Que nous soyons prêts ou non, l'intelligence artificielle (IA) a déjà fait son entrée dans l'entreprise. Depuis les systèmes de traitement du langage naturel utilisés pour gérer les demandes des services à la clientèle jusqu’aux fermes de données automatisées gérées par des robots, l’impact des technologies d'intelligence artificielle pilotées par l'apprentissage machine est bien visible. De plus, au rythme où va l'innovation – et avec elle, l’augmentation exponentielle des ressources de traitement informatique et du volume des données générées – l’IA apporte la capacité potentielle de transformer à peu près toutes les industries, depuis l'aéronautique jusqu’à la vente au détail.

Dans un article de la revue mensuelle Harvard Business Review, Érik Brynjolfsson et Andrew McAfee, deux chercheurs du MIT, estiment que l'IA est « la technologie la plus polyvalente et la plus importante de notre époque ». Selon eux, au cours de la prochaine décennie, les effets de l’intelligence artificielle seront encore plus importants à mesure que les entreprises « transforment leurs processus et leurs principaux modèles d'affaires pour tirer parti de l'apprentissage machine ».

Dans l'ensemble, on peut dire que les chefs d'entreprise sont d’accord sur les avantages potentiels de l'intelligence artificielle, même s'ils s’adaptent encore à ses applications pratiques. Une étude sur l'impact de l'IA sur les entreprises réalisée par le journal spécialisé MIT Sloan Management Review a montré que si 75 % des cadres estiment que grâce à l'IA, leur entreprise pourra se lancer dans de nouvelles activités, et si 85 % croient qu’elle permettra à leur entreprise de gagner ou de conserver un avantage concurrentiel, seulement une entreprise sur cinq environ a incorporé de l'IA dans certains de ses services ou processus.

Cette faible adoption s’explique en partie à cause de la confusion et du battage publicitaire entretenus autour de l'IA. Dans son cycle des tendances « 2017 Emerging Trends Hype », Gartner a placé l'apprentissage machine au plus haut de ce que le cabinet d’études appelle le « Sommet des attentes exagérées ». Cependant, Gartner note également que l'IA « fait partie des technologies les plus perturbatrices des 10 prochaines années en raison de l’extrême puissance de calcul, des quantités de données presque illimitées et des progrès sans précédent réalisés dans le domaine des réseaux neuronaux profonds. Ces évolutions permettront aux entreprises dotées de technologies d’intelligence artificielle d’exploiter les données pour s'adapter à de nouvelles situations et résoudre des problèmes auxquels personne n'a jamais été confronté jusque-là ».

La plupart des investissements actuels dans l’intelligence artificielle sont réalisés par les divisions R&D internes des « digital natives » comme Amazon, Baidu et Google qui regorgent de cash. Ce qui se passe à l'extérieur de ce cercle est toujours en discussion ou en phase d’expérimentation. Une enquête réalisée par ServiceNow auprès de 500 DSI de 25 industries a montré que seulement 3 % d’entre eux utilisaient l'apprentissage machine et l'intelligence artificielle dans leurs entreprises, que 20 % utilisaient de l’intelligence artificielle dans certains secteurs, 26 % pilotaient des projets tests et 40 % étaient encore en phase de recherche et de planification.

DSI, AI et données

Pour les DSI, déjà aux prises avec les énormes changements induits par la transformation digitale, l'intelligence artificielle ajoute une nouvelle couche de complexité. La bonne nouvelle, c’est que les technologies d’intelligence artificielle vont grandement faciliter la transformation digitale. IDC prévoit ainsi que d'ici 2019, 40 % des initiatives de transformation digitale seront soutenues par l'apprentissage machine et l'IA.

Le succès de l'IA repose en grande partie sur les données. L'étude du MIT a révélé d'importants écarts entre les premiers utilisateurs d’IA et les autres. « L'une des différences notables concerne leur approche des données », indique le rapport. « Alors que la plupart des leaders investissent dans les compétences en intelligence artificielle et ont mis en place des infrastructures IT robustes, d'autres entreprises manquent d'expertise analytique et ne disposent pas d’un accès facile aux données ».

Dans un récent article de blog intitulé « AI et gestion des données », Roger Nolan, directeur senior de la branche Solutions d’Informatica, explique que l'une des clés des processus d'apprentissage machine réside dans la qualité des données qui servent à entraîner les modèles d’intelligence artificielle. Selon lui, ce n’est pas uniquement la qualité elle-même des données qui est cruciale, mais également les métadonnées qui les accompagnent :

Dans l’univers de la gestion des données, les métadonnées représentent la source d’apprentissage ayant le plus de valeur. Plus la quantité de métadonnées est élevée, plus les systèmes IA et les systèmes d’apprentissage machine disposent de modèles à observer à partir desquels ils peuvent effectuer des recommandations intelligentes, améliorer la détection automatique des comportements à risque ou permettre l'automatisation complète des tâches chronophages ou répétitives. En bref, les métadonnées sont les données qui servent à définir les données. Elles informent sur les types de données, sur leurs modalités d’accès, le contexte de l'entreprise dans lequel elles sont utilisées, quand elles ont été chargées ou renouvelées, comment elles sont étiquetées, comment elles ont été utilisées et par qui, quelles tables de données ont été interrogées, et bien plus encore. C’est grâce à cette mine d'informations que l’IA et l’apprentissage machine peuvent faire des suggestions et des recommandations qui augmenteront la productivité des utilisateurs.

Le problème, c'est que la composante intelligente de l'IA est une résultante des données sous-jacentes et ne peut aller au-delà de leur valeur. Pour que l’intelligence artificielle soit pertinente et significative, il faut impérativement disposer de données de très bonne qualité. Et sans des procédures et une technologie spécifique pour améliorer la qualité des données sur lesquelles s'appuie l'IA - il faut en particulier, des données à jour, exactes et dignes de confiance - les projets IA ne seront pas à la hauteur des attentes.

Mettre ses données en ordre

Il est important de noter que les DSI ne vont pas nécessairement acheter des applications IA. Au contraire, l'intelligence artificielle sera de plus en plus intégrée aux logiciels et aux services que les entreprises utilisent pour leur activité proprement dite. L'intégration de techniques d'apprentissage machine dans les plates-formes, les produits et les services va automatiser les fonctions manuelles, accélérer l'analyse et améliorer la performance globale.

Ces avantages inhérents à l'apprentissage machine auront un impact sur la gestion des données elle-même. Comme le note Informatica dans son livre blanc intitulé « L’Intelligence artificielle au service de la disruption par les données » (Artificial Intelligence for Data-Driven Disruption), les techniques d'apprentissage machine peuvent être utilisées pour « entraîner » les outils de gestion des données afin de faire des recommandations intelligentes et automatiser un certain nombre de tâches de gestion des données. « L'apprentissage machine ne remplace pas les analystes de données et les autres utilisateurs ; il permet essentiellement d’accroître la productivité et l'efficacité du personnel chargé de la gestion des données dans l’entreprise », indique le document.

La plate-forme de données intelligentes d'Informatica utilise un moteur d'apprentissage machine appelé CLAIRE™ (Cloud-scale AI-powered Real-time Engine), qui permet aux entreprises de gérer plus efficacement les données, à l'échelle, sur site, dans le cloud et les sources de données big data.

Le rôle du DSI dans la préparation à l'IA

En tant que DSI, la mise en ordre des données est une étape importante pour préparer l’entreprise à réussir son adoption de l'IA. Mais deux autres aspects ont aussi leur importance :
• Former les dirigeants sur les mythes et les réalités de l'IA. L'innovation dans le domaine de l'IA a été stupéfiante. Gartner pense qu’aujourd’hui, c’est le moment idéal pour les DSI d’informer leur PDG et leur conseil d'administration - et l’ensemble du personnel en général - sur les récents développements de l’intelligence artificielle et leur impact possible sur l’entreprise et sa situation concurrentielle.
• Mettre en place les bonnes compétences pour entraîner les algorithmes d'IA. L’automatisation des tâches routinières par de l'intelligence artificielle permet aux personnels de se concentrer sur des activités à forte valeur ajoutée. Le training des algorithmes d'apprentissage machine, dont dépendra la qualité de l’exécution des tâches, fait partie de ces activités. Le rapport du MIT précise que « la valeur commerciale créée à partir de l'IA est directement liée à l’apprentissage des algorithmes d’intelligence artificielle » - en général à partir des données spécifiques à l'entreprise. « Le succès de cet apprentissage dépend de la qualité du SI, de son infrastructure, de sa capacité à rassembler des données d’apprentissage pertinentes ». Gartner recommande aux DSI de construire ou d’acquérir les outils nécessaires pour assurer la qualité des données, de former leurs équipes à les utiliser correctement. Et sans relâche.

Au moment où la transformation digitale axée sur les données continue à désorganiser les industries, les DSI deviennent des agents du changement au sein de leurs entreprises. Une stratégie axée sur les données, qui permet à une entreprise d'adopter rapidement les technologies d'intelligence artificielle et d'apprentissage machine, accélérera le rythme du changement et favorisera la différenciation concurrentielle.

Pour en savoir plus sur le rôle essentiel des DSI dans la transformation digitale axée sur les données, visitez le site en cliquant ici