Les entreprises évoluent rapidement à mesure que l’intelligence artificielle (IA) passe de simples projets pilotes à une mise en œuvre à plus grande échelle. Ce déploiement plus large de l’IA transforme les industries, stimule l’innovation et améliore l’efficacité opérationnelle dans les différentes activités de l’entreprise.
L’importance de la mise à l’échelle l’IA
Le passage des PoC (démonstrations de faisabilité) à l’application de l’IA à grande échelle est un moment charnière pour les entreprises. Alors que les premiers projets mettent en évidence un certain potentiel sans parvenir à produire un impact significatif, l’IA déployée à l’échelle de l’entreprise améliore quant à elle considérablement l’efficacité, la prise de décision et constitue un véritable avantage concurrentiel. Prenons l’exemple d’un retailer européen spécialisé dans la vente de produits électroniques : il peut s’appuyer sur l’IA pour prédire les taux de conversions des acheteurs en ligne et déclencher des interventions et actions adaptées lors de leur navigation. Autre exemple : un média européen peut utiliser l’IA pour évaluer le sentiment des lecteurs en se basant sur les commentaires et les critiques afin d’améliorer les futurs articles.
Cependant, selon le rapport “Global AI Adoption Index”, les entreprises européennes sont réticentes concernant l’adoption de l’IA pour des raisons de réglementation et de sécurité. La Cour des comptes européenne a confirmé que les investissements de l’UE dans l’IA étaient inférieurs à ceux des leaders mondiaux. Pour remédier à cette situation, l’UE a proposé un règlement européen sur l’IA (EU AI Act), qui impose des utilisations spécifiques de l’IA, réduit les charges administratives et financières et confie la responsabilité de la conformité aux fournisseurs de solutions d’IA, étant donné que de nombreuses entreprises ne disposent pas de l’expertise nécessaire en matière d’IA.
L’AI Innovation Package et le Coordinated Plan on AI visent également à stimuler l’investissement dans l’IA au sein de l’Union Européenne.
Comme les entreprises en Europe estiment que l’adoption des technologies d’IA à grande échelle est de plus en plus lucrative, elles espèrent tirer des bénéfices significatifs en termes d’efficacité interne et d’innovation sans courir de grand risque réglementaire.
Efficacité interne, innovation et succès
Autre avantage du déploiement à grande l’échelle de l’IA : il améliore l’efficacité interne en automatisant les tâches à faible risque, ce qui permet de se concentrer davantage sur les activités stratégiques. Par exemple, l’IA peut gérer les demandes d’un Service clients, la logistique complexe de la chaîne d’approvisionnement ou encore l’évaluation du risque de crédit. Prenons l’exemple d’une grande banque européenne : elle utilise l’IA pour analyser les dossiers des clients et effectuer des évaluations du risque de crédit, et ce même dans les langages dits à faibles ressources (langages disposant de peu de données numériques). Les conseillers bancaires conservent bien entendu le pouvoir de décision, la solution d’IA jouant le simple rôle d’assistant.
La mise à l’échelle de l’IA favorise aussi l’innovation, permet d’identifier des données clefs et de prendre des décisions plus pertinentes. Dans le domaine des biens de consommation, l’IA peut stimuler l’engagement en ligne en analysant les termes de recherche et les descriptions de produits par rapport à la concurrence sur des places de marché tierces. Elle permet de mettre en évidence les caractéristiques principales des produits et les mots clés appropriés dans leurs descriptions. Ces informations sont également utilisées pour le Développement produit.
Exemples de passage à l’échelle réussis
Pour comprendre la valeur ajoutée de l’IA à grande échelle, il faut analyser son déploiement et son impact au sein des différentes fonctions et services de l’entreprise :
- Service client
Le centre d’appel d’une grande banque européenne utilise une solution d’IA pour aider les agents dans leurs missions en leur suggérant des solutions, en réacheminant les appels, en prédisant les intentions et en recommandant des éléments de langage. Intégrée à l’application du centre d’appel, la solution réduit la complexité de gestion du changement et a permis d’améliorer le taux de satisfaction des clients et de réduire la perte de clients. - Ressources humaines
L’utilisation de l’IA générative dans le domaine des ressources humaines comporte des risques car cette technologie peut diffuser les biais cognitifs inhérents aux méthodes de sélection. Toutefois, ces risques sont atténués grâce à des garde-fous qui évitent les flux de données PII au point d’entrée (en écartant le code postal, le nom, le sexe par exemple), et au masquage de style par le biais de résumés de candidatures plutôt que par la soumission de textes originaux. La suppression des biais et l’amélioration de la précision conduisent à une utilisation à grande échelle plus sûre. - Gestion de la chaîne d’approvisionnement
Une grande entreprise européenne de produits de grande consommation déploie un système alimenté par l’IA qui gère de manière autonome les prévisions de demande. Il regroupe automatiquement les produits en unités de prévision de demande (DFU), sélectionne les algorithmes optimaux, s’autocorrige en tenant compte des erreurs récentes et explique les variations exceptionnelles des prévisions pour plus de 20 000 combinaisons de magasin et de codes UGS, le tout sans personnalisation manuelle. - Marketing
Le site web est souvent considéré comme la vitrine numérique d’une marque. Les grandes enseignes de l’habillement tirent ainsi parti de l’IA pour rationaliser leur site web en élaborant du contenu à partir de diverses sources de données, telles que la base de données produits, les informations sur les fournisseurs, les PDF/PPT et les bibliothèques d’actifs numériques marketing, réduisant ainsi les délais de création de contenu. Ce contenu généré par l’IA réduit les délais de création et fait l’objet d’une révision et d’une approbation humaine avant toute publication.
Surmonter les obstacles
Si les avantages de l’IA déployée à l’échelle sont évidents, les entreprises doivent néanmoins relever plusieurs défis :
- Considérations éthiques
Les systèmes d’IA doivent être conçus et déployés de manière éthique afin d’éviter les biais et garantir l’équité, comme dans le cas des ressources humaines. La loi européenne sur l’IA (EU AI Act) aidera les entreprises à adopter cette technologie de manière éthique en leur fournissant un cadre réglementaire. - Infrastructure technologique
Les entreprises doivent investir dans la technologie nécessaire pour répondre aux exigences des applications d’IA à grande échelle. L’IA responsable n’est pas seulement une question de réglementation, elle est aussi une question de budget. S’il est possible de générer du contenu marketing automatiquement, cette pratique n’est pas toujours conseillée. - Gestion du changement
La mise en place de stratégies efficaces de gestion du changement est cruciale pour assurer une transition fluide et obtenir l’adhésion des employés. Lorsqu’un agent de centre d’appel reçoit des instructions d’un outil d’IA et non plus d’un moteur de règles traditionnel, les réactions négatives sont réduites.
La révolution induite par le passage à l’échelle de l’IA est bien plus qu’une avancée technologique, il s’agit d’un impératif stratégique pour les organisations. L’IA responsable implique des dépenses, concerne les collaborateurs et doit prendre en considération les réglementations.
