Au cours de l'année écoulée, j'ai eu l'occasion de passer du temps avec des DSI et des CDAO de tous les secteurs et de toutes les régions, que ce soit dans le cadre de communautés de cadres, de partenariats stratégiques ou de tables rondes. Malgré les différences de maturité, de taille et de secteur, les mêmes thèmes reviennent toujours.
- Les organisations se sentent obligées d'aller plus vite avec l'IA
- Elles doivent relever le défi du déploiement de l'IA et de l'analytique à grande échelle dans l'entreprise tout en maintenant la confiance et la gouvernance parallèlement à l'innovation
- Bon nombre peinent à concrétiser la promesse d'une réalité de l'IA ayant un impact significatif sur l'entreprise
Le vrai défi de l'IA à grande échelle
La plupart des organisations ne sont pas confrontées à un manque d'ambition ou d'accès à la technologie. Elles peinent parce que l'IA met en évidence des lacunes de longue date dans la manière dont les données, l'analytique et la prise de décision fonctionnent au sein de l'entreprise.
La simple centralisation des données dans une plateforme pour alimenter l'IA n'est pas suffisante en soi pour créer des solutions d'IA efficaces. Les outils ou copilotes autonomes spécifiques ne sont pas non plus efficaces. Pour réussir, les systèmes d'IA ont besoin de données de qualité qui s'appuient sur un contexte et une logique métier appropriés, et ces fondements sont souvent négligés au cours du développement.
Ce que j'entends le plus souvent de la part des chefs d'entreprise, c'est un sentiment d'urgence prudent :
- L'IA promet la rapidité, mais l'IT et les responsables financiers craignent une perte de contrôle ou de compréhension.
- L'IA promet une grande échelle, mais les analystes, déjà débordés, peinent à repenser leur travail ou, pire encore, rejettent l'IA par crainte de voir leur emploi remplacé.
- L'IA promet des insights, mais les équipes métier ont des difficultés à interpréter les résultats et ne peuvent pas voir ou faire confiance à la façon dont les résultats sont produits.
C'est la raison pour laquelle de nombreuses initiatives en matière d'IA s'arrêtent après les premiers projets pilotes. Les modèles fonctionnent, mais pas les fondements organisationnels et opérationnels.
L'importance de l'IA boostée par les métiers
L'un des signaux les plus clairs émis par les communautés de CDAO et DSI Gartner est le suivant : l'IA ne peut pas rester l'apanage de l'IT.
L'IT joue un rôle essentiel dans la sécurité, l'architecture et la gouvernance, mais l'IA n'apporte de la valeur que lorsqu'elle est façonnée par les personnes les plus proches des métiers. Les analystes, les opérateurs et les chefs de départements qui comprennent les données, les définitions, le contexte et les décisions importantes sont essentiels à la réussite des solutions d'IA.
Pour déployer l'IA, il faut donner aux travailleurs du savoir la capacité de préparer les données, définir la logique et opérationnaliser les insights, tout en leur fournissant des garde-fous qui permettent de faciliter la confiance des métiers.
Pourtant, c'est justement au moment du déploiement que de nombreuses entreprises rencontrent des difficultés. Soit elles centralisent trop, ce qui ralentit l'innovation, soit elles décentralisent sans plan, ce qui peut entraîner des risques. Les organisations qui génèrent un impact métier significatif avec l'IA établissent un cadre de gouvernance et un modèle opérationnel qui facilitent l'innovation à grande échelle grâce à leurs travailleurs du savoir, tout en surveillant et en gérant les processus critiques.
Un récent rapport d'Alteryx met en évidence un changement qui est déjà en cours. Les chefs d'entreprise et les responsables IT s'attendent à ce que la responsabilité des workflows IA augmente de 11 % au sein de chaque secteur d'activité, s'éloignant ainsi d'une centralisation de l'IT sur les trois prochaines années.
Les fondements de l'analytique native avec l'IA
Dans tous les secteurs d'activité, les organisations qui ont le vent en poupe présentent quelques caractéristiques communes :
Elles considèrent la préparation des données comme une capacité d'IA fondamentale.
Les données prêtes pour l'IA ne sont pas seulement des données propres. Il s'agit de données enrichies d'un contexte métier, de définitions cohérentes et d'une logique transparente. Lorsque les systèmes d'IA fonctionnent sur des bases gérées et explicables, la confiance s'accélère au lieu de s'éroder.
Elles renforcent le rôle de l'analyste grâce à une culture de l'innovation.
Plutôt que de remplacer les analystes, l'IA accroît leur importance. Les analystes deviennent les architectes de la logique, des règles et des signaux qui donnent un sens aux systèmes et agents d'IA. Lorsque cette logique est visible, réutilisable et gérée, les organisations peuvent déployer les insights à grande échelle sans prendre de risque.
Elles font le lien entre les insights et l'action, transformant systématiquement les projets pilotes en production.
L'IA n'apporte de la valeur qu'à partir du moment où les insights conduisent à des résultats. Cela nécessite la fusion de l'automatisation, de l'analytique et de l'IA. Les recommandations ne doivent plus être extrapolées à partir de tableaux de bord, mais peuvent au contraire provenir d'actions automatisées, contrôlées par des déclencheurs, facilement comprises et expliquées par les métiers.
Il ne s'agit pas simplement d'ajouter de l'IA aux processus existants, mais de repenser la manière dont les données et les décisions circulent dans l'organisation.
Des principes à la mise en pratique
Ces thèmes ne sont pas théoriques. Nous les observons tous les jours chez des clients qui dépassent le stade de l'expérimentation pour passer à une véritable mise en œuvre opérationnelle.
Copa Airlines en est un exemple.
Plutôt que de traiter l'analytique et l'IA comme des initiatives isolées, Copa se focalise sur l'autonomisation des équipes dans l'ensemble de l'entreprise avec une analyse et une automatisation gérées et reproductibles. En normalisant les workflows, en intégrant la gouvernance et en rendant l'analytique accessible à tous les services, l'équipe est en mesure de procéder à un déploiement à grande échelle en toute confiance, sans sacrifier la confiance ou le contrôle.
Cette expérience reflète ce que de nombreux DSI et CDAO découvrent actuellement : le chemin vers le déploiement de l'IA à grande échelle passe à la fois par les personnes, les processus et les plateformes.