Crédit : Dreamstime
L’intelligence artificielle (IA) a frappé le grand public. Sur tous les marchés, les entreprises ont déployé des preuves de concept réussies et ont même réussi à publier l’IA en production.
Certaines organisations ont même opérationnalisé leurs méthodes d’IA et d’apprentissage automatique, avec des projets qui prolifèrent dans l’entreprise, accompagnés de bonnes pratiques et de pipelines. Aujourd’hui, les entreprises à la pointe de la courbe de maturité de l’IA utilisent l’IA à grande échelle.
Cette maturation globale de la façon dont l’IA est déployée dans les entreprises modifie la façon dont les entreprises perçoivent la valeur tactique de l’IA et où elles souhaite voir ses avantages compris.
Voici un aperçu des 10 tendances des techniques d’affaires en matière d’IA que les professionnels de l’industrie constatent aujourd’hui.
1. L’IA se résume à l’entreprise
Au début de l’intelligence artificielle, les projets étaient entièrement pilotés par des chercheurs en données. Ils disposaient des données et des algorithmes, et ils avaient la latitude de rechercher des moyens d’utiliser leurs tout nouveaux outils pour résoudre les problèmes. Dans certains cas, ils ont réussi. Aujourd’hui, cette dynamique s’est inversée.
Les chefs d’entreprise ont en fait tiré profit des exemples d’emplois réussis et sont mieux informés sur ce que l’IA peut faire pour eux. En conséquence, les entreprises sont désormais moins disposées à acheter des preuves de concept dont la valeur commerciale est incertaine, une tendance qui place de plus en plus les unités commerciales aux commandes de l’adoption de l’IA.
« Quand je vois des entreprises faire de l’IA eh bien, c’est axé sur les affaires », déclare Alex Singla, responsable international de QantumBlack chez McKinsey & Co. « L’IA et l’informatique existent pour les aider à résoudre le problème, mais ce n’est pas l’innovation qui presse l’option. C’est le service qui prend les devants, en disant : « Je faisais partie du service, je pense que c’est la réponse idéale. » »
Honeywell, par exemple, utilise l’IA dans l’ensemble de ses opérations internes et l’intègre dans des produits destinés aux clients et services, déclare Sheila Jordan, directrice de la technologie numérique de l’entreprise.
« Nous sommes vraiment liés à l’entreprise », déclare-t-elle. « Nous sommes motivés par la valeur. Ce sera la valeur vis-à-vis du client. La valeur interne. »
2. L’IA imprègne l’entreprise
Lorsque Jordan s’est jointe à Honeywell 2 ans plus tôt, son tout premier grand projet consistait à mettre en œuvre une méthode d’entrepôt d’informations pour rassembler toutes les informations sur les transactions de toutes les sources.
« Chaque fonction, chaque système de service a un programme numérique », déclare-t-elle. Honeywell a numérisé tous ses accords. Cela représente plus de 100 000 contrats au total, déclare-t-elle, notant que cela fournit à l’entreprise une mine de données à utiliser pour aider à construire des options d’IA pour pratiquement n’importe quel domaine de fonction.
Grâce à l’IA, tous les contrats Honeywell peuvent désormais être examinés automatiquement pour les zones où ils sont touchés par l’inflation ou les problèmes de prix, dit Jordan. « Il n’y a pas d’autre moyen pour qu’un humain puisse passer par 100 000 contrats. »
Avec des données de stock complètes, Honeywell est désormais capable de comprendre quel stock est un rebut et lequel est réutilisable, et peut ainsi prendre des décisions intelligentes sur la gestion des matières premières matériaux plus efficacement, dit Jordan.
« Nous voyons l’IA apparaître dans chaque fonction », dit-elle. « Dans le financement, dans le juridique, dans l’ingénierie, dans les chaînes d’approvisionnement et bien sûr dans l’informatique. »
3. Automatisation de la charge turbo avec IA
C’est la 3e année que Honeywell se lance dans un programme d’automatisation agressif. S’il y a une tâche récurrente, l’entreprise tentera de l’automatiser. « Nous avons très probablement 100 projets cette année », déclare Jordan. « Ce sont des tâches que nous automatisons dans l’ensemble de l’entreprise mondiale. »
Et Honeywell s’efforce de rendre ces automatisations plus intelligentes, ajoute-t-elle. « Nous allons insérer plus d’IA dans plus de ces robots automatisés », dit-elle. « Il s’agit de rendre le bot automatisé plus intelligent. »
Booz Allen Hamilton est une autre entreprise qui a commencé par des automatisations fondamentales basées sur des règles. Aujourd’hui, l’entreprise progresse vers l’intégration de l’IA et de l’apprentissage automatique dans ces automatisations pour les adapter à une plus grande variété de tâches, déclare Justin Neroda, vice-président de la pratique IA de Booz Allen.
Les individus commencent par les automatisations les plus simples , il déclare. « Ensuite, ils se demandent : ‘Que puis-je automatiser d’autre ?’ Et ils découvrent que cela nécessite l’IA et le ML. »
Les automatisations basées sur l’IA peuvent aider les entreprises à gérer les pénuries de personnel ou les volumes de travail élevés, dit-il. « Ou la moitié du travail peut être automatisée et après cela, les individus peuvent faire la partie la plus difficile. »
4. Intégrer l’IA pour de plus grands avantages
L’IA à grande échelle comporte un élément important de gestion du changement, déclare McKinsey Singla. Il faut comprendre comment les gens vont l’utiliser, ce qui ne vient pas des gens de la technologie qui travaillent seuls, mais d’un mélange d’individus innovants et d’experts du domaine et des affaires, déclare-t-il.
« Si je doivent obtenir l’ajusteur et les informer d’aller à trois applications différentes pour l’IA, les chances qu’ils l’utilisent sont nulles », dit-il.
« Mais plus c’est immédiatement intégré au flux de travail, plus nous augmentons les chances de succès. Moins j’ai besoin de modifier le comportement de quelqu’un, plus j’ai de chances d’être adopté. »
5. Les techniques d’IA prennent une tournure fédérée
Une fois que les entreprises ont réussi les preuves de principe préliminaires, elles créent généralement des centres d’excellence en IA pour opérationnaliser la technologie et développer les talents, les compétences et les meilleures pratiques.
Dès qu’une entreprise atteint un niveau de masse critique, il est logique de démanteler certains de ces centres d’excellence et de fédérer l’IA, en déplaçant les spécialistes directement dans les unités de service où ils sont le plus nécessaires.
« Pour les entreprises qui sont moins matures, il est important d’avoir un centre d’excellence qui héberge les talents et l’apprentissage dans toute l’institution », déclare Singla de McKinsey. « Sans cela, les entreprises n’ont généralement pas la capacité d’évoluer. Les personnes douées veulent être avec d’autres personnes partageant les mêmes idées. Et les personnes moins bien informées profitent d’être dans un centre de qualité car elles peuvent grandir ou découvrir . »
Les distribuer trop tôt diluerait leur impact et réduirait la capacité d’une entreprise à répéter et à reproduire des projets réussis sur plusieurs lignes d’organisation.
« Cependant, à mesure que vous atteignez une couche de maturité et à grande échelle, à plus long terme, l’avantage des technologues ayant à la fois une connaissance approfondie de l’IA et une connaissance du domaine est un véritable coup de circuit », déclare-t-il. « Mais juste quand vous avez de l’échelle. »
Les problèmes d’organisation sont répartis, explique Amol Ajgaonkar, ingénieur différencié chez Insight.
« Les problèmes commerciaux ne sont pas localisés au même endroit, vous pouvez donc ne vous attendez pas à avoir des versions centralisées de l’IA », dit-il. « Ils doivent être dispersés. Mais vous devez disposer d’une stratégie d’IA centralisée liée à un effet d’entreprise. »
Ou plusieurs effets d’entreprise, ajoute-t-il, tels que les bénéfices, les économies de dépenses ou le marketing positionnement.
Comme beaucoup d’autres entreprises, Booz Allen Hamilton a commencé avec un groupe central d’IA. « Cependant, l’année dernière, nous avons vraiment insisté », déclare Justin Neroda, vice-président de la pratique de l’IA de Booz Allen Hamilton. « Nous avons des sous-cellules dans cette entreprise qui ont ces experts en IA. Vous devez développer une masse importante avant de l’étaler, sinon tout s’effondrera. »
« C’est quelque chose qui nous avons effectivement constaté au sein de nos propres organisations et des clients avec lesquels nous travaillons », ajoute-t-il.
6. L’IA déclenche un changement de processus métier
Lorsque les entreprises commencent à utiliser l’IA, elles recherchent fréquemment des étapes individuelles dans les procédures d’organisation où l’IA peut faire la différence. « Vous décomposez le processus en morceaux, numérisez chaque morceau et intégrez l’IA pour le rendre efficace », déclare Sanjay Srivastava, responsable principal du numérique chez Genpact. « Mais en fin de compte, le processus lui-même est le même. Chaque partie est bien meilleure, beaucoup plus rapide, plus abordable, mais le processus lui-même ne change pas. »
L’IA également a le potentiel de modifier fondamentalement les procédures d’organisation, déclare-t-il. Genpact effectue un travail fantastique de traitement des comptes pour les clients.
« Lorsque nous appliquons l’IA aux facturations, nous pouvons informer les factures qui vont être contestées », dit-il. « Nous pouvons savoir quelle partie du portefeuille présente le plus grand risque. »
Avec les pouvoirs prédictifs facilement disponibles avec l’IA, toute la procédure peut être restructurée, déclare-t-il. « Lorsque vous appliquez l’IA, vous pouvez penser à la chaîne de valeur de bout en bout et la repenser complètement. »
7. Les MLOps deviennent réels
Selon un rapport McKinsey publié fin 2021, l’un des éléments qui identifient les entreprises qui tirent le plus de revenus de l’IA est leur utilisation des MLOps.
Il s’agit de la prochaine grande tendance en matière d’IA, déclare Carmen Fontana, membre de l’IEEE et responsable de la pratique des technologies cloud et émergentes chez Augment Treatment, une entreprise de technologie de traitement physique pédiatrique. Fontana était auparavant responsable de la pratique du cloud et de l’innovation émergente chez Centric Consulting.
L’objectif est de faire passer l’apprentissage automatique de la théorie à la production, déclare-t-elle. « Il y a deux ou trois ans, c’était un domaine en plein essor et les gens pensaient qu’ils devaient le faire », déclare-t-elle. « Mais nous ne l’avons pas beaucoup vu à l’entraînement. » Aujourd’hui, néanmoins, elle voit des outils et des méthodes développés qui permettent aux organisations de devenir plus étendues dans la façon dont elles forment, publient et surveillent les modèles d’IA.
« Cela va un long chemin pour institutionnaliser l’IA et l’apprentissage automatique, » elle dit. « J’ai observé tout cela chez nos clients. Le marché a considérablement changé. »
8. Les entreprises ont mis fin aux pipelines d’IA
Booz Allen Hamilton a actuellement environ 150 emplois différents en IA avec ses clients, déclare Booz Allen’s Neroda. Au cours de l’année écoulée, la société a en fait commencé à s’éloigner de cette conception unique.
« Au cours de l’année et demie précédente, nous avons en fait acheté des capacités modulaires et de bout en bout fin des pipelines », dit-il.
Une IA efficace nécessite plus qu’une simple conception fonctionnelle. Il y a toute une procédure qui est nécessaire pour maintenir le modèle dans le temps à mesure que les informations changent et que les modèles sont continuellement affinés, déclare-t-il.
« Le plus gros obstacle est la façon dont vous connectez tous les outils ensemble », dit-il. « Nous avons travaillé pour normaliser cela et pour construire des pièces à usage multiple à utiliser tout au long des travaux. »
9. Les organisations visent à renforcer la confiance en l’IA
Alors que les employés et les cadres se familiarisent avec l’IA, ils mettent de plus en plus leur foi en lui pour prendre des décisions critiques pour l’entreprise, même lorsque ces décisions brisent les pulsions humaines.
Michael Feindt, consultant stratégique et fondateur de Blue Yonder, a récemment eu affaire à un grand détaillant alimentaire britannique ayant des problèmes avec des problèmes de chaîne d’approvisionnement liés à la pandémie. Lorsque l’entreprise utilisait des procédures manuelles pour gérer sa chaîne d’approvisionnement, il y avait beaucoup de casiers vides, dit-il. De plus, il y avait une pénurie de personnes possédant les connaissances, les capacités et la volonté de faire le travail.
Les systèmes automatisés alimentés par l’IA pourraient réduire les coûts et améliorer les performances. Lorsque la pandémie a frappé, cependant, les gens ont souhaité éteindre les systèmes automatiques. « Mais ils ont alors compris que les systèmes automatisés pourraient s’adapter beaucoup plus rapidement que les êtres humains », déclare-t-il.
Au lieu d’arrêter les systèmes, l’entreprise s’est étendue pour inclure non seulement les magasins, mais également les centres de distribution. Le résultat était à la fois moins d’étagères vides et moins de déchets alimentaires à jeter. De plus, les superviseurs de magasin pourraient cesser d’investir 2 heures par jour pour peaufiner leurs commandes et plutôt investir plus de temps à améliorer la satisfaction des consommateurs.
Il existe également d’autres méthodes pour instaurer la confiance dans l’IA, explique Feind. « Certaines personnes sont importantes et ne croient pas que l’IA peut faire d’aussi bons choix qu’elle le peut, avec ses années d’expérience », déclare-t-il.
L’inclusion de l’explicabilité peut aider à réduire certains de ces problèmes. L’IA explicable, c’est quand le système décrit aux utilisateurs humains quels aspects sont entrés dans la décision qu’il a prise.
10. De toutes nouvelles possibilités de modèle de service se développent
Dans certains domaines, l’IA commence à produire des opportunités qui n’avaient jamais existé auparavant. Les véhicules autonomes, par exemple, ont le potentiel de transformer les sociétés et de développer un tout nouveau type d’organisations. Mais les transformations organisationnelles alimentées par l’IA peuvent également avoir lieu à une échelle plus petite.
Une banque qui a besoin d’un examen humain ne peut pas payer pour offrir de petits prêts. Le coût de leur recherche et de leur traitement serait plus élevé que les revenus d’intérêts que la banque pourrait gagner. Cependant, si l’IA était utilisée pour examiner et traiter, les prêts de plus petite taille permettraient à la banque de servir des groupes de clients complètement nouveaux sans avoir à facturer des taux gonflés.
« Ces cas d’utilisation ne sont toujours pas aussi répandus « , déclare Jai Das, président et associé de Sapphire Ventures. « Ils modifient fondamentalement notre façon de faire des affaires, et les affaires ne changent pas aussi rapidement. »
Le vent commencera à changer dès que l’IA et le ML finiront par être des outils utilisés par chaque employé compréhensif de l’entreprise , déclare-t-il.
« Nous n’en sommes pas là. Il faudra probablement encore 5 ans avant que tout le monde utilise l’IA et le ML pour faire sa tâche. »
.
Toute l’actualité en temps réel, est sur L’Entrepreneur
