Alors que certains commencent à dire que le boom de l'IA ne génère pas les retours et la productivité espérés, d'autres avancent à toute vitesse dans la mission d'automatiser la plupart des emplois humains — comptant sur des économies et des bénéfices qui pourraient (ou non) se matérialiser. Aucune de ces options ne reflète la réalité de l'IA actuellement et la manière dont les entreprises peuvent en tirer le meilleur parti.
La clé pour obtenir un ROI avec les projets IA de tous types est de s'assurer pragmatiquement qu'ils résolvent des problèmes réels dans des cas d'utilisation spécifiques qui répondent à une véritable demande.
Les investissements dans les copilotes et l'automatisation doivent renforcer les capacités humaines dans des opérations commerciales spécifiques de manière mesurable et évolutive, générant des économies tangibles. Atteindre le point idéal de l'IA, où innovation et retour financier se rencontrent, nécessite de combiner plusieurs
stratégies complémentaires.
Workshop, prototypage et démarrage à petite échelle en ciblant les besoins existants
Pour créer de la valeur avec l'IA, des ventes et un retour sur un investissement solide (ROI), pourquoi ne pas commencer par des ateliers IA avec les clients oules parties-prenantes concernés ? Cela permet de définir des cas d'utilisation, de déterminer les modèles et l'infrastructure qui leur conviennent le mieux, et d’organiser des équipes pour rapidement élaborer un prototype fonctionnel.
Les meilleurs cas d'utilisation commencent avec les préoccupations des clients
— ils connaissent les points de friction de leur entreprise. Un client dans la fintech pourrait par exemple s’interroger sur la manière de mieux protéger les institutions financières et la détection des acteurs malveillants avec l'IA. Un fournisseur de soins de santé pourrait chercher à améliorer l’expérience patient dès le premier contact ou à accélérer et faciliter l'accès à un médecin. Le projet IA doit immédiatement améliorer un processus clé, en utilisant les ressources plus efficacement tout en répondant aux attentes
des utilisateurs finaux.
Ces types de projets ne nécessitent pas d'investissements massifs. Commencer à petite échelle et enrichir progressivement le portefeuille permet de générer de l'élan tout en minimisant les risques financiers.
L'organisation d'ateliers pour développer des prototypes efficaces combinées à des projets de moindre envergure et évolutifs s'intègrent naturellement dans un modèle d'infrastructure flexible.Au fur et à mesure que les produits s’améliorent et que des retours sont obtenus, il est possible d’ajouter progressivement plus de puissance de calcul et de capacités de données.
Anticiper les coûts d'infrastructure avec un modèle de consommation flexible
Dans le domaine de l'IA, la demande en infrastructure ne cesse d'augmenter. Un modèle de consommation flexible permet aux organisations de ne consommer que les ressources nécessaires à chaque instant en adéquation avec leurs objectifs et leurs budgets commerciaux. Cette approche, qui consiste à adapter les achats en fonction des besoins plutôt qu'à investir massivement, améliore considérablement le retour sur investissement. Un programme qui intègre avec succès le développement de l'IA, les exigences avancées en matière d'infrastructure, et une consommation flexible de ressources est bien positionné. Il peut permettre d’atténuer les coûts initiaux élevés de l'IA, d’évaluer les retombées sur le ROI, d’ajuster les attentes des investisseurs, et d’établir une proposition de valeur solide.Il est important que ce modèle de consommation flexible soit simple à utiliser à la fois en termes de conditions et d'accords contractuels. Ce modèle doit être adapté aux besoins spécifiques du client, sans les contraindre à des démarches complexes ou fastidieuses.
Comprendre ce qui conduit aux dépenses excessives
— et y remédier
Les dirigeants qui investissent dans des projets d'IA cherchent souvent à satisfaire les attentes des investisseurs en se positionnant comme des leaders technologiques. Engager des dépenses considérables dans des projets d'IA susceptibles d'échouer peut entraîner de lourdes conséquences. Il est donc essentiel de modérer dès le départ les attentes des investisseurs et de les tenir informés régulièrement de l’avancée des projets.
Car la pression reste présente, même avec des projets de petite envergure. En cela l’IA ne diffère pas de tous les programmes informatiques de ces 50 dernières années : une bonne idée doit pouvoir évoluer et s'étendre pour générer de la valeur à long terme. Il est très facile de créer des technologies, même excellentes, qui ne génèrent pas nécessairement de retour sur investissement (ROI). Il est donc impératif de se poser les questions suivantes : Est-ce que cette initiative permet vraiment de réaliser un ROI, ou s’agit-il d’une fonctionnalité d'IA intéressante mais sans véritable valeur commerciale ? Cette fonctionnalité pourrait simplement offrir une expérience différente, mais pas nécessairement supérieure en termes de valeur ajoutée.
Prenons l’exemple d’une IA dédiée à la création de documentation logicielle. De nombreuses entreprises ont des systèmes mal documentés, difficiles à comprendre et manquant de détails sur l’intégration. C'est une frustration permanente à laquelle les développeurs s'adaptent de diverses manières. Si une IA est introduite pour permettre à un développeur de mieux documenter son travail ou d'accéder à une meilleure documentation en temps réel, y’a-t-il un changement de l'économie de la situation ? Peut-être, peut-être pas. Les logiciels et les systèmes fonctionnent toujours comme avant.
La documentation a certes été enrichie, mais quid de l’amélioration de la productivité des développeurs ? De plus, certaines organisations lancent trop d'initiatives d'IA différentes de façon simultanée, sans planifier efficacement les ressources et les infrastructures nécessaires. Les dirigeants informatiques avisés doivent être capables d’identifier cette situation et déterminer quand des biais influencent les choix de leurs équipes en matière de projets. Certaines décisions peuvent ne pas être optimales pour un retour sur investissement positif pour l’entreprise concernée.
Le marché alterne entre pragmatisme et grandes ambitions en ce qui concerne l'IA. Bien que le potentiel soit immense, si les efforts consentis ne génèrent pas rapidement des bénéfices, ils aboutiront au même gaspillage de temps et d’argent que certaines initiatives infructueuses en matière de cloud ou de transformation numérique que certaines entreprises continuent de subir aujourd’hui.
Par Jeb Horton, Senior Vice President, Global Services chez Hitachi Vantara
