C’est la sortie de la crise de 2008 qui a accéléré le processus de transformation digitale des entreprises. Dans le sillage des GAFA, les entreprises traditionnelles ont vu dans le digital un avantage concurrentiel majeur et non plus une simple évolution technologique. Concernant l’IA1, mystérieusement, plusieurs sondages montrent que les personnes interrogées ont pleinement conscience des enjeux, mais semblent encore attendre de voir pour y croire.
Plusieurs livres et articles décrivent les jalons qui favorisent la réussite de ce type de projets. Nous avons recoupé ces informations avec l’expérience de plusieurs managers et chefs de projets qui ont conduit des transformations, pour extraire une liste de facteur clé de succès.
1. Définir le processus à améliorer et déterminer des objectifs chiffrés
Avant toute chose, il est nécessaire de déterminer ce que l’on veut améliorer. L’IA n’est pas l’objectif, mais le moyen d’y parvenir. Cela commence par la définition d’un cas d’usage à fort enjeu et sur lequel les processus sont bien maîtrisés. L’IA apporte de la performance, elle ne résout pas des problèmes d’organisation.
Le retour sur investissements (ROI) de cette implémentation est à suivre de très près, tant pour sa performance que sa rapidité. Une application qui permet de réduire les tâches pénibles et récurrentes pour permettre aux collaborateurs de faire des tâches à plus forte valeur ajoutée doit délivrer des résultats en moins d’un an.2
2. Apporter une vision claire et fédératrice
Tous les conseils sur la transformation digitale sont formels, l’implication des dirigeants de l’entreprise pour porter une vision claire est capitale. En effet, celle-ci implique généralement une évolution organisationnelle et de nouveaux modes de travail.
De la même manière, l’encadrement doit s’être pleinement approprié les enjeux et les moyens à mettre en œuvre pour pouvoir embarquer les collaborateurs et assurer une communication afin de :
- mettre en avant les potentialités du digital dans la réalisation de la stratégie,
- dédramatiser le changement en montrant que l’IA n’a pas vocation à remplacer l’humain, mais à l’assister en réduisant les erreurs ou en traitant des tâches répétitives,
- préparer le changement opérationnel qui ne manquera pas de se présenter (nouvelles compétences, formations, réorganisation de l’équipe, nouveaux gestes métier…).
3. La donnée : carburant de l’intelligence artificielle
Dans la plupart des projets, la transformation préalable de l’entreprise pour que celle-ci soit orientée data est capitale. Une proportion importante des projets de mise en place d’IA qui ont du mal à avancer le sont pour avoir rencontré des problèmes de qualité ou d’étiquetage des données, ce qui a amené un manque de confiance dans les modèles. Pour alimenter ses algorithmes d’IA, une organisation doit disposer de données disponibles, complètes et pertinentes pour leur activité.
Parallèlement, en traitant ainsi un grand nombre de données, qu’elles soient personnelles, commerciales, techniques ou industrielles, l’organisation doit adresser les risques liés à la cybersécurité, la confidentialité, voire à l’éthique, ce qui introduit également une exigence de sécurité
4. L’équipe de rêve
L’équipe qui mènera la transformation jouera un rôle capital. Comme tout projet, il sera nécessaire d’intégrer des ressources multidisciplinaires ayant chacune son domaine d’expertise. Souvent en interne pour la compréhension du métier et représenter les utilisateurs, et en externe pour les fonctions de data-science et de développement chargés de créer la solution.
De plus en plus, les organisations qui réussissent forment un ou plusieurs collaborateurs qui connaissent les processus cœur de métier de l’entreprise aux principes et usages des algorithmes de l‘IA et d’apprentissage automatique. Ils seront alors capables de projeter l’IA dans leur métier. 2
L’équipe gagnera à être regroupée sur le site de production pour une meilleure appropriation des problématiques métier et une meilleure communication et animée par des managers appliquant les meilleures pratiques de la gestion de projet.
5. Préparer son organisation
Il est illusoire de penser qu’une sorte de solution miracle va arriver, de type « plug and play » et qui fera en sorte que les résultats soient optimaux. Tous les managers interviewés savent que le chemin du paramétrage et de l’implémentation est long et difficile. Une longue phase de tests et de montée en charge est souvent nécessaire et le résultat peut se solder par un abandon.
En effet, les nombreux changements induits par cette transformation, vont tous s’opérer simultanément, ce qui amène un risque supplémentaire.
Les trois quarts des projets qui réussissent ont été préparés avec les équipes. Quelle que soit la dimension de celles-ci, les chefs de projets ont impliqué dès le début tous les utilisateurs. Ils s’en sont félicités par la suite dans la mesure où une phase longue a été nécessaire pour les réglages, durant laquelle le niveau de pression et d’activités a monté.
6. Mise à l’échelle, le déploiement en grand
Plus que tout autre projet, l’IA demande à être implémentée de manière progressive. Après la captation des données métiers et la génération de règles nécessaires à la programmation et à l’entraînement des IA, l’expérimentation des algorithmes sur un cas test peut faire la démonstration du retour sur investissement. La troisième étape étant le déploiement des solutions à l’ensemble de l’organisation. Cette démultiplication de l’IA est rendue difficile pour 4 raisons principales :
- la récupération et la mise en forme des données à grande échelle,
- l’adaptation de l’algorithme fonctionner avec les nouveaux périmètres,
- l’infrastructure qui devra s’adapter aux nouveaux volumes de données traitées,
- la confiance dans le modèle, souvent plus difficile à obtenir de la part de personnes n’ayant pas vécu la transformation dès le début.
Une fois le projet déployé, la transformation n’est pas terminée pour autant. Il est fréquent que les managers et leurs équipes se retrouvent confrontés à de nouveaux défis : nouvelles organisations, nouvelles compétences, l’IA redistribue les cartes.
>> Retrouvez notre prochain article sur le thème « Intelligence Artificielle, trois défis pour le manager et son équipe ».
Par Philippe Merckling
A lire pour préparer son projet, deux livres inspirant sur la transformation digitale :
1.Emily Métais-Wirsch & David Autissier, La transformation digitale des entreprises : Les bonnes pratiques – Axa, Pernod Ricard, Sanofi France, Schneider Electric, les Echos Ed. 1. (Eyrolles, 2016).
2.Stéphane Roder, Guide pratique de l’intelligence artificielle dans l’entreprise : Anticiper les transformations, mettre en place des solutions Ed. 1. (Eyrolles, 2019).