L’intelligence artificielle a évolué, passant du stade de mot à la mode dans le monde technologique, à une véritable réalité commerciale de nos jours. Les institutions et organismes financiers ayant une expertise en Machine Learning travaillent au déploiement de solutions basées sur l’IA. Les sociétés financières innovantes, qui cherchent à promouvoir une culture orientée vers la maîtrise du Machine Learning, sont en pleine élaboration de leur stratégie. Mais entre le battage médiatique autour de l’IA et la crainte d’être dépassé, comment mettre en œuvre une stratégie de transformation digitale basée sur l’IA au sein de votre entreprise?
Implémenter une stratégie de transformation digitale basée sur l’IA au sein de l’entreprise implique de relever un certain nombre de défis que nous pouvons regrouper en trois grands thèmes. En premier lieu, le talent. Les entreprises doivent recruter, former et fidéliser les bonnes compétences sur le long terme. Il est nécessaire de créer une équipe de personnes talentueuses capables de conduire la transformation IA et en tirer pleinement parti. En second lieu vient le temps. Obtenir des résultats tangibles d’une stratégie IA est essentiel, de même que la rapidité de déploiement des solutions en production. Enfin, la confiance en l’IA constitue le dernier défi. La capacité à expliquer les résultats des modèles de Machine Learning aux régulateurs et aux parties prenantes est la clé pour susciter une adoption massive de ces technologies. Elle devient aussi critique face aux contraintes réglementaires et à la problématique d’éthique.
Alors, comment relever ces défis ?
Instaurer une culture de la donnée
Afin de tirer parti efficacement des données générées massivement, les banques et institutions financières doivent tout d’abord instaurer une culture de la donnée en leur sein. Pour y parvenir, quatre aspects doivent être pris en compte.
Poser les bonnes questions devient crucial pour construire cette culture à l’échelle de l’entreprise. Formuler clairement les besoins des métiers est clé pour toute mise en œuvre réussie de l’IA. Pour élaborer ces questions pertinentes, les entreprises ont besoin de personnes qui comprennent les contraintes et l’environnement métier, et qui peuvent proposer des réponses étayées par des données.
Collecter les données de manière proactive. Aujourd’hui, les données peuvent provenir d’une multitude de sources de tous les départements. Toutes ces données constituent collectivement les fondations de la culture de la donnée.
Rendre les données accessibles à tous les intervenants concernés dans l’entreprise. Cela veut également dire que les données doivent être présentées dans un format qui facilite leur utilisation, pour qu’elles génèrent des informations exploitables : des données standardisées.
Associer les talents, cela signifie que si les entreprises ont besoin d’experts data pour construire des modèles, elles ont également besoin de personnes ayant des compétences métier pour analyser et interpréter les données en amont et les résultats en aval. Le Machine Learning est autant une transformation culturelle que métier. Plutôt que de reconstruire une équipe à partir de zéro, les entreprises doivent chercher à enrichir leurs équipes métier par des équipes de data scientists afin qu’elles travaillent main dans la main ; l’une étant indissociable de l’autre.
Il est temps de mettre en place une stratégie IA
L’IA et le Machine Learning sont mis en œuvre dans tous les domaines du secteur Finance et Assurance, qu'il s'agisse de la connaissance des clients, de la lutte contre le blanchiment d'argent ou de la prédiction du taux d’attrition des clients. Il n’est plus à démontrer les gains de temps et d'argent, ni l’avantage concurrentiel qui sont générés par l’IA et le Machine Learning. Cependant, il est nécessaire de :
Déterminer les résultats : L'idée principale ici est de traduire l'objectif de haut niveau de l’entreprise en une problématique métier, puis de déterminer les attentes en termes de résultats. Nous avons alors une cible pour mesurer le succès.
Mesurer le succès : les entreprises doivent également identifier et lister leurs critères de succès. La définition du succès peut varier d'une entreprise à l'autre, mais l'objectif final reste le même : augmenter le revenu, réduire les coûts, apporter de la valeur, renforcer l’efficacité des décisions.
Se connecter à la communauté : Animer une communauté autour de l’IA joue un rôle essentiel dans la conduite du changement. Il y a différentes façons de se connecter à cette communauté, en ligne ou lors de webinaires, mais aussi en présentiel lorsque cela est possible. Les membres de la communauté peuvent ainsi échanger et acquérir de nouvelles connaissances.
Confiance en l’IA et choix technologiques
Les modèles de Machine Learning ne devraient pas être vus comme des « boîtes noires ». Il faut donc être capable de les expliquer de manière cohérente et d'identifier la logique derrière les prédictions. Pour créer cette confiance en l'IA, il est essentiel de pouvoir interpréter correctement les décisions du modèle, de disposer d'une documentation solide et d'éliminer les biais dans les résultats.
Par conséquent, il est primordial de bien décider de la technologie à utiliser, car celle-ci peut avoir un impact important sur l'entreprise.
Logiciel Open Source ou Propriétaire : quand les entreprises s’engagent sur la voie de l’IA, elles doivent décider si elles utiliseront des logiciels open source ou propriétaires, voire les deux. De nombreux pionniers du Machine Learning et de l’IA rendent régulièrement leurs technologies accessibles en open source, ce qui pourrait constituer un bon point de départ pour d’autres.
Les données : une fois encore, les données sont un point critique. Comprendre comment générer, sauvegarder et rendre les données accessibles est d'une importance capitale. Des domaines tels que la confidentialité, la gouvernance, la sécurité et la traçabilité des données sont quelques-uns des points qui doivent être traités de manière appropriée par les entreprises.
La prochaine étape ?
Alors, comment procéder ? En évaluant les trois grands défis que sont le talent, le temps et la confiance, ainsi que la façon dont ils peuvent être relevés, les entreprises peuvent définir la direction à prendre pour entamer leur transformation grâce à l'IA. Identifiez maintenant les problèmes métier à résoudre et évaluez comment vous pouvez exploiter le Machine Learning et l'IA pour vous donner un avantage concurrentiel. Une culture de l'IA doit alors se développer et, comme toute mesure importante, elle nécessite un investissement en temps, patience et ressources.
Par Vincent Bonnot, Directeur Commercial SEMEA chez H2O.ai
