Actualité web & High tech sur Usine Digitale

Recevez chaque jour toute l'actualité du numérique

x

[Tribune] 3 écueils à éviter pour réussir son expérimentation IA

Tribune Tout le monde en parle, mais qui en fait vraiment ? De l'intelligence artificielle. S'appuyant sur des retours d'expérience, Quentin Husser, consultant senior chez Colombus Consulting, explique pourquoi un projet peut ne pas donner tout son potentiel. Car pour sophistiqué qu'il soit, un projet d'IA reste le projet d'une organisation et doit à ce titre éviter certains écueils.
Twitter Facebook Linkedin Flipboard Email
×

[Tribune] 3 écueils à éviter pour réussir son expérimentation IA
[Tribune] 3 écueils à éviter pour réussir son expérimentation IA

Les entreprises françaises ont pris conscience des enjeux de l’Intelligence Artificielle (IA), comme en témoignent les montants investis et le nombre de projets en cours (1). Mais dans le même temps, peu d’entre-elles disposent déjà de solutions pleinement opérationnelles. Comment expliquer cet écart ? En réalité, l’IA pose des questions nouvelles en entreprise, qu’il faut impérativement prendre en compte avant d' envisager la mise à l’échelle. Plusieurs retours d’expérience collectés sur le terrain permettent d’identifier quelques grands écueils à éviter pour réussir une expérimentation IA (2).

 

ECUEIL N°1 : PENSER QUE L’ACCÈS À LA DONNÉE EN INTERNE EST GARANTI

L’accès à un volume important de données est indispensable pour entraîner et perfectionner les algorithmes d’IA. Les jeux de données pouvant provenir de sources variées au sein de l’entreprise (ex : entités juridiques ou départements différents), leur disponibilité peut dépendre en partie de la maturité du système de gouvernance en place dans l’organisation. Autrement dit, il sera beaucoup plus facile d’identifier et d’obtenir des données si les règles de propriété et de partage sont institutionnalisées.

 

Pour autant, une gouvernance de la donnée "peu favorable" ne doit pas être synonyme d’un renoncement à toute expérimentation. Comment faire pour maximiser ses chances d’accéder aux données nécessaires au projet ? En l’occurrence, faire sponsoriser son expérimentation par un membre influent de l’organisation est une solution de contournement efficace observée sur le terrain.

 

Ecueil n°2 : Sous-estimer les enjeux humains et notamment l’accompagnement du changement

Les retours d’expérience s’accordent à dire que les applications IA peuvent fonctionner techniquement mais être sous-utilisées en interne, à cause d’efforts insuffisants apportés à l’accompagnement humain. A la différence de programmes qui exécutent mécaniquement des actions pré-commandées, les algorithmes des solutions IA peuvent développer leurs propres schémas d’analyse, qui ne sont pas toujours intuitifs voire pas toujours intelligibles (on parle d’un effet "boite noire").

 

Or, la compréhension – au moins partielle – du raisonnement qui aboutit à un résultat donné détermine en partie le niveau de confiance qu’on accorde à ce résultat… Ainsi, et c’est d’autant plus vrai pour les outils d’aide à la décision, le manque d’explications données aux opérateurs sur le fonctionnement de la solution est l’une des grandes causes d’un faible taux d’utilisation. Les pistes à explorer pour encourager l’usage d’une application IA s’étalent sur tout le cycle de vie du projet : elles comprennent, entre autres, la participation des futurs utilisateurs à la conception de la solution ou encore la mise en place d’un plan d’accompagnement renforcé au lancement.

 

Ecueil n°3 : Surdimensionner l’ambition et les moyens de l’expérimentation

Cela peut sembler évident… mais tout projet IA doit faire l’objet d’un travail de cadrage sérieux. Les possibilités d’optimisation offertes par l’IA dépendent de nombreux facteurs, comme la compatibilité avec le système d’information de l’entreprise ou encore le maintien en conditions opérationnelles (MCO) de la solution. Il faut être vigilent à ce que l’attrait technologique n’élude pas les défis liés à la mise en œuvre de l’IA.

 

Autre conseil important émanant des retours de terrain : garder de la flexibilité dans la gestion de son projet. Les sujets IA pouvant encore être exploratoires, il faut opter pour une démarche et un dispositif projet modulables. De nombreuses entreprises du secteur adoptent en ce sens des modes de fonctionnement "agile" ou "start-up" : l’idée principale étant de découper un projet en tranches intermédiaires (cadrage, expérimentation, MVP, etc.), en gardant à l’idée que le projet peut s’arrêter à la fin d’une tranche si les conditions pour passer à la suivante ne sont pas réunies.

 

Quentin Husser, consultant senior, Colombus Consulting

 

Les avis d'experts sont publiés sous l'entière responsabilité de leurs auteurs et n'engagent en rien la rédaction de L'usine digitale. 

-------------------------------------

(1)  Etude IDC pour Microsoft réalisée fin 2017 auprès de 150 entreprises françaises de plus de 500

(2) Les analyses de l’article résultent en partie de retours d’expérience collectés en 2018 par Colombus Consulting auprès de professionnels de l’IA, utilisateurs et fournisseurs de solutions

Réagir

* Les commentaires postés sur L’Usine Digitale font l’objet d’une modération par l’équipe éditoriale.

 
media
Suivez-nous Suivre l'Usine Digitale sur twitter Suivre l'Usine Digitale sur facebook Suivre l'Usine Digitale sur Linked In RSS Usine Digitale