Tout le monde adopte l’intelligence artificielle (IA), ou du moins c’est l’impression que l’on a lorsqu’il s’agit d’intégrer l’IA à sa stratégie d’entreprise.
En réalité, les entreprises de tous les secteurs couvrent l’ensemble du spectre de la stratégie d’IA, certaines s’exécutant pleinement sur plusieurs fronts tandis que d’autres se creusent la tête pour savoir quoi faire de ces nouvelles technologies, qu’il s’agisse de modèles GPT-4 ou de modèles basés sur l’apprentissage automatique.
Il y a de bonnes raisons à toute cette agitation autour de l’IA. Les investissements dans l’IA ont augmenté régulièrement et sont susceptibles de faire partie de l’ADN de la plupart des secteurs d’activité. De plus, l’IA fera bientôt partie des enjeux de la compétitivité dans la plupart des secteurs. Il est donc essentiel de mettre en place une bonne stratégie en matière d’IA, et ce dans les plus brefs délais.
Mais il est difficile de savoir par où commencer. Ou même de savoir si l’on s’est engagé sur la bonne voie. Pour aider les chefs d’entreprise à réfléchir à leur stratégie d’IA, qu’elle soit naissante ou établie, je l’ai décomposée en trois étapes clés, décrites ici. En suivant ces étapes, vous serez sûr de couvrir les bonnes bases en matière d’IA et de mettre votre entreprise sur la voie du succès.
Étape 1 : Connaître ses données (« Nourrir la bête »)
Tout commence par les données. Sans données, pas de stratégie ou de tactique efficace basée sur l’IA. Vous devez donc nourrir la bête qu’est l’IA, et les données sont un plat exquis. Pour ce faire, il faut d’abord connaître les données que votre entreprise produit ou auxquelles elle peut accéder, et savoir lesquelles seront les plus utiles pour les applications de l’IA.
L’IA utilise un large éventail de données : chiffres, textes, vidéos/images, entre autres. Vos sources de données internes peuvent inclure les courriels, les messages instantanés, Slack, Salesforce, la vidéo, l’audio, les données de capteurs, les recherches/enquêtes documentaires, les appels de clients, etc. Les sources de données publiques, quant à elles, comprennent internet, la télévision, la presse écrite, les bases de données des consommateurs, le numérique, etc. Commencez donc par bien comprendre les données dont vous disposez ou que vous pouvez obtenir, ce qui serait le plus utile pour répondre aux questions clés liées à votre stratégie d’entreprise, et comment commencer à stocker, gérer, entretenir et utiliser les données pour obtenir des réponses informatives.
Cependant, vous avez besoin de données propres à votre entreprise ; l’utilisation de l’IA sur des données en ligne vous permet d’obtenir les mêmes réponses génériques auxquelles tous vos concurrents ont accès. Les données internes sont la source d’un avantage concurrentiel lorsqu’elles sont utilisées seules ou combinées à des données publiques.
Les sociétés financières, par exemple, ont accès à d’énormes quantités de données publiques provenant de rapports gouvernementaux, de bases de données spécialisées telles que Compustat et de sources telles que Bloomberg IMs. Cependant, tout le monde peut y avoir accès, en fonction de son budget. Heureusement, ces entreprises peuvent également puiser dans leurs propres données, spécifiques à leur activité, pour les utiliser seules ou avec les données publiques. Il peut s’agir de données de communication interne qu’elles peuvent analyser pour comprendre quels gestionnaires de portefeuille collaborent le mieux ou qui, dans la salle des marchés, est le premier à remarquer un changement décisif sur le marché.
De même, un fonds spéculatif dispose d’un portefeuille de données relativement unique qui montre à quel point il est impliqué dans différentes stratégies de négociation, ainsi que de connaissances spécialisées sur les secteurs d’activité et de données historiques sur les performances de ces portefeuilles. Ces données peuvent être transmises à une machine pour trouver des modèles cachés de performance et des capacités spécifiques à l’entreprise. L’IA pourrait être entraînée à identifier les conditions de marché associées à une détention trop longue d’une action, les stratégies d’achat et de vente pour des portefeuilles particuliers, ou les signes avant-coureurs qu’un trader ne convient pas à l’entreprise ou qu’il pourrait être la prochaine star du trading. Compte tenu de la puissance de ces analyses, il n’est jamais trop tôt ni trop tard pour commencer à stocker et à prendre soin de vos données.
Étape 2 : Se former pour diriger (« Diriger avec le feu »)
La plupart des gens s’accordent à dire que l’IA peut accélérer, réduire et améliorer les tâches, qu’il s’agisse de marketing, de fabrication ou de logistique. Cependant, les bénéfices les plus extraordinaires proviennent d’une pensée innovante.
Pensez au feu. Le feu a résolu des problèmes cruciaux (chaleur, protection, éclairage) avant que l’on ne comprenne ses propriétés chimiques, parce que nos lointains ancêtres ont réfléchi de manière créative à la manière de l’utiliser. Les techniciens de l’IA sont formés pour mettre en œuvre des analyses compliquées, mais pas pour savoir quelles analyses seraient les plus utiles en premier lieu. Les chefs d’entreprise doivent donc être des penseurs stratégiques qui guident les experts en technologie de l’IA, même s’ils ne comprennent pas eux-mêmes les rouages de l’IA.
Qu’est-ce que cela signifie pour vous ? Engagez-vous à vous informer sur la manière dont l’IA fonctionne (et ne fonctionne pas) et sur ce qu’elle peut faire (et ne pas faire) dans votre entreprise et votre secteur d’activité. Il existe de nombreux moyens d’acquérir des connaissances : universités, consultants, alliances sectorielles, etc. Une fois que vous aurez acquis ces connaissances, il sera plus facile d’engager et de guider une équipe d’experts en IA pour gérer la mise en œuvre.
Dans un grand organisme de santé, la direction a mis en place un programme innovant de « mentorat inversé ». Les principaux dirigeants (y compris le PDG) ont été associés à des techniciens de l’IA (de nombreuses années leurs cadets) qui leur ont ouvert les yeux sur les nombreuses applications de la technologie en matière de classification, de prédiction, de recommandations, d’analyse des sentiments, de découverte de documents, etc. En fin de compte, les cadres supérieurs ont acquis la capacité de partager des idées et un langage qui ont rendu les discussions sur la stratégie de l’IA plus efficaces et efficientes, créant ainsi un cercle vertueux alimenté par une réflexion stratégique tenant compte de la situation.
Étape 3 : Élaborer votre stratégie d’IA (« Soyez réfléchi et complet »)
Les étapes 1 et 2 étant achevées ou en bonne voie, vous pouvez rassembler tous ces éléments dans votre stratégie d’IA. Cela se fait généralement par le biais d’une combinaison de discussions internes, de consultants et de critiques d’applications d’IA.
La question centrale de votre stratégie d’IA est la suivante : comment l’IA peut-elle renforcer votre réussite et surmonter vos faiblesses ? Pour répondre à cette question, il faut comprendre que la stratégie d’IA s’attaque à trois grands types de problèmes :
- Prédiction de la réussite ou de l’échec d’une action. Ici, chaque entreprise pourrait utiliser l’IA pour améliorer sa stratégie de recrutement en analysant les CV, les lettres de motivation et les lettres de recommandation qui révèlent des modèles cachés d’engagement, d’ingéniosité et de réseaux de collaboration des employés, tout en réduisant la dépendance inconsciente à l’égard des caractéristiques ascriptives (âge, sexe, origine, etc.).
- Classification d’objets, de personnes, d’événements ou de choses pour identifier les ressources. Que votre entreprise soit spécialisée dans la fabrication d’appareils de haute technologie ou dans l’agriculture, l’IA peut être utilisée pour classer des objets (types de composants électroniques ou avocats sur le point d’être trop mûrs) ou pour identifier les bons produits à recommander et la bonne manière de les recommander (recommander un nouveau film Marvel ou une histoire d’amour, ou recommander le film Marvel mais mettre l’accent sur l’histoire d’amour).
- Distillation de vastes bases de données pour des réponses rapides (développement de type GPT-4). Les grands modèles de langage (LLM) sont connus pour leurs utilisations amusantes et populaires. Néanmoins, ils peuvent également fournir des réponses sérieuses. Il suffit de penser à la rapidité avec laquelle ChatGPT peut résumer les principales conclusions sur les bienfaits de la consommation de noix pour la santé, plus rapidement que la plupart des gens ne peuvent le faire en tapant « bienfaits de la consommation de noix pour la santé » dans un moteur de recherche, en choisissant les liens à lire et à ne pas lire, et en intégrant ensuite les connaissances à travers les liens. En médecine, les LLM sont alimentés par d’énormes quantités de données de recherche et d’étude afin de déterminer la meilleure expérience suivante parmi un large univers d’études possibles. Je pense qu’il s’agit là du moyen le plus fiable de réaliser la prochaine grande avancée médicale. Les raccourcis vers la connaissance sont toujours précieux et bien que les LLM fassent des erreurs, ils sont capables d’apprendre continuellement à en faire moins.
Utilisez ces idées pour que votre équipe réfléchisse à la manière d’utiliser l’IA et les bonnes données pour permettre des orientations créatives et innovantes pour votre entreprise, tout en reconnaissant les limites et les lacunes des technologies, ainsi que les tendances anticipées liées à la réglementation et à l’éthique. Plus vous en apprendrez sur l’IA et ses applications, plus vous serez en mesure d’utiliser ces technologies révolutionnaires pour stimuler une croissance rentable ou diminuer les risques.
Article traduit de Forbes US – Auteur : Brian Uzzi
<<< À lire également : IA et Management | Ludovic Williams Lecomte : « L’IA ne doit pas vouloir dire Intelligence Anxiogène : l’antidote à la peur est de prendre en main les outils existants afin de ne pas en devenir esclave » >>>
KABDEL MEDIA
