C’est une histoire de plus en plus courante au sein des entreprises aujourd’hui. Le projet d’IA s’est remarquablement comporté lors des tests pilotes et a reçu le feu vert pour un déploiement plus large… puis a cessé de fonctionner correctement. Ou bien nous ne parvenons pas à atteindre les résultats commerciaux attendus.
Des accusations, des reproches et de l’embarras s’ensuivent.
Le problème ne vient pas nécessairement de la technologie. En fait, selon les chefs d’entreprise qui ont pris la parole lors d’une table ronde ce mois-ci à Fortune Brainstorm Tech, le problème réside souvent dans les plans, les processus et les attentes que les entreprises ont établis, ou n’ont pas établis, pour leurs projets d’IA.
Tout d’abord, tous les projets d’IA ne méritent pas un déploiement à grande échelle, a déclaré Sean Bruich, directeur de la technologie d’Amgen.
« Avec Pilot, c’est très simple de faire éclore mille fleurs », dit-il. Ce n’est pas une mauvaise chose, car cela encourage l’expérimentation. Mais, a-t-il ajouté, « la clé pour réussir à déployer un projet pilote est en réalité d’avoir un large éventail d’idées, mais d’avoir une gouvernance très stricte qui donne le feu vert au projet pilote ».
Lashonda Anderson-Williams, directrice des clients et des ventes chez Salesforce, a déclaré qu’un critère important avant de passer à l’étape suivante est de comprendre les résultats escomptés du projet. Selon elle, trop d’entreprises se concentrent sur la mise en œuvre réussie des capacités de l’IA, sur les fonctionnalités techniques, plutôt que sur les résultats commerciaux.
Cette façon de penser conduit à la déception. Les capacités de l’IA fonctionnent bien, mais la nouvelle technologie ne produit pas de résultats commerciaux significatifs.
Les agents ont besoin de cartes
Anderson-Williams a déclaré qu’en matière d’IA d’agent, il est important d’avoir une compréhension détaillée du flux de travail – quels individus, groupes et points de contact sont nécessaires pour accomplir une tâche. Ce que de nombreuses entreprises constatent, dit-elle, c’est que la documentation des flux de travail est soit inexistante, soit mal documentée. « Lorsque vous ajoutez l’IA à cela, vous vous attendez à ce qu’il y ait de la magie, mais il n’y a pas de magie. »
L’accès aux données est un obstacle particulièrement fréquent que rencontrent les projets d’IA lorsqu’ils passent de la phase pilote au déploiement complet. Les choses peuvent rapidement devenir complexes, car les données sont souvent réparties entre différents silos au sein d’une organisation, tous régis par différents privilèges d’accès et différentes considérations de confidentialité et de sécurité. Les panélistes ont souligné l’importance de planifier à l’avance les contours d’un projet d’IA et toutes les données qui peuvent être nécessaires. « Plus vous l’attrapez tôt dans la phase de découverte, plus vous vous préparez au succès », a déclaré Caitlin Halferty, directrice des données chez Thomson Reuters.
Cela signifie également obtenir l’adhésion des bons groupes et parties prenantes au sein de votre organisation. « Y a-t-il des éléments de PII (informations personnellement identifiables) ou des données sensibles qui violent la vie privée ? » dit Hafery. Si la réponse est oui, vous avez besoin des bonnes personnes à bord de votre projet. « Y a-t-il un élément cyber ? Mettons en place la sécurité », a-t-elle déclaré.
Bruich d’Amgen a réitéré l’importance d’une large adhésion, notant que tout projet d’IA transformateur pour une entreprise impliquera nécessairement des dirigeants des domaines de la finance, de la technologie, des ressources humaines et d’autres groupes de l’organisation. Les projets d’IA véritablement percutants nécessitent plus que la simple rationalisation des processus de travail de quelques employés, a-t-il déclaré. Elle doit fournir « des résultats qui comptent pour l’entreprise ».
