Le guide du DSI pour élaborer une feuille de route de l’IA qui soit synonyme de création de valeur

Il n’existe pas de feuille de route sur l’IA qui soit applicable à toutes les entreprises ; vous devez créer une feuille de route adaptée à votre entreprise. La liste des activités potentielles est longue et vous ne devriez pas toutes les entreprendre ; sélectionnez plutôt celles qui sont stratégiques et pertinentes pour votre utilisation de l’IA, puis organisez-les de manière appropriée, de la plus simple à la plus avancée.

Pour définir vos objectifs, commencez par énoncer succinctement les choix que votre entreprise fera pour réussir. Cela commence par la définition de vos ambitions en matière d’IA, en d’autres termes l’incidence stratégique que vous espérez créer avec l’IA, qui doit être en adéquation avec la stratégie commerciale. La stratégie initiale en matière d’IA informe les objectifs d’adoption de la feuille de route et les priorités du portefeuille des applications envisagées. L’une des activités les plus en amont consiste à établir un processus d’adaptation de la stratégie, qui inclut en particulier la mesure des résultats et avancées.

Les avantages de l’IA se concrétisent au travers d’un portefeuille de projets. La première étape consiste généralement à prioriser un ensemble d’applications initiales, à mener des projets pilotes, à suivre et à démontrer leur valeur commerciale. Les activités ultérieures consistent à créer un portefeuille de produits d’IA, où l’accent n’est pas mis sur la réalisation de projets ponctuels, mais sur la création continue de valeur, qui évolue en permanence en fonction des besoins des clients et des évolutions technologiques.

Découvrez comment nos partenaires exécutifs, qui collaborent avec Gartner, peuvent vous aider. Vous pouvez, en tant que client, bénéficier d’une collaboration directe avec un mentor du programme de partenariat exécutif pour élaborer votre feuille de route personnalisée en matière d’IA.

À mesure que l’IA se développe, votre entreprise devra également évoluer. Dans un premier temps, vous aurez besoin d’un plan d’affectation des ressources qui réponde aux besoins de vos premières applications et de votre stratégie initiale en matière d’IA, et qui détermine si vous chercherez à combler les principales lacunes sur le plan des capacités en interne ou en externe. En interne, les entreprises commencent généralement par mettre en place au sein de leur organisation un groupe de professionnels qui rassemble les parties prenantes intéressées par l’IA et/ou des équipes dédiées à l’IA pour se concentrer sur un ensemble limité d’activités hautement prioritaires. Cela peut ensuite évoluer vers un modèle d’exploitation cible conçu pour accroître l’utilisation de l’IA dans l’entreprise. En externe, les entreprises forment souvent dans un premier temps un nombre limité de partenariats externes, puis formalisent un processus pour gérer ces relations.

L’IA va profondément modifier nos méthodes de travail : les employés devront être formés, certains emplois devront être repensés et la culture de l’entreprise devra s’adapter. La première étape généralement suivie consiste à créer un plan stratégique de gestion des ressources humaines qui identifie les implications de l’IA sur ces dernières, les lacunes actuelles au niveau des compétences et la manière dont elles seront comblées. Dans la plupart des cas, cela se traduit par un processus de révision continue des rôles, un plan de gestion du changement et un protocole d’évaluation de l’incidence de l’IA sur le personnel.

L’IA comporte de nombreux risques qui doivent être maîtrisés dès les premières étapes. Le parcours type commence par l’identification des principaux risques liés à l’IA et l’établissement des principes, politiques et processus d’application initiaux qui permettront de gérer et d’atténuer ces risques, et notamment les questions relevant de l’éthique autour de l’IA. Les responsables de l’IA peuvent ensuite chercher à mettre en place une structure de gouvernance de l’IA qui définit les droits décisionnels et à établir un modèle d’exploitation de gouvernance de l’IA plus large. Parmi les activités plus complexes, on peut citer l’expérimentation d’outils de gouvernance et la mise en place de programmes de formation à l’IA pour sensibiliser plus largement les employés à cette question.

Vous devez disposer d’une infrastructure technique solide pour garantir la fiabilité et l’évolutivité de l’IA de votre entreprise. Les entreprises doivent d’abord définir des critères pour déterminer si elles doivent développer ou acquérir des solutions en fonction de leurs applications, mettre en place un environnement de test pour expérimenter, et commencer à identifier les modèles de conception et une architecture de référence venant favoriser la réutilisabilité. Elles doivent également sélectionner avec soin les prestataires qui prendront en charge les premières applications, puis faire évoluer cette stratégie pour adopter une approche plus cohérente en matière de prestataires d’IA. Dans le cadre d’activités à plus long terme, vous devrez mettre en place une pratique ModelOps, notamment en matière d’observabilité de l’IA, des pratiques exemplaires pour ce qui est des interfaces et expériences utilisateur (UI/UX), des FinOps, ainsi que de l’ingénierie des plateformes IA.

Les données représentent une composante essentielle de la grande majorité des applications de l’IA. Cependant, pour être prêtes à être exploitées par l’IA, les données ne nécessitent pas les mêmes processus que ceux utilisés pour la gestion traditionnelle des données. Les responsables de l’IA commencent généralement par évaluer l’état de préparation de leurs données pour la première série de projets d’IA, puis identifient les exigences clés et mettent en œuvre un plan de préparation de leurs données. Après quoi, ils cherchent à obtenir une adhésion plus large pour les investissements à plus long terme nécessaires pour faire évoluer leurs capacités relatives aux données pour l’IA et adapter leur gouvernance des données, ainsi que leurs pratiques en matière de gestion de la qualité des données et des métadonnées. L’IA requiert également des capacités de visualisation et d’analyse des données, que ces dernières puissent être observées pour pouvoir les superviser lors de leur production.

Les clients de Gartner (en fonction de leur abonnement) peuvent élaborer leur propre feuille de route sur l’intelligence artificielle à l’aide de l’outil Gartner prévu à cet effet.