Le sujet de l’intelligence artificielle n’est pas nouveau dans les domaines de la recherche scientifique et fondamentale, et de la R&D dans les entreprises technologiques. Depuis que les humains ont disposé d’appareils pouvant traiter l’information, les ordinateurs, le rêve d’une machine intelligente avec laquelle on peut échanger dans la langue de tous les jours a motivé bien des investissements, en capital et en matière grise.
Grâce aux avancées dans le domaine du big data, des algorithmes d’apprentissage automatique et surtout de la puissance de calcul et des réseaux neuronaux, l’IA est enfin devenue possible technologiquement. Ceci jusqu’à ce que OpenAI en fasse une réalité qui a déclenché une ruée et bousculé le ronronnement du marché de la transformation numérique des entreprises.
Selon une étude de PwC, le marché mondial de l’IA pourrait contribuer jusqu’à 15,7 trillions de dollars à l’économie mondiale d’ici à 2030. En 2021, les investissements mondiaux en capital risque dans l’IA ont atteint 93,5 milliards de dollars, selon CB Insights.
Un succès qui repose sur l’automatisation et la personnalisation…
Dans les entreprises, les agents basés sur l’IA générative, tels que les chatbots, les assistants virtuels et les systèmes de recommandation, deviennent de plus en plus populaires. Ils jouent un rôle clé dans la personnalisation de l’expérience client. Leur succès s’explique par leur capacité à automatiser et à améliorer l’efficacité opérationnelle, à personnaliser l’expérience client, à accélérer l’innovation, à faciliter une prise de décision basée sur les données et à optimiser la gestion des ressources humaines.Ces fonctions opérationnelles remplies par l’IA permettent aux entreprises de rester compétitives et de répondre aux attentes croissantes des consommateurs et des marchés, ce qui a un effet direct sur les performances commerciales de l’entreprise et son image.
Toutefois, selon un article de McKinsey, entre les promesses de la technologie et la réalité, il existe un fossé. « Nous avons estimé que les cas d’utilisation de GenAl en entreprise pourraient générer une valeur de 2,6 à 4,4 billions de dollars par an dans plus de 60 cas d’utilisation. Mais la part de cette valeur qui sera réalisée sous forme de croissance et de productivité dépendra de la rapidité avec laquelle les entreprises pourront reimaginer et véritablement transformer le travail dans les domaines prioritaires, c’est-à-dire les parcours des utilisateurs, les processus dans toute une chaîne d’activités ou une fonction », détaille Jorge Amar, senior Partner chez McKinsey.
Aborder ces défis par le biais de pratiques robustes
En effet, la réalité de l’adoption, de la gestion des données, de la construction de la confiance et de la gestion du changement présente des défis pour les entreprises. Aborder ces défis par le biais de pratiques robustes de gestion de la confiance et des risques liés à l’IA, de gouvernance des données et de stratégies de gestion du changement est essentiel pour que les organisations puissent tirer parti du potentiel des agents GenAI dans leurs opérations.Selon McKinsey, les entreprises rencontrent des difficultés à intégrer les agents GenAI à grande échelle en raison de problèmes de qualité des données, de méfiance des employés et de coûts de mise en œuvre élevés. L’avancement rapide des technologies GenAI a souvent dépassé la capacité des dirigeants à imaginer comment ces agents peuvent transformer les processus de l’entreprise, créant ainsi un écart entre les capacités techniques et leur mise en œuvre pratique.
La gestion des données est également un défi majeur. Les entreprises doivent faire face à des problèmes de qualité des données, de leur organisation et de leur gouvernance, ce qui pose des obstacles significatifs pour tirer parti des GenAI de manière efficace. La construction de la confiance dans les agents conversationnels basés sur l’IA au sein de l’organisation est cruciale, nécessitant des investissements dans les pratiques de gestion de la confiance et des risques.
Enfin, la gestion du changement est essentielle pour la réussite de l’intégration des agents GenAI. La mise en œuvre de ces agents nécessite des efforts significatifs pour gérer la résistance des employés, développer leurs compétences et refondre les processus existants pour une intégration réussie.
