Bâtir sa stratégie d’intelligence artificielle : une introduction

26 janvier 2021

Bâtir sa stratégie d’intelligence artificielle : une introduction

Résumé
10 minutes de lecture

Cet article est le premier d’une série de cinq qui se penche sur l’adoption réussie de l’intelligence artificielle (IA) en entreprise. Il se veut une introduction au paysage IA actuel et aux divers stades de maturité d’une entreprise dans son adoption de l’IA.

Cet article est le premier d’une série de cinq qui se penche sur l’adoption réussie de l’intelligence artificielle (IA) en entreprise. Il se veut une introduction au paysage IA actuel et aux divers stades de maturité d’une entreprise dans son adoption de l’IA. Les autres articles de la série aborderont l’importance de la mise en place de bases solides pour l’IA, la gouvernance de l’IA, l’éthique en IA et l’établissement d’un cadre pour établir les priorités en matière d’IA.

En entreprise, l’IA a un impact comme nulle part ailleurs. Il suffit de regarder les outils intelligents de gestion du flux de travail, les robots conversationnels et la publicité ciblée pour constater que l’IA a complètement changé les pratiques commerciales. Un récent sondage indique que 85 % des entreprises envisagent d’intégrer l’IA ou l’utilise dans leur production. Les trois secteurs où son utilisation est la plus courante sont la recherche et le développement (47 %), les technologies de l’information (33 %) et le service à la clientèle (28 %).1

Le revenu mondial du marché de l’IA devrait atteindre 97,9 milliards de dollars américains d’ici 2023.2 Ce montant est révélateur de l’ampleur de l’occasion qui se présente aux entreprises.

Quelle est la place de l’IA dans vos activités commerciales?

Veillez à ce que vos investissements ne tournent pas en rond

Plusieurs entreprises s’emballent avec le potentiel de l’IA et de l’apprentissage automatique. Elles se lancent tête première dans une démonstration de faisabilité et conçoivent des projets dignes d’une expo-sciences. Elles ne cessent de mener des expériences sans obtenir un retour sur leur investissement ou une véritable valeur de réalisation par la mise en œuvre. C’est pourquoi près de 80 % des démonstrations de faisabilité n’aboutissent à rien ou ne produisent pas les résultats escomptés. La haute direction, quant à elle, perd confiance en ces technologies.

En fait, nous avons découvert que la plupart des entreprises qui n’obtiennent pas les résultats voulus pour leur projet d’IA ou d’apprentissage automatique sont tombées dans les pièges suivants :

  1. Elles n’ont pas cerné leurs problèmes fondamentaux et leurs causes principales;
  2. Elles n’ont pas compris les principaux facteurs de risque et le besoin d’un processus pour évaluer les risques et les avantages;
  3. Elles n’ont pas compris l’étendue du projet et l’ont abordé par le mauvais point d’entrée;
  4. Elles s’attendaient à ce que des experts en science des données puissent à eux seuls prendre en charge tout le projet.

Surmonter ces obstacles se résume à un seul élément : la stratégie.

L’IA est complexe. Lorsque Gartner a interrogé les entreprises pour connaître les plus grands obstacles à l’IA, près des deux tiers ont soulevé la difficulté de trouver le bon point d’entrée.3

Les entreprises doivent consacrer plus de temps à leur stratégie pour déterminer et évaluer les usages potentiels qui cadrent avec les objectifs organisationnels, leur position sur la courbe de maturité et leur environnement de données relatives à la production. Si au départ, votre stratégie est sensée et réaliste, votre projet a davantage de chances de réussir.

Cinq stades de maturité servent de cadre pour déterminer où votre entreprise se situe dans son périple technologique. Les entreprises doivent prendre connaissance de leur propre stade de maturité. Voici un aperçu des cinq stades en question.

Les stades de maturité en IA (Agrandir l’image)
Adoption de l’IA01 – Incursion : L’entreprise fait ses premiers pas en explorant le sujet, en cherchant de la formation et en déterminant les usages potentiels. 02 – Expérimentation : Une petite équipe est mise sur pied pour produire des démonstrations de faisabilité et des projets pilotes afin d’évaluer la faisabilité et l’apport de valeur pour l’entreprise. 03 – Normalisation : Un centre d’excellence est mis sur pied pour mener les projets IA, mettre en œuvre les modèles et intégrer cette technologie dans les applications de l’entreprise. 04 – Optimisation : L’IA, désormais en usage dans l’entreprise, est soutenue par un cadre de gouvernance, de déontologie et une stratégie pour amener des changements aux rôles, aux processus et au personnel. 05 – Déploiement à grande échelle : Croissance de l’IA au sein de l’entreprise et transposition à plus grande échelle grâce à une amélioration continue et à une adaptation constante à l’évolution de la technologie, de l’infrastructure, du comportement des consommateurs et de la demande.Stade de maturité

Premier stade - Incursion

Dans tout projet d’IA, le stade Incursion débute par des conversations sur le sujet plutôt que par des stratégies en bonne et due forme. Ce stade se limite aux discussions, à l’apprentissage et aux projections. La mise en œuvre viendra plus tard. Les entreprises commencent à explorer les manières dont l’IA peut améliorer leurs procédés et résoudre certains de leurs problèmes.

« Examinez votre emploi actuel de la technologie dans vos échanges importants avec les clients, autrement dit lors des moments clés, et demandez-vous comment ils pourraient être améliorés, fait valoir Whit Andrews, vice-président analyste de renom chez Gartner. Ensuite, appliquez l’IA aux éléments que vous avez cernés afin d’aller chercher plus de valeur pour votre entreprise. »4

Au cours de ce stade, les entreprises analysent leurs priorités d’affaires ou stratégiques, relèvent les processus critiques liés aux priorités et établissent des objectifs que l’IA permettra d’atteindre.

Deuxième stade - Expérimentation

Au stade Expérimentation, il y a lieu de créer des plans détaillés pour établir les objectifs et les résultats escomptés après l’introduction de l’IA dans les opérations et les procédés identifiés au stade précédent. L’IA commence à apparaître dans les démonstrations de faisabilité et les projets pilotes. À ce stade, les entreprises tentent de découvrir ce qui fonctionne ou ne fonctionne pas. Ces projets initiaux donneront un avant-goût des occasions qui sont possibles ou souhaitables, ainsi que la valeur relative de chaque projet pour l’entreprise.

Troisième stade - Normalisation

À ce stade, au moins un projet d’IA passe du statut de prototype à la production. Un centre d’excellence est mis sur pied et a pour mandat d’intégrer les solutions d’IA dans les processus de l’entreprise. Il doit être composé de membres provenant de diverses sphères : ingénierie des données, science des données et autres secteurs de l’entreprise. La technologie est accessible pour l’entreprise et un budget lui est consacré.

Il est important de souligner qu’à ce stade, le but est d’intégrer la solution d’IA dans la production, et non d’élaborer la solution idéale. Par exemple, pour que la solution puisse être mise en production, les flux de données doivent être livrés en temps réel ou groupés et fournis à intervalles réguliers. Idéalement, ils seraient acheminés automatiquement grâce aux lacs de données (c.-à-d. un référentiel), mais à ce stade, la transmission des données par téléversements manuels au quotidien est suffisante si elle permet d’utiliser la solution dans la production.

Quatrième stade - Optimisation

Les entreprises passent à l’étape Optimisation après avoir confirmé le succès de leurs solutions d’IA dans la production, et elles commencent à optimiser les solutions afin d’obtenir un rendement sur le capital investi et d’améliorer leurs activités d’exploitation. À ce stade, l’IA a été essaimée un peu partout dans l’entreprise; les solutions d’AI sont régulièrement intégrées à la production avec le soutien des cadres éthiques, stratégiques et de gouvernance pour proposer des changements durables aux fonctions, aux processus et au effectifs. L’entreprise propage ensuite l’IA dans toutes les fonctions d’entreprise et informe le personnel des risques associés à une mauvaise utilisation.

Cinquième stade - Déploiement à grande échelle

Au dernier stade, l’IA fait désormais partie de l’ADN de l’entreprise. Les entreprises qui atteignent le cinquième stade sont à l’aise de livrer des solutions d’IA et de les intégrer dans leurs processus. Elles gèrent les risques associés à l’IA en toute confiance et savent répondre aux nouveaux besoins en IA. Le but est alors de s’assurer que les compétences en IA demeurent à jour et d’employer toujours les technologies et techniques les plus récentes, en plus de savoir répondre immédiatement aux changements au sein du marché, de l’industrie et dans le comportement des consommateurs.

Où vous situez-vous?

Peu importe où vous vous trouvez sur la courbe de maturité, l’important est de comprendre votre situation. Présentement, la plupart des entreprises se situent au stade Incursion ou Expérimentation. Peu d’entreprises ont atteint le stade Déploiement à grande échelle, mais celles qui l’ont fait sont de véritables pionnières. Elles sont reconnues comme des chefs de file dans le développement de nouvelles solutions et admirées de leurs pairs.

L’évaluation de la maturité est une composante importante pour jeter des bases solides afin d’assurer le succès de l’IA, et elle aidera votre entreprise à créer une stratégie d’IA au point d’entrée approprié.

Curieux d’en savoir plus sur la stratégie d’IA et la courbe de maturité? Participez à notre atelier immersif de cinq jours sur l’IA. L’atelier vous indiquera les manières d’évaluer et de mettre au point une stratégie d’IA faite sur mesure pour votre entreprise, et vous donnera les outils pour tirer le maximum de votre projet et éviter les risques inutiles.

Apprenez-en davantage au sujet de la série d’ateliers sur l’IA de MNP

Communiquez avec un conseiller MNP pour discuter de votre stratégie en intelligence artificielle.

Auteurs : Dev Mishra et Kaustubh Kapoor

Dev Mishra dirige le groupe Solutions d’ingénierie des données et la pratique d’IA et d’apprentissage automatique, qui regroupe plus de 15 directeurs principaux, directeurs et spécialistes des données Azure. Son équipe et lui se concentrent sur les technologies de pointe, notamment Azure, Databricks et Alteryx. Depuis plus de 16 ans, Dev réalise des projets de transformation de grande envergure, mettant à profit des techniques d’analytique des données avancées pour des entreprises d’envergure mondiale en Amérique du Nord.

Kaustubh Kapoor est consultant en apprentissage automatique chez MNP. Il développe des produits visant à améliorer l’efficacité et les processus d’affaires grâce à l’apprentissage automatique progressif et les techniques statistiques. Il offre des services-conseils dans le cadre de projets d’analytique des données et cherche constamment de nouvelles manières d’innover.


Références

Points de vue

  • Performance

    Services aux professionnels de MNP pour les avocats

    Apprenez comment MNP peut vous aider, vous et votre cabinet, peu importe à quelle étape vous vous trouvez.

  • Performance

    Portée du budget de 2021 pour les concessionnaires

    Voyez les répercussions des mesures annoncées dans le budget fédéral de 2021 sur les concessionnaires.

  • Performance

    19 août 2021

    Les états financiers masqués : La fraude financière et les états financiers – partie 1

    Voici un article portant sur la fraude financière des états financiers publié dans Le Monde juridique, écrit par Corey Bloom, associée et leader en juricomptabilité et Simon Gaudreau, consultant principal.