Malgré un engouement généralisé, la plupart des entreprises peinent encore à intégrer avec succès l’intelligence artificielle dans leurs modèles. Le nouveau rapport de Lux Research nous apporte quelques éléments de réponse sur une mise en pratique stratégique et efficace de l’IA.
Intitulé « Intelligence artificielle : un cadre pour identifier les défis et guider les résultats positifs », le dernier rapport de Lux Research analyse en profondeur l’état actuel de l’intelligence artificielle pour fournir aux entreprises un cadre axé sur les résultats qu’elles peuvent appliquer pour prendre des décisions d’investissement plus efficaces et mieux gérer leurs projets d’IA. « Ce rapport vise d’abord à doter les entreprises d’un cadre », déclare Cole McCollum, analyste principal de Lux sur le rapport. « Ce n’est qu’à partir de ce dernier que les entreprises peuvent juger du niveau de maturité d’un produit particulier et comprendre pleinement les défis inhérents à la mise en œuvre et au maintien de ces technologies de pointe. Aucun investissement n’est sans risque, mais suivre ce cadre permettra d’éviter des erreurs coûteuses ».
Un marché bouillonnant aux contours complexes
Rien qu’en 2019, plus de 30 milliards de dollars en financement de capital-risque ont été accordés aux start-ups de l’IA, dont la majeure partie, répartie entre l’Amérique du Nord et l’Asie. Les GAFAM sont passés d’une stratégie axée sur le mobile vers une stratégie axée sur l’IA, la priorisant sur tout le reste.
Pourtant pas née de la dernière pluie
« Ces outils ont toujours existé, mais si l’on ne dit pas « IA » le client et les investisseurs ne vous regardent même pas » explique-t-on au sein de cette start-up spécialiste du pétrole et du gaz décrivant ses algorithmes de contrôle.
Depuis que le domaine de la recherche sur l’IA a décollé en 1956, cette dernière a connu des hauts et des bas, communément appelés « étés et hivers de l’IA ». Au cours du dernier hiver de l’IA à la fin des années 80, 90, les chercheurs ont utilisé à peu près tous les termes sauf celui de IA pour décrire ce sur quoi ils travaillaient. Du coup tout le monde en parle et pas forcément à bon escient.
Questions sans réponses
C’est que l’IA est un terme difficile à délimiter. Le terme intelligence seul n’a pas de définition universelle (sans parler de la version artificielle).Certains utilisent l’IA pour décrire l’intelligence générale artificielle (AGI), une intelligence capable d’accomplir un large éventail de tâches comme l’intelligence humaine, tandis que d’autres utilisent l’IA pour décrire une IA qui peut effectuer une seule tâche ou quelques tâches avec une grande compétence. Là où certains utilisent des méthodes pour définir l’IA, tandis que d’autres utilisent des résultats pour définir l’IA.
Avec tous les types de produits logiciels renommés IA, comment déceler le marketing flagrant des réelles capacités produit ? Comment déterminer le niveau de maturité d’une application IA ? Comment identifier les opportunités et les menaces dans un environnement aussi mouvant ? Quels sont les principaux défis à relever lors de la mise en œuvre d’un projet d’IA? Quelles solutions surgiront dans les années à venir ?
Minimiser les menaces pour augmenter les chances de succès
Se concentrer sur les résultats et les capacités des outils d’aujourd’hui aidera à minimiser le risque de défaillances de l’IA. Plutôt que de se concentrer d’abord sur les technologies (c’est-à-dire déployer des techniques d’IA dans tous les sens) pour réduire la probabilité d’une faiblesse de l’IA, commencer plutôt par examiner la problématique client. Ensuite, déterminer le niveau d’IA nécessaire pour résoudre ce problème. Puis identifier les principaux objectifs de développement et du déploiement pour enfin déterminer si les solutions émergentes seront capables de performer.
Les clients doivent être conscients que plus l’environnement est complexe, plus l’application sera immature par rapport aux technologies. Celles qui nécessitent une planification à long terme ou des capacités de raisonnement de la part d’un humain (par exemple, écrire un article ou conduire une voiture dans n’importe quel environnement) sont encore loin d’être réalistes. La prudence est donc de rigueur.
Il semble fortement déconseillé d’investir trop tôt dans des applications qui nécessitent des capacités d’IA très avancées, souvent trop immatures et non testées. L’engouement pour l’IA tous business confondus étant en pleine croissance, favoriser une approche sobre et posée sur l’investissement priorisant les besoins de l’entreprise et le ROI, est donc définitivement la marche à suivre.
Après décryptage, quatre facteurs majeurs semblent favoriser une meilleure approche entrepreneuriale de l’IA :
1. Comprendre clairement les conséquence de la mise en œuvre de l’IA sur l’entreprise
2. Se concentrer sur les capacités d’un produit d’IA plutôt que sur sa capacité à vendre
3. Savoir quand la technologie est suffisamment mûre pour atténuer les risques
4. Identifier les défis pratiques à la mise en œuvre et à la maintenance de la technologie une fois qu’elle est en place.
Le ROI doit être en tête de liste des priorités business face à l’investissement dans les IA. Étant donné l’accès ultra démocratisé à cette technologie protéiforme, les clients à la recherche d’opportunités à court terme avec l’IA devraient profiter de la force du machine learning d’aujourd’hui en se concentrant sur des applications de reconnaissance de formes plus simples.
