Tous les dirigeants doivent prendre des décisions stratégiques sur la manière de tirer parti des nouvelles technologies. Mais peu d’entre eux s’appuient sur leur expérience ou une vision précise et globale. Pour Forrester, il est important de s’appuyer sur le DSMLAI pour prendre les bonnes décisions.
La science des données est devenue un domaine d'intérêt pour toutes les entreprises. Elles ont besoin de s’appuyer sur des solutions d'intelligence artificielle et d'apprentissage machine (ML) pour générer de la valeur, transformer leurs activités et surpasser la concurrence.
Mais les entreprises ont du mal à s'y retrouver dans le cycle de vie du développement, du déploiement et de la maintenance de leurs modèles ML et de leurs solutions d'IA.
Partant de ce constat, le cabinet d’analystes Forrester a publié un guide des bonnes pratiques. Principal objectif : éviter les plus gros échecs. Pour Forrester, il est essentiel de donner la priorité aux projets qui se situent dans le juste milieu, c’est-à-dire entre la valeur commerciale et la faisabilité technique. La sélection des projets est en fonction de leur valeur et de leur faisabilité et non pas en fonction des discours marketing des éditeurs de solutions d’IA, insiste le cabinet Forrester.
Commencez par la valeur commerciale pour trouver les « use cases » où l’IA sera utile et disruptive explique schématiquement Forrester. L'intégration d'experts commerciaux et techniques dans le processus est un début, mais « vous aurez plus de succès avec des "interprètes" qui ont de l'expérience dans les deux mondes », recommande également Forrester.
Il convient également de planifier en gardant à l'esprit le cycle de vie complet de l'IA : « vos informations n'auront pas de valeur si elles n'entraînent pas d'action, c'est-à-dire si les utilisateurs finaux ne les adoptent pas. En général, cela implique de déployer votre solution d'IA, de la mettre entre les mains des utilisateurs finaux et de former les personnes concernées », explique Forrester.
Vous pouvez aussi augmenter vos chances de réussite en planifiant votre projet de bout en bout et en impliquant les utilisateurs finaux de la solution dès le début et tout au long du processus.
À juste titre, le cabinet Forrester rappelle que la transformation induite par l'IA et le ML ne se fait pas tout seule. « Même les solutions d'intégration de l'IA « clés en main » impliquent une mise en œuvre, une personnalisation et une gestion du changement importantes. Quant aux solutions sur mesure, elles nécessitent une collaboration entre les équipes et une gestion continue dans le déploiement. »
