IA : il est temps de passer de la parole aux actes
Comment trouver l'équilibre entre contrôle, innovation et résilience, en utilisant l'IA pour ses projets d'entreprise ?
En raison du battage médiatique autour de l’intelligence artificielle (IA), elle donne parfois l’illusion d’être une technologie déjà bien installée. Il est vrai que toutes les entreprises échangent sur la manière dont elle influence leurs activités. Néanmoins, la majorité des discours actuels ne semblent pas en phase avec la réalité. Même si la plupart des entreprises refusent de l’admettre, elles restent souvent bloquées à la phase pilote. En effet, selon une étude menée dans le cadre du projet NANDA du MIT, 95 % des programmes pilotes échouent ou n’ont que peu ou pas d’impact mesurable. Au lieu de progresser, la majorité des organisations ont des difficultés à démontrer que la technologie crée de la valeur et ne se sentent pas suffisamment confiantes pour véritablement innover à l’aide de l’IA.
Les données sont au cœur du problème. La quantité astronomique, la complexité et le caractère sensible des informations dont l’IA a besoin peuvent avoir un effet intimidant, voire paralysant, et c’est tout à fait compréhensible. Accéder aux données, les gérer et les sécuriser dans un monde où l’IA occupe une place prépondérante peut sembler une tâche dantesque et les mesures en place censées favoriser la résilience paraissent souvent inadaptées. Pourtant, une bonne hygiène des données reste un atout essentiel et le seul moyen d’avancer en toute confiance est d’investir dans la transparence et la résilience dès le départ. Autrement, les entreprises doivent se contenter de parler de la technologie au lieu d’agir pour l’intégrer véritablement à leurs activités.
Confronter le potentiel de l’IA à la réalité
Alors que les discussions autour l’IA se concentrent principalement sur son potentiel transformatif pour les entreprises, il est facile d’oublier que la qualité des outils dépend essentiellement des données. L’IA générative, les grands modèles de langage (LLM), la détection des anomalies, les modèles prédictifs : toutes ces capacités sont conçues et entraînées à partir de données, non sans en générer également. C’est l’une des principales raisons pour lesquelles la quantité de données créées, capturées, copiées et consommées cette année devrait atteindre 181 zettaoctets, soit trois fois plus qu’il y a cinq ans. De telles quantités sont difficiles à concevoir et cela implique que les données existantes sont bien plus nombreuses que ce que les entreprises étaient auparavant en mesure de gérer.
L’IA a également un impact sur les quantités de données que les entreprises peuvent véritablement exploiter. Selon le cabinet Gartner, 80 % des données d’entreprises ne sont pas structurées. Auparavant, cela signifiait que la plupart d’entre elles demeuraient inutilisées et qu’il fallait les stocker et les protéger, mais qu’il était impossible d’en extraire de la valeur. Tout cela a changé grâce à l’IA.
À mesure que la technologie continue de se développer, la quantité de données générées croît de manière exponentielle. Actuellement, le véritable défi de l’IA réside dans le fait que les entreprises ont du mal à s’y retrouver parmi ces quantités astronomiques de données en constante augmentation, afin de classer celles dont elles disposent véritablement en catégories. En ajoutant à cela un programme pilote d’IA, il est aisé de comprendre pourquoi tant de ces projets échouent.
De plus, même si les entreprises aimeraient pouvoir affirmer qu’elles disposent d’une politique d’IA sans faille, pour la plupart d’entre elles, le « shadow IT » demeure un problème bien réel. La faillite des programmes pilotes leur fait prendre du retard, poussant les collaborateurs à expérimenter de leur côté à l’aide d’outils d’IA non autorisés. Cette tendance est vouée à se poursuivre si les entreprises ne sont pas en mesure de surmonter le défi que leur posent les données, afin de véritablement innover grâce à la technologie d’IA.
Poser des bases solides
Même si beaucoup soutiennent qu’avec l’avènement de l’IA, le monde est entré dans une « nouvelle ère », celle-ci doit toutefois s’appuyer sur les fondements hérités de la période précédente. Une bonne hygiène des données demeure indispensable et il est essentiel de préserver les mesures existantes destinées à favoriser la résilience.
Cela signifie que les entreprises doivent continuer de procéder à des évaluations d’impact sur l’ensemble de leurs données. La première étape, afin de faire le tri parmi ces montagnes d’informations en croissance perpétuelle, consiste à mieux comprendre celles dont elles disposent. Ainsi, elles seront en mesure de décider quelles données sont indispensables à leur activité et de les traiter en conséquence. Une telle visibilité est essentielle pour garantir la résilience des données à mesure que leur quantité continue d’augmenter. Sinon, en cas d’incident, l’entreprise ne saura pas sur quelles données s’appuyer pour reprendre son activité et sera incapable de reconnaître le dernier état fiable du système.
Cette démarche ne doit pas être envisagée de façon ponctuelle. En effet, le flot de données n’est pas près de se tarir et les entreprises doivent maintenir le contrôle sur l’ensemble de ces informations. Afin d’éviter de se retrouver submergées, elles doivent continuer de s’appuyer sur des pratiques telles que la standardisation et la validation des données, ainsi que sur les évaluations d’impact en continu.
En principe, la plupart des entreprises devraient déjà avoir pris des mesures dans ce sens. Il s’agit donc moins d’adopter de toutes nouvelles méthodes visant à libérer le potentiel de l’IA que de développer celles dont elles disposent déjà. Poser des bases solides doit figurer parmi leurs principales priorités, d’autant plus que l’IA peut les aider à y parvenir. En effet, elle peut être utilisée pour faciliter la classification des données, améliorer leur traçabilité et renforcer les mesures en faveur de la résilience des entreprises. D’une certaine manière, les premiers projets d’IA à mettre en œuvre devraient simplement concerner les données. Si les entreprises parviennent à exploiter l’IA pour améliorer leurs données, les données devraient à leur tour permettre d’améliorer les outils d’IA.
Il est essentiel que les organisations gardent le contrôle sur leurs données, non seulement pour jeter des bases solides, mais également pour disposer de la confiance nécessaire afin d’innover véritablement à l’aide de l’IA et de mener à bien leurs programmes pilotes.
Ne pas brûler les étapes
Cela peut sembler simple et évident en principe, mais il est important de commencer par lancer des projets à échelle réduite. Les entreprises n’ont pas besoin d’être à l’origine de la prochaine révolution technologique. Il leur suffit simplement de prouver qu’elles sont capables d’innover et de créer de la valeur, tout en gardant la maîtrise. Plutôt que de réinventer la roue, mieux vaut commencer par un projet d’IA gérable qui crée de la valeur ajoutée en toute sécurité et produit des résultats vérifiables. Cela permet non seulement de renforcer la confiance dans la technologie, mais également de prouver à l’ensemble de l’organisation qu’il est possible d’innover avec l’IA. Ensuite, cela pourra déboucher sur des applications plus cruciales et plus transformatives.
Tout au long de cette démarche, il est important de toujours revenir aux fondamentaux. Il faut s’assurer que les coûts relatifs à la création, à la performance et à la résilience du modèle d’IA de l’entreprise sont tous alignés. Sinon, il ne sera pas possible de bâtir des processus sans mettre en péril la résilience de l’organisation. Il est donc indispensable de pouvoir expliquer les processus à chaque étape et, lorsque c’est impossible, de marquer une pause et de revenir à l’étape précédente pour éviter que le projet ne devienne incontrôlable.
Commencer à petite échelle est essentiel pour surmonter cette peur de l’échec, qui freine tant d’entreprises, les empêchant non seulement d’exploiter pleinement la valeur de leurs données, mais aussi d’utiliser l’IA pour générer une valeur métier réelle et transformatrice. Toutefois, il est important de conserver une légère part de cette crainte tout au long du processus, afin de préserver le juste équilibre entre contrôle et innovation, afin de maintenir la résilience. C’est ainsi que les entreprises pourront non seulement parler du potentiel de l’IA, mais aussi réellement le concrétiser.