Cet article a été publié originellement sur mydatacompany.fr
53% des organisations ont désormais le franchi le stade du pilote en matière de projet d’intelligence artificielle. Elles sont même 78% à revendiquer la réussite du passage à l’échelle de leurs initiatives IA. Le premier bénéfice : une augmentation des ventes.
Un an plus tôt, elles n’étaient que 36% dans ce cas. Le passage à l’échelle représente cependant souvent un obstacle. Cette étape ne semble néanmoins plus bloquante aujourd’hui. 78% des organisations assurent ainsi avoir réussi le passage à l’échelle de leurs initiatives IA. Ces acteurs se démarquent d’ailleurs nettement de ceux encore en phase pilote.
Les entreprises encore en pilote arrêtent leurs dépenses avec la crise
Pour ces derniers, la crise sanitaire et l’incertitude économique qu’elle génère se traduit par un coup de frein sérieux. Le Covid-19 déclenche un arrêt des investissements pour 43% des entreprises en pilote. Elles sont en outre 16% de plus à avoir suspendu les projets.
Une augmentation des ventes de +25% après passage à l’échelle
En revanche, les organisations qui ont réussi le passage à l’échelle ont renoué avec le rythme d’avant crise. Elles sont même 21% à faire état d’une accélération de la cadence. Cette tendance s’explique justement par une dégradation du contexte économique. Un paradoxe ? Au contraire. Les bénéfices du déploiement de l’IA justifient ce tempo.
Parmi les répondants passés à l’échelle, 79% enregistrent une augmentation de plus de 25% des ventes de produits et de services traditionnels. Mais en outre, 62% constatent une diminution des réclamations clients d’au moins 25%. Le constat est identique pour 71% d’entre eux en ce qui concerne la réduction des menaces de sécurité.
Des conditions sont cependant nécessaires pour permettre d’atteindre ces résultats. Et la première, c’est l’attention portée à l’amélioration de la qualité des données. Pour les entreprises les plus matures, cette approche les aide à tirer davantage parti de leurs systèmes IA.
Critère de succès majeur : la gouvernance des données
« En ce sens, une solide stratégie de gouvernance des données garantit que les équipes IA disposent de données de bonne qualité et renforce la confiance que les cadres accordent aux données » souligne Capgemini.
L’étude insiste également sur l’apport d’architectures de Cloud hybride et sur la démocratisation de l’accès aux données, qualifiées de fondements du déploiement de l’IA. Mais l’adoption réussie de l’intelligence artificielle, c’est aussi le recrutement. L’arrivée de responsables IA est décrite ainsi comme cruciale.
La pénurie de talents, un défi pour 70% de répondants
Parmi les acteurs parvenus au stade du déploiement à l’échelle réussi, 58% disposent d’un tel profil. Ce chef d’orchestre intervient notamment pour définir une « vision » auprès des équipes de développement. Il établit également des directives concernant la hiérarchisation des cas d’usage. Le responsable IA prend aussi position « sur les questions d’éthique et de sécurité, tout en harmonisant l’utilisation des outils et plateformes nécessaires à l’implémentation de l’IA. »
Les ressources restent cependant une préoccupation dans les entreprises. Pour 70% d’entre elles, « la pénurie de talents dans les postes intermédiaires et supérieurs est un défi majeur à la mise en œuvre de l’IA. » Or, la palette de compétences nécessaires est large, précise Capgemini. Elles ne se cantonnent pas aux domaines techniques.
Un responsable IA pour piloter et des compétences pour déployer
Les organisations « doivent impliquer business analysts et spécialistes de la gestion du changement. » Cependant, c’est bien sur les profils techniques, et notamment en machine learning et en data visualisation, que les tensions à l’embauche sont les plus fortes. « La formation et le perfectionnement sont donc essentiels pour pallier ce manque et garantir que ces compétences puissent rester en interne » insiste l’étude.
Surveiller et améliorer en continu les produits IA
La réussite des projets d’IA est directement liée à cet enjeu des compétences, qu’elles soient disponibles en interne ou mobilisées au travers d’écosystèmes de partenaires. Trois autres principes conditionnent le succès des initiatives. D’abord les moyens.
Cela passe notamment par des « bases solides » en matière d’accès facilité à des données de qualité. Les méthodes agiles sont aussi un incontournable de cette question des moyens. Capgemini insiste enfin sur « l’opérationnalisation », soit la mise en place d’un modèle opérationnel, la hiérarchisation des projets et la gouvernance.
Enfin, les entreprises ne doivent jamais oublier que les produits d’IA sont des « organismes vivants ». En conséquence, elles doivent veiller à surveiller et améliorer « en permanence la précision et les performances des modèles pour générer les bénéfices métiers attendus. »