Emploi
Par:
» THOMAS H. DAVENPORT, professeur émérite en technologie de l’information et en gestion, Babson College
» NITIN MITTAL, associé principal, Deloitte Consulting LLP
Les entreprises du monde entier ont été témoins de la révolution de l’intelligence artificielle, mais toutes ne l'ont pas adoptée de la même manière. Dans leur ouvrage All-in on AI: How smart companies win big with artificial intelligence, les experts Thomas H. Davenport, professeur au Babson College, et Nitin Mittal, associé principal du cabinet de conseil Deloitte, soulignent que l’intelligence artificielle offre un avantage concurrentiel significatif aux entreprises qui l’intègrent dans leurs processus de production. Dans le contexte de chaînes d’approvisionnement de plus en plus complexes, l’IA devient une source croissante de valeur ajoutée.
Comment les entreprises axées sur l’IA créent de la valeur
Les facteurs de changement clés que les entreprises axées sur l’IA utilisent pour se démarquer et créer davantage de valeur sont les suivants :
- Exécution accélérée. L’IA accélère l’obtention de résultats opérationnels et commerciaux, en réduisant les délais entre la prise de décision et les actions qui s’ensuivent.
- Réduction des coûts. L’automatisation des processus, des tâches et des interactions permet de réduire les coûts, d’accroître l’efficacité, d’améliorer la durabilité environnementale et de garantir la prévisibilité.
- Compréhension de la complexité. L’analyse de sujets complexes est plus facile grâce à l’IA. Celle-ci améliore la prise de décision en déchiffrant des modèles, relie les points et fait des prédictions sur la base de sources de données de plus en plus vastes.
- Modification de l’interaction. Cette technologie peut modifier la manière dont les clients et les employés interagissent avec les systèmes intelligents, en multipliant les moyens d’engagement : voix, vue, texte, toucher.
- Stimulation de l’innovation. Poser des questions à l’IA telles que « où concentrer les efforts » ou « comment se démarquer » ouvre la voie à la création de nouveaux produits, opportunités de marché et modèles économiques.
- Renforcement de la confiance. L’IA peut être utilisée pour protéger les enseignes contre les risques de fraude, de gaspillage, d’abus ou de cyberattaques, ce qui renforce la confiance des partenaires et des clients.
Il est évident que ces organisations emploient souvent une multitude de ressources, parfois dans un même cas d’usage, pour obtenir de meilleurs résultats.
Les entreprises désireuses de réussir en matière d’IA doivent tirer parti d’autant de moteurs de changement que possible
Bien entendu, la création de valeur est au cœur de cette transformation. Les entreprises désireuses de réussir avec l’IA doivent exploiter autant de moteurs de changement que possible et s’efforcer de prendre des mesures multiples. Certains changements, tels que la réduction des coûts, sont relativement faciles à mesurer. Cependant, les entreprises ne doivent pas se limiter aux cas d’usages où l’impact de l’intelligence artificielle est facilement quantifiable. Elles peuvent tirer des avantages plus importants d’une IA qui transforme les modèles économiques, prend des décisions basées sur d’énormes volumes de données et divers niveaux de complexité, et renforce la confiance.
Où en sont les entreprises dans leur parcours vers l’intégration de l’IA ?
Après avoir exploré les facteurs de changement liés à l’IA, il est probable que votre organisation ait déjà intégré certains d’entre eux, mais peut-être pas tous. Ou peut-être commencez-vous à vous familiariser avec ces modèles d’utilisation sans les avoir pleinement développés. Les points ci-dessous peuvent vous aider à déterminer où en est votre entreprise :
- AI Fueled. Tous les éléments décrits ci-dessus, ou la plupart d’entre eux, sont implantés et pleinement opérationnels. Votre entreprise s’appuie sur des capacités d’IA et devient une machine à apprendre.
- Transformers. Votre entreprise progresse dans l’adoption de l’IA, ayant déjà mis en œuvre certaines de ses fonctionnalités, créant ainsi une valeur substantielle pour votre organisation.
- Pathseekers. Votre organisation progresse dans cette voie, ayant déjà déployé certains systèmes et obtenu des résultats positifs mesurables, bien qu’elle en soit encore à ses débuts.
- Starters. Votre entreprise teste l’IA avec un projet, mais des efforts supplémentaires sont nécessaires pour progresser. Aucun ou très peu de déploiements n’ont encore été effectués dans un environnement de production.
- Underachievers. Vous avez commencé à tester l’IA, mais elle n’est pas encore intégrée dans vos activités quotidiennes et les résultats économiques sont limités.
Devenir une machine d’apprentissage organisationnel
Dans le paysage dynamique des entreprises axées sur l'intelligence artificielle, l'idée de devenir une machine d'apprentissage organisationnel prend tout son sens. Dans ces organisations, de nombreux aspects de l’apprentissage lié à l’IA sont institutionnalisés et bien ancrés – elles sont ainsi des machines d’apprentissage organisationnel dans au moins deux sens : elles apprennent en permanence de la recherche et du déploiement de l’IA, et elles adoptent des procédures d’essai et d’erreur rapides pour tirer des conclusions de ce qui fonctionne et de ce qui ne fonctionne pas. Comme le disent John Hagel et John Seely Brown, elles sont parvenues à un « apprentissage évolutif ». Pour devenir un acteur de premier plan dans le domaine de l’IA, il est essentiel de combiner l’expérimentation avec l’entraînement.
Un exemple éclairant de cette transformation est fourni par Ping An, une entreprise chinoise initialement spécialisée dans l'assurance. L’entreprise dispose d’un important groupe de recherche composé de docteurs en informatique et autres disciplines connexes. Le fondateur Peter Ma Mingzhe, collectionneur d’art, a suggéré au scientifique en chef Jing Xiao qu’une IA capable de créer des œuvres d’art et de composer des pièces musicales pourrait profiter au vaste réseau de clients et de partenaires de l’entreprise. Ce dernier a confié à une petite équipe la création de peintures, de compositions musicales et de poèmes en entraînant un système d’apprentissage automatique à partir d’œuvres existantes reconnues.
L’expérience a été concluante – les chercheurs ont présenté des œuvres d'art, de la musique et des poèmes élaborés lors de la Conférence mondiale sur l'intelligence artificielle de 2019. Le logiciel de composition musicale développé a même été primé par un prix international. Jing Xiao nous a expliqué lors d’une interview que Ping An travaille sur des modèles économiques reliant l’intelligence artificielle artistique à différents écosystèmes de l’entreprise, tels que la musicothérapie via l’IA. Grâce à cette expérience, l’équipe de recherche a acquis la capacité de développer une IA adaptée à de futurs projets impliquant des émotions ou des sentiments subjectifs de la part des participants, comme les transactions boursières.
La deuxième façon dont les entreprises pilotées par l’IA deviennent des machines d’apprentissage organisationnel émane du domaine du machine learning (au moins dans sa variante supervisée, de loin la plus répandue). En exploitant le machine learning supervisé, elles établissent des modèles prédictifs basés sur des données existantes. Si cela semble complexe à première vue, les entreprises qui parviennent à devenir des machines d’apprentissage sont nourries en permanence par le machine learning. Les capacités actuelles de l’IA ont rendu possible et financièrement viable la production de connaissances à grande échelle et à grande vitesse.
Les organisations exploitant l’IA contrôlent leurs modèles afin d’évaluer la précision de leurs prévisions, souvent par le biais d’une technologie appelée MLOps. Si elles constatent que leurs prévisions ne sont plus justes, elles se servent de nouveaux jeux de données pour entraîner à nouveau le système et améliorer leurs prédictions. Cet entraînement continu encourage l’apprentissage permanent pour perfectionner la capacité de prédiction et l’adapter aux nouvelles données. Autrement dit, si le monde change, les modèles de prévision changent en même temps que lui.
En tant que véritable machine apprenante, une entreprise appliquerait ce critère à un large éventail de modèles – ou du moins aux modèles les plus pertinents – c’est-à-dire qu’elle considère l’IA comme un actif majeur qui mérite d’être contrôlé et amélioré. Une telle entreprise reconnaît également que la précision peut varier au fil du temps et que la technologie facilite les processus opérationnels. Ce sont précisément ces capacités qu’une organisation axée sur l’IA s’efforce de développer.
Bien évidemment, les machines d’apprentissage organisationnel peuvent également apprendre en permanence à partir d’autres types d’IA. DBS Bank, par exemple, a mis en œuvre des chatbots – au départ, dans son agence en ligne en Inde – pour fournir un service client de haute qualité, sans attente, avec une disponibilité 24h/24 et 7j/7. Lors d’un examen d’une panne de service en 2016, la direction a mis l’équipe au défi de surveiller plus étroitement le comportement des utilisateurs en ligne et d’anticiper les incidents avant qu’ils ne surviennent.
Les organisations qui exploitent l’IA contrôlent leurs modèles afin de mesurer l’exactitude de leurs prédictions
Ce défi a incité l’équipe à développer un nouveau logiciel pour suivre en temps réel le parcours des clients de la banque en ligne. Après une analyse proactive des signes de difficultés liées à l’utilisation de l’application mobile, l’entreprise a acquis la capacité d’intervenir en cas de besoin et de proposer aux utilisateurs différents moyens de poursuivre leurs transactions. Le projet a été une réussite et les connaissances acquises grâce au chatbot ont été appliquées en Inde comme à Singapour.
Le terme « machine d’apprentissage organisationnel » désigne une entreprise qui poursuit des objectifs inébranlables, fiables et solides, et qui fait preuve d’un engagement sans faille en faveur de l’IA pour se transformer. C’est pourquoi un telle entité investit dans des infrastructures d’IA telles que les « feature stores » (des référentiels centralisés permettant de gérer, de stocker et de partager des caractéristiques utilisées pour l’apprentissage automatique) et les bibliothèques d’algorithmes réutilisables au sein de l’organisation. Ces ressources garantissent une formation continue à l’intelligence artificielle pour de nombreux employés. L’IA n’est donc pas perçue comme une mode, mais comme un outil extrêmement puissant pour améliorer la performance et la compétitivité de l’entreprise sur le marché.
De toute évidence, les machines d’apprentissage organisationnel ne sont pas uniquement le fruit de la technologie – elles résultent de la combinaison d’un ensemble de facteurs : l’ADN de l’organisation, une culture d’entreprise soutenant l’IA et les décisions fondées sur la donnée, une volonté d’expérimentation et d’innovation permanentes, et enfin l’engagement des collaborateurs, des clients et des partenaires à atteindre les objectifs fixés. En définitive, la clé de cette transformation réside dans le capital humain, plutôt que dans la donnée, les algorithmes ou les serveurs à haute performance.
Thomas H. Davenport est professeur émérite en technologie de l’information et en gestion au Babson College, professeur invité à la Saïd Business School d’Oxford, chercheur à la MIT Initiative on the Digital Economy et conseiller principal en analyse chez Deloitte. Competing on analytics et Big data at work sont parmi ses best-sellers.
Nitin Mittal est Directeur chez Deloitte Consulting, responsable de ses activités analytiques et cognitives, et coresponsable de la croissance de l’intelligence artificielle chez Deloitte.
Extrait de All in on AI: How smart companies win big with artificial intelligence de Thomas H. Davenport et Nitin Mittal. Copyright 2023 Deloitte Development LLC. Tous droits réservés. Réimprimé avec l’autorisation de Harvard Business Review Press.