Intelligence artificielle Intelligence artificielle pour le business : le passage de 0 à 1

Pour approfondir le sujet

Sur le même thème :

Le Healthcare Data Institute propose 10 recommandations pour faire de l’IA une réalité en santé

Le Healthcare Data Institute, think tank dédié à la transformation du système de santé par la valorisation scientifique et économique des données de santé,...

Celonis et BMW annoncent le renforcement de leur partenariat

Celonis, société pionnière du Process Mining, et le groupe automobile BMW ont annoncé le 26 mars dernier l’extension de leur partenariat stratégique. Celui-ci a...

Asystom ajoute la maintenance prédictive des vannes industrielles à sa solution AsystomPredict

Asystom, start-up toulousaine spécialisée dans la maintenance prédictive pour les équipements industriels, annonce l'ajout d'une application dédiée à la surveillance des vannes à sa...

Le CEA, le CNRS et Inria annoncent le lancement du PEPR Intelligence artificielle

Le programme de recherche (PEPR) Intelligence Artificielle, lancé le 25 mars dernier, co-piloté par le CEA, le CNRS et Inria, est doté d'un budget...

Intelligence artificielle pour le business : le passage de 0 à 1

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.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :

Au service de la digitalisation des entreprises grâce à l'IA

La mission de demain.ai est de permettre aux entreprises de tirer des bénéfices immédiats de l’intelligence artificielle. demain.ai favorise une ap

Découvrir demain.ai

 

Contributeur expert

Olivier Mégean

Olivier Mégean a dirigé et développé, dans les années 2000, la start-up Companynews d

Partager l'article

Le Healthcare Data Institute propose 10 recommandations pour faire de l’IA une réalité en santé

Le Healthcare Data Institute, think tank dédié à la transformation du système de santé par la valorisation scientifique et économique des données de santé,...

Celonis et BMW annoncent le renforcement de leur partenariat

Celonis, société pionnière du Process Mining, et le groupe automobile BMW ont annoncé le 26 mars dernier l’extension de leur partenariat stratégique. Celui-ci a...

Asystom ajoute la maintenance prédictive des vannes industrielles à sa solution AsystomPredict

Asystom, start-up toulousaine spécialisée dans la maintenance prédictive pour les équipements industriels, annonce l'ajout d'une application dédiée à la surveillance des vannes à sa...

Le CEA, le CNRS et Inria annoncent le lancement du PEPR Intelligence artificielle

Le programme de recherche (PEPR) Intelligence Artificielle, lancé le 25 mars dernier, co-piloté par le CEA, le CNRS et Inria, est doté d'un budget...