Alors que la technologie cherchait auparavant à expliquer le fonctionnement du cerveau, son objectif moderne est d'augmenter et d'élever les capacités humaines, en faisant par exemple un meilleur usage des données massives des entreprises, et en soulageant les tâches chronophages pour qu'elles puissent concentrer leur énergie et leur créativité sur les problèmes qui nécessitent plutôt des aptitudes humaines.  

Nous entendons souvent des points de vue négatifs ou pessimistes concernant l'application de l'IA sur le lieu de travail moderne. Mais cette « fausse » opposition entre l'homme et la machine ne rend pas service aux deux parties. Au contraire, il existe une symbiose qui facilite l'intelligence humaine au lieu de la remplacer. La combinaison des intelligences humaine et des machines forme une équipe formidable aux applications infinies. Pour exploiter ces possibilités, il faut d'abord éliminer la complexité de leur utilisation, se concentrer sur des problèmes spécifiques et placer les personnes au centre de vos processus d'intelligence artificielle.

Du bon usage de l’IA

L'objectif de toute entreprise est d'allouer et de contrôler des ressources qui permettent d'obtenir un résultat souhaitable (qu'il s'agisse d'un service ou d'un produit), pour ses clients. Le paysage mondial des biens et des services est plus complexe que jamais, et le rôle croissant de la numérisation a fondamentalement modifié les attentes des entreprises et des consommateurs. La rapidité, la précision et la disponibilité 24 heures sur 24 et 7 jours sur 7 ne sont plus des options, mais une nécessité, d'où un besoin accru d'automatisation des tâches répétitives, tant pour les processus internes que pour les services externes.

Lorsque nous parlons d'IA, nous devons la replacer dans le contexte d'industries particulières, car les applications potentielles sont illimitées.

Les exigences dépassent les capacités humaines, mais cela ne signifie pas que les humains sont exclus du processus. C'est à l'homme de comprendre les problèmes que les machines sont capables de résoudre et de concevoir les systèmes pour atteindre les résultats escomptés. Ensuite, sur la base des données produites tout au long du processus, il doit se demander si d'autres améliorations peuvent être apportées. Le rôle de l'utilisateur passe donc de celui qui « fait » à celui qui résout les problèmes, en utilisant ses capacités d'analyse et de raisonnement pour améliorer la qualité de ses résultats.

Simplifier pour mieux adopter

À première vue, l'intérêt de l'IA du point de vue de l'utilisateur semble évident. Alors pourquoi les attitudes à l'égard des systèmes intelligents sont-elles souvent ambivalentes, voire hostiles dans les cas extrêmes ? La raison est généralement la complexité. Pour que les systèmes soient adoptés, ils doivent être faciles à utiliser. Non seulement par ceux qui ont des compétences avancées en matière de données, mais littéralement par n'importe qui. Qu'il s'agisse de l'interface utilisateur des tableaux de bord des plateformes d'analyse, de la facilité d'utilisation des logiciels d'apprentissage automatique ou des processus d'accès ou d'interaction avec les systèmes de gestion des données, la priorité doit être la simplicité.

Il est encourageant de constater que cet objectif est de plus en plus facile à atteindre. Les progrès réalisés dans les logiciels utilisés pour gérer les applications d'IA permettent un degré d'intuitivité et une expérience utilisateur sans heurts, ce qui était impossible auparavant. Il existe également des recoupements avec d'autres technologies avancées comme la réalité augmentée, utilisée pour manipuler et explorer des objets en 3D pour des applications allant des produits de consommation courante à la conception automobile, et des dispositifs intelligents qui mettent la puissance de l'IA dans la main de l'utilisateur. N'exigeant qu'une formation technique de base, ce type de solutions élargit l'attrait des applications d'IA aux personnes occupant des fonctions non techniques et offre des outils puissants pour les aider à améliorer leur façon de travailler et d'apprendre. Si l'on veut mettre en place des systèmes d'IA et les rendre accessibles à tous les secteurs d'activité, deux facteurs sont indispensables :

- Il incombe aux responsables techniques de s'assurer que le principe de simplicité est appliqué à l'ensemble de l'infrastructure et des outils mis à la disposition de leurs utilisateurs, pour leur permettre de les exploiter lorsqu’ils en ont besoin ;

- Les différents départements et divisions de l’organisation se doivent de consacrer du temps et donner un bon niveau d’attention à l'amélioration des compétences dans des domaines qui auraient auparavant été jugés « trop techniques » pour leur discipline.

Une solution spécifique pour un problème spécifique

Le besoin de simplicité s'accompagne d'un besoin de « spécificité ». Là où de nombreuses initiatives en matière de données se heurtent à des difficultés et exercent par conséquent une pression supplémentaire sur les individus, se trouve le faux espoir que l'IA puisse agir comme une solution miracle capable de résoudre tous les problèmes par sa seule existence.

Le secteur regorge d'exemples d'organisations qui ont été incitées à adopter des systèmes d'IA pour toutes sortes de mauvaises raisons - comme la crainte de prendre du retard sur leurs concurrents - sans vraiment comprendre quel problème cela va résoudre et pour qui. Les employés d’une entreprise découvrent alors qu'une nouvelle solution s'offre à eux, mais ne comprennent pas pourquoi elle est en place et quel est leur rôle dans le processus. Les meilleures pratiques de mise en œuvre de l'IA nécessitent de se concentrer non seulement sur la conception du système, mais aussi sur les responsabilités concernant la manière dont les données sont collectées et traitées. Ce ne sont pas des détails qui doivent être laissés de côté.  

Il est important que le problème et les cas d'utilisation soient identifiés dès le début du processus et qu'ils soient ciblés spécifiquement sur les caractéristiques uniques de votre entreprise, de vos employés et de vos clients. Pour ce faire, il faudra combiner l'hypothétique et le pratique, en trouvant une cohésion entre le cas d'utilisation potentiel de l'IA qui peut exister pour votre entreprise et les essais et erreurs réels, pour montrer si les outils spécifiques sont capables de remplir le rôle souhaité. L'analyse façonnera votre mise en œuvre, de sorte qu’elle conduise à l'efficacité. Dans chaque cas, il faut constamment revenir à la question centrale "est-ce que cela résout le problème que nous avons ?

Il est alors recommandé de donner aux développeurs et aux équipes la possibilité d'expérimenter avec ce qui est disponible. La création de « sandboxes » virtuels où ils ont la liberté et la discrétion d'essayer de nouvelles choses, de faire des erreurs et de compiler les enseignements, encourage la capacité d'innover tout en limitant le risque.

Les données recueillies au cours de ces phases initiales doivent être considérées comme utiles en soi, car elles permettront de constituer une base de connaissances et de maturité en matière d'IA dans l’entreprise. En retour, cette base de référence soutiendra, façonnera et informera les modèles d'exploitation et permettra une meilleure compréhension, de la manière dont l'IA peut aider à aller de l'avant.

Démocratiser l’IA

La principale priorité pour une mise en œuvre réussie de l'IA est de bien cerner les problèmes à résoudre et de comprendre quelles actions ou quels processus peuvent être améliorés grâce à la collecte de ces informations.

Pour que cette approche soit un succès, l'IA doit être applicable à toutes les équipes et fonctions, et pas seulement à celles des départements informatiques. La démocratisation de cette technologie et son intégration dans les flux de travail de l'entreprise est un pilier fondamental de la réussite. En intégrant les fonctions organisationnelles au moyen d'une plate-forme de données globale et en veillant à ce que l'IA soit accessible à tous les niveaux, les entreprises peuvent promouvoir l'innovation dans tous les départements, plutôt que dans quelques-uns.

Aujourd’hui, la vraie valeur pour mesurer les efforts en matière d’IA est de donner le contrôle à vos collaborateurs, en leur apportant la connaissance et les bases techniques pour travailler plus intelligemment et explorer de nouveaux terrains, en collaboration avec l'IA, et non en concurrence avec elle.