Un nouveau rapport du Capgemini Research Institute examine le rythme d’adoption de l’Intelligence Artificielle (IA) en entreprise au cours des trois dernières années.
Et d’après ses résultats, la mise en oeuvre semble s’accélérer et les premiers bénéfices concrets de ces solution sont déjà palpables dans certains secteurs…
IA : les bénéfices du passage à l’échelle
Plus de la moitié (53%) des organisations ont désormais dépassé le stade des projets pilotes, ce qui représente une nette augmentation par rapport aux 36% mentionnés dans le rapport Capgemini 2017 sur le même sujet.
En outre, 78% des organisations ayant réussi le passage à l’échelle de leurs initiatives IA [1] continuent de faire avancer leurs initiatives au même rythme qu’avant le COVID-19. Mieux encore, 21% d’entre eux ont même accéléré la cadence.
Cette évolution est en net contraste avec celle des « organisations en phase pilote pour leurs initiatives IA »[2] : 43% d’entre elles ont cessé d’investir dans l’IA et 16% supplémentaires ont suspendu toutes les initiatives dans ce domaine en raison des incertitudes économiques liées au COVID-19.
Augmentation des ventes, relation client et sécurité…
Le rapport révèle que la réussite du déploiement de l’IA à l’échelle apporte des avantages tangibles en termes de revenus.
A ce titre, 79% des organisations ayant réussi le passage à l’échelle de leurs initiatives IA enregistrent une augmentation de plus de 25% des ventes de produits et de services traditionnels.
De plus, 62% d’entre eux constatent également une diminution d’au moins 25% du nombre de réclamations de clients et 71% observent une réduction d’au moins 25% des menaces de sécurité.
Les secteurs du Retail et des Sciences de la vie mènent le pas
Sur le plan de l’implémentation de l’IA, cinq principales industries se démarquent.
Les organisations des secteurs des sciences de la vie et du retail ont clairement une longueur d’avance : elles représentent respectivement 27% et 21% des organisations ayant réussi le passage à l’échelle de leurs initiatives IA.
Elles sont suivies par les secteurs de l’automobile et des produits de consommation, qui totalisent 17% chacun, puis par les télécommunications (14%).
Seulement 38% des entreprises spécialisées dans les sciences de la vie ont suspendu ou cessé leurs investissements en raison du COVID-19, contre 66% des compagnies d’assurance, 64% des banques et 64% des utilities.
Cela illustre l’importance de la santé en ligne dans le contexte actuel, à l’heure où les assistants virtuels et les chatbots se multiplient et où les organisations, telle que l’Organisation mondiale de la santé, lancent des outils basés sur l’IA pour collecter et fournir des informations sur la pandémie en cours[3].
Pas d’IA sans (bonne) data…
Pour les organisations ayant réussi le passage à l’échelle de leurs initiatives IA, « l’amélioration de la qualité des données » arrive en tête des approches qui les aident à tirer davantage parti de leurs systèmes IA.
En ce sens, une solide stratégie de gouvernance des données garantit que les équipes IA disposent de données de bonne qualité et renforce la confiance que les cadres accordent aux données.
Ainsi, la mise en place des plateformes technologiques requises, telles qu’une architecture de Cloud hybride et la démocratisation de l’accès aux données, constituent le fondement du déploiement de l’IA.
Le recrutement d’experts reste problématique
Selon l’étude de Capgemini, pour 70% des entreprises, la pénurie de talents dans les postes intermédiaires et supérieurs est un défi majeur à la mise en œuvre de l’IA.
Plus de la moitié des organisations ayant réussi le passage à l’échelle de leurs initiatives IA (58%) ont nommé un chef/responsable IA qui peut offrir une vision aux équipes de développement et établir des directives concernant la hiérarchisation des cas d’usage, ainsi que sur les questions d’éthique et de sécurité, tout en harmonisant l’utilisation des outils et plateformes nécessaires à l’implémentation de l’IA.
Un large éventail de compétences est nécessaire pour la mise à l’échelle des applications d’IA : au-delà des compétences techniques pures, les organisations doivent impliquer business analysts et spécialistes de la gestion du changement.
Toutefois, pour les disciplines telles que l’apprentissage automatique ou la visualisation de données, l’écart entre l’offre et la demande est actuellement important.
La formation et le perfectionnement sont donc essentiels pour pallier ce manque et garantir que ces compétences puissent rester en interne.
Le rôle clé de l’éthique
Si les consommateurs et les réglementations mettent fortement l’accent sur une IA éthique, Capgemini a découvert que de nombreuses organisations n’abordaient pas activement certaines questions, telles que le besoin de disposer d’une équipe en charge de l’éthique.
Selon le rapport, moins d’un tiers des organisations en phase pilote pour leurs initiatives IA (29% comparés aux 90% parmi les organisations ayant réussi le passage à l’échelle de leurs initiatives IA) admettent disposer de connaissances détaillées sur la manière dont les systèmes IA produisent leurs résultats ; ce qui constitue un critère important pour la confiance des dirigeants en leurs systèmes IA.
Parallèlement, il est impossible de gagner la confiance des consommateurs si les employés en contact avec les clients ne font pas eux-mêmes confiance aux modèles ou données utilisés par leur entreprise…
« A la lumière de la récente crise liée au Covid-19 et alors que les organisations se tournent vers les données et l’IA pour rendre leurs opérations plus résilientes, rapprocher l’implémentation des projets IA des objectifs tactiques et stratégiques est critique pour réussir un passage à l’échelle.
explique Anne-Laure Thieullent, responsable de l’offre AI & Analytics du groupe Capgemini.
Dans notre étude, il apparaît clairement que les organisations qui réussissent le mieux combinent leurs efforts pour moderniser leur infrastructure de gouvernance des données, utilisent les forces de leurs écosystèmes de partenaires ainsi que des approches agiles telles que le DataOps [4] -MLOps [5] pour développer et déployer des solutions d’IA, former des équipes diverses et mettre en place des modèles opérationnels d’exploitation. »
Les 4 principes pour implémenter l’IA
En conclusion du rapport : un tour d’horizon des quatre principes sur lesquels les organisations doivent se concentrer pour une implémentation réussie de l’IA :
- Mettre l’accent sur les moyens: établir des bases solides pour accéder facilement à des données fiables et de qualité, grâce à des plateformes et outils IA et de données appropriés, ainsi qu’à des pratiques agiles.
- Soutenir l’opérationnalisation: déployer l’IA à l’aide d’un modèle opérationnel adapté, de hiérarchiser les initiatives et de garantir une gouvernance équilibrée tout en intégrant l’éthique.
- Développer les talents: diversifier les talents et collaborer avec des écosystèmes de partenaires.
- Surveiller et améliorer : surveiller en permanence la précision et les performances des modèles pour générer les bénéfices métiers attendus et constamment les améliorer.
Méthodologie de l’étude
Le Capgemini Research Institute a interrogé 950 organisations ayant des initiatives IA en cours et a mené des entretiens approfondis avec des cadres en charge de la supervision de ce type d’initiatives.
L’étude s’est concentrée sur les entreprises qui avaient enregistré au moins 1 milliard de dollars de revenus au cours du dernier exercice financier, dans onze pays (Allemagne, Australie, Chine, Espagne, Etats-Unis, France, Inde, Italie, Pays-Bas, Royaume-Uni et Suède) et onze secteurs (automobile, banque, produits de consommation, énergie, assurances, sciences de la vie, fabrication, agences publiques/gouvernementales, retail, télécommunications, utilities).
Pour consulter le rapport dans son intégralité, cliquez ici.
[1] Le groupe des organisations ayant réussi le passage à l’échelle de leurs initiatives IA regroupe 13% des organisations interrogées qui ont déployé de multiples applications IA au sein de nombreux services.
[2] Les organisations en phase pilote pour leurs initiatives IA sont celles qui ont lancé leurs projets pilotes IA avant 2019, mais qui n’ont pas été en mesure de mettre en production une seule application. Elles représentent 72% des entreprises sondées.
[3] Source : OMS, « WHO launches a chatbot on Facebook Messenger to combat COVID-19 misinformation », 15 avril 2020.
[4] DataOps : ensemble de pratiques visant à démocratiser la donnée et améliorer son accessibilité pour les métiers, en faisant coopérer avec les équipes de data analysts, data engineers et les exploitants informatiques et en améliorant simultanément la qualité, l’agilité, la vitesse d’ingestion et de préparation et la mise à disposition de la donnée pour des cas d’usage AI & Analytics.
[5] MLOps : ensemble de pratiques visant à réduire le délai de mise à jour et mise en production de systèmes intelligents ou apprenants, tout en améliorant leur qualité et leur robustesse, en faisant travailler ensemble data scientists, Machine Learning engineers, métiers et exploitant informatiques sur un processus commun.
