L’idée que l’IA va révolutionner les pratiques de travail ne fait guère de doute. Mais il y a moins d’accord sur la meilleure façon d’exploiter cette transformation.
Deux chiffres illustrent cela. Alors que 90 % des DSI pilotent l’IA ou investissent dans des développements à petite ou grande échelle, plus des deux tiers (67 %) n’ont pas constaté de retour sur investissement mesurable, selon une étude de Nash Squared/Harvey Nash Digital Leadership Report. « Les dirigeants connaissent la technologie, mais ils ont du mal à l’appliquer dans l’entreprise pour créer de la valeur », explique Ankur Anand, DSI de Nash Squared, à ZDNET.
Alors, comment les dirigeants peuvent-ils surmonter cette difficulté ? Quatre cadres donnent leurs conseils sur les meilleures pratiques pour utiliser l’IA et résoudre les grands problèmes business.
1. Créer une liste des 10 priorités
Joe Depa, responsable de l’innovation chez EY, explique que vos cas d’usage IA, et vos processus de travail devraient s’aligner sur vos priorités business les plus importantes. Il explique à ZDNET que cet alignement est un travail continu. « Je me sers souvent d’une liste des 10 priorités de travail, par souci de simplicité », dit-il. « Au-delà de 10, les gens risquent de se désintéresser de la question. » Mais selon M. Depa, l’examen de la liste des dix premières priorités avec d’autres cadres nécessite une main ferme et de la stratégie.
« Si les gens veulent ajouter des choses, je leur dis : « Qu’allons-nous retirer de la liste ? » Parce que lorsque vous ajoutez quelque chose à la liste, vous devez en retirer quelque chose. Cette approche permet de rester concentrés. Une fois que vous avez cette cadence régulière, mise à jour et actualisée, les gens peuvent commencer à réfléchir à l’application de l’IA à des cas d’utilisation ».
Selon M. Depa, cette stratégie prudente permet d’éviter de dépenser de l’argent dans des solutions d’IA qui n’atteignent pas leurs objectifs de ROI. « C’est généralement le cas lorsque vous n’avez pas de cas d’utilisation clair, mais que vous avez un problème cool que vous voulez résoudre. C’est dans ces cas-là qu’il faut se dire : « Attendez une seconde. Je sais qu’il s’agit d’un problème intéressant, mais où est l’intérêt business ? » »
« On risque de se retrouver un peu dans l’ornière si l’on se contente d’essayer de résoudre certains problèmes avec l’IA, sans disposer d’une analyse de rentabilité claire pour son application ».
2. Organiser des sessions de hackathon
Cindy Stoddard, DSI d’Adobe, dit que son équipe informatique a utilisé l’IA dans de nombreux domaines et travaille avec le reste de l’entreprise pour identifier d’autres cas d’utilisation. Son équipe s’est servi de l’IA pour explorer les besoins informatiques et créer des recommandations afin que les responsables business et les gestionnaires de produits sachent ce qui sera probablement nécessaire lorsque les utilisateurs demanderont un nouveau service.
L’équipe informatique a également utilisé l’IA dans les tests pour créer des scripts qui peuvent être réutilisés pour automatiser des processus répétitifs. Pour les nouveaux cas d’utilisation, l’équipe organise des hackathons. « Les gens soumettent différentes idées sur ce qu’ils pensent pouvoir changer », dit-elle. « Nous encourageons tout le monde à proposer des points d’amélioration en fonction de ce qu’ils voient au niveau du terrain. »
L’équipe de Mme Stoddard travaille ensuite avec des partenaires pour sélectionner les meilleurs projets. « Ensuite, nous passons par un processus de développement et d’évaluation pour voir si les idées apportent une valeur ajoutée. Un grand nombre des idées que nous proposons finissent par être intégrées dans nos systèmes de production. »
3. Apprendre par l’échec
Caroline Carruthers, PDG de Carruthers and Jackson, donne à ZDNET 5 façons de préparer une organisation à la transformation de l’IA. Mais surtout, elle mentionne un élément essentiel pour identifier les bons cas d’utilisation : l’adoption de l’innovation. Mme Carruthers dit qu’il y a beaucoup de technologies émergentes à tester, des grands modèles de langage à l’IA causale.
« Vous ne savez pas comment cette technologie s’intégrera dans votre organisation. Attendre que les choses soient parfaites, avec l’IA, ça ne fonctionnera pas », dit-elle. « Vous devez expérimenter. Vous devez vous créer un petit bac à sable, quelque chose avec lequel vous pouvez jouer pour comprendre comment votre organisation peut tirer le meilleur parti de l’IA. »
À l’instar d’autres chefs d’entreprise, Mme Carruthers dit qu’il est important que les projets que vous soutenez se concentrent sur les bons domaines. Ce ciblage peut signifier l’apprentissage par l’échec, à condition qu’il ne soit pas trop coûteux. « Si vous souhaitez réellement expérimenter l’IA, vous devez presque apprendre à célébrer l’échec », dit-elle. « Mener une expérience et découvrir qu’elle n’a pas fonctionné, mais apprendre quelque chose de nouveau, est une utilisation valable du temps d’une organisation. Il suffit de ne pas dépenser beaucoup d’argent pour cela. »
Selon Mme Carruthers, toute initiative en matière d’IA doit s’inscrire dans le cadre d’un projet plus vaste visant à surmonter les grands défis organisationnels. « L’innovation consiste à intégrer l’IA dans l’entreprise. Mais il faut le faire à petite échelle, de manière itérative et en toute sécurité. Lorsque nous parlons d’expériences, et surtout lorsque nous parlons de données, notre cerveau a tendance à se dire : « Oh, regardez toutes les choses que nous pouvons faire » ».
« Mais si nous essayons de nous attaquer à ce problème, il est énorme, difficile à gérer, nous nous ennuierons et nous ne pourrons pas livrer les produits à temps. En revanche, si l’on résout un petit problème, on se dit ‘Oh, c’est bien’, et on résout ensuite d’autres problèmes. »
4. Former ses employés
Tobias Sammereyer, chef d’équipe pour l’ingénierie des performances chez XXXLutz, dit que de nombreuses personnes se laissent bercer par un faux sentiment de sécurité, pensant que des outils faciles à utiliser comme ChatGPT peuvent être appliqués à n’importe quel cas d’entreprise.
« Nous devons apprendre à utiliser correctement les outils d’IA et à être précis dans les prompts », dit-il. M. Sammereyer dit que les chefs d’entreprise et les leaders du numérique doivent aider leur personnel à comprendre les avantages et les limites de l’IA avant d’appliquer la technologie à des cas d’utilisation.
« Il faut essayer de leur dire ce qui est possible. Mais aussi ce qui ne l’est pas, car il y a deux types de personnes : l’une pense que l’IA n’est qu’un battage médiatique. Et l’autre croit qu’elle peut faire n’importe quoi. Et les deux se trompent! »
Selon M. Sammereyer, la clé du succès consiste à trouver un juste milieu. « Éduquez les gens et vous pourrez ensuite utiliser l’IA, en particulier l’IA générative. Il faut être conscient que l’IA peut faire des erreurs de la même manière qu’un être humain. Vérifiez deux fois les résultats avant d’aller de l’avant ».
Selon lui, ce processus repose sur le fait que vos systèmes d’IA doivent être alimentés par suffisamment de données fiables. « L’IA est comme une machine à plaire aux gens. Les outils veulent vous donner une bonne réponse. Qu’elle soit correcte ou non, c’est à vous de la revérifier », dit-il. « Vous devez donc faire preuve d’esprit critique et vérifier si le système d’IA dispose de suffisamment de données. N’oubliez pas qu’il vous donnera une réponse, mais pas nécessairement la bonne. »
Source : « ZDNet.com »