Épisode 1 : Osez l'aventure de l'IA

Avant-propos

par Ronald van Loon

CEO & Principal, Intelligent World

L'IA générative pour l'avenir de l'entreprise, effet de mode ou réelle opportunité disruptive ?

Les avancées majeures qu'a connu l'IA ces derniers temps peuvent nous laisser penser qu'une ère de transformation s'annonce. Celle-ci se caractérise notamment par l'adoption massive de l'IA par les consommateurs, rendue possible par l'essor d'innovations accessibles dans le domaine de l'intelligence artificielle générative (GenAI). 

En un temps relativement court, le paysage de l'IA générative a évolué rapidement. Aujourd'hui, l'accent est mis sur la manière dont les entreprises peuvent tirer parti de son potentiel qui semble illimité.  

Alors que l'IA générative suscite actuellement un optimisme modéré, du fait notamment qu'elle nécessite une adaptation stratégique et un effort collectif pour une gestion responsable, le chemin vers la création d'une valeur commerciale à partir de cette puissante technologie reste à parcourir. Malgré cela, les taux d'adoption sont tout simplement remarquables. Selon le Generative AI Benchmark Report de Qlik, 79 % des chefs d'entreprise ont déjà investi dans un outil ou un projet d'IA générative.

Cependant, qui dit grand pouvoir, dit grandes responsabilités. L'IA et l'IA générative sont en passe de provoquer d'énormes bouleversements dans de nombreux secteurs, ce qui nécessitera une approche urgente et proactive de la gouvernance et de la gestion des risques. Pour le moment, la plupart des entreprises n'ont pas mis en place, ni pour elles ni pour leurs employés (qui en sont peut-être déjà des utilisateurs quotidiens dans leur vie privée), de solides politiques sur la façon d'interagir avec ces technologies.

Les préoccupations éthiques et sécuritaires liées à l'IA et à l'IA générative sont nombreuses. En témoignent le décret du président Biden sur l'IA, établissant de nouvelles normes pour la sécurité en matière d'IA ou encore le récent sommet mondial sur les risques de l'IA, qui s'est tenu à Londres et a donné lieu à la déclaration de Bletchley.

Ces initiatives soulignent l'engagement mondial en faveur d'un développement sûr et responsable de l'IA. L'accent mis sur la collaboration internationale, la protection des consommateurs et la promotion de l'innovation reflète une approche équilibrée, visant à exploiter les avantages de l'IA générative tout en en réduisant les risques.

Pendant que les gouvernements cherchent à renforcer leurs positions face à l'innovation, l'IA générative a déjà un impact tangible sur la façon dont les entreprises fonctionnent. Elle modifie considérablement leur vision du recrutement et des compétences de leurs équipes, étant de plus en plus utilisée dans des services comme le marketing, les ventes et le service clientèle. Conjointement, on assiste à une explosion de la demande en data engineers, en machine learning engineers et en data scientists spécialistes de l'IA, ainsi qu'à une montée en puissance de nouvelles professions telles que celle de prompt engineer. Ce sont ces métiers qui développeront le volet commercial qui découlera des innovations dans le domaine de l'IA.

Ces changements semblent avoir été accueillis avec optimisme et donner lieu à une approche stratégique de l'investissement, et non avec retenue. 45 % des dirigeants estiment que les récentes avancées de l'IA entraînent une augmentation des investissements dans ce domaine, et 36 % d'entre eux investissent dans une stratégie formalisée en la matière.

C'est un excellent début, mais cette approche n'engendre pas toujours les résultats positifs espérés. Ce guide présente les points de vue de leaders de la data et de l'analytics, issus de différents secteurs et dont les organisations ont entrepris d'adopter l'IA. Il fournit également des conseils concrets aux personnes chargées d'optimiser les processus data grâce à l'IA.

Introduction

Des experts data nous racontent leur expérience avec l'IA

L'IA et sa potentielle valeur commerciale ne cessent de faire le buzz. Cependant, tout ce battage médiatique donne l'impression d'un trop-plein d'informations. Il est donc logique que de nombreux leaders de la data et de l'analytics restent perplexes quant aux véritables avantages de cette technologie et au chemin à prendre pour l'adopter. Ils savent que leurs équipes data sont essentielles à la réussite des initiatives en matière d'IA, mais ils n'ont pas encore assez de recul et les exemples à suivre sont peu nombreux.

La mini-série « Visionary Voices - Parlons IA » rassemble les expériences réelles et les conseils pratiques de professionnels de la data et de l'analytics qui sont en train de mettre en œuvre l'IA.

En poursuivant la lecture de ce guide, vous découvrirez comment optimiser l'impact de l'IA en renforçant le rôle de l'humain. Les experts se prononcent également sur le débat qui existe autour des modèles publics et privés et nous parlent de l'équilibre entre innovation et risque, d'une part, et gouvernance et éthique, d'autre part, et bien d'autres sujets encore.

L'IA existe depuis des décennies, mais ces dernières années, elle a connu un énorme regain de popularité. Les raisons en sont multiples : avancées dans les technologies adjacentes, disponibilité accrue des données, création d'algorithmes améliorés et gamme croissante d'applications pratiques. Alors qu'elle est déjà considérée comme un outil permettant d'acquérir un avantage concurrentiel certain, les débats et les réflexions sur les domaines dans lesquels elle pourrait apporter de la valeur se poursuivent. Cependant, nous commençons déjà à voir comment les équipes data et analytics utilisent ou prévoient d'utiliser l'IA dans différents secteurs et à différentes fins.

Chapitre 1

Le potentiel positif de l'IA

Transformer les informations en précieux insights

Que ce soit dans le secteur privé ou public, les entreprises considèrent l'IA comme une opportunité d'améliorer leurs produits et services. Elles entendent ainsi la mettre à profit pour répondre aux attentes, gagner en efficacité et, dans certains cas, devancer leurs concurrents. 

« L'IA a le potentiel de révolutionner les soins de santé en améliorant la précision des diagnostics, les résultats pour les patients, les soins postopératoires et en réduisant les coûts. Elle est déjà utilisée dans l'imagerie médicale pour la détection précoce du cancer. On procède également à des chirurgies assistées par robot, notamment pour les laparotomies, ce qui réduit le temps de rétablissement des patients. De plus, l'IA peut accroître notre productivité et notre efficacité, et permettre ainsi aux systèmes de santé d'offrir de meilleurs soins à un plus grand nombre de personnes. »
Deepa Tambe, Head of Reporting Technology, Barts Health NHS Trust

Mitul Vadgama, Senior Data and Analytics Strategy Manager chez Lloyds Banking Group explique comment l'IA peut apporter de la valeur au secteur bancaire : « L'IA a le potentiel de transformer les services financiers, notamment les banques. Elle permet en effet de fournir des services personnalisés, de renforcer la sécurité, d'optimiser les opérations et de prendre des décisions data-driven. L'adoption des technologies d'IA peut aider les banques à rester concurrentielles dans un secteur qui évolue rapidement, tout en offrant de meilleurs services à leurs clients. »

Dave Elliott, Global Data and Analytics Manager chez Mayborn Group, propriétaire de la marque mondiale de produits pour bébés Tommee Tippee, est lui aussi convaincu qu'il est possible d'améliorer les services et de répondre à la demande des clients, mais aussi de mettre à niveau les opérations back-end qui permettent d'y parvenir. Il explique : « L'IA ouvre un vaste éventail d'opportunités... par exemple en améliorant et en optimisant la supply chain, en enrichissant l'expérience du consommateur grâce au traitement du langage naturel ou à l'IA générative, ou encore par le biais de fonctions essentielles de l'IA telles que la prévision des ventes ou de la demande. »

Mais ce ne sont pas les seuls avantages que Mayborn Group voit dans l'utilisation continue de l'IA. Mark Little, collègue de Dave Elliott et Principal Business Intelligence Specialist, explique : « Nous avons utilisé l'IA pour plusieurs choses. Celle dont nous avons tiré le plus grand profit est l'analyse des sentiments. Grâce à cette technologie, nous pouvons examiner toutes nos évaluations sur plusieurs plateformes et nous faire une idée générale de nos performances. Sans elle, nous aurions perdu des heures à rassembler et à lire tous les textes. » 

Le secteur privé n'est pas le seul à voir le potentiel de l'IA pour améliorer la prise de décision. Calum MacIver, Corporate Information Manager au Health Informatics Service, un organisme géré par le Calderdale and Huddersfield NHS Foundation Trust, explique ce que leur apportent les capacités prédictives de l'IA.

« Au sein du NHS, nous utilisons de plus en plus l'IA, qu'il s'agisse d'aider au diagnostic ou de prévoir les hospitalisations et les consultations. L'analyse que nous faisons grâce à cette technologie ouvre de nouvelles voies à la recherche dans tous les domaines des services de santé. »

Gagner en rapidité

Lorsque les experts évoquent l'IA, ils l'associent souvent au terme « rapidité », argument de taille pour démontrer sa valeur pour les entreprises. Les équipes data et analytics jouent un rôle fondamental dans la transformation d'informations diverses en insights commerciaux tangibles. Face à la quantité de données disponibles et à la nécessité de disposer d'insights en temps réel, les analyses manuelles sont souvent longues et leurs résultats sont déjà obsolètes à l'heure de les exploiter. L'IA peut avoir ici un rôle décisif.

Comme le fait remarquer Priscila Papazissis, Data Product Manager chez Localiza&Co, société de location de voitures au Brésil, « l'IA révolutionne l'accès aux données et à l'analytics, et favorise la prise de décision data-driven au sein de mon entreprise. Elle permet de collecter, traiter et présenter d'énormes quantités de données avec une rapidité inégalée, grâce aux algorithmes de machine learning. Désormais, le délai entre l'évènement commercial et la collecte des résultats s'est réduit. Nous disposons donc de l'information plus rapidement et pouvons prendre des décisions éclairées en fonction. »

John Delligatti, Director of Digital Supply Chain Transformation chez SDI ajoute : « C'est une chose si l'IA me fait gagner du temps à moi, mais si je peux faire gagner du temps à 10 ou 100 personnes, c'est inestimable. Il faut donc approfondir nos connaissances sur ces outils sans perdre une minute et encourager les membres des équipes à se les approprier. »

Appréhender l'inconnu

Le contexte macroéconomique, les avancées technologiques et l'évolution de la règlementation restent des facteurs de l'incertitude persistance dans les entreprises. La bonne nouvelle, c'est que l'IA peut aider à construire des modèles prédictifs pour anticiper les tendances et les résultats à venir. Les équipes data et analytics disposent ainsi des connaissances nécessaires pour aider votre entreprise à progresser en toute confiance. Cela permet également à vos équipes de gagner du temps et de réfléchir de manière stratégique en utilisant les insights fournis par l'IA.

« Le métier des personnes qui utilisent les données et prennent des décisions basées sur celles-ci a changé, car nous pouvons laisser l'IA s'occuper des tâches répétitives d'identification des anomalies. Par exemple, il est quasiment impossible au regard humain de détecter une fraude qui se cache au sein de données. »
Priscila Papazissis

Concernant les opportunités que l'IA offre aux grandes entreprises traditionnelles telles que le NHS, Calum MacIver explique : « En termes d'accès aux données, l'IA doit encore jouer un rôle important. En effet, nous nous appuyons toujours sur nos processus habituels pour leur collecte. Il s'agit plutôt de savoir ce que nous comptons en faire une fois collectées. Trois des domaines dans lesquels nous prévoyons de faire le plus grand usage de l'IA, et plus particulièrement du machine learning, sont la recherche de modèles, la formulation de prédictions et la détection d'anomalies au sein des données. »

Deepa Tambe partage le point de vue de Calum sur le potentiel de l'IA à prédire l'inconnu : « Dans le secteur de la santé, nous collectons des tonnes de données à chaque interaction avec les patients et les machines. Nous devons savoir les utiliser pour en dégager des insights. Prévoir les points de tension, les flux de patients dans les services d'urgences et les ressources nécessaires pour répondre à la forte demande des hôpitaux sont des choses pour lesquelles, selon moi, l'IA pourrait vraiment être utile. Nous utilisons déjà l'analyse prédictive et des mécanismes de signalement pour prévenir les équipes opérationnelles des besoins en lits. Nous avons mis cela au point au plus fort de la pandémie et les hôpitaux ont trouvé cela très utile. »

Définir vos besoins avant l'adoption 

Avec toute la publicité faite autour de l'IA, il est compréhensible que beaucoup cherchent à l'intégrer le plus rapidement possible. Mais cette précipitation est risquée. Avant toute implémentation, mieux vaut évaluer les défis auxquels vous voulez que l'IA réponde. Tous nos experts de Visionary Voices sont unanimes : l'adoption de l'IA pour le simple plaisir de l'adopter n'a aucun intérêt. Au contraire, l'adoption de l'IA doit commencer par l'identification d'un problème ou d'un défi. Ce n'est que de cette manière que vous verrez la véritable valeur du temps et de l'investissement consacrés à l'IA et que vous pourrez tirer pleinement parti de ses capacités.

Mark Little précise : « L'IA aura un impact considérable, à condition d'avoir un cas d'usage approprié pour en tirer un bénéfice. Si vous vous lancez sans la moindre idée et que vous vous contentez de jouer avec la technologie, vous en conclurez probablement qu'il ne s'agit que d'une « mode ». En revanche, si vous disposez d'un cas d'usage précis dont vous pouvez mesurer les résultats, l'expérience sera beaucoup plus positive. »

Martin Sahlin est fondateur et PDG de Stretch Qonnect, une entreprise qui fournit des analyses détaillées, simplifiées et faciles à comprendre à des clubs de sport. Il ajoute : « Tout le monde parle de l'IA, mais beaucoup ne savent pas en quoi elle est utile, ni ce qu'il faut en faire. Pour obtenir le bon résultat et ne pas se fourvoyer, les initiatives et les investissements dans l'IA doivent avoir pour objectif de répondre à une problématique très claire et très précise. De plus, les résultats doivent être mesurables de manière tangible. »

Des entreprises telles que HCL Technologies ont identifié un défi clé et créé des solutions pour y répondre de manière proactive.

« Nous disposons d'une équipe de data scientists qui travaille en Python et qui a créé de nombreux modèles de machine learning. Citons par exemple l'analyse prévisionnelle d'attrition qui permet de détecter quels employés risquent de quitter l'entreprise. Forts de ces informations, nous pouvons leur apporter notre soutien. »
Rahul Gupta, Associate General Manager
   

Chapitre 2

La redéfinition du rôle de l'humain

De nouvelles fonctions se dessinent, mais pas pour tous (pour l'instant)

Les experts data ont déjà constaté un avantage évident de l'IA : elle leur permet de trouver des réponses à des questions qu'ils ne se posaient même pas. En effet, l'IA est capable d'analyser et de traiter d'importants volumes de données, de mettre en évidence les relations entre les points de données, d'identifier des modèles et de faire des prédictions. Cela signifie que les utilisateurs et les analystes n'ont pas besoin d'être des data scientists ni de disposer de compétences très pointues pour tirer profit des outils automatisés.

« L'IA me donne une meilleure compréhension des relations entre les données, ainsi que de leur contexte, que je n'aurais probablement pas remarqués de prime abord. Elle soulève également des questions qui ne se seraient pas posées lors d'une analyse manuelle » explique  Michal Lecian, Business Intelligence Analyst chez Dolphin Consulting.

Un autre avantage majeur de l'IA est la possibilité de créer de nouvelles fonctions et responsabilités stratégiques. Les équipes data peuvent ainsi laisser de côté le traitement manuel des données et se concentrer sur l'analyse et la collecte d'insights.

Filippo Orlando, Head of Advanced Analytics chez Unieuro S.p.A, leader italien de la distribution des produits électroniques grand public, déclare : « L'IA optimise les capacités de notre équipe en automatisant les tâches, en fournissant des insights et en améliorant l'efficacité. Elle redéfinit les fonctions pour que les employés se concentrent sur des tâches stratégiques à plus forte valeur ajoutée. Dans certains cas, de nouveaux métiers sont apparus pour gérer et optimiser les systèmes d'IA. »

Martin Sahlin est du même avis. Il considère l'IA non pas comme un substitut à l'emploi, mais plutôt comme un accélérateur de travail : « Il faut challenger l'IA. Il est important de faire preuve d'esprit critique lorsque l'on examine les résultats générés par l'IA et y appliquer une étroite surveillance. Cela représentera, à l'avenir, une part croissante des tâches des « travailleurs de la data ». Les tâches répétitives peuvent être gérées par l'IA, laissant le travail plus innovant aux collaborateurs. »

Mais toutes les entreprises ne sont pas prêtes pour cette mutation ou pour le développement d'une nouvelle expertise. Le Generative AI Benchmark Report a révélé qu'environ 35 % des entreprises prévoient de former des modèles de données entièrement en interne (seules 4 % le font déjà entièrement), tandis que 60 % envisagent de faire partiellement appel à des ressources tierces.

Mario De Felipe Pérez, Chief Transformation Officer chez Grupo ASV indique : « Pour l'instant, nous avons confié à des partenaires spécialisés le déploiement de cette technologie. Si elle répond aux attentes de l'entreprise, nous envisagerons d'embaucher du personnel spécialisé. Actuellement, nous formons de nombreux collaborateurs à l'intelligence artificielle. Nous étudions surtout la manière d'utiliser l'IA générative pour accroître la productivité dans nos centres d'appels ainsi que dans les domaines du juridique, de la finance et du marketing. »

Chapitre 3

IA, innovation et sécurité : le trio gagnant

Il ne suffit pas d'adopter l'IA pour en tirer des avantages tangibles. Il faut aussi trouver l'équilibre entre cette innovation et les risques qui y sont associés. Il convient donc de procéder à des tests minutieux, de se conformer aux règlementations et de surveiller de près les initiatives basées sur l'IA. Aussi, toute décision d'investissement devra être éclairée par la comparaison des avantages et des inconvénients potentiels.

« L'essor de l'IA générative, telle que ChatGPT, ouvre des opportunités et présente des défis dans de nombreux domaines. D'une part, elle incite les humains à réfléchir de manière créative à la façon dont l'IA peut améliorer leurs activités. D'autre part, cette évolution souligne l'importance d'une utilisation éthique, de pratiques responsables et d'une recherche continue pour faire face à un paysage d'applications de l'IA en constante évolution. Plus nous exploiterons l'IA générative et d'autres technologies d'IA avancées, plus il sera important de gérer l'innovation en tenant compte de considérations éthiques. »
Mitul Vadgama

Par ailleurs, Priscila Papazissis ajoute : « Nous devons commencer à réfléchir et à étudier la manière d'utiliser cette technologie au sein de notre entreprise en toute sécurité, en tenant compte de tous les aléas, car je pense que l'IA présente de nombreux risques potentiels. »

Utiliser les modèles d'IA entraînés publiquement avec précaution

De nombreuses entreprises se sont tournées vers des modèles entraînés publiquement dans leur course vers l'IA. Cela est bien plus rapide : la création de versions personnalisées et privées nécessite du temps et de l'expertise. Toutefois, les spécialistes sont clairs : il faut faire preuve de prudence avant de s'engager dans cette voie.

Rahul Gupta, Associate General Manager chez HCL Technologies explique : « Nous avons interdit à nos employés d'utiliser les informations confidentielles de l'entreprise dans ChatGPT et d'autres modèles similaires, pour des raisons de sécurité des données. En effet, ces dernières pourraient être utilisées pour entraîner publiquement le modèle. »

Toujours au sujet de l'IA générative, Dave Elliott insiste sur l'importance de remettre en question les données : « L'essor de l'IA générative s'accompagne à la fois d'engouement et de prudence. Dans tous les cas, il est indispensable que les organisations, comme les utilisateurs, aient une connaissance, voire une maîtrise, des données de base. Sans cela, nous risquons de nous retrouver dans une situation où nous nous fions à des résultats sans en comprendre pleinement les implications ou sans pouvoir les remettre en question. Après tout, pour vraiment utiliser les données pour prendre des décisions, nous devons être capables de les lire, de les utiliser et de les questionner, quelle qu'en soit la source. »

Il semble que le consensus soit plutôt de faire preuve de prudence vis-à-vis des modèles d'IA publics. Les inquiétudes récurrentes concernent la capacité à maintenir la qualité des données et à en comprendre les éventuels biais. Il faut aussi tenir compte de la gestion des données inexploitables ou incomplètes, de leur caractère parfois ambigu et de l'adaptation à l'évolution du langage.

John Delligatti comprend l'intérêt de créer et d'utiliser son propre modèle d'IA:
« Lorsque les choses sont développées en interne, ou avec l'expertise des spécialistes de votre entreprise, elles prennent plus de temps mais donnent généralement de meilleurs résultats. Les véritables problèmes liés à la précision des modèles d'IA, des prédictions et des réponses générées proviennent des modèles qui sont entraînés publiquement et non à partir de vos données et dont les sources de statistiques ne peuvent être identifiées. Nous connaissons tous des exemples où ChatGPT réussit un examen médical, mais aussi ceux où il mentionne des cas qui n'existent pas dans un document juridique. Il faut donc prendre tout ce qui vient de ces modèles avec des pincettes et vérifier les faits soi-même. »

Deepa Tambe s'inquiète également de l'exactitude des données, soulignant que l'ensemble de l'équipe doit être consciente de son importance : « En réalité, les données qui entrent dans le système sont les mêmes que celles qui en sortent. Il est donc essentiel de s'assurer que les données collectées sont exactes pour obtenir les résultats escomptés. Il faut toujours insister sur le principe fondamental de l'exactitude des données et de la data literacy, et éduquer les gens (qui n'ont pas de formation en matière de données ni d'analytics) sur leur importance. Seule la participation de tous à l'aventure passionnante de l'IA nous permettra de progresser. »

Henri Rufin, Head of Data & Analytics chez Radiall, partage ses réflexions sur les dangers de l'IA générative : « Utiliser l'IA générative sans aucune connaissance préalable peut s'avérer dangereux. En effet, ces technologies se nourrissent des données que vous leur fournissez, ce qui pourrait facilement constituer une faille de sécurité. Travailler avec l'IA générative nécessite une compréhension approfondie des technologies sous-jacentes, ainsi qu'un plan pour éviter les utilisations abusives ou tout problème éthique qui pourrait survenir. »

Réduire les risques grâce à l'intégration des données 

À l'ère de l'IA, l'intégration et la gestion des données jouent un rôle encore plus important, au même titre que de bons processus de gouvernance. Cela nécessite également une approche plus flexible de la gestion des données, étant donné la rapidité avec laquelle un apport de nouvelles données peut modifier un modèle d'IA.

« Les entreprises devraient s'efforcer d'améliorer les processus d'intégration des données pour soutenir les initiatives dans le domaine de l'IA. Pour ce faire, elles peuvent : mettre en œuvre une gouvernance des données solide, se servir d'outils d'intégration avancés, automatiser les pipelines ETL, utiliser des data lakes, assurer un flux de données en temps réel, maintenir la sécurité et la conformité des données, surveiller les performances et favoriser une culture de l'amélioration continue. »
Filippo Orlando

Dave Elliott explique l'approche de Mayborn Group en matière d'intégration des données pour l'IA et d'autres technologies : « [L'intégration des données] est fondamentale pour tous les aspects du processus de gestion des données de l'entreprise. C'est pourquoi nous sommes en train de mettre en place un programme central pour soutenir l'automatisation de l'acquisition et de l'intégration des données. Il a pour but de créer une source de données solide, gouvernée et fiable dans tous les aspects de l'entreprise afin de soutenir ce que nous faisons déjà en matière de données et d'analytics, mais aussi de servir de base pour les technologies nouvelles et émergentes. » 

Donner la priorité à la gouvernance et à la sécurité

Il ne faut pas en déduire que la gouvernance des données est facile, car les entreprises traitent chaque jour un volume considérable de données.

« Nous avons l'habitude d'appliquer une politique de gouvernance aux données structurées et d'en assurer la qualité, mais lorsqu'il s'agit de données non structurées telles que l'audio, la vidéo ou le texte, le problème est beaucoup plus complexe. Le manque d'expérience fait que nous avons du mal à bien étiqueter les données non structurées pour qu'elles puissent être traitées par des modèles d'IA. »
Mario De Felipe Pérez

Outre la gouvernance des données, les équipes data sont également confrontées à des problèmes de sécurité. Filippo Orlando explique ce sur quoi son équipe chez Unieuro S.p.A. se concentre : « Je donne la priorité à la confidentialité et à la sécurité des données de l'IA via le cryptage, les contrôles d'accès et le respect strict des règlementations sur la protection de la vie privée. Cela permet de protéger les informations sensibles, de respecter les normes éthiques et d'instaurer un climat de confiance avec les parties prenantes. »

Aller de l'avant et expérimenter 

Reste néanmoins à trouver l'équilibre entre innovation et risque. L'application d'une gouvernance et d'une sécurité des données solides ne devrait pas vous empêcher d'expérimenter l'IA, ne serait-ce que pour comprendre quels sont les cas d'usage les plus appropriés. Si vous commencez par fixer des objectifs clairs et que vous vous assurez que les données sont correctement anonymisées et protégées, cela devrait constituer une bonne base pour toute expérimentation.

Dans la pratique, cela implique une collaboration entre les différents départements et la création d'un petit groupe de confiance. Henri Rufin explique : « Chez Radiall, nous apprenons par la pratique et nous croyons à la preuve de concept. L'IA est sans aucun doute un domaine que nous voulons creuser. Même s'il faut faire preuve d'une grande prudence avec l'IA générative, il ne faut pas rester inactif et se laisser effrayer par le danger que représentent ces technologies. Nous avons lancé une initiative en matière d'IA qui, je l'espère, nous amènera un jour à fournir de nouveaux services pour soutenir la data literacy et la gouvernance des données au sein de l'entreprise. Nous collaborons étroitement avec les services IT et de sécurité pour minimiser les risques, et mettons en place un groupe de personnes de confiance pour expérimenter à nos côtés, avant de présenter quoi que ce soit au public. »

Conclusion

Faire de l'IA une réalité

Les entreprises ont manifestement tout à gagner de l'IA. Elle leur permet de mieux exploiter les données, plus rapidement qu'auparavant, ce qui donne aux employés les moyens d'agir et d'améliorer les réponses apportées aux clients. De plus, elle peut changer la façon dont les équipes data travaillent et les aider à se concentrer sur des tâches à plus forte valeur ajoutée pour l'entreprise.

Comme pour toutes les nouvelles technologies, un phénomène qui change la donne comme l'IA n'est pas sans susciter des doutes et des spéculations quant à son impact s'il est mal utilisé ou s'il ne s'accompagne pas d'une gouvernance des données et d'une déontologie cadrée.

Pour finir, quels sont les conseils à retenir pour tirer le meilleur parti de l'IA dès maintenant ?

Commencer à petite échelle, tester et apprendre

« Assurez-vous que la culture des données au sein de l'entreprise permet de comprendre à la fois la manière dont sont utilisés tout processus piloté par l'IA et les résultats qu'il génère. Commencez à petite échelle, testez et apprenez. N'ayez pas peur d'échouer et veillez à ce que l'entreprise comprenne que vous êtes sur la voie de l'apprentissage. » Dave Elliott

Rester fidèle aux principes d'éthique et de responsabilité

«L'IA est un chemin, et la clé est de commencer à faire de petits pas vers l'exploitation de son plein potentiel tout en apprenant et en s'adaptant continuellement. En adoptant l'IA de façon stratégique et en vous efforçant de respecter les principes d'éthique et de responsabilité, vous pourrez dégager de nouvelles opportunités et rester compétitif dans un paysage qui évolue rapidement. » Mitul Vadgama

Ne jamais oublier la valeur de l'humain

« Les experts en IA ont émis de nombreuses idées pouvant être appliquées à l'innovation dans les services de soins aux patients. Cependant, je pense que cela ne doit pas faire perdre l'aspect humain et personnel qui caractérise le domaine des soins. » Deepa Tambe

Commencer l'expérimentation dès maintenant

« Mon conseil ? Si vous n'avez pas encore expérimenté l'IA, il est temps de le faire. Si vous n'en avez pas l'intention, vos concurrents vous dépasseront de très loin. L'IA n'est pas une solution miracle, mais c'est un outil formidable et un bon point de départ. Commencez par lui poser des questions précises sur votre entreprise et voyez ce qu'elle a dans le ventre. Donnez-lui des lignes de code lorsque vous obtenez une erreur et voyez ce qu'il en ressort. Voilà autant de façons de vous familiariser avec cette technologie et d'encourager vos équipes à en faire de même. » John Delligatti

S'associer avec des experts

« Commencez d'abord par expérimenter la technologie pour bien cerner sa nature. Ensuite, rapprochez-vous de partenaires spécialisés qui peuvent vous apporter des connaissances, de l'expérience et d'éventuels exemples d'entreprises ayant franchi le pas. Enfin, recherchez des cas d'usage en organisant des ateliers au sein de votre entreprise. » Mario De Felipe Pérez

Toujours garder l'humain dans l'équation

« L'IA peut vraiment aider à sortir des sentiers battus. Cependant, il faut prendre ses résultats avec beaucoup de prudence, car elle peut se tromper. C'est pourquoi il ne faut pas la considérer comme un substitut de l'homme, mais comme une aide à l'accomplissement de son travail. » Michal Lecian

Disposer de données de qualité, fiables et gouvernées

« N'oublions pas que tout ce qui touche à l'IA est basé sur des données. Il est donc fondamental que ces dernières soient de bonne qualité. Rien ne fonctionnera correctement si vos données ne sont pas bien gouvernées. Donnez une place importante à la data literacy. Radiall s'est concentré sur l'intégration des données, l'automatisation des tableaux de bord et les processus de qualité des données avant même de penser à tirer parti de l'IA. Cela dit, je crois fermement que l'IA, et l'IA générative en particulier, vont changer la façon dont les utilisateurs interagissent avec leurs données pour le mieux, soutenant et améliorant ainsi la culture des données à long terme. » Henri Rufin