Risques et retombées, Partie 2 : Les 7 péchés des stratégies d’IA d’entreprise
Jeremy Barnes Jeremy Barnes
29 mai 15 min

Risques et retombées, Partie 2 : Les 7 péchés des stratégies d’IA d’entreprise

Partie 1. Cet article de blogue est également disponible en baladodiffusion.

Aujourd’hui, pratiquement toutes les entreprises sont contraintes d’innover. Le rythme du changement s’accélère et de nombreuses entreprises sont particulièrement enthousiastes à l’égard de l’IA, même si beaucoup d’entre elles ont du mal à faire progresser leur stratégie en matière d’IA. Étant donné que la mise en œuvre de l’IA transcende les frontières organisationnelles et les cloisonnements traditionnels, le passage à une stratégie axée sur l’IA exige une nouvelle réflexion sur la gestion des risques, tant en interne qu’en externe.

Dans la première partie, j’ai présenté les quatre personas de l’adoption de l’IA que j’ai observés sur le marché :

  • Utilisateurs : Travaillent avec l’IA en tant que logiciel traditionnel, comme avec un logiciel de gestion des courriels
  • Consommateurs : Achètent uniquement des solutions d’IA développées par des entreprises spécialisées et se déchargent des risques
  • Innovateurs : Adoptent une culture de l’innovation et créent une différenciation stratégique avec l’IA
  • Exploiteurs : L’IA est un élément bien établi de leur modèle d’entreprise, mais l’innovation est relativement statique

J’ai également expliqué pourquoi, quelle que soit le persona, les conseils d’administration et les PDG doivent réfléchir à la durée de la « période d’adaptation » dont ils auront besoin pour changer et intégrer l’IA à leur culture d’entreprise.

Dans cet article, je vais poursuivre en parlant de ce que j’appelle les « sept péchés des stratégies d’IA d’entreprise », qui sont des problèmes de gouvernance au niveau du conseil d’administration et de la direction qui empêchent les entreprises d’aller de l’avant avec l’IA. Certaines d’entre elles sont des erreurs d’omission, mais la plupart sont en fait de mauvais choix faciles à cacher ou à justifier, et couvrent souvent une réticence à s’engager dans les difficiles compromis que l’IA implique.

J’ai vu, à divers degrés, des conseils d’administration, des PDG, des directeurs financiers, des directeurs informatiques et d’autres membres des équipes de direction faire ces choix. Il n’y a aucune raison pour que les entreprises ne puissent pas apprendre des erreurs des autres et avancer plus rapidement.

Les 7 péchés de l'IA d'entreprise

1- Renier la stratégie de l'IA

C’est probablement le péché le plus important. Ici, le PDG et le conseil d’administration diront que l’IA est une priorité, mais ils manquent de temps pour en assumer pleinement la responsabilité et la délégueront à un autre département ou à un laboratoire d’innovation.

Dans certains cas, les laboratoires d’innovation ont été des amortissements à neuf chiffres pour les entreprises – trous d’argent, utiles pour les relations publiques et attirer les talents, mais pas de véritables innovations de produits ou d’entreprises.

Toutefois, le succès ne dépend pas de l’utilisation ou non par une entreprise d’un laboratoire d’innovation – mais de l’investissement réel qu’elle y fait. Une bonne mesure pour évaluer le niveau d’investissement est la fréquence de présence du PDG sur place.

Si vous voulez faire une vérification rapide et que vous avez déjà une équipe d’innovation, demandez à son directeur : « Combien de fois parlez-vous de manière significative avec le PDG? ». « Au moins deux jours par mois » serait un bon indicateur qu’une équipe est culturellement capable d’innover.

En général, si le PDG ne se l’approprie pas, ce n’est pas une stratégie d’IA – c’est un rêve d’IA. Si les entreprises veulent voir la portée réelle de l’IA, il ne sert à rien de la déléguer. Le plus souvent, les personnes concernées s’ennuient à force d’avoir peu de portée tangible et s’en vont.

L’essentiel est que le PDG et le conseil d’administration doivent mener une stratégie d’IA, ou bien reconnaître qu’ils ne seront jamais, au mieux, qu’un « consommateur d’IA » (voir mon dernier article de blogue).

2- Ignorer les facteurs inconnus

C’est le cas lorsque les entreprises disent croire en l’IA, mais n’atteignent pas un niveau de compétence en IA qui leur permette de cibler, de caractériser et de modéliser les menaces qui émergent avec les nouvelles avancées. Il s’agit essentiellement de dire : « nous sommes d’accord pour être dans un “brouillard de guerre” massif et nous nous sentons tellement en sécurité que nous ne nous soucions pas vraiment si quelque chose nous surprend. Nous pensons que tout ira bien ».

Dans ce cas, même si l’on décide qu’il n’est pas logique de s’engager à fond dans l’innovation en matière d’IA, il est important de formuler une hypothèse sur la manière d’aborder l’IA au sein d’une entreprise – une hypothèse qui peut être suivie, testée et affinée au fil du temps afin qu’à un moment donné, s’il est nécessaire de la modifier, un système d’alerte précoce existe et l’entreprise puisse réellement aller de l’avant. En outre, il vous permettra de doter l’équipe d’une base de données, de matériel et de modèles, de sorte que si et quand le changement se produira, vous ne repartirez pas de zéro. À plus long terme, il s’agit de faire en sorte que les gens – les principaux atouts de l’entreprise – travaillent ensemble sur l’IA.

Il y a un risque à mettre en œuvre l’IA de la mauvaise manière, tout comme il y a un risque à à pas le faire. Les PDG et les membres de CA devraient réfléchir à leur période tampon : de combien de temps disposez-vous avant que cela ne devienne un risque inévitable, et combien de temps vous faudra-t-il pour vous adapter?

3- Ne pas habiliter la culture

La capacité à mettre en œuvre l’IA consiste à faire entrer la science dans l’entreprise. Mais la science est une affaire d’expériences, et les expériences doivent pouvoir échouer afin d’en tirer des enseignements. Il faut donc que l’esprit d’expérimentation et l’ouverture à l’échec soient adoptés dans toute l’entreprise.

De plus, le fait de ne pas permettre aux employés de travailler à travers divers services limitera également le succès des initiatives d’IA. Il faut garder à l’esprit que l’IA ne respecte pas les frontières organisationnelles. Ce dont vous avez besoin, en matière de données, de déploiements et d’outils, est réparti dans toute l’entreprise. Sans une culture de collaboration, l’innovation ne se fera qu’au sein d’un service, et non dans l’ensemble de l’entreprise; le succès sera cloisonné et vous risquerez de supporter une grande partie des pertes sans les gains correspondants.

La plupart des entreprises chercheront par défaut des solutions à forte portée et à faible risque. C’est là que les entreprises veulent naturellement vivre. Le problème est qu’un premier succès pourrait conduire à une simple optimisation, plutôt qu’à générer de nouveaux flux de valeur. Vous n’êtes peut-être pas prêt à sacrifier la poule aux œufs d’or, même si cela signifiait assurer l’avenir de l’organisation. Mais le manque d’activités nouvelles et de prise de risques peuvent dissiper l’élan d’innovation initial au sein de l’équipe et de la culture de l’entreprise.

Il est difficile pour les entreprises d’accepter un risque accru en échange d’une portée (plus d’informations à ce sujet dans le cinquième péché), mais cela viendra dans le cadre d’un renforcement culturel continu d’un état d’esprit expérimental.

4- Commencer par la solution

C’est le péché le plus courant. Il est important de pouvoir comprendre les problèmes spécifiques que vous essayez de résoudre, car l’IA ne sera probablement pas une solution à tous ces problèmes. Imaginez que vous commenciez par décider : « OK, l’IA est la réponse ». Vous achèterez chez un vendeur une solution d’intelligence artificielle et chez un autre un lac de données. Vous pourriez alors penser que vous avez la bonne formule pour toutes vos initiatives d’IA. Le défi de cette approche est que la mise en œuvre de nombreux outils différents et leur fonctionnement en commun exigent une quantité importante d’efforts – et ne produiront même pas nécessairement de la valeur.

Organisez la conversation au niveau du conseil d’administration pour vous assurer qu’une stratégie globale d’IA, et pas seulement des solutions rapides, est la priorité. Le fait de prévoir plusieurs années à l’avance changera radicalement les perspectives concernant les outils nécessaires et la reproductibilité dans le cadre d’un processus de mise en œuvre de l’IA de bout en bout.

5- Réduire le risque, garder la récompense

Comme mentionné dans le troisième péché, il est naturel pour les entreprises de vouloir mettre en œuvre l’IA sans aucun risque. Elles pensent qu’elles peuvent faire peser sur le vendeur tous les risques des cas où les modèles ne fonctionnent pas. Ou bien elles sapent leurs efforts en matière d’IA en exigeant qu’ils s’inscrivent dans un modèle de risque rigide qui a été conçu avant même que l’IA n’apparaisse sur l’écran radar.

L’IA est un domaine encore très immature et il n’existe pas de solution unique. La fluidité actuelle du marché signifie qu’un fournisseur qui est motivé pour réduire les risques diminuera également l’innovation et, en fin de compte, les retombées en rendant les succès modestes et les échecs inexistants.

L’utilisation très efficace de l’IA ne crée de différenciation que pour les entreprises qui sont prêtes à tirer les leçons de leurs succès et de leurs échecs. De plus, cette attitude aidera les entreprises à anticiper pour prendre en compte (et intégrer) les meilleurs outils émergents.

Une entreprise qui n’équilibre pas efficacement le risque dans l’IA (en adoptant l’approche « le moins de risque possible » au lieu de l’approche « le bon degré de risque ») finira par augmenter son risque d’être perturbée, en étant incapable de réagir à l’utilisation différenciée et stratégique de l’IA par un concurrent et aux changements de marché qu’elle crée. Ce risque peut être beaucoup plus important que celui qui a été évité, ce qui augmente le risque global pour l’entreprise.

Une entreprise qui maintient un comportement d’aversion au risque et qui refuse de prendre la tête de son secteur d’activité étouffera sa capacité à innover.

6- Une comptabilité vétuste

Bonne gouvernance d’entreprise et bonne gouvernance financière vont généralement main dans la main. Cependant, tenter d’intégrer l’IA dans les structures traditionnelles de gouvernance financière pose des problèmes qui amènent souvent ces efforts à l’abandon.

Les investissements dans les nouvelles technologies sont souvent des propositions incertaines. Les récompenses peuvent être plus élevées, mais les risques le sont aussi. Le lien entre l’investissement et le gain peut être moins tangible ou moins prévisible, ce qui rend souvent plus difficile la concordance avec les plans ou les structures existants.

Votre instinct immédiat pourrait être de traiter l’IA comme un logiciel, et de vous adresser aux fournisseurs dans cette optique. Mais si vous considérez qu’il s’agit uniquement d’une question d’achat, alors vous tomberez dans le persona du consommateur d’IA.

Je suggère plutôt de modéliser le taux de rendement des activités d’IA et de toutes les activités liées aux données. La modélisation du taux de rendement exige que ces activités affectent le bénéfice (et non seulement la perte) et l’actif (et non seulement le passif). Il existe une forte corrélation entre cette situation et les résultats effectifs des activités basées sur des données.

Il est difficile de modéliser les avantages des investissements dans les nouvelles technologies – mais envisagez de modéliser les rendements potentiels par rapport aux risques de l’inaction (cela peut être réalisé avec l’aide de partenaires sophistiqués).

7- Traiter les données comme une matière première

Le dernier péché concerne les données et leur traitement comme une matière première. Les données sont fondamentales pour l’IA. Une mauvaise manipulation des données peut avoir des effets négatifs sur la prise de décision.

Les caractéristiques d’une matière première sont les suivantes :

  • Duplicable : Elle peut être dupliquée sans frais, mais perd également ainsi tout sa valeur
  • Valeur variable : Elle a une valeur différente pour chaque utilisateur ou acheteur possible
  • Stockage négatif : Elle a une valeur négative en stockage
  • Valeur pénale : Elle peut avoir une valeur bien plus grande pour les criminels que pour son propriétaire initial

Les données doivent être traitées comme un actif. Plus l’ensemble de données est solide, profond et précis, plus vous pouvez former de meilleurs modèles et générer des apprentissages plus intelligents.

Mais, en même temps, lorsque des données sont stockées, cela peut souvent constituer un handicap. Les informations personnelles identifiables généralement stockées sur les clients peuvent être volées et des sanctions s’ensuivront. Certaines juridictions ont maintenant une législation qui prévoit des sanctions suffisamment importantes pour les violations de données pour que les avantages ne compensent pas les inconvénients.

La dernière chose à considérer est que les données dont vous avez besoin pour vos modèles d’IA ne sont probablement pas banalisées. Même s’il y a beaucoup de données, elles peuvent ne pas correspondre au cas d’utilisation ou aux objectifs que vous souhaitez. Il est rare que les données disponibles soient exactement celles dont vous avez besoin, et vous devez donc vous orienter vers les données d’un cas d’utilisation plutôt que d’investir aveuglément dans des projets de centralisation des données.

7Peches

Démarrez simplement

Maintenant que vous savez ce qu’il ne faut pas faire, voici quelques-unes des choses simples que vous pouvez faire pour aller de l’avant.

Tout d’abord, discutez de la période tampon avec le CA – abordez les grandes questions avec votre conseil. Combien de temps vous faudra-t-il pour devenir un innovateur en matière d’IA dans votre secteur, à partir de votre situation actuelle, et combien de temps cela devrait-il prendre? Pour faciliter cette discussion, vous pouvez la modéliser, plutôt que d’en discuter simplement de manière conceptuelle. Vous pouvez utiliser cette discussion pour cibler les objectifs et élaborer un plan pour y parvenir. Si vous n’êtes pas sûr de l’état actuel de vos efforts en matière d’IA, nous avons créé une évaluation de 10 minutes pour vous donner un aperçu de la situation.

Deuxièmement, préparez-vous au changement et mettez en place un système de suivi. L’IA change tout le temps; vous devrez donc vous rendre régulièrement sur place pour ajuster et faire pivoter votre stratégie. Il est important de développer un ensemble de compétences de base pour repérer quand les choses ont changé. Vous pouvez ensuite refaire des exercices de planification avec votre conseil d’administration, ou du moins vous adapter à ce qui a changé. Ainsi, si des menaces ou des défis se présentent, vous avez la possibilité d’y réagir.

Troisièmement, modélisez les risques des deux côtés de l’équation. Dans le cas de l’IA, il existe des risques tant pour l’action que pour l’inaction. Mais ne les modélisez pas selon une approche traditionnelle qui consiste à faire descendre le risque vers différentes divisions opérationnelles et à compenser ensuite ces divisions pour réduire le risque plutôt que de gérer des compromis. Considérez plutôt ces compromis sur le plan des risques et des récompenses, et commencez à réfléchir à la manière dont vous comptabilisez les actifs et les passifs de l’IA.

Finalement, vous voudrez commencer à modéliser le taux de rendement réel de toutes ces activités que vous menez. Ensuite, comparez-les à ce que vous voyez dans d’autres entreprises du secteur. Cela vous donnera une bonne image de la situation actuelle et de la direction à prendre.

Une fois que vous savez où vous voulez aller – et à quelle vitesse – vous et votre équipe pouvez en apprendre davantage sur la façon de progresser à partir de notre nouveau cadre de maturité de l’IA. Vous y trouverez des références sectorielles et un plan facile à utiliser pour permettre à votre organisation de mettre en œuvre l’IA. Pour avoir un aperçu de la maturité actuelle de votre organisation en matière d’IA, vous pouvez répondre à notre Sondage de 10 minutes sur l’industrie.