Figure 7 - Adoption de l'IA par les entreprises (MIT,
2017)
3.1.4 Enjeux pour les entreprises
Cette technologie n'en est qu'à ses débuts et
nous sommes encore loin de la phase d'intégration à grande
échelle dans les entreprises.
Une étude menée l'an dernier par le MIT
auprès de 3000 entreprises montre qu'il y a un grand écart entre
les ambitions et la mise en pratique en matière de
stratégie d'intelligence
artificielle (MIT, 2017)
ainsi 85% des dirigeants interrogés estiment que l'intelligence
artificielle leur permettra d'obtenir ou de conserver un avantage
concurrentiel, alors que 40% ont mis en place une stratégie
d'intelligence artificielle et seule une entreprise sur vingt a
intégré l'intelligence artificielle dans ses offres ou ses
processus (figure 7).
Avant de mettre en oeuvre une gouvernance de l'intelligence
artificielle, les entreprises attendent de tirer les leçons des
premières expériences (CIGREF, 2017). Et celles-ci montrent qu'il
y a des conditions à respecter pour réussir l'intégration
de solution d'intelligence artificielle, en voici quelques exemples :
·
22
Définir le besoin : La solution
à implémenter doit répondre à un besoin clairement
identifié, il convient de bien comprendre la problématique
business et de s'assurer que l'intelligence artificielle est capable de la
résoudre (Caseau, 2018).
· Disposer de données :
S'assurer de disposer de données en quantité et en
qualité. Il a été prouvé que la performance de ces
solutions est proportionnelle à la quantité de données
à disposition (Banko & Brill, 2001).
· Adopter une démarche empirique :
Les solutions « clés en main » n'existe pas en IA,
chaque solution doit s'imprégner du contexte métier du
problème à résoudre. Car aucun modèle et algorithme
ne fonctionne bien pour tous les problèmes, on parle du
théorème « No free lunch » (Wolpert & Macready,
1997).
· Acquérir les compétences
: L'implémentation d'une solution d'intelligence artificielle
demande l'intervention de profils spécifiques tel que les data
scientistes, qui doivent bien entendu être accompagnés par le
business afin de cadrer le besoin (MANAGERIS, 2018).
· Prévoir une MCO : Il est
nécessaire dès le début du projet de prévoir la MCO
(maintenance en condition opérationnelle) en effet, les mutations que
peuvent subir les données dans le temps entraineront à coût
sûre une dégradation du niveau de qualité de la machine,
sans compter les mises à jour nécessaires (MANAGERIS, 2018).
Les enjeux de l'intelligence artificielle notamment
opérationnels sont considérables, mais avant d'entamer la phase
de « transition intelligente » les entreprises doivent apprivoiser
cette révolution technologique (CIGREF, 2017).
| 
