Agents du changement : comment les CIO et les CTO doivent soutenir les résultats de l'entreprise

L'ère de la transformation numérique est révolue ! Gouvernance de la donnée, démocratisation de l'intelligence artificielle, montée en puissance de l'analytique... Décryptage des tendances actuelles

Au cours des dernières décennies, nous avons assisté à de nombreux cycles technologiques, à des tendances commerciales qui vont et viennent. Malgré tout ce bruit, les agents du changement - les CIO et CTO - sont bien avisés de faire abstraction de tout le bavardage et des derniers buzzwords, et de se concentrer sur trois choses qui transcendent tout le reste :

Revenus : que faisons-nous pour améliorer les revenus ou les marges ?
Expérience client : comment donnons-nous à nos clients ce dont ils ont besoin, compte tenu de l'évolution constante de leur parcours d’achat jusqu’à la validation du panier ?
Expérience des employés : comment nous assurons-nous que nos collaborateurs ont accès aux bonnes données et obtiennent les informations dont ils ont besoin pour être productifs et améliorer l'entreprise chaque jour ?

Si nous nous concentrons sur et nous préoccupons de ces trois éléments, nous pourrons faire face à tout ce que le monde nous réserve.

Transformation numérique et ère de l’intelligence

Ne sommes-nous pas tous un peu fatigués de parler de transformation numérique ? Vous en arrivez au point où en voyant ce terme dans un titre, vous levez les yeux au ciel ? La transformation numérique est-elle toujours le terme approprié pour désigner ce sur quoi nous devons nous concentrer ? Les trois éléments clés cités plus haut sont tous devenus numériques, la réponse est donc "oui".

Nous sommes entrés dans l'ère de l'intelligence.

Prenons l'exemple de l'expérience client : la façon dont les gens achètent aujourd'hui est différente de ce qu'elle était auparavant. Il est important que nous disposions de capteurs tout au long du parcours pour comprendre ce que les gens font tout au long de leur parcours d'achat et au-delà. L'expérience des employés a également changé, car ils sont plus dispersés et dépendent davantage des outils numériques pour les aider à réaliser leur travail efficacement.

L'IA existe depuis longtemps, elle est en train de parcourir plusieurs générations. Auparavant, pour l'exploiter, il fallait faire appel à des ingénieurs, ce qui prenait beaucoup de temps et était très spécialisé et sur mesure. Parce qu'elle n'était pas accessible à tous, tout le monde ignorait que nous étions déjà entrés dans une nouvelle ère de l'intelligence artificielle.

Quand on y pense, le calcul et le stockage sont pratiquement gratuits. Les barrières sont en train de tomber au point que, en tant qu'entreprise, vous réalisez que le succès peut être atteint en utilisant des systèmes intelligents.

Le grand public est en train de rattraper son retard grâce à des outils tels que ChatGPT. Les acteurs du changement savaient que ce moment était arrivé - leur défi a été de trouver comment obtenir des informations et prendre des décisions à partir de cette mer de données. Selon une étude de McKinsey, environ 70 % des transformations numériques ont échoué et n'ont pas atteint les objectifs fixés au départ. Il y a plusieurs explications à cela : les agents du changement ont peut-être rencontré des obstacles qu'ils n'ont pas pu surmonter ou ils ne savaient pas vraiment ce qu'ils voulaient.

Il faut se concentrer sur les résultats obtenus grâce à la technologie. Afin de passer au niveau supérieur, les entreprises doivent réellement utiliser les données de ces systèmes pour prendre des décisions plus rapidement, mieux et plus efficacement que leurs concurrents.

Démocratisation des données et maîtrise des données

Pour construire une entreprise moderne et pilotée par la donnée, la première étape consiste à démocratiser les données disponibles (et parfois dormantes ou sous-jacentes) et à les rendre accessibles à toutes les équipes. Nous nageons dans les données, mais nous ne pouvons pas rester les bras croisés et attendre que nos data scientists, souvent débordés par les demandes, nous donnent exactement ce dont nous avons besoin.

Que faire alors ? Comment faire en sorte que tous les collaborateurs de l’organisation s'engagent avec les données ?

C'est là que des outils comme ChatGPT entrent en jeu. ChatGPT n'est pas unique ou nouveau - les grands modèles de langage existent depuis longtemps - mais un outil facile à utiliser et accessible à tous fait son apparition. La démocratisation de l'IA est assurée dès que le grand public y a accès.

Les entreprises ont déjà évolué sur ce point, mais elles n'essaient pas de le construire elles-mêmes, car elles ne peuvent pas embaucher suffisamment d'ingénieurs pour être compétitives sur le marché. Au lieu de cela, elles doivent se tourner vers des solutions basées sur le cloud, les exploiter et les utiliser pour leur propre entreprise.

Le problème qui en découle est qu'il existe aujourd'hui un très grand nombre de produits sur le cloud. Les DSI doivent les classer par ordre de priorité et aider les entreprises utilisant le cloud à améliorer leur prise de décision. S'ils ne modernisent pas leurs systèmes dans cette optique, ils resteront à la traîne. Pendant ce temps, les employés lisent des articles qui leur disent : "Si vous ne trouvez pas ces solutions, vous serez dépassés. Vous serez automatisé et vous n'aurez plus d'emploi". Alors maintenant, quand les employés entendent parler de "démocratisation des données", ils sont tout ouïe.

Il y a encore quelques années, la cybersécurité était toujours en tête des priorités des DSI. Aujourd'hui, les données et l'analytique grimpent les échelons et atteignent le podium de toutes les enquêtes. Cela reflète le fait que certaines personnes sont arrivées tardivement à la fête des données et qu'elles ressentent la pression que, si elles ne comprennent pas, leur entreprise sera perturbée.

Nous devons nous demander pourquoi davantage de personnes ne sont pas en mesure de suivre le rythme de ces évolutions. La réponse est simple : de nombreuses entreprises n'ont pas la bonne culture pour démocratiser la donnée. Elles exercent trop de contrôles sur leurs données, ce qui limite le nombre de personnes qui peuvent y accéder. C'est une réaction somme toute assez naturelle : lorsque l'on possède quelque chose de précieux, on veut le contrôler.

Cependant, nous devons nous efforcer de briser certaines des normes culturelles qui maintiennent les données sous un contrôle aussi étroit. Les entreprises devront s'habituer à un modèle de gouvernance dynamique. Nous devons déterminer ce qui peut être rendu plus accessible et ce qui doit vraiment être contrôlé.

L'étape suivante consiste à examiner les questions relatives à la confidentialité des données et aux préjugés. Enfin, nous devons consacrer du temps à former les collaborateurs à l'utilisation des données. De mauvaises décisions peuvent être prises si les gens ne maîtrisent pas les données et l'IA.

ChatGPT en est un parfait exemple : si vous l'utilisez sans savoir comment poser les bonnes questions - ou si vous le prenez pour argent comptant - il vous donnera de mauvaises réponses. La démocratisation des données peut faire peur à beaucoup d'entreprises mais, lorsqu'elle est bien faite, elle peut être transformatrice.

Gouvernance dynamique des données

Les données d'entreprise circulent depuis le CIO jusqu'au bas de l'échelle. Dans la plupart des entreprises, ce flux est marqué par une incroyable complexité.

Pour être une entreprise centrée sur la donnée, il faut aider les employés de tous niveaux à accéder rapidement aux données dont ils ont besoin, dans les plus brefs délais. Nous devons les transformer en agents du changement. Les gens ne sont pas toujours conscients des problèmes de conformité liés aux données, et les entreprises doivent donc être en mesure de leur expliquer les aspects réglementaires et de conformité importants – à l’instar du RGPD.

Environ 80 à 90 % de tous les projets d'analytique relèvent de l'ingénierie des données - en d'autres termes, il s'agit d'identifier, de collecter, d'accéder et de normaliser les données. La partie analytique vient à la fin de ce long processus.

La question est de savoir comment faire en sorte que nos collaborateurs maîtrisent suffisamment les données pour accélérer ces 80 ou 90 % ? Il s'agit d'un sujet essentiel et souvent négligé. La solution consiste à abattre certains murs pour que les gens ne perdent pas autant de temps en amont. C'est possible.