Élaborer une feuille de route stratégique d'IA pour votre entreprise
Karthik Ramakrishnan Karthik Ramakrishnan
30 juillet 10 min

Élaborer une feuille de route stratégique d'IA pour votre entreprise

À une époque où de nombreuses entreprises font l'expérience de l'IA — et où un nombre important de projets d'IA échouent — il n'a jamais été aussi important d'avoir un plan. L'élaboration d'une feuille de route pour l'IA signifie bien plus que des essais et des échecs. Il s'agit de découvrir, d'analyser et de classer par ordre de priorité vos investissements en IA pour créer de la valeur commerciale.

Une feuille de route en matière d'IA est un portefeuille de possibilités d'IA vérifiées et priorisées pour atteindre des objectifs stratégiques à court et à long terme. C'est la première étape vers une stratégie solide pour l'IA, mais ce n'est pas un plan complet pour transformer toute votre entreprise. Au lieu de cela, elle lance la séquence de travail présentée dans les quatre piliers de l'adoption intelligente de l'IA : stratégie, données et technologie, ressources humaines et organisation, et gouvernance.

L'approche expérimentale de l'adoption de l'IA a un certain mérite. Il est impossible de voir à l'avance toutes les possibilités d’implantation de l’IA, même pour les équipes qui sont capables de discerner les bonnes occasions des mauvaises. En sautant dans l'inconnu, vous apprenez vite en échouant vite. Mais échouer rapidement ne vous prépare pas au succès à long terme.

L'apprentissage par l'expérience est une tactique de soutien essentielle à l'adoption de l'IA, et non une stratégie. Une feuille de route de l'IA est cette stratégie qui vous permet de planifier et de choisir les meilleures tactiques pour une adoption intelligente de l'IA dans votre entreprise.

Grâce à notre travail avec des clients de plusieurs industries au cours des dernières années, nous avons mis au point un processus reproductible pour établir rapidement une feuille de route en trois phases d'activités :

  1. Découvrir des cas d'utilisation de l'IA.
  2. Analyser des cas d'utilisation de l'IA et ses capacités de portée, d'effort et de risque.
  3. Prioriser des cas d'utilisation de l'IA et ses capacités, compte tenu des dépendances et des compléments dans le plan d'affaires.
    Processus de feuille de route d'IA

    Découvrir des cas d'utilisation de l'IA

    Le résultat de la phase de découverte est de constituer un portefeuille de cas d'utilisation de l'IA à évaluer dans les phases suivantes.

    Cette phase consiste à regarder au-delà des mécanismes de l'intelligence artificielle, des questions pratiques, et à examiner plutôt les possibilités d'affaires. Qu'est-ce que votre entreprise peut faire de mieux en utilisant l'IA? Qu'est-ce qu'elle peut faire de nouveau? Quelle valeur devez-vous créer ensuite, et pourquoi?

    Le meilleur point de départ est d'établir l'étendue du travail au niveau d'un secteur d'activité, et non au niveau de l'ensemble de l'entreprise, d'un processus ou d'une tâche unique. Le premier est trop large pour créer des plans significatifs, tandis que le dernier est trop détaillé. Dans le cas des institutions financières, par exemple, nous examinerions les cas d'utilisation dans la gestion de patrimoine ou les prêts de crédit plutôt que l'ensemble du secteur bancaire.

    Après avoir choisi votre point de mire, éduquez les leaders du changement sur la façon de reconnaître un bon cas d'utilisation de l'IA. Un cas d'utilisation doit contenir des données qui décrivent à la fois l'apport et le résultat attendus pour une tâche de gestion — comme les descriptions détaillées de produits disponibles en plusieurs langues qui ont permis à eBay de spécialiser sa traduction automatique en utilisant des exemples d'aller et retour.

    Enfin, travaillez en équipe pour concevoir de nouvelles possibilités, en associant les capacités d'IA (comme le traitement du langage naturel) aux cas d'utilisation (comme la traduction des listes de produits). Les idées doivent être pratiques, par exemple : quelle prédiction sera faite, à l'aide de quelles données, et comment les prédictions seront-elles appliquées pour créer de la valeur? Cependant, l'imagination et l'ambition sont également récompensées — parmi les premiers adeptes de l'IA, plus de 60 % ont déclaré avoir découvert un nouveau modèle d’affaires, selon un sondage de IDC.

    Pour générer les meilleures idées, il faut équilibrer les points de vue du haut vers le bas et du bas vers le haut. Par exemple, les entrevues avec les employés et les clients peuvent aider à rallier rapidement les employés et à mieux comprendre les opérations commerciales sur le terrain.

    À la fin de la phase de découverte, votre équipe devrait disposer d'un ensemble de cas d'utilisation dont on estime qu'ils ont une incidence élevée, mais qui nécessitent encore une validation détaillée.

    Analyser des cas d'utilisation de l'IA et ses capacités

    À travers quatre billets de blogue, nous avons discuté comment créer de la valeur commerciale à partir de l'intelligence artificielle : en adaptant l'IA à votre activité et en adaptant votre activité à l'IA. Nous avons appelé ce processus l'adoption intelligente de l'IA, en soulignant les quatre piliers nécessaires pour élaborer et mettre à l'échelle l'IA d'entreprise. Parce que les préparatifs prennent beaucoup de temps, parce que les solutions d'IA doivent être affinées et parce qu'il y a peu de temps pour gagner, vous devriez commencer maintenant.

    Dans ce dernier article, nous avons discuté de la façon d'élaborer une feuille de route pour votre parcours vers l'adoption de l'IA. Prendre le temps de découvrir, d'analyser et de prioriser les investissements en IA peut faire la différence entre prendre de l'avance et perdre du temps.

    Après avoir réuni un ensemble de cas d'utilisation potentiellement à forte incidence, l'étape suivante consiste à déterminer la portée, l'effort et le risque de chacun, en accordant une attention particulière aux capacités d'IA qui peuvent être réutilisées dans plusieurs scénarios.

    Premièrement, lorsqu'on estime l'incidence d'un cas d'utilisation de l'IA, il ne suffit pas d'examiner les améliorations progressives de l'exactitude ou de l'efficacité. Examinons deux exemples tirés d'un contexte de services bancaires d'investissement pour aider à clarifier les choses.

    Pour un gestionnaire de portefeuille qui lit les rapports d'entreprise et les notes d'analystes, une capacité d'IA comme le traitement du langage naturel pourrait lui fournir des résumés et des renseignements clés plus rapidement que de tout passer au peigne fin lui-même. La mesure initiale pour ce cas d'utilisation pourrait simplement être un gain de temps. Un autre cas d'utilisation pourrait être l'optimisation d'une stratégie commerciale en utilisant un modèle d'apprentissage profond. Dans ce cas d'utilisation, la mesure pourrait être une amélioration de ce que les négociateurs appellent l'alpha, le rendement actif du rendement du capital investi (RCI) au-dessus de l'indice de référence du marché.

    Ces deux cas d'utilisation se traduisent par des économies de coûts pour leur mesure initiale, mais si un gestionnaire de portefeuille dispose de deux heures supplémentaires dans sa journée pour effectuer d'autres tâches de grande valeur, les économies de coûts ne sont pas la seule incidence. Le gestionnaire de portefeuille pourrait être en mesure de gérer un portefeuille plus important, de consacrer plus de temps à l'établissement de relations avec la clientèle ou d’autres tâches dictées par la stratégie de son secteur d’activités. De même, une amélioration du RCI pourrait éventuellement ouvrir de nouvelles possibilités pour l'entreprise. Quels sont ces points critiques?

    Chaque cas d'utilisation et chaque capacité nécessite ensuite le développement, l'intégration et la gestion du changement. Pour estimer cet effort, examinez le cas d'utilisation dans le contexte de la stratégie, des données, de la technologie, des gens et de la gouvernance. De quelle infrastructure de données et de technologie pourriez-vous avoir besoin pour que ce cas d'utilisation fonctionne? Dans l'exemple bancaire, avez-vous les données d'échanges commerciaux qui permettent l'optimisation, et sont-elles dans le bon état pour être utilisées à la vitesse nécessaire pour avoir une incidence?

    Enfin, les systèmes d'IA doivent être sûrs, fiables, dignes de confiance et responsables. Pour estimer les risques dans chacun de ces domaines, il est essentiel d'adopter une perspective systémique. Pour chaque cas d'utilisation, quel est le préjudice physique, économique ou psychologique potentiel qui pourrait en résulter pour les employés, les clients et les autres intervenants? Le modèle et le processus sont-ils suffisamment explicables?

    Au terme de la phase d'analyse, les cas d'utilisation et les capacités disposent des données nécessaires pour permettre aux décideurs de se réunir autour d'une vision et d'un plan communs.

    Prioriser les projets d'IA

    Prioriser les projets d'IA.

    Au cours de la phase de priorisation, alignez votre équipe pour séquencer les investissements d'IA afin d'obtenir une portée maximale, en équilibrant trois objectifs :

    1. Mettre en place les prochaines étapes immédiates avec des projets valables et réalisables.
    2. Mettre en place des gains plus importants en aval avec un plan délibéré de renforcement et de mise à l'échelle des capacités au fil du temps.
    3. Exploiter le soutien et le budget en alignant les cadres et les champions du changement autour d'une vision commune.

    Les deux premiers objectifs visent à équilibrer la valeur à court et à long terme. Le troisième consiste à faire place au progrès en obtenant l'adhésion des dirigeants au sujet des coûts et des avantages réalistes des investissements dans l'IA.

    Le travail des premières phases devrait vous fournir les détails à utiliser dans la prise de décision, mais dans cette phase finale, assurez-vous de prévoir le temps nécessaire pour évaluer toutes les dépendances et incertitudes critiques qui subsistent. Par exemple, les capacités d'IA sont réutilisables d'une manière que les technologies précédentes ne le sont pas, ce qui augmente les possibilités de RCI pour un projet donné — ainsi que les possibilités de risque.

    Conclusion

    À travers quatre messages, nous avons discuté comment créer de la valeur commerciale à partir de l'intelligence artificielle : en adaptant l'IA à votre activité et en adaptant votre activité à l'IA. Nous avons appelé ce processus l'adoption intelligente de l'IA, en soulignant les quatre piliers nécessaires pour élaborer et mettre à l'échelle l'IA d'entreprise . Parce que les préparatifs prennent beaucoup de temps, parce que les solutions d'IA doivent être affinées et parce qu'il y a peu de temps pour gagner, vous devriez commencer maintenant.

    Dans ce dernier article, nous avons discuté de la façon d'élaborer une feuille de route pour votre parcours vers l'adoption de l'IA. Prendre le temps de découvrir, d'analyser et de prioriser les investissements en IA peut faire la différence entre prendre de l'avance et perdre du temps.

    Si vous souhaitez obtenir de l'aide pour définir vos propres ambitions en matière d'intelligence artificielle — et les faire progresser jusqu'aux utilisations réelles — contactez-nous en cliquant sur le bouton ci-dessous!