Nul ne peut démentir l’immense potentiel de transformation de l’IA et ses effets positifs pour les entreprises. La question n’est donc plus de savoir si vous devez adopter l’IA, mais plutôt comment.
Pour y répondre, Juniper a récemment réuni à Las Vegas une quarantaine de CTO, DSI, visionnaires et autres grands noms de l’IA pour un sommet de deux jours visant à faire le tour de cette question. Entre éclairages d’experts et échanges riches en enseignements, cet événement a dépassé toutes mes attentes. En matière d’IA, je me suis toujours rangée dans le camp des optimistes, et ce sommet m’a confortée dans mes convictions.
Le but premier de cette rencontre : définir les stratégies qui permettront aux organisations de saisir l’opportunité de l’IA. Il en ressort quatre grands axes stratégiques que nous détaillons dans cet eBook, et dont voici les grandes lignes :
- Définir des objectifs et des intentions clairs
Qu’attendez-vous de l’IA ? Que souhaitez-vous accomplir avec cette technologie ? Comment comptez-vous mesurer le succès de vos initiatives ?
Comme pour toute implémentation d’une nouvelle technologie, la première étape consiste à déterminer les objectifs que l’IA doit vous permettre d’atteindre. À titre d’exemples, voici quelques cas d’usage concrets évoqués lors du sommet :
- Transcrire et analyser les interactions avec le service client afin de renforcer la satisfaction client et l’efficacité opérationnelle
- Définir des leviers d’action concrets à partir des données d’engagement collaborateur pour améliorer leur productivité et leur bien-être au travail
- Optimiser la recherche en interne pour accéder plus efficacement à la bonne information
- Traduire, automatiser et contrôler la qualité du code pour rationaliser les processus de développement logiciel
- Détecter les incidents réseau et la cyberfraude pour renforcer les mesures de cybersécurité
Il est intéressant de noter que 82 % des entreprises se sentent fortement poussées à adopter l’IA mais que, dans les faits, seules 36 % se disent prêtes.
Concernant la mesure du succès des initiatives IA, les intervenants du sommet sont unanimes : la tâche n’est pas simple. Difficile en effet de définir des indicateurs quantitatifs tant que les outils d’IA ne sont pas largement intégrés et utilisés de façon régulière dans des processus reproductibles. Sans parler du fait que les mesures qualitatives sont sujettes à de multiples interprétations et biais subjectifs. Parmi les entreprises interrogées, 50 % ne mesurent pas les résultats de leurs initiatives IA, 18 % se fient à des indicateurs qualitatifs, et 32 % se basent sur le retour d’expérience des utilisateurs pour évaluer l’impact de l’IA sur la productivité. Face à l’adoption croissante de l’IA, nous verrons émerger des méthodes de mesure plus standardisées et quantitatives qui permettront de définir clairement le ROI et l’impact organisationnel des initiatives dans ce domaine.
- Mettre en place une gouvernance efficace de l’IA
Comment établir une équipe projet pluridisciplinaire tout en trouvant le juste équilibre entre vitesse et risque ?
À vouloir avancer trop vite sur vos initiatives IA prioritaires, vous risquez de créer le chaos : adoption fragmentée, achat de produits doublons par différentes équipes, exposition de données privées dans des modèles d’IA publics, etc. D’où l’importance d’encadrer l’utilisation de l’IA pour établir des garde-fou et veiller à des pratiques sûres et responsables. Cette politique devra déterminer où et comment l’IA est appliquée, quelles données utiliser et comment les sécuriser, et qui a la charge de sa gouvernance (une responsabilité souvent partagée entre la direction des systèmes d’information, les équipes produit, le service juridique et autres).
Ce que je retiens surtout de ce sommet, c’est le fait que les problèmes techniques se régleront d’eux-mêmes. En revanche, l’encadrement et la transversalité sont des impératifs absolument essentiels tout au long du parcours d’adoption de l’IA.
L’une des suggestions pour déployer l’IA à grande échelle consiste à commencer par un projet pilote au sein d’une seule équipe. Une fois le produit validé, on peut identifier des cas d’usage comparables dans le reste de l’organisation et étendre la solution à d’autres domaines. Cette méthode a pour double avantage de mieux gérer le risque et d’assurer une adoption maîtrisée et progressive de l’IA.
- Appliquer une bonne stratégie data pour l’IA
Comment comptez-vous collecter, sécuriser et organiser les données ? Et comment allez-vous les opérationnaliser dans vos modèles d’IA ?
Partant du principe que les modèles d’IA nécessitent d’importants volumes de données de haute qualité, bien organisées et facilement accessibles, les entreprises se heurtent vite au mur de la réalité : leurs données sont souvent dispersées entre différents systèmes et départements, avec les inévitables silos que cela engendre. Outre le fait que ces silos compliquent la consolidation et l’accès aux données requises, les données incohérentes, incomplètes ou inexactes peuvent introduire des biais dans les modèles d’IA. Côté conformité, il est également indispensable de veiller au respect des réglementations et à la confidentialité des données sur l’ensemble des systèmes.
Pour relever ces défis de front, il est crucial d’établir une architecture data robuste encadrant la collecte, le stockage, la sécurisation, le formatage, l’organisation et l’étiquetage des données. Cette architecture devra également gérer la manière dont les données sont transformées, distribuées et consommées par des utilisateurs humains ou des modèles d’IA.
- Intégrer la sécurité et les politiques d’IA
Votre organisation dispose-t-elle de protocoles de sécurité garantissant que votre IA ne représente pas un risque pour votre organisation (vos utilisateurs et vos données) ?
En gérant les problématiques de sécurité de manière proactive, vous libérerez le potentiel de l’IA tout en réduisant les risques. Vos priorités : prévenir les accès non autorisés, préserver l’intégrité de vos données, appliquer une gouvernance stricte, garantir la transparence des partenaires de votre écosystème d’IA, et surveiller l’utilisation de l’IA pour éviter les réponses inappropriées.
Le Shadow AI, c’est-à-dire l’utilisation d’outils IA non autorisés par les collaborateurs internes ou externes, représente également un sérieux danger pour la conformité et la sécurité des données. Pour limiter ces risques, les organisations doivent régulièrement informer leurs employés, dispenser des formations sur les outils IA autorisés, et surveiller l’activité réseau.
J’ai beaucoup apprécié le conseil de Diana Kelley, RSSI de Protect AI, à l’attention des participants : « La priorité est de définir une politique d’utilisation acceptable pour vos employés. Établissez également une politique pour vos développeurs, et identifiez avec votre DSI et le reste de votre équipe les éléments à prendre en compte avant d’adopter de nouveaux outils d’IA. »
NIST RFM, OWASP, MITRE ATT&CK… tous ces frameworks vous aideront à structurer un cadre de gouvernance et de gestion efficaces des risques liés à l’IA, tout en garantissant une utilisation sûre et responsable de ces outils.
L’opportunité de l’IA, c’est maintenant qu’il faut la saisir
En suivant ces quatre axes stratégiques, votre organisation sera en bonne voie pour maîtriser les complexités de l’IA et exploiter tout son potentiel – aujourd’hui et demain.
Pour approfondir la question, téléchargez notre eBook Comment maîtriser la complexité et saisir les opportunités à l’ère de l’IA.
