L'adoption de l'intelligence artificielle (IA) s'est considérablement accélérée au cours des dernières années et elle n'est pas seulement réservée aux grands acteurs mondiaux. Startups et entreprises de toutes tailles disposant d'une expertise dans ce domaine sont susceptibles d’utiliser l'IA dans leurs activités. Et les raisons de se lancer sont nombreuses : compétitivité, innovation, satisfaction client, sont autant de bénéfices potentiels. Pourtant, selon Gartner, seulement 53 % des projets d'IA sont mis en production. Quels sont les principaux défis qui freinent les entreprises et dirigeants dans la mise en œuvre d’une stratégie d’IA efficace ?
Recruter et fidéliser des profils rares : entre manque de méthode et forte compétition
Identifier, recruter et conserver les meilleurs talents pour une technologie qui évolue si rapidement est un défi auquel de nombreuses entreprises sont confrontées. Savoir comment évaluer un candidat sur des technologies nouvelles est difficile, même pour des dirigeants disposant de connaissances et de compétences technologiques. Une fois qu’une équipe IA solide est constituée, il faut ensuite la fidéliser, dans un contexte de pénurie de talents et de compétitivité accrue entre les entreprises en termes de recrutement. Il est essentiel de soutenir les collaborateurs en leur fournissant les ressources dont ils ont besoin, en leur offrant des formations régulières et en continuant à travailler sur des innovations de pointe et passionnantes comme l'IA conversationnelle, les véhicules autonomes et la recherche fondamentale sur l'IA.
Comble de l’ironie, les services RH et sociétés de recrutement font eux-mêmes de plus en plus appel à l’IA pour les aider à identifier et trier les profils des candidats.
Se préparer au triple défi des données : règlementation, sécurité et stockage
Les réglementations relatives aux données varient d'un pays à l'autre, sont fréquemment modifiées et peuvent dans certains cas complexifier le recueil de données. Or, les entreprises et les instituts de recherche qui développent des modèles d'IA sont généralement limités par les volumes de données insuffisant dont ils disposent en interne. Pour rassembler suffisamment de données d'entraînement au service d’un modèle robuste et généralisable, il faut les mettre en commun et ainsi se heurter aux réglementations relatives à la confidentialité des données qui limitent la possibilité de les partager directement sur un superordinateur ou un serveur cloud commun. L'apprentissage fédéré, technique le plus souvent utilisée dans le secteur médical, décentralise l'apprentissage profond, en supprimant la nécessité de regrouper les données en un seul endroit. Au lieu de cela, le modèle est formé en plusieurs itérations sur différents sites et ouvre la possibilité aux équipes de construire des ensembles de données plus grands et plus diversifiés pour l'entraînement de leurs algorithmes d'IA tout en préservant leur protection et leur confidentialité.
Grâce à l’apprentissage fédéré, les données ne sont donc plus directement transmises. Reste tout de même la question de leur mode de stockage originel - sur site ou dans le cloud - qui là aussi génère des questionnements de fond pour les dirigeants entre respect des régulations, vitesse d’accès aux données, ou efficacité de l’entraînement des algorithmes. C’est à chaque entreprise, en fonction de ses besoins et de ses obligations, de définir le modèle le plus adapté.
Mener l’indispensable intégration de l'IA dans la stratégie commerciale de l’entreprise
Le défi le plus important de la mise en œuvre de l'IA est sans doute de l'aligner et de l'intégrer dans la stratégie de l'entreprise. Le succès de l'utilisation de l'IA est optimal lorsque les entreprises l'intègrent pleinement dans leur stratégie, plutôt que de créer une solution d'IA et d'y intégrer des cas d'utilisation a posteriori. Une solution d'IA n'est pas un ajout au département informatique d'une organisation. Elle doit être utilisée pour améliorer les opportunités à l'échelle de l'entreprise, et mise en œuvre en collaboration avec les équipes informatiques, de direction et chaque métier. Investir dans l'IA signifie améliorer le service rendu aux clients et les opérations internes, ce qui permet aux entreprises de réduire leurs coûts tout en augmentant leur rendement. Si elle est bien investie et mise en œuvre de manière stratégique, les avantages de l'IA sur les bénéfices et les performances de l'entreprise sont évidents.
À mesure que les technologies d'IA progressent, les processus et les coûts s'améliorent, donnant aux organisations davantage de possibilités d'exploiter leurs données de la manière qui leur convient. La démocratisation de l'IA a facilité l'accès aux modèles, processus et ressources. Les modèles d'IA, par exemple, n'ont souvent pas besoin d'être construits à partir de zéro et certaines grandes organisations mettent à disposition des entreprises d'énormes catalogues de modèles qui peuvent être adaptés aux besoins spécifiques de chacun. Intégrer l'IA dans la stratégie de l'entreprise, disposer d'une équipe capable de créer une infrastructure qui fonctionne pour répondre aux besoins de l'entreprise et trouver la bonne façon d'utiliser les données disponibles sont les éléments clés d’une mise en œuvre efficace de l'IA.
Par Serge Palaric, VP EMEA Alliances & OEMs chez NVIDIA
