De l’exploration à la transformation de l’IA : Présentation du cadre de maturité de l’IA
Karthik Ramakrishnan Karthik Ramakrishnan
5 novembre 10 min

De l’exploration à la transformation de l’IA : Présentation du cadre de maturité de l’IA

Cet article a été co-rédigé par Karthik Ramakrishnan, responsable du conseil et de l'activation de l'IA, et Cyrielle Chantry, stratégiste en chef.

Bien que de nombreuses entreprises aient lancé des projets d’intelligence artificielle (IA), les résultats sont insuffisants. Les chercheurs de Gartner prédisent que 4 projets d’IA sur 5 échoueront, tandis que les praticiens de McKinsey ont trouvé que moins d’une organisation sur 10 est prête à mettre l’IA en production. La plupart des produits IA réussis que nous pouvons citer aident les consommateurs et non les PDG.

Les données manquantes ou non étiquetées constituent un obstacle fréquemment cité par les entreprises pour l’exécution de l’IA. D’autres fois, il peut s’agir d’un manque de compétences des équipes techniques et commerciales, de l’alignement des parties prenantes, de la maturité technologique, et ainsi de suite.

Ce que nous constatons dans la pratique, c’est que c’est rarement un seul défi qui freine l’IA. L’opérationnalisation de l’IA exige de la maturité dans de multiples dimensions, y compris la stratégie, les données, la technologie, les ressources humaines et la gouvernance. Chaque dimension doit être harmonisée et adaptée aux besoins.

Bien que des solutions émergent maintenant pour les défis individuels de l’IA, nous ne comprenons pas encore très bien comment le parcours se déroule à différents stades de maturité, ni ce qu’il faut faire pour passer d’une étape à l’autre.

Mais nous comblons cet écart maintenant. Voici les cinq étapes de la maturité de l’IA que nous avons relevées en combinant ce que nous avons appris de la création de produits et d’outils d’IA d’entreprise, ainsi qu’en conseillant des douzaines de clients sur leurs propres efforts d’IA uniques.

Cinq stades de maturité organisationnelle pour l’IA

La maturité organisationnelle de l’IA progresse grâce à cinq étapes, de l’exploration de ce que l’IA peut et ne peut pas faire, à la transformation de l’entreprise entière pour travailler plus judicieusement avec cette IA. À chaque étape, la capacité de l’organisation à opérationnaliser l’IA devient plus précise et plus percutante.

Plan du cadre de maturité de l'IA.

Dans la pratique, pour passer d’une étape à l’autre, les organisations doivent passer d’une étape à l’autre dans toutes les cinq dimensions de la stratégie, des données, de la technologie, des gens et de la gouvernance. Chaque dimension a une profondeur significative.

Dans les sections suivantes, nous nous concentrons sur la relation entre une seule dimension, les personnes, et la capacité de l’organisation à appliquer l’IA dans la pratique.

Étape 1 : Exploration

Les organisations entrent dans l’étape de l’exploration de l’IA lorsqu’elles passent d’une sensibilisation générale à la technologie à des questions ciblées sur les problèmes ou les possibilités qu’elle peut aider à résoudre.

Les entreprises à ce stade peuvent aller d’un budget zéro pour l’IA à un rôle agréé dédié à l’adoption de l’IA. D’après notre expérience, ce qui unifie les entreprises en exploration est leur manque commun d’expérience à distinguer une bonne occasion d’IA par rapport à une mauvaise. Par exemple, les chefs d’entreprise peuvent étudier comment l’IA est appliquée dans leur secteur, mais ils ne sont pas en mesure de juger quelles applications pourraient être des investissements utiles pour leur entreprise.

Les techniques pour combler cet écart varient selon les équipes et les structures organisationnelles. Les chefs d’entreprise et les responsables techniques ont généralement besoin d’aide pour séparer le battage publicitaire de la réalité pour les techniques d’IA telles que l’apprentissage profond, l’apprentissage par renforcement et l’apprentissage par transfert. Les équipes de science des données pourraient avoir besoin de moins d’aide pour comprendre ces techniques, mais elles doivent encore découvrir quelle coopération est nécessaire de la part de l’entreprise pour livrer les modèles en production.

Les progrès à l’étape de l’exploration ont tendance à être dirigés par des personnes ou des équipes ambitieuses qui mettent l’accent sur la création d’un intérêt éclairé et sur l’adhésion.

Étape 2 : Expérimentation

À l’étape de l’expérimentation, les organisations deviennent plus intentionnelles lorsqu’il s’agit d’élaborer une hypothèse détaillée sur où et comment l’IA devrait être appliquée.

Étant donné que les organisations à cette étape sont encore à déterminer ce qui fonctionne et ce qui ne fonctionne pas, nous constatons souvent une concentration des efforts d’IA avec une seule équipe capable d’opérer de façon autonome. Ces équipes ne peuvent généralement pas encore fonctionner à l’échelle d’un centre d’excellence (CE), mais elles devraient commencer à travailler au-delà des frontières fonctionnelles. Par exemple, elles peuvent avoir des conversations préliminaires sur l’interconnexion des données à l’échelle de l’organisation ou interroger les employés pour valider la conception des systèmes.

Au fur et à mesure que les expériences se déroulent, l’organisation précise quelles sont les possibilités d’IA souhaitables, réalisables et viables. Les expériences servent à valider de nouveaux modèles d’IA ainsi que de nouvelles façons d’élaborer, d’offrir et de gérer ces modèles en vue d’obtenir des retombées.

De petites victoires apparaissent naturellement à ce stade lorsque les projets parallèles deviennent des preuves de concept ou lorsque l’organisation commence à tester des outils ou des produits commerciaux. Les équipes qui progressent le plus rapidement prennent soin de continuer à se concentrer sur l’apprentissage de la mise en œuvre des modèles d’IA en production – et pas seulement sur la réalisation de petits gains pour leur seul effet immédiat.

Étape 3 : Formalisation

Les organisations entrent dans la phase de formalisation après avoir déployé avec succès leurs premiers projets d’IA en production.

Ces premiers projets peuvent être relativement petits, n’exécutant chacun qu’une petite poignée de modèles d’IA, mais pour qu’ils puissent aller de l’avant, ils doivent tout de même répondre à une longue liste de demandes.

Les modèles doivent être performants et sûrs, tandis que les flux de travaux et les rôles doivent avoir été mis à jour afin d’intégrer le jugement humain « dans la boucle » pour surveiller et contrôler le rendement au fil du temps. Le système d’IA doit être appuyé par des flux de données pertinents pour fonctionner en temps réel. Pour chaque modèle d’IA mis en production, les équipes commerciales et techniques doivent être alignées sur la vision, les objectifs et les budgets.

À l’étape de la formalisation, ces besoins sont encore satisfaits ad hoc par rapport aux étapes ultérieures. Par exemple, les données peuvent ne pas être fournies par l’intermédiaire d’un bassin de données spécialisé, mais par des intégrations de systèmes sur mesure. De même, l’organisation aura commencé à embaucher et à former des personnes compétentes en IA, mais n’aura peut-être pas de plan à l’échelle de l’entreprise pour mettre à jour les rôles.

Étape 4 : Optimisation

Les organisations passent à l’optimisation de l’IA à mesure qu’elles absorbent les changements nécessaires pour sélectionner, exécuter et gérer de façon fiable les projets d’IA en vue d’un rendement du capital investi (RCI) positif.

Plus que lors des étapes précédentes, les organisations à l’étape de l’optimisation utilisent l’IA pour améliorer leurs opérations internes ainsi que les offres du marché, comme les nouveaux produits et modèles d’affaires. Cela suppose une plus grande participation de la haute direction pour s’assurer que les investissements dans l’IA peuvent être protégés et exploités efficacement dans l’avenir.

Cette portée croissante de la portée exerce une pression accrue sur les organisations pour qu’elles améliorent la gouvernance d’IA. Au fur et à mesure que la collection de modèles d’IA déployés dans la production augmente, la complexité des interactions entre ces modèles augmente également, ce qui accroît les risques. Les outils et les processus permettant de surveiller et de contrôler efficacement les risques liés à l’IA doivent suivre le rythme, tandis que des techniques comme l’IA explicable et les moyens de défense contre l’IA prennent de la valeur. Ces engagements en valent la peine parce qu’ils sont le prix à payer pour révéler les avantages et le potentiel des systèmes interconnectés pour un apprentissage exponentiel.

Dans l’ensemble de l’organisation, la plupart des employés sont confrontés à des défis et à des possibilités en matière d’IA, et non seulement des équipes dévouées. Les organisations qui en sont à cette étape ont particulièrement besoin d’avoir un plan pour diriger leurs employés dans cette nouvelle normalité, par exemple en leur offrant des emplois et des compétences de transition de façon proactive.

Étape 5 : Transformation

L’étape de transformation de la maturité de l’IA est une vision pour nous chez Element AI, parce que c’est là que la promesse de l’IA pour les entreprises et la société se rencontre pour avoir la plus grande portée. Peu d’organisations dans le monde ont atteint ce stade, et il n’est pas clair si certaines d’entre elles réalisent encore tout leur potentiel.

À ce stade, les entreprises se sont transformées pour travailler plus judicieusement avec l’IA. Elles sont plus sûres et plus « propres » que jamais, tout en créant plus de valeur pour la société et en s’attaquant à des problèmes qui ne pouvaient être résolus auparavant. Les analystes et les chercheurs de l’industrie débattent encore de ce à quoi cela ressemble dans la pratique. Par exemple, on s’attend à ce que les organisations qui se transforment à l’aide de l’IA tirent parti des systèmes d’intelligence pour accroître le renseignement humain, et libérer l’intelligence collective entre humains et machines — mais chacun de ces termes est encore en train d’être défini.

Plus concrètement, nous nous attendons à ce que les entreprises qui réussissent à se transformer avec l’IA consacrent plus de temps à faire progresser la technologie de pointe, tant sur le plan technique que sur le plan éthique.

Travailler plus judicieusement, ensemble

Nous sommes ravis de partager cette vision de la maturité de l’IA en cinq étapes — et nous vous invitons maintenant à nous aider à l’améliorer encore davantage.

Cadre de maturité de l’IA

Veuillez répondre à notre enquête pour en savoir plus sur la maturité de votre propre organisation en matière d’IA et pour nous aider à définir la maturité de l’IA dans l’industrie.

Participer à l'enquête

Bien sûr, si vous voulez de l’aide pour rendre l’IA opérationnelle dans votre entreprise ou si vous voulez en savoir plus sur la maturité de l’IA, n’hésitez pas à nous contacter!