1. Aligner les projets d’IA sur les objectifs d’entreprise
En l’absence de définition claire des objectifs métiers assignés au projet d’Intelligence Artificielle, les organisations courent le risque de tomber dans l’exercice académique ou dans la démonstration technologique sans impact tangible. Un constat partagé par Claire Lebarz, Chief Data & AI Officer chez Malt : « L’année dernière, nous avons vu de nombreuses entreprises chercher à développer des chatbots de type ChatGPT sur leur site web. Sans avoir réfléchi au préalable au parcours et à l’expérience de l’utilisateur, cela a souvent conduit à une faible adoption - dans le meilleur des cas - ou à des réactions négatives qui ont eu un impact sur leur marque.
Pour éviter ces dérives et aller au-delà des projets de type « toys application », les entreprises doivent prendre le temps de définir leur stratégie d’IA et d’identifier à tous les échelons les cas d’usage les plus appropriés, en mettant l’accent sur la mesure du retour sur investissement et l’intégration aux processus et systèmes existants. Un exercice qui nécessite de s’appuyer sur des profils expérimentés capables de prendre en compte la faisabilité du projet et son adéquation avec les besoins. Les freelances se démarquent par leur faculté d’adaptation, leur réactivité et leur vision personnelle des enjeux opérationnels. Cette approche pragmatique est précieuse pour les entreprises qui souhaitent obtenir des résultats concrets et mesurables en termes d’amélioration des processus.
2. Construire un socle d’infrastructure de données solide
Les DSI en sont bien conscientes : les données sont au cœur de l’IA et leur traitement nécessite d’importantes ressources informatiques. « De nombreuses entreprises sous-estiment l’importance d’une infrastructure de données robuste et manquent de volume ou de données de qualité » souligne Claire Lebarz.
Architecture réseau efficace et résiliente, systèmes de stockage évolutifs, outils de sécurité avancés, plateformes cloud pour l’entraînement des modèles d’IA… Les éléments clés d’une infrastructure d’IA performante impliquent le recours à une main d’œuvre capable d’appréhender toutes ces dimensions. L’industrialisation des projets et le passage à l’échelle en dépendent.
L’étude Malt confirme cette réalité, avec une demande en forte augmentation pour les profils de data scientists (39%), de data engineers (23%), et de développeurs back-end (15%). « En raison de la pénurie des compétences, l’expertise en matière de données et d’IA favorise les freelances » explique Emmanuel Vignon, CEO de Theodo Data & AI.
« L’IA nécessite une surveillance, une maintenance et des mises à jour continues » poursuit Claire Lebarz. « Ne pas planifier l’évolution et le soutien continu des systèmes d’IA peut entraîner des problèmes de performance et empêcher les équipes de passer du Proof of Concept à des solutions commercialisables ». De plus, l’évolution constante de la technologie exige un perfectionnement et un recyclage permanents qui confirment la pertinence de recourir à des partenaires freelances spécialisés.
3. Tirer parti de l’automatisation
L'automatisation est au cœur des projets d'Intelligence Artificielle, offrant des opportunités sans précédent pour améliorer l'efficacité, réduire les coûts et minimiser les erreurs humaines. Les entreprises, de toutes tailles et dans divers secteurs, cherchent à intégrer des solutions automatisées pour optimiser leurs processus opérationnels. Mohamed Kadiri, chef de projet indépendant en données, note que 80% de sa charge de travail actuelle est liée à des projets d'automatisation. Un constat partagé par Thomas Lenormand de TotalEnergies, ajoutant que « la plupart des projets d’IA concernent l’automatisation, et non la création ».
Selon le rapport, cette mise en lumière des projets axés sur l’automatisation se reflète dans les industries en forte demande de projets d’IA : Software, Éducation et High Tech occupent le trio de tête. Qu'il s'agisse d' ingénieurs spécialisés dans la gestion de bases de données massives ou de développeurs back-end avec une expertise en microservices, la demande pour des freelances spécialisés et multi-disciplinaires continue de croître, soutenue par des plateformes telles que Malt.
Cette focalisation sur les projets d’automatisation domine les efforts actuels d’adoption de l’IA mais ne doit pas faire oublier le potentiel plus large de l’IA, en particulier celui de l’IA générative. Ces deux dernières années, la plateforme Malt a assisté à une augmentation de 300% du nombre de freelances avec des compétences en GenAI.
4. Favoriser l’apprentissage des équipes en interne
C’est une constante : les aspects techniques ne doivent pas éluder la dimension humaine mais bel et bien la servir. Des équipes correctement formées et acculturées sont plus susceptibles d'adopter les nouvelles technologies de manière proactive. Là encore, le potentiel des entrepreneurs indépendants s’exprime dans leur capacité à familiariser les équipes internes avec les concepts, les outils et les pratiques de l'IA et de l'automatisation.
Interrogé dans le cadre de l’étude Malt, le cabinet Darwin X – spécialiste de la transformation des entreprises, et notamment du volet digital – confirme la volonté croissante des décideurs à rechercher un équilibre entre les compétences internes essentielles en matière d’IA et un soutien externe évolutif. L’année dernière, tous les secteurs d’activité étudiés par le cabinet ont vu leurs réserves de talents internes en IA augmenter, certains secteurs comme la banque ayant connu une hausse de 44 %. Laura Sibony souligne l’importance d’une approche pluridisciplinaire de l’IA qui dépasse les compétences purement techniques. Pour l’auteur de « Fantasia, contes et légendes de l’Intelligence Artificielle », les compétences spécialisées deviennent rapidement obsolètes, alors que les compétences non techniques telles que l’adaptabilité, la créativité et l’esprit critique conservent une valeur durable. Autant de qualités complémentaires sur lesquelles les entreprises peuvent miser en intégrant étroitement des entrepreneurs indépendants à leurs équipes afin de lancer une dynamique d’apprentissage continu.
Malt : un accélérateur de la recherche de talents, notamment en Intelligence Artificielle
Leader du freelancing en Europe, Malt accompagne les entreprises dans la recherche de talents indépendants répondant aux objectifs de leurs projets de transformation, notamment en matière d’IA. Une communauté de plus de 700 000 freelances mettent leurs compétences et expertises sur la plateforme, au service d’organisations en quête de compétences externes spécifiques.