Qu’est-ce qui se cache vraiment derrière l’IA ?

Chaque nouvelle technologie passe par l'étape où elle est perçue comme la solution miracle : en général, moins les gens la comprennent, plus ils parleront de la façon dont elle va tout révolutionner. C'est arrivé avec le cloud et le big data.

Quand le big data est apparu, il a très vite été utilisé comme une expression fourre-tout pour qualifier tous types de données non structurées. Ces dernières années, rares ont été les CIO qui ont su accorder à la donnée l’importance qui lui revenait, car nous sommes vite passés à l'étape suivante du cycle.

Tout comme les autres, l'intelligence artificielle (IA) a suivi le même cycle, mais elle est sur le point de passer du mot "à la mode" à quelque chose qui a un véritable sens pour le business. IDC prévoyait, en effet, en mars 2019 que les dépenses mondiales consacrées aux systèmes d'intelligence artificielle devraient atteindre 35,8 milliards de dollars en 2019, soit 44,0% de plus qu'en 2018. Ces dépenses feront plus que doubler pour atteindre 79,2 milliards dollars en 2022.

Les systèmes dotés d'IA ont le potentiel de réaliser des tâches banales et chronophages trop coûteuses et/ou trop sujettes aux erreurs dans les mains d’un employé. Certaines entreprises développent déjà des solutions d'automatisation des processus robotiques (RPA) capables d'accomplir ces tâches. Il sera bientôt plus facile et plus abordable de louer ou d'acheter un robot pour scanner des documents ou faire correspondre les bons de commande aux factures. Les employés n’ayant ainsi plus à assumer la responsabilité si une erreur dans une tâche répétitive et peu réfléchie a des conséquences importantes.

L'utilisation de l’IA s'étendra bientôt également à l'aide à la prise de décision dans les entreprises. Certaines comme les entreprises de livraison et de transport pour ne citer qu’elles, ont déjà atteint ce jalon et voient des résultats concrets. UPS, par exemple, utilise son système ORION pour optimiser les itinéraires de ses camions en fonction des informations trafic recueillies par les appareils IoT. Cependant, ce type de déploiement comme tous les autres, ne peut être réussi que s'il repose sur des données pertinentes, fiables et à jour, ce qui prouve l'importance cruciale d'un programme de gouvernance des données.

Au fur et à mesure que les entreprises expérimenteront l'IA, elles devront trouver des moyens d'étendre les expériences réussies à l'ensemble de l'entreprise. La partie la plus difficile de l'introduction de l'IA ne consistera pas à déployer une centaine d'applications pilotées par l'IA, mais bien à faire en sorte que toutes ces applications partagent les bonnes données. Cela nécessite une structure de données commune avec des définitions des termes clés.

Alors que les entreprises réfléchissent à la façon d'intégrer l’IA dans leurs activités, voici quelques éléments à prendre en compte :

1. Commencer une expérience avec l’IA avec une plateforme et un modèle de données communs. La plupart des tests échoueront, mais ceux qui réussiront seront plus faciles à mettre à l'échelle et à combiner sans avoir à les réorganiser.
2. Fixer des attentes réalistes et raisonnables. Même l'un des projets d'IA les plus médiatisés à ce jour, à savoir un outil plus précis que les médecins pour identifier le cancer de l'estomac à partir de photos, portait moins sur la capacité de l'IA à repérer les images du cancer que sur les préjugés des êtres humains qui ont évalué les photos différemment selon l'ordre dans lequel ils les ont vues.
3. Ne pas s’emporter par l'excitation de travailler avec l'intelligence artificielle et le machine learning. Les équipes IT et business doivent travailler ensemble pour rester concentrées sur le problème business qu'ils essaient de résoudre. 
4. Croire au potentiel de l'IA. Les scientifiques peuvent être habitués à passer des heures à extraire des données et à les rendre utiles avant de pouvoir commencer à les analyser pour prendre des décisions, mais cela ne veut pas dire qu'il n'existe pas de meilleure solution.
5. S’entourer d’experts des données. Embaucher des personnes expertes des données pouvant élaborer une stratégie et une structure appropriées des données.

Il est important de ne pas vouloir en faire trop à la fois, mais de ne pas non plus attendre que l'IA arrive à maturité. En expérimentant plusieurs petits projets d'intelligence artificielle dans de multiples fonctions, telles que la sécurité, les finances et le service à la clientèle, les services IT seront prêts à réagir à la prochaine grande percée, quelle qu'elle soit. Parce que si l'IA suit la même voie que d'autres technologies révolutionnaires – et elle le fera – cette percée se profile déjà.