IA traite les modèles.
Souvenez-vous de l’enthousiasme suscité par l’évolution de l’IA, lorsqu’elle a commencé à répondre aux questions fréquentes ou à noter et trier une liste de prospects pour l’équipe commerciale. Oui, les solutions d’IA d’entreprise 1.0 géraient bien les tâches simples. Cette fonctionnalité ne va pas disparaître. Mais nous pouvons faire bien davantage.
Les entreprises changent déjà leur culture, modernisent leur infrastructure de données, améliorent leurs systèmes et leurs technologies et affinent leurs processus pour adopter les outils et solutions d’IA d’entreprise 2.0. Ces changements, associés aux progrès de l’analytique de l’IA, peuvent aider les entreprises à exploiter tout le potentiel de l’IA d’entreprise 2.0.
À propos de l’auteur :
Eshwar Belani est operating partner chez Symphony AI.