Photo de Scott Graham sur Unsplash
12 août 2020
Contrairement aux startups et aux géants de la technologie qui ont des stratégies axées sur l'IA, la plupart des entreprises n'ont pas de laboratoires et d'équipes dédiés exclusivement à la recherche d'opportunités d'application de l'IA et à l'adaptation de la recherche à la production.
Pour les entreprises désireuses de tirer profit de l'adoption de l'IA, une capacité d'intégration de l'IA bien développée est un prérequis à leur réussite. L'équipe Innovation Industrielle de Vector utilise ce terme pour désigner l'expertise et l'approche nécessaires à une intégration efficace de l'IA dans les opérations existantes d'une organisation.
L'une des caractéristiques essentielles de la capacité de réception de l'IA est l'alignement des principaux intervenants d'un projet d'IA au sein d'une organisation. Les initiatives prometteuses en matière d'IA nécessitent souvent l'attention de plusieurs niveaux de gestion, chacun ayant ses propres priorités. Les développeurs peuvent avoir des questions concernant le paquet Python nécessaire à la formation du modèle. Les gestionnaires qui les encadrent peuvent être amenés à décider s'il convient d'approfondir la gestion des données ou de consacrer une équipe au développement d'un type de modèle spécifique. Les dirigeants supervisant ces responsables peuvent se concentrer sur la priorisation des objectifs d'IA en fonction de la dynamique concurrentielle du secteur.
Une communication claire des priorités de chaque intervenant est essentielle pour optimiser les chances de succès des expérimentations en IA. Toutefois, des difficultés peuvent surgir. Les dirigeants auront probablement du mal à discuter des objectifs de l'IA avec les équipes techniques, surtout en ce qui concerne le choix des hyperparamètres et autres concepts techniques. Inversement, les équipes techniques pourraient avoir de la difficulté à expliquer comment les objectifs stratégiques généraux de l'entreprise doivent être affinés et formulés en problèmes spécifiques adaptés à l'IA.
Il est essentiel d'avoir une personne ou une équipe capable de gérer cette harmonisation et cette communication. Cette personne doit être capable de naviguer aisément entre les domaines techniques et commerciaux au sein de l'entreprise. On utilise parfois le terme « traducteur d'affaires » pour désigner les personnes occupant ce rôle.
Les traducteurs d'affaires efficaces partagent certaines qualifications et caractéristiques, dont la première figure sur leur CV. Ils ont généralement un diplôme et de l'expérience dans des domaines techniques comme l'informatique, l'ingénierie, les mathématiques ou la physique. Leur expérience et leurs compétences doivent également témoigner d'une solide expérience en programmation et d'une bonne connaissance des principaux cadres d'IA utilisés pour le développement de modèles, comme TensorFlow et PyTorch. Idéalement, ils se tiennent au courant des publications académiques et des tendances de l'industrie et comprennent leur impact sur celui-ci.
Leur rôle consiste aussi à aider les organisations à mettre en place des processus pour éviter le dilemme de l'innovateur . Les expérimentations en IA peuvent être involontairement compromises par les processus habituels, les jeux politiques et les approches de gestion des risques de l'entreprise. Les initiatives en IA doivent être protégées contre un tel sort. En l'absence d'un laboratoire distinct pour les préserver de ces pressions, il incombe souvent aux agents de liaison d'affaires de les protéger et de s'assurer qu'elles bénéficient des ressources, de l'attention et de l'espace nécessaires.
Au-delà de faciliter l'alignement et de protéger les initiatives d'adoption précoce, les traducteurs d'affaires peuvent aider les entreprises à évaluer les fournisseurs de services d'IA . Les technologies émergentes et en constante évolution s'accompagnent souvent d'une multitude de fournisseurs de qualité variable. Les services qui intègrent de force des problèmes d'affaires à des modèles inadaptés, qui reconditionnent du code open source en solutions commerciales ou qui prétendent résoudre des problèmes complexes d'IA comme l'explicabilité ou l'équité nécessitent un examen critique de la part de professionnels avertis et sceptiques. Les traducteurs d'affaires peuvent réduire l'asymétrie d'information entre l'entreprise et les fournisseurs et contribuer à garantir que les décisions d'achat soient fondées sur une analyse éclairée.
L'IA a un impact sur tous les secteurs. Les entreprises, même celles des secteurs traditionnellement peu enclins à adopter les nouvelles technologies, doivent suivre l'évolution de l'adoption chez leurs concurrents et rechercher en conséquence des modèles, des services et des talents adaptés. Toutefois, la simple prise de conscience et la volonté d'adopter l'IA ne suffisent pas à garantir le progrès. Pour transformer l'adoption en valeur ajoutée, les organisations doivent aller au-delà de l'intérêt et créer un environnement propice à leur réussite. Une capacité d'assimilation de l'IA performante, appuyée par des experts métiers, contribuera à faire de l'IA un atout pour l'entreprise.
