Efficacité de l'IA : à la recherche du ROI

Toutes les organisations veulent intégrer de l'IA, peu d'entre elles y trouvent l'effet de levier attendu.  Pourquoi ? Et surtout, comment obtenir un retour sur investissement rapide ?

59% des entreprises adoptent une stratégie d'intelligence artificielle. Parmi elles, seulement 10% déclarent en percevoir un impact financier.  Deux chiffres qui ont de quoi remettre en cause la promesse exponentielle de l'IA. Cette étude du BCG, menée dans 112 pays en octobre 2020 dessine une tendance mondiale : toutes les organisations veulent intégrer de l'IA, peu d'entre elles y trouvent l'effet de levier attendu.  Pourquoi ? Et surtout, comment obtenir un retour sur investissement rapide ?

Un projet d’IA n’est pas un projet IT

Avant toute chose, rappelons qu’il existe deux cas de figure principaux pour lesquels l’IA est utile en entreprise. D’une part pour traiter des tâches qui induisent des corrélations statistiques qu’un humain ne peut réaliser. En somme, si un calcul statistique est capable d’améliorer tout ou partie d’un business, alors il est fort probable que l’IA dite statistique (machine learning) puisse être d’une grande aide.

D’autre part pour traiter des tâches répétitives, ennuyeuses et sans intérêt, telle que l’analyse documentaire, l’IA dite symbolique peut faire des miracles.

Si aucun de ces besoins n’existe au sein de l’entreprise, il est judicieux d’y réfléchir à deux fois.

En général, dans les entreprises, plus un projet est innovant, moins il est attendu de retour sur investissement et de respect des timings. L’IA est un cas typique de ce biais. Or, de nombreuses applications de l’IA, telle que la technologie de compréhension du langage, sont aujourd’hui suffisamment mûres pour exiger un planning serré et un ROI rapide. Il semble également que trop souvent, des projets d’IA soient déployés par simple effet de mode, comme un gage d’innovation, de modernité et d’avantage concurrentiel.

Malheureusement, si un projet d’IA n’est pas piloté comme n’importe quel autre projet de l’entreprise, il sera peu ou pas efficace.

Lorsque le projet est légitime, réfléchi et mesuré, il est la plupart du temps porté comme un sujet du ressort de la DSI. C’est une erreur. Un projet d’IA est avant tout un projet métier et doit être porté comme tel, afin d’apparaître au maximum de son potentiel aux yeux des utilisateurs finaux.

Il est néanmoins nécessaire d’impliquer les équipes IT qui aident à budgéter, à faire respecter les règles de sécurité et l’architecture du système d’information. Certes, la technologie algorithmique et les processus d’automatisations font appel à l’informatique, mais ils sont dès l’origine intégrés dans l’IA. L’infrastructure IT de l’entreprise n’intervient qu’à l’étape de l’implémentation dans les systèmes. Des systèmes qui, à la faveur des solutions SaaS, sont de moins en moins impactés par les solutions d’IA.

Un ROI peut en cacher un autre

La justification préalable d’une technologie d’IA est là encore indispensable. Le ROI d’une IA qui prétend tout faire est plus compliqué à mesurer que celui d’une application précise, spécifique à un métier ou à un ensemble de tâches.

Prenons l’exemple de la compréhension du langage, écrit ou oral. Cette application spécifique de l’IA peut résoudre de nombreux problèmes au sein des entreprises, ses sources de ROI sont multiples : en temps gagné de lecture, pour des documents complexes tels que les appels d’offres ou les rapports d’expertise médicale par exemple ; en temps gagné d’arbitrage, après l’analyse et l’identification de critères précis disséminés dans des documents ; en temps gagné de coordination et d’alignement, entre les équipes de différents services.

Le ROI du temps gagné se mesure aussi selon les caractéristiques de l’IA choisie. Dans le cas d’une IA supervisée, le temps d’apprentissage est énorme. De plus, elle crée des coûts induits qui peuvent paraître dérisoires mais qui impactent le DPO ou la RSE : le coût de partage des données, des serveurs pour supporter les calculs statistiques, le coût énergétique nécessaire à son fonctionnement… Dans le cas d’une IA symbolique, ces contraintes n’existent pas : il n’y a pas d’apprentissage, les données restent où elles sont, la puissance serveur nécessaire est faible.

Enfin, il ne faut pas sous-estimer le coût de l’adoption de l’outil par les équipes

Les équipes métiers vous remercieront

Le ROI d’une solution d’IA ne se décrète ni de façon théorique, ni selon une moyenne de résultats déjà observés. Le ROI se mesure in situ auprès des premiers concernés : ses utilisateurs. Il est donc primordial d’impliquer les équipes dès la genèse du projet. Projet qui doit être, répétons-le, porté par une direction métier et non par la direction IT.

Les impliquer ne suffit pas. Il faut aussi les rassurer. En prenant le temps de s’intéresser à tous les détails et toutes les frictions du métier en question et en s’entourant de bêta-testeurs qui prendront réellement en main l’interface de la solution. On permettra ainsi de dédiaboliser l’arrivée imminente d’une intelligence artificielle, qui soyons francs, fait peur aux équipes.

Les efforts portés sur la résolution de leurs problèmes et sur la facilité d’usage (UX) de l’IA seront eux aussi déterminants. Proposer aux équipes un outil qui s’utilise aussi simplement qu’une application de téléphone mobile et qui retire des points de douleurs de leur travail, s’avère être le meilleur ROI possible. Transformer les utilisateurs apeurés en utilisateurs prescripteurs de la technologie est l’un des indicateurs clés de la réussite d’un projet IA.

Les évolutions technologiques de l’IA avancent à grande vitesse. Son implémentation peut se faire en quelques semaines. Son ROI est pilotable et peut réserver des surprises. Il se pourrait même que les RH y trouvent des éléments de satisfaction...