Les enjeux et leviers de l’intelligence artificielle sont de mieux en mieux perçus par les entreprises mais, de l’idée du cas d’usage à la mise en production, la route peut s’avérer sinueuse et parsemée d’obstacles. Aussi, de nombreux projets IA s’enlisent avant la mise en production.

Alors que le discours ambiant gagne en maturité, l’intelligence artificielle s’avère difficile à intégrer par les entreprises.

Les facteurs déterminants du succès sont les suivants :

  • La gouvernance des projets IA doit être bicéphale.
Il s’agit de réunir l’expertise métier et la technologie. On se souvient que lors des premiers pas de l'informatisation des entreprises la fonction de l’analyste programmeur était comprendre les besoins des collaborateurs métier et de développer la solution informatique. On peut considérer que l’intelligence artificielle pour l’entreprise doit être abordée de la même manière aujourd’hui.
  • Le besoin doit émaner du métier.
C’est un premier obstacle car les experts métier ne sont pas (à de rares exceptions près) des spécialistes de l’informatique avancée. Il est donc indispensable d’assurer une acculturation des collaborateurs à l’intelligence artificielle afin qu’ils puissent percevoir les composantes, le potentiel et les limites réelles. Afin de stimuler leur créativité, il est tout aussi important de leur présenter des retours d’expériences sur des cas d’usages propres à leur métier ou à leur secteur d’activité.

Le cas d’usage identifié par les experts métiers doit permettre de résoudre une difficulté, d’améliorer l’efficacité d’un processus ou bien de développer de nouveaux services. La connaissance fine de l’activité et des processus internes à l’entreprise est indispensable à la définition des objectifs du projet IA.

Ce besoin doit être exprimé clairement pour que le chef de projet technologique puisse l’aborder de manière claire et précise.

  • Une approche pragmatique pour un produit minimum viable
Le développement d’une preuve de concept (p.o.c.) est une étape déterminante de l’implémentation d’une solution d’intelligence artificielle. Les maîtres mots du p.o.c. IA sont les suivants : simplicité et délais courts.

Seule une définition réaliste du périmètre du p.o.c. (une région, un service, une activité, …) permet de respecter un temps projets courts (2 à 4 mois au maximum).

  • L’écueil de la donnée
Une attention particulière sera portée sur les données qu’il faudra utiliser pour le p.o.c. :

- Y-a-t-on accès facilement ?

- Est-on autorisé à utiliser ces données pour l’entrainement d’un algorithme ?

- Les données remplissent-elles les critères de qualité recherchés ?

C’est souvent dans ce registre que les projets IA rencontrent leurs premières difficultés.

L’hébergement et le traitement de la donnée se fera dans le Cloud qui nous semble le plus adapté au développement d’un p.o.c. IA.

  • La performance de l’algorithme
Il est important pour les ingénieurs de comprendre précisément le niveau de performance algorithmique attendu par le métier.

Est-ce qu’une fiabilité de prédiction de 60%, 70%, 80% ou 90% est acceptable ? Ceci varie d’un cas d’usage à l’autre.

  • Analyse et indicateurs de performance
Les experts métier doivent pouvoir analyser les résultats de la preuve de concept avant d’envisager la mise en production.

Il s’agit principalement de préciser le coût du développement de la solution envisagée, d’évaluer les revenus (ou les économies) qui seront générés et donc de considérer la rentabilité du cas d’usage IA. L’évaluation des besoins de formations associés au déploiement du nouvel outil doit également être réalisée avant le développement d’un projet pilote menant à la mise en production.

Notre expérience nous montre que ces 6 éléments sont déterminants pour le succès d’une démarche d’implémentation de l’intelligence artificielle en entreprise.

L’accompagnement par des professionnels de l’IA s’avère indispensable pour éviter ou contourner les obstacles qui ne manqueront pas de se présenter.