Les projets d’IA et d’automatisation échouent souvent au stade du POC, par manque, entre autres, d’une véritable approche pluridisciplinaire. Pour garantir une mise en production réussie, la réponse la plus appropriée selon Dataiku est de mettre en place des équipes DataOps, MLOps par exemple.
Les chiffres parlent d’eux-mêmes, 84 % des cadres de direction estiment qu’ils doivent, d’une manière ou d’une autre, intégrer l’intelligence artificielle dans les processus de décision de l’entreprise. Si l’on y ajoute les processus qui peuvent être automatisés, la proportion n’est pas loin de 100 %. C’est dire si l’IA semble porter les espoirs des dirigeants pour l’avenir de leurs organisations.
D’après une étude d’Accenture, « la quasi-totalité des cadres dirigeants considère l’IA comme un outil permettant de réaliser leurs priorités stratégiques. Et une majorité écrasante pense que pour obtenir un retour sur investissement positif de l’IA, il est nécessaire de la faire évoluer à l’échelle de l’organisation ». Mais c’est justement lors de la mise à l’échelle que les écueils apparaissent. De nombreuses entreprises (80 à 85 %) ayant dépassé le stade de l’idéation se retrouvent bloquées au stade du POC.
Les problématiques d’intégration dans les processus de l’entreprise
Outre les causes classiques énumérées par les analystes d’Accenture : les efforts des entreprises « tendent à être cloisonnés au sein d’un département ou d’une équipe et sont souvent dirigés par l’IT, ils n’ont aucun lien avec un résultat commercial ou un impératif stratégique, le temps et l’investissement nécessaires à la mise à l’échelle sont sous-estimés… », les projets échouent souvent suite à une mauvaise appréciation des compétences nécessaires au stade du développement, bien en amont de la mise en production.
Pour en savoir un peu plus, nous avons interrogé Louis-Philippe Kronek, vice-président SaaS chez Dataiku, l’éditeur de DSS, la plateforme collaborative de développement intégrée, destinée aux professionnels des données. Cadre dirigeant issu de la filière data science et ancien data scientiste lui-même, Louis-Philippe Kronek connaît bien les problématiques liées à l’intégration de la brique donnée à des projets IA et automatisation.
Réunir les compétences de l’entreprise autour du même projet
« Notre plateforme se distingue par une approche collaborative pour aider les entreprises à mettre en place des produits, des services et des modèles qui font un usage intensif de la donnée, explique Louis-Philippe Kronek. Notre approche est de faire travailler ensemble des acteurs qui utilisent des outils différents, qui ont des manières différentes d’interagir avec l’outil informatique ».
De fait, Dataiku est idéalement placé pour observer les modèles collaboratifs mis en place, et leur influence sur le résultat final. « Notre objectif est de fournir une plateforme pour réunir les compétences de l’entreprise et les faire travailler ensemble ». Bien entendu, l’entreprise peut faire appel aux compétences internes lorsqu’elles sont disponibles ou a des prestataires externes. Ceci et le premier pilier de tout projet et qui permettra l’érection du second pilier, qui est la mise en production, c’est-à-dire l’intégration du projet au sein des processus métier pour générer la valeur attendue. L’un ne va pas sans l’autre.
DataOps, MLOps : il faut raisonner en termes d’équipes pluridisciplinaires
« En fait ce que j’ai remarqué sur ces cinq dernières années, c’est l’émergence et presque la mort du métier de data scientiste, ces personnes considérées comme omniscientes et couteaux suisses, qui peuvent à la fois comprendre le business, faires les algorithmes mathématiques et comprendre la partie IT. Cette définition est révolue », affirme Louis-Philippe Kronek.
Il faut à présent raisonner en termes de domaine des data sciences et d’équipes pluridisciplinaires, en intégrant la notion de DataOps ou MLOps par exemple. « À Présent, il faut raisonner en termes de domaine de la data science, avec des équipes de data science et dans lesquelles il y a plusieurs métiers qu’il faut combiner et faire collaborer. Et ce ne sont pas seulement les compétences technologiques qu’il faut. Les socles techniques peuvent être similaires, mais il faut également miser sur les soft skills ». Il s’agit de les mettre à l’œuvre avec leurs qualités complémentaires pour réussir la partie conception du projet, dont dépend la partie mise en production.
Source : Dataiku
