L’Intelligence Artificielle, quelle réalité sur le terrain ? Interview de Mick Lévy

Quand notre partenaire Semarchy m’a proposé d’exposer ma vision de la réalité de l’intelligence artificielle dans les entreprises, mon sang n’a fait qu’un tour ! Ceux qui me suivent sur ce blog, sur Twitter ou sur LinkedIn le savent, le sujet me passionne. Jamais une technologie n’aura porté autant d’impacts de transformation et de valeur pour les entreprises qui s’en saisissent. La perspective de confronter mon point de vue avec Semarchy, acteur-clé du data management, qui développe une solution de Data Hub Intelligent, et avec qui nous avons travaillé sur de nombreux projets, était trop belle. Alors, je vous livre en texte et en vidéo le fruit de nos échanges, et ma vision terrain de l’état des lieux de l’IA dans les entreprises.

Les chiffres sont prometteurs, les projets fleurissants, l’imagination sans limite. Oui, la thématique de l’intelligence artificielle est à l’ordre du jour dans la majorité des grandes organisations depuis quelques années. Oui, l‘IA est en voie de passer du statut de buzzword au stade opérationnel.

Mais aujourd’hui quelle est la réalité des acteurs de ce changement sur le terrain ? A quelles entreprises s’adressent ces initiatives ? Comment se préparer et assurer la réussite de tels projets ?

Quelle est votre mission et celle de Business & Decision ?

Mon rôle est d’aider nos clients à accélérer leurs projets d’innovation, autour des sujets de l’Intelligence Artificielle, de la gouvernance de données, du big data, de la data visualisation, entre autres, afin de dégager du ROI.

Business & Decision, ce sont 2 400 collaborateurs qui opèrent dans 11 pays. Tous nos consultants sont experts dans le domaine de la data, c’est notre spécialité. Nous délivrons du conseil en amont et de l’intégration de service pour nos différents clients qui cherchent à valoriser le patrimoine des données de l’entreprise.

On parle beaucoup d’Intelligence Artificielle depuis quelques années, mais aujourd’hui quelle est la réalité de ces initiatives sur le terrain ?

Toutes les entreprises ont fort intérêt à aller vers ces sujets car ils peuvent leur apporter de la valeur. Les PME y compris !

Le sujet de l’IA est effectivement très médiatisé, il y a un buzzword énorme en ce moment, néanmoins la réalité terrain est en fait très contrastée.

Certains pionniers ont lancé des initiatives en Intelligence Artificielle depuis quelques années et en tirent fortement profit aujourd’hui. Ils arrivent à multiplier les projets et les applications. D’autres entreprises sont encore au stade de quelques projets mis en production.

Beaucoup d’entreprises restent à l’état de PoC, de maquette. Elles ont fait une tentative, sans succès, ou elles n’ont finalement pas voulu passer à l’échelle supérieure pour certaines raisons. Enfin, il y a un dernier groupe d’entreprises, qui ne se sont pas encore lancées dans cette démarche.

Selon toi, qu’est-ce qui explique cette tendance ?

L’Intelligence Artificielle est en train de transformer de façon très profonde la société mais aussi les entreprises.

Si l’IA a autant d’attrait en ce moment, c’est pour la valeur et la promesse de transformation qu’elle va créer. Beaucoup de ces initiatives sont porteuses d’un ROI phénoménal. Nous l’avons constaté chez tous les clients avec lesquels nous travaillons.

D’après toi, quelles sont les clés de succès d’un projet d’Intelligence Artificielle ?

Premièrement, il faut bien choisir le cas d’usage, et sur quoi on veut appliquer l’IA. Beaucoup s’imaginent a priori que le mieux est d’essayer l’IA en parallèle des activités stratégiques de l’entreprise, sur quelque chose qui n’est pas si important. En réalité, la meilleure stratégie est d’amener de la valeur sur les cas qui sont le plus au cœur du fonctionnement de l’entreprise.

On pense souvent également qu’il faut un super data scientist. Les data scientists ont évidemment un rôle clé. Mais la base l’IA, c’est l’algorithmie et la data. Surtout, ce qui va être le plus important c’est cette matière première : la data.

Le facteur-clé de succès est avant tout de bien connaître son patrimoine data, de bien maîtriser la qualité des données, et d’avoir la capacité d’activer ces données au service de l’Intelligence Artificielle.

A quelles difficultés font face les équipes qui mènent ces projets d’Intelligence Artificielle au sein de vos entreprises partenaires ?

Si l’on regarde les projets réalisés dernièrement, encore une fois, le sujet clé est celui de la data. Avoir une maîtrise globale de son écosystème de données : éventuellement cartographier les données, connaître le patrimoine dont on dispose mais aussi les données accessibles à l’extérieur.

Le deuxième écueil que l’on rencontre le plus et qui est, en général, la première source d’échec, est celui de la qualité des données. La data science nécessite un certain volume de données mais surtout des données de qualité pour nous permettre de prendre de bonnes décisions, et d’automatiser correctement des processus, entre autres.

Demain, lorsque les IA vont prendre une place bien plus prépondérante dans les actions du quotidien, une donnée de mauvaise qualité pourrait générer des catastrophes dans le monde réel.

Tu évoques des difficultés sur la qualité des données en amont, quels principaux impacts peux-tu observer ?

Le premier impact est celui de la perte de temps pour toute l’entreprise : pour les analystes, les patrons, qui ont besoin de disposer de données fiables sur lesquelles ils peuvent s’appuyer. C’est aussi une perte de temps pour les projets, il va falloir constamment compenser lorsque l’on va lancer des initiatives qui viennent exploiter les data.

Plus important encore, l’altération de la prise de décision. Imaginez que des données liées à de la logistique soient erronées. Par exemple : une entreprise décide d’envoyer un camion, de choisir une certaine route, d’optimiser son stock et finalement toute son analyse est fausse. Cette entreprise va perdre beaucoup d’argent et de temps.

Les analystes évoquent aujourd’hui le concept de Data Hub. Quelles sont pour toi les fonctionnalités clés que ce type d’outil doit couvrir en amont d’un projet d’IA ?

Le concept de data hub est en train de s’imposer très fortement dans les modèles d’architecture d’entreprise parce qu’on a enfin un fonctionnement et des outils qui vont permettre de placer la data au cœur du système d’information. Cela permet non seulement de récolter et de centraliser les données, mais surtout, de les distribuer, de les exposer, et de les mettre à disposition de l’ensemble des entités d’une entreprise.

Si l’on s’intéresse par exemple au domaine de données des clients, l’ensemble des informations proviennent dans certains cas de 20, 30 ou encore 50 systèmes d’information distincts. On va venir centraliser ces informations, les rendre cohérentes, notamment sur des aspects de dédoublonnage, et ensuite les exposer. Les données seront accessibles en temps réel pour tous les canaux sur lesquels il y a une interaction client par exemple

Ce raisonnement peut s’appliquer à tous les grands autres domaines de données qui font référence dans l’entreprise, lorsqu’il y a ces besoins de transversalité, d’exploitabilité, de fluidité, dans leur distribution.

Les fonctionnalités à attendre d’un Data Hub finalement vont être :

• Récolter les données
• S’interfacer à de multiples sources d’information
• Centraliser et stocker ces données
• Travailler la qualité de données en un même point : les rendre cohérentes, notamment sur la question du dédoublonnage qui ce qui est extrêmement sensible pour certains domaines de données.
• Exposer ces données pour tout le reste du SI
• Gérer de grands volumes d’information en temps réel

Il y a une autre fonctionnalité qui va s’imposer de plus en plus : c’est celle de cataloguer les données pour connaître son patrimoine, le documenter et pouvoir l’exploiter le plus simplement possible.

Finalement, une dernière fonctionnalité va devenir essentielle à l’ère de l’Intelligence Artificielle : celle d’appliquer l’IA pour la data en elle-même. C’est la capacité à utiliser l’IA pour automatiser les procédures mises en place dans le Data Hub. En particulier pour la réconciliation et la découverte des données sur lesquelles il y a aujourd’hui encore beaucoup de travail manuel fastidieux. De plus en plus, les outils vont intégrer de l’Intelligence Artificielle pour simplifier très fortement la vie des utilisateurs sur ces sujets-là.

Parmi les solutions de Data Hub du marché, on travaille beaucoup avec Semarchy. Cela fait déjà plusieurs années que l’on a réalisé des projets d’ampleur ensemble pour nos clients.

Ce que l’on apprécie particulièrement dans l’Intelligent Data Hub de Semarchy c’est sa capacité d’agilité et de souplesse dans la mise en œuvre pour des déploiements qui sont très rapides compte tenu des services qui sont rendus aux entreprises qui exploitent cette solution.

👉 Retrouvez toute notre actu en temps réel en nous suivant sur LinkedIn 👈