Informatique

Intelligence artificielle : Tout le monde en veut, mais tout

Intelligence artificielle : Tout le monde en veut, mais tout le monde n'est pas prêt

Les technologies d’intelligence artificielle (IA) ont atteint des niveaux d’adoption impressionnants et sont considérées comme un facteur de différenciation concurrentielle. Mais il arrive un moment où une technologie devient si omniprésente qu’elle n’est plus un facteur de différenciation concurrentielle – pensez au cloud. A l’avenir, les organisations qui réussiront avec l’IA seront donc celles qui appliqueront l’innovation humaine et le sens des affaires à leurs bases d’IA.

Tel est le défi identifié dans une étude publiée par RELX, qui constate que l’utilisation des technologies d’IA, du moins aux Etats-Unis, a atteint 81 % des entreprises, soit 33 points de plus que les 48 % depuis une précédente enquête de RELX en 2018. Elles sont également optimistes quant au fait que l’IA livre la marchandise : 93 % déclarent que l’IA rend leur entreprise plus compétitive. Cette omniprésence est peut-être la raison pour laquelle 95 % des sondés affirment également que trouver les compétences pour développer leurs systèmes d’IA est un défi. De plus, ces systèmes peuvent être potentiellement défectueux : 75 % s’inquiètent du fait que les systèmes d’IA peuvent potentiellement introduire un risque de partialité sur le lieu de travail, et 65 % admettent que leurs systèmes sont partiaux.

Il y a donc encore beaucoup de travail à faire. Tout dépend des personnes qui peuvent faire fonctionner l’IA et la rendre aussi juste et précise que possible.

« Si de nombreux déploiements d’IA et de machine learning (ML) échouent, dans la plupart des cas, il s’agit moins d’un problème lié à la technologie elle-même qu’à l’environnement qui l’entoure », explique Harish Doddi, PDG de Datatron. Passer à l’IA « nécessite les bonnes compétences, les bonnes ressources et les bons systèmes ».

« Effleurer la surface »

Il faut une compréhension bien développée de l’IA et du ML pour apporter des avantages visibles à l’entreprise. Bien que l’IA et le ML existent depuis de nombreuses années, « nous ne faisons encore qu’effleurer la surface pour découvrir leurs véritables capacités », estime Usman Shuja, directeur général des bâtiments connectés chez Honeywell. « Cela dit, il y a beaucoup de leçons précieuses à tirer des faux pas des autres. S’il est sans doute vrai que l’IA peut ajouter une valeur significative à pratiquement n’importe quel département de n’importe quelle entreprise, l’une des plus grandes erreurs qu’une entreprise peut commettre est de mettre en œuvre l’IA pour le plaisir de mettre en œuvre l’IA, sans une compréhension claire de la valeur commerciale qu’elle espère obtenir. »

En outre, l’IA nécessite une gestion adroite du changement, poursuit Usman Shuja. « Vous pouvez installer les solutions d’IA les plus pointues qui soient, mais si vos employés ne peuvent ou ne veulent pas modifier leurs comportements pour s’adapter à une nouvelle façon de faire, vous n’en verrez aucune valeur. »

Un autre défi est la partialité, comme l’ont exprimé de nombreux cadres dans l’enquête de RELX. « Les algorithmes peuvent facilement devenir biaisés en fonction des personnes qui les écrivent et des données qu’elles fournissent, et le biais peut se produire davantage avec le ML car il peut être intégré dans le code de base », explique Usman Shuja. « Bien que de grandes quantités de données puissent garantir la précision, il est pratiquement impossible d’avoir suffisamment de données pour imiter les cas d’utilisation du monde réel. »

La façon dont les données sont configurées et qui les configure « peut, par inadvertance, introduire en douce un biais dans les algorithmes », affirme Usman Shuja. « Les entreprises qui ne réfléchissent pas encore à ces implications doivent mettre cela au premier plan de leurs efforts en matière d’IA et de technologie ML afin d’intégrer l’intégrité dans leurs solutions. »

La question de l’obsolescence des modèles

Un autre problème est que les modèles d’IA et de ML deviennent tout simplement obsolètes trop tôt, comme de nombreuses entreprises l’ont découvert, et continuent de le découvrir à la suite de problèmes liés à la Covid-19 et à la chaîne d’approvisionnement. « Avoir une bonne documentation qui montre le cycle de vie du modèle aide, mais c’est encore insuffisant lorsque les modèles deviennent peu fiables », dit Harish Doddi. « La gouvernance des modèles d’IA aide à apporter la responsabilité et la traçabilité aux modèles de machine learning en demandant aux praticiens de poser des questions telles que « à quoi ressemblaient les versions précédentes ? » et « quelles sont les variables d’entrée qui entrent dans le modèle » ? »

La gouvernance est essentielle. Pendant le développement, explique Harish Doddi, « les modèles ML sont liés par certaines hypothèses, règles et attentes. Une fois déployés en production, les résultats peuvent différer considérablement de ceux obtenus dans les environnements de développement. C’est là que la gouvernance est essentielle une fois qu’un modèle est rendu opérationnel. Il doit y avoir un moyen de garder la trace des différents modèles et versions. »

Dans certains cas, avec l’IA, « moins, c’est plus », dit Usman Shuja. « L’IA a tendance à être plus performante lorsqu’elle est associée à des données matures et bien formatées. C’est surtout le cas dans le domaine de l’informatique et des données d’entreprise, comme le CRM, l’ERP et le marketing. Cependant, lorsque nous nous déplaçons dans des domaines où les données sont moins cohésives, comme les données technologiques opérationnelles, c’est là que la réussite de l’IA devient un peu plus difficile. Il y a un besoin énorme d’IA évolutive dans un environnement industriel, par exemple en utilisant l’IA pour réduire la consommation d’énergie dans un bâtiment ou une installation industrielle – un domaine à fort potentiel pour l’IA. Un jour prochain, des entreprises entières – de l’usine à la salle du conseil – seront connectées, apprenant et s’améliorant constamment à partir des données qu’elles traitent. Ce sera la prochaine étape importante pour l’IA dans l’entreprise. »

Source : ZDNet.com




Source link

Articles similaires

Bouton retour en haut de la page