Pour accroître la portée de l’IA, renforcez les quatre principaux axes de votre stratégie d’intelligence artificielle : la vision, la création de valeur, la gestion des risques et les plans d’adoption.
- Client Gartner ? Log in pour des résultats de recherche personnalisés.
Élaborer une stratégie de l’IA génératrice de valeur pour votre entreprise
Stratégie de l’IA : de la définition d’une vision en matière d’IA à une mise en œuvre de projets exploitant l’IA qui soient générateurs de valeur
L’IA générative (GenAI) est un type d’IA que les décideurs souhaitent soudainement expérimenter au sein de leur entreprise, mais pour exploiter pleinement sa valeur et gérer les risques de manière durable, les dirigeants ont besoin d’une stratégie de gestion de l’IA qui soit saine, cohérente et réalisable.
Examinez les quatre grands axes de toute stratégie d’IA (ci-dessous) et téléchargez le manuel de planification de l’IA générative pour en savoir plus :
- Définir les objectifs, les avantages et les mesures de réussite de l’IA générative
- Établir une corrélation entre votre vision en matière d’IA générative et son incidence sur les activités
- Évaluer et maîtriser les principaux risques liés à l’IA
- Hiérarchiser les projets basés sur l’IA générative
Les 4 axes de la stratégie de l’IA vous permettent de vous concentrer sur le développement du potentiel commercial de cette technologie
L’élaboration d’une stratégie d’IA incluant l’IA générative implique de suivre une méthodologie rigoureuse : du développement d’une vision axée sur les activités à la planification des différentes mesures à adopter en précisant ce qui motive ce choix.
- Vision de l’IA
- Valeurs de l’IA
- Risques de l’IA
- Adoption de l’IA
Vision en matière d’IA : identifier les opportunités stratégiques de l’IA générative ou d’autres formes d’IA
L’IA générative est soudainement au centre des préoccupations de tous les intervenants, mais certaines entreprises ont déjà acquis une expérience considérable et ont réussi à déployer des techniques d’IA dans de multiples entités et processus opérationnels. Gartner Research souligne que ces entreprises dotées d’une grande maturité dans le domaine de l’IA ne représentent que 10 % de celles qui expérimentent actuellement l’IA, mais les adeptes potentiels de l’IA générative peuvent tirer un grand nombre d’enseignements des actions de ces sociétés.
L’IA générative a le potentiel de transformer radicalement les modèles économiques et sociaux existants, comme l’ont fait Internet et d’autres innovations plus anciennes telles que l’électricité. Pour votre entreprise, la question est de savoir comment l’IA contribuera aux ambitions de l’entreprise et à l’obtention de meilleurs résultats.
Si elle est déployée de manière judicieuse, l’IA générative pourra constituer un avantage concurrentiel et un facteur de différenciation, grâce à la capacité de l’IA en général à automatiser les tâches répétitives et fastidieuses et à générer de nouvelles perspectives, idées et innovations grâce à l’analyse prédictive, au Machine Learning (ML) et à d’autres techniques qui font appel à l’IA.
L’IA générative est susceptible de générer une incidence significative sur la valeur actionnariale en multipliant les débouchés inédits et porteurs d’innovation au service des objectifs de l’entreprise, tels que :
- Augmenter le chiffre d’affaires.L’IA assistera les entreprises dans la création de nouveaux produits dans des délais plus courts. Les secteurs de la pharmacie, de la santé et de la fabrication (produits de grande consommation, aliments et boissons, produits chimiques et science des matériaux) deviendront les premiers à utiliser l’IA pour développer de nouveaux médicaments, des nettoyants ménagers moins toxiques, de nouveaux arômes et parfums, de nouveaux alliages, ainsi que pour établir des diagnostics médicaux plus rapidement et de manière plus précise.
- Susciter un plus grand engagement chez les clients. En bouleversant les chaînes de valorisation et les modèles commerciaux existants, et en permettant aux entreprises de créer et de distribuer du contenu directement aux consommateurs, contournant ainsi les intermédiaires traditionnels tels que les éditeurs et les distributeurs, l’IA générative peut accroître l’engagement des clients.
- Réduire les coûts et optimiser la productivité. Les capacités de l’IA générative peuvent simplifier les processus et permettre de gagner en rapidité dans la production de résultats, que ce soit en étoffant les compétences des travailleurs humains (par exemple, pour résumer, vulgariser et classer du contenu), en générant du code logiciel ou en optimisant les performances des robots conversationnels (chatbots). L’IA générative peut également permettre d’exploiter des données précédemment inutilisées (et donc mal valorisées).
Décidez des modalités de mesure des résultats de l’IA
Une récente enquête de Gartner auprès de plus de 600 entreprises qui ont déployé l’IA montre que celles qui ont l’expérience la plus vaste, la plus approfondie et la plus longue en matière d’exploitation de l’IA ne mesurent pas leur réussite en fonction de la taille du projet, des tâches accomplies ou des résultats obtenus. Au lieu de cela, elles :
se concentrent davantage sur les indicateurs commerciaux plutôt que sur les indicateurs financiers, et suivent des modèles d’attribution spécifiques et des mesures adaptées à chaque application
effectuent des analyses comparatives à la fois en interne et en externe
identifient quels indicateurs utiliser très tôt et mesurent rapidement et de manière cohérente la réussite des applications de l’IA
Les indicateurs commerciaux comprennent ceux qui se concentrent sur :
la croissance des activités, par exemple le potentiel de vente croisée, les augmentations de prix, l’estimation de la demande, la monétisation de nouveaux actifs
la réussite des clients, par exemple les mesures de rétention, les mesures de satisfaction de la clientèle, la part du portefeuille des clients
la rentabilité, par exemple la réduction des stocks, les coûts de production, la productivité des employés, l’optimisation des actifs
Gartner Research montre également que les entreprises dont l’équipe spécialisée dans l’IA participe à la définition des indicateurs de réussite sont 50 % plus susceptibles d’utiliser l’IA de manière stratégique que les entreprises dont l’équipe n’est pas impliquée dans cette démarche. Lors de la sélection des indicateurs, l’équipe chargée de l’IA doit tenir compte des retours des groupes qui gèrent les données, des analystes commerciaux, des experts des processus métier, des responsables de la gestion des risques, des experts en science des données, ainsi que des responsables des équipes informatiques et développeurs des technologies de l’information.
Valorisation de l’IA : supprimez les obstacles à l’exploitation efficace du potentiel de l’IA
De nouveaux outils comme ChatGPT ont décuplé les attentes à l’égard du potentiel de l’IA, mais pour en tirer parti, les dirigeants doivent examiner plus largement la valeur commerciale, les risques, les compétences et les investissements prioritaires, et se préparer aux bouleversements qui pourraient survenir dans les modèles et stratégies commerciaux existants.
Jusqu’à présent, la valeur commerciale de l’IA a été largement générée par des solutions ponctuelles. Pour accroître encore cette valeur à grande échelle, y compris dans le cadre de projets impliquant l’IA générative, il peut être nécessaire de modifier en profondeur les processus opérationnels, d’acquérir de nouvelles compétences, de nouveaux rôles et de nouvelles structures organisationnelles, et d’adopter de nouvelles méthodes de travail. Si vous ne parvenez pas à vous adapter, vous risquez de réduire votre capacité à saisir les éventuelles opportunités que vous aurez identifiées.
L’IA générative entraîne de profondes répercussions sur les personnes, les compétences et les processus
Déterminez comment votre entreprise prévoit de transformer les processus et les systèmes et d’améliorer les compétences du personnel à mesure que l’IA générative s’intègre dans le travail quotidien. Déployer l’IA de manière réfléchie et prospective fera la différence entre un succès à long terme et un éventuel échec.
Selon les hypothèses stratégiques de Gartner :
D’ici 2026, plus de 100 millions de personnes feront appel à des robocollègues (collègues virtuels synthétiques) pour réaliser des tâches au sein de l’entreprise.
D’ici 2033, les solutions basées sur l’IA, mises en place pour faciliter l’exécution autonome de tâches, d’activités ou de fonctions, permettront de créer plus d’un demi-milliard d’emplois directs.
Identifiez les problèmes susceptibles de ralentir l’adoption des projets d’IA générative ou d’entraver votre capacité à en exploiter la valeur. Dressez la feuille de route des solutions et des différentes actions, et désignez un responsable exécutif qui se fera le champion de la transformation nécessaire de la société. Par exemple, si votre entreprise manque de connaissances en matière de gestion des données pour entreprendre des projets d’IA, intégrez les cadres (et pas seulement les employés) à la formation et aux exercices de gestion des données, faites en sorte que le responsable des données et de l’analyse (CDAO) soit chargé de diriger le programme et veille à ce que d’autres cadres y participent.
Risques liés à l’IA : préparez-vous à évaluer et à pallier les différents risques liés à l’IA
Les réglementations et les structures gouvernementales relatives à l’IA commencent à être mises en place ; soyez donc au courant des réglementations spécifiques dans les juridictions concernées. Alors que l’utilisation de l’IA continue de susciter des préoccupations en matière d’éthique et de responsabilité, de nouvelles réglementations pourraient voir le jour en réponse à l’évolution de la perception du public à l’égard de l’utilisation de l’IA. D’une manière générale, préparez-vous à faire face à plusieurs types de risques :
Le facteur réglementaire. L’IA présente des risques juridiques en exposant potentiellement les entreprises à des poursuites portant sur des contenus, des informations et des données protégés ou faisant l’objet de droits d’auteur. Les réglementations connaissent des modifications régulières. Soyez donc informés des réglementations locales et juridictionnelles en matière d’IA afin de vous assurer que vous restez en conformité avec les politiques en vigueur. Veillez également à prendre connaissance des réglementations spécifiques à votre secteur d’activité, notamment dans le domaine des sciences de la vie et des services financiers.
Atteinte à la réputation. L’IA peut accentuer les partis pris et se transformer en « boîte noire », c’est-à-dire en un système d’IA dont l’utilisateur n’a aucune visibilité sur les intrants et les opérations. Les fournisseurs qui n’offrent pas de transparence sur les ensembles de données utilisées pour le perfectionnement de leurs modèles sont susceptibles de produire des résultats préjudiciables. Les services d’IA non encore éprouvés peuvent également présenter des risques en raison d’une mauvaise prise de décision et/ou d’une mauvaise exécution des tâches. Les entreprises doivent ériger des garde-fous robustes pour éviter la perte de propriété intellectuelle ou de données clients lorsqu’elles développent ou achètent des services d’IA générative.
La question des domaines de compétences. L’IA suppose un ensemble unique de compétences qu’il faut s’efforcer d’acquérir en perfectionnant les ressources existantes, en s’adressant au monde universitaire ou aux jeunes entreprises. Les compétences dans des domaines tels que l’ingénierie de requête (rédactique) et l’IA responsable feront l’objet d’une demande croissante à court terme.
Les menaces et les dérives de l’IA (malveillantes ou bénignes) sont en perpétuelle évolution. Il convient donc de définir des principes et des politiques en matière de gouvernance de l’IA, de fiabilité, d’équité, de robustesse, d’efficacité et de respect de la vie privée. Les entreprises qui ne gèrent pas les risques liés à l’IA sont beaucoup plus susceptibles de constater des résultats négatifs et des failles dans ce domaine. Les modèles ne fonctionneront pas comme prévu, ce qui entraînera des défaillances en matière de sécurité et de confidentialité, des pertes financières et des atteintes à la réputation, ainsi que des préjudices aux personnes.
La structure Gartner AI TRiSM (gestion de la confiance, des risques et de la sécurité) comporte des solutions, des techniques et des processus pour assurer une intelligibilité et une capacité à interpréter les modèles, la confidentialité de l’IA, l’exploitation des modèles et la résistance aux attaques par des tiers pour l’entreprise et ses clients. Nous préconisons la mise en place d’une équipe ou d’un groupe de travail interfonctionnel et spécialisé, comprenant des équipes juridiques, de conformité, de sécurité, informatiques et d’analyse des données, ainsi que des représentants des entreprises, afin d’obtenir les meilleurs résultats pour chaque projet mené dans le domaine de l’IA.
Les risques associés à l’IA générative
Lorsqu’elle génère de nouvelles versions des contenus, des stratégies, des conceptions et des méthodes en apprenant à partir de vastes référentiels de contenus sources originaux, l’IA générative peut produire les résultats suivants :
Production de résultats erronés. L’IA générative peut se montrer instable et erronée dans son raisonnement et ses conclusions, ne pas comprendre pleinement le contexte, avoir une capacité d’explication et de suivi limitée, et faire preuve dans certains cas de partialité.
Problèmes de sécurité. À l’heure actuelle, toute information confidentielle saisie dans des applications publiques est stockée et peut être utilisée pour former de nouvelles versions du modèle. Les données et propriétés intellectuelles confidentielles peuvent être mises à la disposition d’utilisateurs qui ne font pas partie de l’entreprise, y compris d’acteurs malveillants.
Risques juridiques. L’IA générative peut présenter des risques juridiques découlant de problèmes de propriété intellectuelle et de protection de la vie privée, notamment la violation des droits d’auteur, l’appropriation illicite de secrets commerciaux, le non-respect de la confidentialité des données, ainsi que la partialité et la sécurité des modèles.
Adoption de l’IA : établissez une liste de priorités pour les applications de l’IA en fonction de leur incidence sur l’entreprise et de leur faisabilité
Lors de la sélection des applications de l’IA, y compris celles qui font appel à l’IA générative, les parties prenantes opérationnelles devraient être en mesure de formuler clairement les avantages commerciaux tangibles qu’elles espèrent obtenir en posant les questions suivantes :
À quel problématique l’entreprise cherche-t-elle à répondre ?
À qui s’adresse la technologie en premier lieu ?
Dans quel processus métier cette technique d’IA sera-t-elle utilisée ?
Qui parmi les experts en la matière des secteurs d’activité peut guider le développement de la solution ?
Comment évaluer les incidences de la mise en œuvre de la technologie ?
Comment la valorisation de la technologie sera-t-elle contrôlée et pérennisée ? Et par qui ?
Commencer par expérimenter
S’engager dans une stratégie ambitieuse en matière d’IA sans avoir au préalable mis à l’épreuve les techniques qui la composent, c’est vouloir brûler les étapes.
Suivez ces cinq étapes pour mettre en place des techniques faisant appel à l’IA :
Utilisations : constituez un portefeuille de scénarios d’utilisation pertinents, mesurables et pouvant être rapidement menés à bien.
Compétences : rassemblez un ensemble de profils pertinents pour ces cas d’utilisations.
Données : recueillez des données pertinentes pour les cas d’utilisation sélectionnés.
Technologie : sélectionnez les techniques d’IA adaptées aux différents types d’utilisation, aux compétences et aux données.
Entreprise : structurez l’expertise et le savoir-faire accumulé en matière d’IA.
Cette formule en cinq étapes est une approche tactique de la mise en œuvre des techniques d’IA, qui privilégie une perspective de rentabilité rapide. Cette approche n’est pas axée sur la stratégie et le long terme.
Pour ce qui est des applications, la viabilité est aussi importante, voire plus importante, que la valeur commerciale
La première étape, qui consiste à identifier les applications les plus utiles, devrait cibler des projets d’amélioration concrets donnant lieu à des résultats tangibles pour l’entreprise. Il faut absolument que le projet soit réalisable.
En règle générale, les rendements sont plus élevés lorsque la prise de risque est élevée et le degré de faisabilité faible, mais les projets impossibles à réaliser avec les technologies et les données disponibles ne valent pas la peine d’être poursuivis, quelle qu’en soit la valeur commerciale apparente.
Les critères de faisabilité sont les suivants :
Facteurs techniques. Dans quelle mesure les solutions technologiques existantes peuvent-elles permettre de faire évoluer les applications commerciales énoncées pour les amener à un stade plus avancé ?
Facteurs internes. Des facteurs tels que la culture (ou l’absence de culture), le leadership, l’adhésion au projet, les compétences et l’éthique.
Facteurs externes. Des éléments tels que (l’absence de) réglementation, l’acceptation sociale et l’infrastructure externe.
Une application qui apporte une contribution exceptionnelle aux activités de l’entreprise et qui est facilement réalisable marque soit un progrès décisif, soit une occasion en or que le marché est en train de rater.
La stratégie en matière de gestion des données influe sur la faisabilité de vos projets d’IA
L’IA est très consommatrice de données et, bien que vous puissiez utiliser l’IA générative sans intégrer d’applications dans votre infrastructure de données, vous ne tirerez pas le meilleur parti de l’IA si vous ne disposez pas d’une stratégie de données propice à son développement.
La formulation d’exigences claires en matière de gestion et de gouvernance des données, telles que les attentes en matière de qualité et de confiance des données, réduit le coût d’acquisition des données et vous aide à identifier et à recueillir les données dont vous avez besoin pour alimenter votre IA.
Voir également : « Facteurs de réussite décisifs pour toute stratégie D&A », « Moderniser la gestion des données pour en augmenter la valeur et réduire les dépenses∘» et « Devenir une entreprise axée sur l’exploitation des données ».
Ressources connexes relatives à l’IA
Les clients de Gartner : Connectez-vous pour obtenir un ensemble complet d’informations et d’outils exploitables sur l’IA.