L’IA est-elle indispensable pour les entreprises de demain ?
Après le Big Data, au tour de l’intelligence artificielle d’être sur toutes les bouches des entreprises. Pour autant, le concept n’est pas nouveau, il est même plus vieux qu’internet. Mais alors pourquoi on en parle ? Est-ce qu’il faut être à la page de cette technologie pour être tendance ? L’Intelligence artificielle est-elle vraiment indispensable pour les entreprises de demain ?
Curieusement, l’intelligence artificielle n’est pas un concept tout jeune. Ses débuts remontent à 1956 où le terme a été utilisé et défini pour la première fois à la conférence de Dartmouth. L’idée qu’un modèle se base sur des données d’apprentissage pour être capable de s’adapter, d’évoluer, et d’apprendre dans le temps, est séduisante. Elle s’est développée au gré des engouements et des désillusions durant la seconde moitié du XXème siècle, pour nous entourer aujourd’hui dans notre quotidien. Outre les capacités de calcul qui ont drastiquement augmentées au fil des années, l’intelligence artificielle a su se répandre autour de nous grâce à ses cas d’usages précis et variés.
Néanmoins, l’intelligence artificielle n’est pas faite pour tout le monde.
En effet, même s’il existe de nombreux cas d’usages pour exploiter cette technologie, chaque entreprise possède des problématiques différentes et il est important de s’assurer d’avoir tous les outils en main pour exploiter le potentiel de l’intelligence artificielle. En 2019, d’après le rapport d’IDC sur l’adoption de l’intelligence artificielle en entreprise, 1 entreprise sur 4 voyait 50% de ses projets en intelligence artificielle échouer. Dans de trop nombreux cas, l’intelligence artificielle est mal utilisée ou utilisée à tort, par manque de moyens et de compétences. Je vais vous donner quelques conseils pour éviter de s’entêter à créer un modèle d’intelligence artificielle s’il n’a pas lieu d’être.
1.S’assurer de la désirabilité / faisabilité de l’implémentation de l’intelligence artificielle
Avant même de commencer à penser “rentabilité”, il est important de s’assurer que la tâche que vous voulez faire faire à votre intelligence artificielle, est une tâche réalisable et déjà effectuée par un humain. Le cas échéant vous risquerez d’avoir du mal à évaluer votre modèle. Vous devez également juger de la pénibilité de la tâche pour s’assurer que votre intelligence artificielle sera acceptée par vos équipes. Si vous voulez soulager votre salarié d’une tâche répétitive et sans valeur alors votre outil sera le bienvenu. Par exemple, dans le cadre du métier de RH, vous pouvez utiliser une intelligence artificielle pour pré trier les centaines de CVs et de ne présenter au recruteur que les CVs qui matchent à la fiche de poste. A contrario, si votre intelligence artificielle vient supprimer la valeur d’un poste, cela viendra compliquer son intégration au sein de vos équipes.
2. Commencer par un use case métier avec un R.O.I pressenti
Pour se lancer, il faut étudier la question et savoir à quelle problématique l’intelligence artificielle peut répondre. Si vous avez une quantité de données inexploitée, alors vous pouvez vous questionner sur “qu’est-ce que je peux en faire”. Néanmoins il faut être plus précis. On pourrait simplement analyser les données pour dégager des tendances, sans l’aide d’une machine. Ou alors, on pourrait se rendre compte que la moitié des données récoltées ne sont pas exploitables. Pensez qu’un bon modèle dépend de ses données. A titre d’exemple, une intelligence artificielle est capable d’obtenir de bons résultats dès 10 images à analyser dans le domaine de la vision par ordinateur. Par contre, si ces 10 images ne sont pas représentatives ou de mauvaises qualités, vous n’obtiendrez rien.
On retrouve l’intelligence artificielle généralement dans la détection d’anomalies, l’automatisation des tâches ou la prédiction. Elle est présente pour aider à la prise de décision et faciliter le travail d’un expert qui doit analyser massivement des données.
3. S’assurer d’avoir les fonds suffisants
Vous n’êtes pas sans savoir que l’apprentissage automatique est coûteux puisque cela nécessite d’avoir des profils expérimentés, de stocker un important volume de données, sans compter la maintenance de l’outil.
Ne cherchez pas à bâcler votre travail pour rentrer dans votre budget. Si vous êtes trop serrés, envisagez une autre option. De la même façon, si vous implémentez une intelligence artificielle sur une tâche peu coûteuse déjà faite par l’un de vos salariés, il vaut mieux chercher un autre cas d’usage où vous aurez plus de rentabilité.
4. Être capable d’expliquer ses résultats
En effet, l’intelligence artificielle est souvent apparentée à une boite noire. Si vous voulez avoir confiance en votre modèle, vous devez prendre le temps de lever ce voile. L’explicabilité et l’interprétabilité sont deux concepts phares pour vous aider dans la transparence de votre nouvel outil. Vous trouverez cet article qui vous explique pourquoi cette démarche est essentielle. De cette façon vous allez pouvoir comprendre votre algorithme, le découper pas à pas, voire le certifier.
“Le comprendre c’est l’adopter” par Vincent Van Steenbergen, lors de la conférence de FITT (l’IA au cœur de la smart industrie le 31–03–2021) .
5. Valider sa valeur
L’intelligence artificielle doit ajouter de la valeur au métier, au service et à l’entreprise. Vous devez être capable de mesurer son rendement en évaluant une économie sur un processus métier. C’est l’intégralité de la chaine d’un processus qui doit être positivement impactée par ce changement. Si le métier a changé et que le marché est impacté alors vous avez réussi.
6. Maintien en condition opérationnelle (MCO)
Enfin, en intelligence artificielle, il est essentiel de garantir que le modèle en production n’est pas négativement altéré, ni ne devienne obsolète. Vous devez veiller à contrôler régulièrement votre outil, voire à réentrainer votre intelligence artificielle en fonction des nouvelles données que vous aurez récoltées.
Conclusion
L’intelligence artificielle a la capacité d’analyser des quantités de données très importantes et d’en extraire des analyses, des tendances. Elle intervient lorsque l’on doit analyser des données complexes, souvent couplées à d’autres données complexes qui en les associant, amènent à des résultats. L’IA peut, dans certains cas, être la clé pour exploiter intelligemment ces données, mais attention tout de même à ne pas vouloir en mettre partout et à toutes les sauces.