Qu'est-ce qui rend la mise en œuvre de l'IA générative si difficile ? En tant que technologie de rupture, elle se fait sentir à la fois par son ampleur et par la fréquence des changements. Il y a tant de fournisseurs, d'applications et de cas d'utilisation, et si peu de temps, qu'elle imprègne tout, de la stratégie et des processus d'entreprise aux produits et services. L'un des défis inhabituels que pose l'IA en tant que technologie est qu'elle est actuellement adoptée par le grand public tout en étant encore au sommet en termes d'engouement. C'est pourquoi de nombreuses entreprises mettent beaucoup d'énergie et d'enthousiasme dans les cas d'usage, mais ont encore du mal à obtenir un retour sur investissement. Pour le maximiser, des efforts et des investissements en matière d'IA sont importants pour passer d'une expérimentation ad hoc à une stratégie plus ciblée et à une approche systématique de mise en œuvre. Zoom sur cinq bonnes pratiques à suivre pour tirer le meilleur parti de la GenAI.
Définir une stratégie GenAI holistique
La définition d'une stratégie d'intelligence artificielle générative devrait s'inscrire dans une approche plus large de l'IA, de l'automatisation et de la gestion des données. Après tout, une stratégie de données moderne doit prendre en compte et renforcer l'ensemble de la pile IT en soutenant les objectifs de l'entreprise en matière d'automatisation, ainsi qu'une myriade d'applications soutenant les transactions, l'analyse et la prise de décision. Il suffit de regarder le récent lancement d'EDB Postgres AI, une plateforme taillée pour les workloads transactionnels, analytiques et d'IA. Les mises en œuvre réussies de l'IA dépendent à 80 % de l'aspect des données comme de leur qualité et il faut donc s'attendre à voir encore plus de suppression de silos entre ces types de charges de travail. Une bonne stratégie doit définir des thèmes stratégiques pour l'entreprise autour de l'IA générative et la manière dont elle accompagnera les différents objectifs de la société. Lesquels de ces thèmes soutiennent le programme de croissance, l'efficacité interne et les économies de coûts ? Il faut pour cela savoir comment différencier, pour les produits et les services, une proposition de valeur unique avec des objectifs stratégiques en termes de résultats escomptés.
Identifier et hiérarchiser les cas d'usage
Il existe probablement des dizaines de cas d'utilisation de l'IA dans son entreprise et, bien que nombre d'entre eux soient naturellement identifiés par les utilisateurs finaux, il est important de dresser une liste de référence. Pour les connaitre, créer une zone de collaboration sur l'IA dans l'intranet de son entreprise et inviter les parties prenantes à partager ce sur quoi ils travaillent et leurs résultats est préconisé. Cela permet de répertorier les activités dans l'ensemble de l'entreprise et d'encourager le partage des connaissances et la coordination. En reprenant la liste principale des activités en cours et en la cartographiant sur une carte du parcours client, ou même sur une carte des processus de son entreprise, il est conseillé de rechercher les lacunes et les chevauchements dans la couverture, identifier d'autres zones d'opportunités, et commencer à établir des priorités. Même si la mise en œuvre de plusieurs cas d'utilisation est bien avancée, un atelier d'innovation peut être un excellent moyen d'amener les utilisateurs finaux à réfléchir à des cas d'utilisation et à les classer par ordre de priorité. Il est aussi utile de rechercher à la fois les gains rapides (impact commercial élevé et grande facilité de mise en œuvre) et incontournables (impact commercial élevé, mais facilité de mise en œuvre moindre en raison du temps, du coût ou du risque et de la complexité du projet), puis de les ajouter en conséquence à une feuille de route de mise en œuvre.
Expérimenter avec des objectifs
La GenAI provoquant énormément d'engouement, il est probable qu'il y ait beaucoup de test en cours sans que l'on se concentre de manière cohérente sur les finalités. Cependant, avec quelques petites modifications, il est possible d'exploiter cette énergie en encourageant les projets pilotes et les expérimentations, et en donnant aux utilisateurs finaux les moyens d'être des innovateurs et des testeurs. Pour favoriser une culture de l'innovation, ces petites modifications doivent inclure des conseils, un soutien et des encouragements. Par exemple, si les utilisateurs finaux essaient un outil pour la synthèse vocale, pourquoi ne pas les encourager à essayer deux ou trois outils différents et à comparer les résultats. Pour les aider à trouver le meilleur choix pour la société, il est recommandé de partager des détails sur les normes de l'entreprise, les considérations budgétaires et les fournisseurs à envisager en plus de leurs favoris actuels.
Partager les garde-fous
Tout en favorisant la culture de l'innovation en encourageant l'expérimentation et les projets pilotes, il faut aider les utilisateurs finaux à relever les défis de l'IA en partageant les garde-fous de l'entreprise. Une première action simple consiste à élaborer sa propre politique d'utilisation dans l'entreprise, ainsi qu'à signer divers accords sectoriels le cas échéant. Pour l'IA et d'autres domaines, une politique d'utilisation peut aider à sensibiliser les utilisateurs aux zones de risques potentiels, et donc à gérer le risque, tout en encourageant l'innovation. Bien que chaque secteur ait ses propres priorités en termes de risques liés à l'IA, dans le secteur de l'architecture, de l'ingénierie et de la construction, il a été constaté que la protection des données et la confidentialité constituent une préoccupation majeure. Il est donc utile d'informer les utilisateurs sur les avantages et les inconvénients des GPT publics et privés et de leur indiquer quand utiliser l'un, l'autre ou les deux. Cela peut également avoir une incidence sur le choix de certains fournisseurs. Par exemple, l'IA intégrée d'un fournisseur de longue date peut être le mauvais choix s'il utilise les données de sa communauté d'utilisateurs pour former son modèle.
Intégrer le ROI dès le début
L'IA générative et de nombreuses autres technologies étant évaluées et utilisées par un large éventail d'employés en dehors du département IT, il est important de leur fournir les outils nécessaires pour que leur mise en œuvre soit couronnée de succès pour l'entreprise. Pour ce faire, il est essentiel de fournir une analyse de rentabilité de l'usage de la technologie et de la manière de calculer le retour sur investissement. À cet égard, la GenAI n'est pas différente des autres technologies. Il s'agit d'examiner la proposition de valeur et la différenciation concurrentielle pour les produits et services destinés aux clients, ainsi que les gains d'efficacité en termes de temps et de coûts pour les processus internes. Une simple feuille de calcul du ROI peut constituer un excellent point de départ et aider les employés à examiner la situation avant et après et la manière dont l'intelligence artificielle générative peut contribuer à rationaliser les opérations. Dans l'ensemble, en raison du rythme rapide des changements dans cet environnement, il est essentiel d'avoir une stratégie adaptative, d'être prêt à la mettre à jour régulièrement si nécessaire et de poursuivre l'apprentissage et l'amélioration continus tout au long des mises en œuvre. Avancer à petits pas pour obtenir des résultats rapides et démontrer le retour sur investissement dès le début sans oublier de se concentrer également sur les incontournables et les initiatives plus stratégiques qui contribueront à différencier votre organisation dans les années à venir. Voilà aussi certainement une clé de succès de sa stratégie GenAI.