Parce que les entreprises répètent invariablement la même erreur quand émerge une nouvelle technologie leur promettant de résoudre toutes leurs difficultés, Katie Linford (pour Forrester) décline dans le contexte de l'intelligence artificielle une recommandation issue des démarches d'innovation, classique mais toujours aussi nécessaire.
Parfois le monde devient fou et le syndrome est visible partout. Combien d'organisations proclament fièrement avoir implémenté des centaines de cas d'usage de l'IA, comme si atteindre un record était une fin en soi. Ne serait-il pas intéressant, pour toutes les parties prenantes, de connaître plutôt quel objectif stratégique a été atteint, quel problème récurrent a été éradiqué ou quel service inédit a été développé… en précisant éventuellement – pour l'anecdote ? – quels outils ont permis ce résultat ?
Face à ces dérives généralisées, qui naissent d'une perception implicite – et évidemment délirante – d'équivalence entre performance et capacité à s'emparer des dernières tendances à la mode, il convient de reprendre ses esprits : ce qui compte avant tout, lors de l'évaluation d'une opportunité, est de déterminer clairement la cible à atteindre. Celle qui est susceptible d'apporter de la valeur à la firme, alignée avec sa vision, et non une prouesse technique (plus ou moins authentique, qui plus est).
Naturellement, les premiers pas avec l'intelligence artificielle passent par des expérimentations, dont rien ne garantit qu'elles aboutiront. Cependant, si l'immense majorité des entreprises adoptent une telle pratique, elles abordent souvent ces projets sous l'angle de la mise en œuvre de telle ou telle plate-forme, pour laquelle sont ensuite explorées ses possibilités d'application dans divers contextes. Il n'est pas étonnant dans ces conditions que les taux de déploiement opérationnels soient infimes.
Les autres exigences que souligne Katie Linford ajoutent encore aux risques d'échec : l'absence ou la difficulté d'accès aux données de qualité nécessaires à la mise au point des modèles, le besoin de formation des équipes (et de leurs responsables), une gouvernance rigoureuse (prenant en compte la réglementation et l'éthique)… Ces facteurs (en particulier le premier, dans les institutions financières) feront capoter bien des initiatives, il est inutile, en plus, de gaspiller de l'énergie sur une cible irrationnelle.
Concrètement, je préconise toujours la même approche : commencez impérativement par identifier et formaliser la problématique que vous souhaitez traiter, puis analysez objectivement la contribution possible à une solution de la technologie qui vous tente (IA ou autre). Si le bénéfice n'est pas éclatant (indiscutable et substantiel), n'insistez pas, prenez une autre voie ou patientez jusqu'à ce qu'un meilleur outil soit disponible.
Aucun commentaire:
Enregistrer un commentaire
Afin de lutter contre le spam, les commentaires ne sont ouverts qu'aux personnes identifiées et sont soumis à modération (je suis sincèrement désolé pour le désagrément causé…)