Transformation IA : évitez les pièges ! Transformation IA : évitez les pièges !
Après plusieurs « faux départs » au cours des dernières décennies, l’intelligence artificielle (ou IA) connaît aujourd’hui son envol et commence à être réellement exploitée par les entreprises : 97% des grandes entreprises utilisent l’intelligence artificielle ou envisagent de le faire[1]. La digitalisation de l’économie a permis une explosion de la quantité de données disponibles, nécessaires à la construction de modèles d’IA. Les capacités de stockage et de calcul ont connu une croissance exponentielle, dont l’accès aux entreprises a été facilité par l’essor du « cloud computing ». Les expériences menées dans le domaine ces dernières années, ont également permis d’avoir suffisamment de recul pour savoir aujourd’hui quelles sont les approches qui offrent les meilleurs résultats.
Si l’on excepte quelques entreprises du secteur technologique pour lesquelles l’exploitation des données est depuis toujours au cœur du modèle économique, l’IA reste largement à un niveau expérimental : seules 15% des entreprises disent avoir déjà mis à l’échelle des algorithmes d’intelligence artificielle[2]. Les entreprises rencontrent encore des difficultés à développer une vision globale de l’IA et à l’intégrer dans leur stratégie.
Dans le contexte actuel de pandémie de la COVID-19, 59% des dirigeants ressentent le besoin d’accélérer leur transformation grâce aux nouvelles technologies, dont l’intelligence artificielle, avec pour objectif principal de contribuer à la survie même de leurs entreprises[3]. Alors que les entreprises rentrent dans une logique de contrôle des coûts beaucoup plus strict, les investissements dans le domaine devront pourtant être faits avec un budget maîtrisé sur les douze prochains mois.
Pour répondre à ce défi, les entreprises ont tout d’abord besoin d’articuler une stratégie autour de l’exploitation de l’intelligence artificielle et de leurs données. Mais quels sont les pièges et la méthode pour les éviter ? Que doit couvrir une stratégie IA ? Et comment la mettre en œuvre ? Nos experts KPMG en transformation IA vous répondent.
Les 6 pièges d’une transformation IA
Notre expérience montre que les entreprises qui se lancent dans une transformation IA tombent dans six principaux pièges qui peuvent provoquer un échec relatif de la démarche.
1/ « Le chèque en blanc »
De nombreuses entreprises ont lancé des initiatives sur l’IA sans avoir clarifié, en amont, le budget, ni précisé les attentes financières sur l’impact de la démarche. Pénalisées par une absence d’historique ou d’abaques existants, elles rencontrent des difficultés à définir un business case.
De ce fait, plusieurs programmes ont déjà pu être stoppés pour mettre fin à une envolée des coûts, ou du fait de l’incapacité des équipes à évaluer in fine le ROI des initiatives.
Au moment de lancer une transformation IA, il est donc important de définir un budget à moyen terme en s’appuyant sur des hypothèses. Elles peuvent être révisées par la suite en fonction des retours d’expérience. Il est recommandé d’estimer autant que possible un objectif de ROI pour chaque cas d’usage développé, ou, a minima, de définir les métriques pour évaluer leur impact. Ce besoin est devenu beaucoup plus important au cours des derniers mois, dans un contexte de pandémie et de crise économique, où les entreprises doivent être plus sélectives dans leurs investissements.
2/ « La tête dans les étoiles »
Un autre risque est de porter dès le début une ambition sur des problématiques très complexes, faisant appel à des approches expérimentales à fort risque d’échec, souvent sans application directe et immédiate pour l’entreprise, et sans l’expérience nécessaire pour les exécuter efficacement. Ce type de comportement s’observe, notamment, lorsque les décideurs, bien qu’intéressés par l’IA à travers des lectures ou des présentations, n’ont pas (encore) conscience de la complexité de la démarche faute d’une acculturation suffisante.
En procédant ainsi, les entreprises prennent le risque d’investir dans des projets qui n’aboutiront pas, ou qui ne créeront pas la valeur suffisante pour justifier a posteriori leur investissement. Elles risquent également de voir une perte d’intérêt pour l’intelligence artificielle, faute de résultats visibles lors des premiers projets de mise en œuvre.
Ce risque peut être évité grâce à :
- Une logique de portefeuille de cas d’usage d’intelligence artificielle, visant à lancer en même temps plusieurs projets de mise en place de solutions répondant à des besoins business, comprenant à la fois des « quick wins » et des sujets plus complexes, pour s’assurer que certaines initiatives réussiront, tout en gagnant de l’expérience.
- Une approche projet pragmatique et incrémentale matérialisée, dans un premier temps, par des "Minimum Viable Products", afin de permettre la livraison rapide de composantes fonctionnelles y compris sur les initiatives les plus complexes, et de faciliter une évaluation régulière des travaux pour stopper rapidement les initiatives qui mènent à une impasse.