L’adoption de l’IA dans les organisations a triplé au cours des dernières années. Mais les premiers projets affichent une forte probabilité d’échec en raison d’un mauvais alignement avec les exigences opérationnelles et d’un manque d’agilité affirme le Gartner. Ce cabinet relève cinq solutions qui pourraient aider les équipes Infrastructures et Opérations (I&O).
Il y a quatre ans, la mise en œuvre de projets reposant sur l’IA était rare. La CIO Survey du cabinet Gartner constatait à l’époque que seuls 10 % des sondés avaient répondu positivement. Cette année, le pourcentage atteint 37 %.
Chris Howard, vice-président de la recherche chez Gartner a prévenu : « si vous êtes DSI et que votre organisation n’utilise pas l’IA, il y a de fortes chances que vos concurrents le fassent et cela devrait être une préoccupation. »
Mais pour l’instant, l’impact positif de l’IA sur le business laisse encore à désirer. « Les responsables informatiques doivent planifier plus en amont et utiliser des techniques agiles pour augmenter la pertinence et le taux de réussite », conseille Chirag Dekate, analyste directeur principal chez Gartner.
Le cabinet prédit cinq éléments que les DSI doivent prendre en compte dans l’évolution rapide des outils et des techniques d’IA.
L’IA influencera les décisions en matière d’infrastructure
L’accélération de l’adoption de l’intelligence artificielle nécessite des ressources d’infrastructure spécifiques qui peuvent augmenter et évoluer parallèlement. Les entreprises devront investir dans des infrastructures puissantes et évolutives aux technologies maîtrisées et interconnectées. Les modèles d’IA devront être améliorés périodiquement par l’équipe de l’IT afin d’assurer des taux de réussite élevés.
La simplicité est essentielle
« L’un des principaux défis technologiques pour tirer parti des techniques d’IA et ses déclinaisons – machine learning et deep learning - dans les environnements de pointe et l’IoT est la complexité des données et de l’analyse », explique Chirag Dekate.
L’expert du Gartner estime que des solutions trop complexes ne permettent pas de dégager des bénéfices pertinents. Pour relever ce défi, il faut aussi une étroite collaboration des différents métiers.
Le Serverless computing au service du ML
Comme chacun le sait, l’informatique sans serveur a un serveur. Mais il n’est plus local. Il est chez le fournisseur de cloud. Le Serverless computing est une approche prometteuse pour relever les défis liés à l’approvisionnement en ressources auxquels sont confrontés les utilisateurs de machine learning. Elle simplifie le déploiement grâce à son interface intuitive et fournit des mécanismes permettant d’éviter le « surapprovisionnement ».
Mais les DSI doivent au préalable identifier les projets ML capables de bénéficier de ces nouvelles capacités informatiques.
Adopter l’automatisation pour être plus efficace
Selon IDC, une proportion significative du volume de données, estimée à 44 zettaoctets d’ici 2020 dans le monde, devra probablement être analysée à des fins d’intelligence artificielle. Mais au fur et à mesure que le volume de données à gérer augmente, les fausses alertes se multiplient. L’automatisation est une solution clé. D’ici 2023, 40 % des équipes Infrastructures et Opérations utiliseront l’automatisation augmentée par l’IA dans les grandes entreprises.
Cette adoption se traduira par une productivité informatique accrue, une plus grande agilité et une plus grande évolutivité.
Source : Gartner.
