Quels défis le projet IA apporte-t-il ? | L'IA en entreprise #65

Vous souhaitez profiter des capacités de l’intelligence artificielle lors de la mise en œuvre d’un nouveau projet dans votre entreprise ? L'IA peut faciliter à la fois la phase conceptuelle, en rationalisant l'exécution de tâches individuelles, ainsi que l'analyse des résultats actuels et historiques des activités du projet. Cependant, cela vaut-il toujours la peine d’opter pour l’assistance de l’IA lors de la mise en œuvre d’un projet ? Comment évaluer la rentabilité d’un projet d’IA ? Comment faire face au manque de données et de spécialistes ? Par où commencer pour éviter les pièges courants ? Poursuivez votre lecture et découvrez quels sont les défis des projets utilisant l’IA.

Comment intégrer efficacement un projet IA dans votre stratégie commerciale ?

Une étude de Gartner indique que d’ici 2030, 80 % des tâches de gestion de projet seront gérées par l’IA. Reste à savoir à quoi ressemblera le pourcentage de projets utilisant l’IA pour accomplir des tâches. Cependant, il convient déjà de réfléchir à la manière d’intégrer l’IA dans la stratégie opérationnelle d’une entreprise.

La première étape consiste à comprendre le potentiel et les limites de cette technologie. L’intelligence artificielle réussit bien à analyser les tendances et les modèles, mais échoue dans des domaines tels que le raisonnement en plusieurs étapes et la prise de décision morale. Il crée des visuels sensationnels, mais pour générer de manière cohérente des matériaux qui correspondent à l'image d'une marque, cela nécessite des compétences considérables. C'est pourquoi, lorsque nous commençons à travailler sur un projet d'IA, nous ne pouvons pas présumer avec une probabilité comparable à d'autres projets s'il produira des résultats concrets et mesurables.

Un bon point de départ consiste donc à analyser les avantages et les inconvénients :

• Quel est le coût total des différentes étapes de mise en œuvre d’un projet d’IA ?
• Quels KPI définir pour évaluer l’impact business d’un projet d’IA ?

Pour apporter une réponse crédible à ces questions, il est préférable de sélectionner des projets d'IA simples, apportant une valeur considérable, facilement mesurable et s'inscrivant dans la stratégie de l'entreprise. Une startup proposant des services de messagerie peut servir d’exemple. Son objectif est d'améliorer le service client et d'accroître la flexibilité de la chaîne d'approvisionnement. Un projet d’IA simple mais précieux, par exemple, est la mise en œuvre d’un chatbot qui traite les demandes des clients. Un tel assistant virtuel traitera plus de demandes qu'un centre d'appels traditionnel, augmentant ainsi la satisfaction des clients grâce à des réponses rapides aux demandes et à une qualité de communication constante. En revanche, un système avancé qui optimise les itinéraires de messagerie répond à l’objectif d’améliorer la flexibilité de livraison, mais il est complexe et comporte des risques beaucoup plus élevés.

Une fois les premiers projets d’IA déterminés, la startup doit évaluer leur faisabilité, par exemple en termes de budget dans lequel le projet d’IA doit s’inscrire.

Budgétisation des projets d’IA. Principaux défis

La mise en œuvre d’une solution SaaS ou AI as a Service (AIaaS), ou « IA prête à l’emploi », présente de nombreux avantages. L’un est le coût prévisible de l’utilisation de l’outil et le coût relativement facile à estimer de la mise en œuvre d’un projet d’IA. Vous pouvez choisir parmi des solutions telles que :

• chatbot pour le service client – ​​comme Intercom Fin, LiveChat de Chatbot.com, Drift ou FreshChat,
• Analyse des médias sociaux pour augmenter la portée des messages marketing – avec Cortex, Buffer ou Lately, ou
• analyse de données d'entreprise avec Microsoft Power BI, Tableau ou pour des tâches moins complexes – Google Bard, qui s'intègre aux documents Google.

Pour les projets d’IA à plus grande échelle, leurs coûts peuvent souvent être sous-estimés. Surtout lorsqu’il s’agit des ressources et du temps nécessaires à la collecte et à la préparation des données. Par exemple, selon Arvind Krishna d'IBM, l'étape de préparation des données pour l'apprentissage de l'IA peut représenter jusqu'à 80 % de la durée d'un projet.

Source : DALL-E 3, invite : Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

De plus, plus nous avons besoin de modèles d’IA personnalisés pour un projet, plus nous devons collecter des données qualitatives. Par exemple, les réseaux neuronaux profonds destinés à l’apprentissage nécessitent des centaines de milliers d’exemples. Cela augmente le coût d’acquisition et de nettoyage d’ensembles de données aussi volumineux. Heureusement, le développement rapide de l’intelligence artificielle signifie que de plus en plus de projets d’IA peuvent être mis en œuvre sans nécessiter un apprentissage coûteux d’un modèle personnalisé.

Néanmoins, une entreprise planifiant un projet d’IA doit considérer non seulement la phase de développement de la solution, mais également la préparation des données et le fonctionnement continu du système, y compris les coûts de maintenance, de mise à jour ou de collecte de nouvelles données. Ce n’est qu’alors que vous pourrez évaluer le retour réel sur investissement dans l’IA.

Problèmes de gestion des données dans les projets d'IA. Ce que vous devriez savoir

L’un des principaux défis des projets d’IA réside dans les données : leur disponibilité, leur quantité et leur qualité. Alors que faire? Avant de démarrer un projet d’IA, vous devez :

• examiner attentivement les données dont dispose l’entreprise – sous quelle forme elles sont stockées et d’où elles proviennent,
• prendre soin de l'infrastructure et développer les processus internes d'acquisition de données,
• Envisagez d'acheter des ensembles de données externes ou de recourir au crowdsourcing s'ils sont rares.

Un problème courant est que les données sont dispersées sur plusieurs systèmes et formats. Il peut être difficile de les fusionner, de les nettoyer et de les préparer à l’apprentissage de l’IA. Une bonne pratique consiste pour l’équipe IA à travailler en étroite collaboration avec le service informatique ou les analystes de données. Ensemble, ils doivent garantir que l’infrastructure et les processus d’acquisition de données appropriés sont en place.

Défis techniques et de sécurité dans les projets d’IA

L’IA ne se résume pas à des algorithmes d’apprentissage automatique. Pour les faire fonctionner dans la pratique, une infrastructure informatique complète est nécessaire. Parallèlement, l'intégration de nouveaux systèmes d'IA à ceux existants d'une entreprise peut s'avérer difficile. Cela nécessite souvent d’adapter des systèmes d’entreprise plus anciens, ce qui implique pour de nombreuses entreprises des coûts de mise à niveau considérables.

En outre, les projets d’IA nécessitent une expertise en science des données et en ingénierie des données. Pendant ce temps, le monde constate une pénurie de spécialistes dans ce domaine. Selon le rapport « Technology Trends Outlook 2023 » de McKinsey, le rapport entre les offres d'emploi et les spécialistes disponibles est de 7 pour 100, et la demande est en constante augmentation.

La question de la sécurité des données n’est pas non plus anodine. Les systèmes d’IA traitent d’énormes quantités d’informations sensibles, qui doivent être correctement protégées contre les fuites. Parallèlement, les violations de données ont considérablement augmenté ces dernières années. Il s’agit donc d’un autre risque important à garder à l’esprit lors de la mise en œuvre de projets d’IA.

Compétences clés en IA pour les entrepreneurs. Quelles difficultés pourriez-vous rencontrer ?

Un obstacle courant à la mise en œuvre d’un projet d’IA peut être la mauvaise connaissance de l’intelligence artificielle parmi les gestionnaires et les décideurs d’entreprise. Sans une compréhension approfondie des capacités de la technologie, il est difficile d'évaluer la viabilité de projets spécifiques et de prendre des décisions judicieuses. C'est pourquoi il est essentiel d'investir dans l'amélioration des connaissances des gestionnaires dans le domaine des nouvelles technologies.

La reconversion des employés actuels peut également aider. On parle de plus en plus de ce que l’on appelle les « Citizen Data Analysts » (« Citizen Data Scientists »). Ces spécialistes exploitent des technologies de pointe pour résoudre les problèmes commerciaux spécifiques auxquels ils sont confrontés quotidiennement. Ils connaissent parfaitement le secteur dans lequel ils travaillent. En faisant partie de l'équipe travaillant sur un projet d'IA, ils permettent aux spécialistes de l'IA de se concentrer sur les problèmes de mise en œuvre en répondant aux questions spécifiques à l'industrie.

Outre les compétences techniques, telles que l’évaluation des recommandations de l’IA et la prise de décisions, les compétences générales sont également importantes, notamment le leadership et la réflexion stratégique. C’est une autre façon de répondre à la pénurie de compétences en IA dans les entreprises.

Analyser le succès des projets d'IA. Comment éviter les erreurs lors de la mesure du ROI ?

Une rumeur non fondée (et probablement fausse) circule sur Internet selon laquelle jusqu'à 87 % des projets d'IA n'atteignent jamais la phase de production. Même si nous n’avons pas pu accéder à des études fiables sur les projets réussis, une définition précoce des moyens de mesurer le succès est essentielle pour évaluer l’impact réel de la mise en œuvre de l’IA.

Une bonne pratique ici est une expérience à petite échelle. Il s’agit par exemple de tester les performances de l’IA sur un échantillon aléatoire d’utilisateurs et de comparer les résultats avec un groupe témoin utilisant une solution standard. Un tel test A/B vous aide à vérifier si le nouveau système d'IA peut apporter les résultats attendus comme une augmentation des conversions ou de la satisfaction client.

Source : DALL-E 3, invite : Marta M. Kania (https://www.linkedin.com/in/martamatyldakania/)

Les tests A/B méritent d’être répétés périodiquement même après la mise en œuvre de l’IA, car les modèles peuvent perdre en précision et en pertinence dans la résolution des problèmes. Cela vous permettra d'identifier rapidement les anomalies émergentes et la nécessité de recalibrer le système afin qu'il continue à fournir les résultats commerciaux attendus.

Résumé

Si l’IA offre d’énormes opportunités, les projets dans ce domaine comportent des défis importants. Pour réussir, il faut évaluer de manière réaliste les coûts et les bénéfices de l’IA, veiller à l’acquisition et à la qualité des données, développer des compétences en interne et miser sur la mise en œuvre progressive des nouvelles technologies. Il est également crucial de mesurer l’impact commercial tangible des mises en œuvre et de réagir rapidement aux problèmes émergents. Ce n’est qu’à ce moment-là que l’IA deviendra une amélioration plutôt qu’une menace pour l’entreprise.

Si vous aimez notre contenu, rejoignez notre communauté d'abeilles très active sur Facebook, Twitter, LinkedIn, Instagram, YouTube, Pinterest, TikTok.

Auteur : Robert Whitney

Expert JavaScript et instructeur qui coache les départements informatiques. Son objectif principal est d'améliorer la productivité de l'équipe en apprenant aux autres comment coopérer efficacement lors du codage.

Afficher tous les messages

L'IA en entreprise :

1. Menaces et opportunités de l’IA en entreprise (partie 1)
2. Menaces et opportunités de l’IA en entreprise (partie 2)
3. Applications de l'IA en entreprise - aperçu
4. Chatbots textuels assistés par l'IA
5. La PNL commerciale aujourd'hui et demain
6. Le rôle de l’IA dans la prise de décision en entreprise
7. Planification des publications sur les réseaux sociaux. Comment l’IA peut-elle aider ?
8. Publications automatisées sur les réseaux sociaux
9. Nouveaux services et produits fonctionnant avec l’IA
10. Quelles sont les faiblesses de mon idée d’entreprise ? Une séance de brainstorming avec ChatGPT
11. Utiliser ChatGPT en entreprise
12. Acteurs synthétiques. Top 3 des générateurs vidéo IA
13. 3 outils de conception graphique IA utiles. L'IA générative en entreprise
14. 3 superbes rédacteurs d'IA que vous devez essayer aujourd'hui
15. Explorer la puissance de l'IA dans la création musicale
16. Naviguer dans de nouvelles opportunités commerciales avec ChatGPT-4
17. Outils d'IA pour le manager
18. 6 superbes plugins ChatGTP qui vous faciliteront la vie
19. 3 graphiques AI. Génération d'intelligence pour l'entreprise
20. Quel est l’avenir de l’IA selon McKinsey Global Institute ?
21. L'intelligence artificielle en entreprise - Introduction
22. Qu'est-ce que la PNL, ou traitement du langage naturel en entreprise
23. Traitement automatique des documents
24. Google Traduction contre DeepL. 5 applications de la traduction automatique pour les entreprises
25. Le fonctionnement et les applications métiers des voicebots
26. La technologie des assistants virtuels, ou comment parler à l’IA ?
27. Qu’est-ce que la Business Intelligence ?
28. L’intelligence artificielle va-t-elle remplacer les analystes commerciaux ?
29. Comment l’intelligence artificielle peut-elle aider avec le BPM ?
30. IA et réseaux sociaux : que disent-ils de nous ?
31. L'intelligence artificielle dans la gestion de contenu
32. L'IA créative d'aujourd'hui et de demain
33. L'IA multimodale et ses applications en entreprise
34. De nouvelles interactions. Comment l’IA change-t-elle la façon dont nous utilisons les appareils ?
35. RPA et API dans une entreprise numérique
36. Le futur marché du travail et les métiers à venir
37. L'IA dans l'EdTech. 3 exemples d’entreprises qui ont utilisé le potentiel de l’intelligence artificielle
38. Intelligence artificielle et environnement. 3 solutions d'IA pour vous aider à bâtir une entreprise durable
39. Détecteurs de contenu IA. En valent-ils la peine ?
40. ChatGPT contre Bard contre Bing. Quel chatbot IA mène la course ?
41. L’IA chatbot est-elle un concurrent de la recherche Google ?
42. Invites ChatGPT efficaces pour les ressources humaines et le recrutement
43. Ingénierie rapide. Que fait un ingénieur rapide ?
44. Générateur de maquette IA. Les 4 meilleurs outils
45. L'IA et quoi d'autre ? Principales tendances technologiques pour les entreprises en 2024
46. IA et éthique des affaires. Pourquoi devriez-vous investir dans des solutions éthiques
47. Méta-IA. Que devez-vous savoir sur les fonctionnalités prises en charge par l'IA de Facebook et Instagram ?
48. Réglementation de l'IA. Que faut-il savoir en tant qu’entrepreneur ?
49. 5 nouveaux usages de l'IA en entreprise
50. Produits et projets d'IA : en quoi sont-ils différents des autres ?
51. Automatisation des processus assistée par l'IA. Où commencer?
52. Comment adapter une solution d’IA à un problème métier ?
53. L'IA en tant qu'expert dans votre équipe
54. Équipe IA vs répartition des rôles
55. Comment choisir un domaine de carrière en IA ?
56. Cela vaut-il toujours la peine d’ajouter l’intelligence artificielle au processus de développement de produits ?
57. L'IA dans les RH : comment l'automatisation du recrutement affecte les RH et le développement des équipes
58. 6 outils d'IA les plus intéressants en 2023
59. 6 plus gros incidents commerciaux causés par l’IA
60. Quelle est l’analyse de la maturité IA de l’entreprise ?
61. L'IA pour la personnalisation B2B
62. Cas d'utilisation de ChatGPT. 18 exemples de comment améliorer votre entreprise avec ChatGPT en 2024
63. Microapprentissage. Un moyen rapide d'acquérir de nouvelles compétences
64. Les implémentations d'IA les plus intéressantes en entreprise en 2024
65. Que font les spécialistes de l’intelligence artificielle ?
66. Quels défis le projet IA apporte-t-il ?