Enova Decisions, la marque internationale d’Enova pour les technologies d’analyse et de gestion des décisions, s’est associée à Harvard Business Review pour examiner les obstacles qui empêchent les entreprises de tirer pleinement parti de leurs investissements en Intelligence artificielle et pour offrir un aperçu des moyens de surmonter ces défis.
Les entreprises se tournent vers les données, l’analyse et l’intelligence artificielle afin de prendre des décisions d’affaires meilleures et plus rapides.
Cependant, « pour la plupart, les investissements en IA sont spéculatifs à ce stade » estime le rapport.
Selon une enquête publiée en 2019 par l’International Institute for Analytics, avec un taux de déploiement réussi inférieur à 10 %, peu d’entreprises « ont réellement déployé l’IA à l’échelle de l’entreprise ». Seulement 15 % des organisations interrogées disposent actuellement de cette ressource d’analyse, et un large éventail de lacunes techniques et culturelles empêchent un plus grand nombre d’organisations d’adopter l’IA.
Trois entraves à une implémentation réussie de l’IA
Le rapport identifie trois facteurs principaux qui empêchent les entreprises de réaliser la valeur de leurs investissements en IA : les obstacles technologiques, les défis culturels et un parti pris pour les cas d’utilisation stratégique et tactique au détriment des initiatives opérationnelles. Dans de nombreux cas, les dirigeants ne se demandent tout simplement pas comment les décisions opérationnelles peuvent bénéficier de l’IA.
Pour combler le fossé entre les promesses et la réalité de l’intelligence artificielle, « les dirigeants doivent élaborer une stratégie d’entreprise globale qui porte sur un petit nombre de domaines clés » estime le rapport. Le plan doit englober toute la gamme des possibilités d’IA pour la prise de décisions opérationnelles en temps réel, des questions stratégiques et tactiques au domaine actuellement sous-développé de la prise de décisions opérationnelles. La stratégie doit également fournir un cadre pour prioriser les investissements dans l’IA, perfectionner l’expertise en IA et diriger le personnel vers un fonctionnement axé sur l’analyse.
Trois étapes vers une implémentation réussie
1Identifier et capitaliser sur l’ensemble des cas d’utilisation de l’IA
Selon le sondage, les cadres supérieurs utilisent maintenant l’IA pour prendre des décisions stratégiques et tactiques. Ces domaines demeurent importants et offrent des possibilités d’expansion des entreprises et d’amélioration de leur fonctionnement. Mais les investissements dans ces domaines ne devraient pas retarder l’application d’analyses avancées pour les décisions opérationnelles. « Déterminez quels types de décisions quotidiennes sont essentielles à la mission de l’organisation », explique Jim Guszcza chief data scientist chez Deloitte. « Si vous avez des données associées qui peuvent être pesées de façon algorithmique, vous pouvez utiliser l’intelligence artificielle et l’apprentissage machine pour améliorer et parfois automatiser ces décisions ».
2Cibler les technologies adéquates pour l’analyse et la gestion des données
En planifiant leurs investissements technologiques à court terme, les décideurs doivent cibler les technologies les plus appropriées pour leurs besoins analytiques. En tête de liste des achats se trouvent les applications et services d’analyse prédictive et d’apprentissage machine. Des ressources que près de la moitié (48 %) des cadres prévoient d’utiliser. En plus, quarante-quatre pour cent ajouteront également des analyses pour les décideurs d’affaires. De plus, les plans d’investissement montrent que les répondants comprennent l’importance de disposer d’informations opportunes et fiables pour étayer les analyses de l’IA. Par conséquent, ils cibleront de nouveaux investissements dans la technologie qui renforcent ce secteur. Par exemple, les technologies qui améliorent la gestion des données pour être en mesure de répondre à ces questions : d’où viennent les données ? À quel point sont-elles fiables ?
3Consacrer des ressources aux obstacles culturels et organisationnels
« Le changement culturel lié à l’IA est difficile, et souvent la résistance survient parce que l’organisation n’a pas été claire sur ce à quoi l’IA est utile », affirme le rapport. L’organisation doit donc faire un travail d’explication extensif afin de défricher le terrain et faciliter l’appropriation de la technologie par ses futurs utilisateurs. L’IA mènera à coup sûr à de nouvelles formes de partenariats entre l’humain et l’IA, qui rendent l’organisation plus rentable et plus centrée sur le client.
Pour mettre toutes les pièces du puzzle ensemble, l’entreprise devra mettre en place des changements organisationnels, comme l’intégration de nouveaux postes (data scientiste ou ingénieur data par exemple). Une des approches préconisées est dite progressive : par exemple choisir un cas d’utilisation opérationnelle, comme la détection des fraudes ou l’évaluation des risques de crédit, qui promet des résultats rapides et vérifiables, avant de généraliser l’implémentation.
Source : Enova Decisions
