Mise en place d’un programme en Intelligence artificielle

Types de projets IA

L’intelligence artificielle (IA) se déploie sous diverses formes, chacune exigeant un niveau de préparation et de maturité spécifique : 

1. 1. 1. l’IA générative utilisant des modèles génériques représente une forme d’IA accessible, où des modèles préexistants sont adaptés à des applications générales. Cette approche nécessite une compréhension basique des technologies d’IA et une certaine agilité dans l’intégration de solutions externes. 
      2. L’intégration de l’IA dans des produits logiciels commerciaux disponibles sur le marché (COTS) monte d’un cran en complexité. Ici, l’IA est imbriquée dans des solutions logicielles existantes, nécessitant une compréhension plus approfondie des interactions entre l’IA et les systèmes existants, ainsi qu’une capacité à évaluer l’adéquation et la valeur ajoutée de l’IA pour des applications spécifiques. 
      3. Le développement ‘maison’ de solutions d’IA représente le niveau le plus élevé de maturité, particulièrement en matière de gouvernance de données. Ce type de projet exige une expertise technique approfondie, une infrastructure de données robuste, et une gouvernance rigoureuse pour assurer l’exactitude, la sécurité et la conformité des données utilisées.  

Chaque type de projet d’IA pose des défis uniques et nécessite une préparation distincte, reflétant la diversité et la complexité croissantes du domaine de l’intelligence artificielle.

Mise en place d’un programme IA 

Le diagramme suivant présente la démarche Eficio qui permet d’entamer son parcours en IA.

Figure 1 – Mise en place d’un programme IA

Idéation, évaluation et planification 

L’idéation pour identifier des projets porteurs en intelligence artificielle (IA) est un processus crucial permettant de faire ressortir les projets IA les plus porteurs. La clé pour générer des idées de cas d’utilisation réussis réside dans la capacité à aligner ces initiatives avec les priorités stratégiques de l’entreprise tout en exploitant le potentiel transformateur de l’IA. 

Pour démontrer le sérieux de la démarche et mobiliser les ressources dans l’exercice d’idéation, il est recommandé d’investir une enveloppe budgétaire discrétionnaire dédiée à la réalisation de 1 ou 2 projets IA dans un temps donné. Ce budget doit être communiqué aux équipes comme un engagement au développement proactif de cette technologie pour la croissance et la performance de l’entreprise. Le sérieux de la démarche, supportée par l’équipe de direction, devient alors plus engagée et nettement supportée si un montant d’investissement est réservé pour la réalisation de projets pilotes. L’entreprise doit être prête à rayer ce montant de R&D en cas d’échec des projets, mais aussi à réinvestir davantage en cas de succès  

Pour commencer, les sessions d’idéation doivent rassembler des personnes de différents départements, y compris ceux qui ne sont pas traditionnellement associés à la technologie mais ayant une certaine maitrise des processus d’affaires. Cela permet de récolter une gamme diversifiée d’insights et de perspectives. L’utilisation de techniques de brainstorming structuré, comme le remue-méninge ou la pensée design (« Design thinking »), peut encourager les participants à penser au-delà des applications conventionnelles de l’IA. L’objectif est de déterminer où l’IA peut non seulement optimiser les processus existants mais aussi créer de nouvelles opportunités de valeur ajoutée.  Le Prisme des cas d’utilisation (« Use Case Prism ») de Gartner peut également être utilisé pour identifier la valeur versus la faisabilité/maturité des différentes technologies ou cas d’utilisation.

Figure 2 – Exemple GenAi Use Case Prims for Manufacturing

Choix du bon projet pilote 

Le choix d’un premier projet pilote en intelligence artificielle (IA) est crucial car il peut donner le ton pour les initiatives futures et influencer la perception de l’IA au sein de l’organisation.  Plus spécifiquement, le choix d’un bon projet pilote est essentiel car il permet de : 

• • • Démontrer la valeur de l’IA : Un projet réussi peut démontrer concrètement les bénéfices de l’IA, gagner la confiance des parties prenantes et ouvrir la voie à des initiatives plus ambitieuses. 
    • Apprendre et s’adapter : Un projet pilote offre une occasion d’apprendre et de comprendre les défis spécifiques liés à l’IA dans votre contexte organisationnel. 
    • Gérer les Risques : Un projet bien choisi permet de gérer les risques en commençant par une initiative plus petite et moins complexe. L’approche « Fail fast » et jetable peut être pertinente. 
    • Créer un modèle pour les projets futurs : Le succès d’un projet pilote peut servir de modèle pour les initiatives d’IA futures, en améliorant la démarche grâce aux leçons apprises. 

Afin de contrôler les risques et favoriser la sélection de projets ayant les plus grandes chances de succès, il est préférable d’utiliser une approche de « projet à valeur minimale » (MVP) ou de prototypage. C’est un moyen de tester une idée de produit rapidement et à moindre coût en créant des versions extrêmement simplifiées de ce produit pour aider à valider le principe selon lequel « si nous le construisons, ils l’utiliseront ». 

Les éléments clés à prendre en compte pour sélectionner un bon projet pilote en IA sont: 

1. 1. 1. 1. Alignement avec les objectifs stratégiques : Le projet doit être aligné avec les objectifs stratégiques de l’entreprise. Il doit viser à résoudre un problème d’affaires pertinent ou à exploiter une opportunité stratégique, ce qui garantit son importance pour l’entreprise et facilite l’obtention et le soutien des parties prenantes. 
         2. Viabilité des données : Assurez-vous que vous disposez des données nécessaires pour entraîner et tester votre modèle d’IA. La qualité, la quantité, l’accessibilité et la pertinence des données sont fondamentales pour le succès de tout projet d’IA. 
         3. Complexité technique et faisabilité : Pour un premier projet, il est conseillé de choisir une application avec un niveau de complexité gérable. Évitez les projets trop ambitieux qui pourraient entraîner des délais ou des coûts imprévus. 
         4. Impact mesurable : Le projet doit avoir un impact mesurable sur l’entreprise, que ce soit en termes d’efficacité opérationnelle, de réduction des coûts, d’amélioration de l’expérience client, ou d’autres indicateurs de performance clés. 
         5. Expertise disponible : Assurez-vous que les compétences et l’expertise nécessaires sont disponibles, soit en interne, soit par le biais de partenaires externes. Cela inclut non seulement les compétences techniques en IA, mais aussi la connaissance du domaine concerné. 
         6. Risques et conformité : Évaluez les risques associés, notamment en matière de sécurité, de confidentialité et de conformité réglementaire. Un projet pilote doit être conforme aux normes de sécurité, éthiques et légales. 
         7. Possibilité d’extension et d’évolutivité : Considérez le potentiel d’extension et d’évolutivité du projet. Un bon projet pilote devrait offrir la possibilité d’être étendu ou adapté pour d’autres applications au sein de l’entreprise. 
         8. Engagement des parties prenantes : L’engagement des parties prenantes est crucial pour le succès du projet. Il est important d’impliquer les utilisateurs finaux et les décideurs dès le début du projet pour assurer leur soutien et leur adoption. 

La saine gouvernance des données, un élément essentiel de l’IA 

La gouvernance des données est un pilier fondamental dans la réussite des projets d’intelligence artificielle, jouant un rôle déterminant dans la qualité et l’efficacité des solutions développées. En effet, la valeur d’un projet IA repose intrinsèquement sur la qualité et la pertinence des données traitées. Des données bien gérées, précises, complètes et pertinentes permettent de former des modèles d’IA plus fiables et performants, capables de générer des insights précis et de prendre des décisions éclairées. À l’inverse, des données de mauvaise qualité ou mal gouvernées peuvent conduire à des conclusions erronées, affectant négativement l’efficacité des processus et la crédibilité des résultats. La gouvernance des données assure donc non seulement la conformité aux normes éthiques et réglementaires, mais elle est également cruciale pour garantir que les projets d’IA soient basés sur des fondations solides. 

Gouvernance IA 

Les CIOs d’Eficio sont habituellement impliqués dans les premières phases de projets IA telles l’idéation, l’évaluation, la planification, l’évaluation de la gouvernance des données, le choix de projets pilotes appropriés, le choix de partenaires et dans la gestion de projets IA.   

L’ascension vers le succès dans les projets d’intelligence artificielle (IA) est étroitement liée à la maturité numérique d’une organisation, un parcours qui commence par la gouvernance des technologies de l’information (TI). Cette fondation solide en TI est cruciale pour assurer une infrastructure robuste et sécurisée, propice à l’innovation technologique. Le prochain jalon dans cette trajectoire est la gouvernance des données, où la collecte, le traitement et l’utilisation des données sont optimisés pour l’intégrité, la précision et la conformité, éléments clés pour alimenter des systèmes d’IA fiables. Enfin, la gouvernance de l’IA, ou de l’innovation, représente l’apogée de cette évolution. Cette approche holistique, qui intègre la gouvernance des TI, des données et de l’IA, est fondamentale pour créer un environnement où les projets d’IA peuvent non seulement émerger mais aussi prospérer, en garantissant que la technologie est en parfaite harmonie avec les objectifs et les valeurs de l’organisation 

La gestion de projets IA est similaire à beaucoup de projet de transformation numérique avec des spécificités importantes à maitriser.  La gestion de projets IA se distingue par la nécessité d’une équipe dotée de compétences spécialisées en IA, une compréhension des données pour entraîner des modèles précis, et une approche agile pour l’expérimentation et l’itération rapides. Des considérations éthiques fortes et une gestion de changement adapté sont requis pour naviguer dans les implications des nouvelles technologies IA. Le processus inclut souvent la création d’un prototype (MVP) pour tester et affiner les solutions, suivi d’une surveillance continue pour assurer une performance constante des systèmes d’IA. 

Financement 

Plusieurs organisations de recherches universitaires et OBNL associées à l’IA sont à la recherche de projets porteurs intéressants. Eficio peut vou aider à vous connecter avec ces organisations ou avec des organisations partenaires des programmes gouvernementaux, afin de tirer parti des multiples programmes de subventions et financement offerts par les différents paliers de gouvernements et organismes associés. 

Vous avez une opportunité en tête ? Contactez-nous pour en savoir plus sur les étapes de mise en place d’un programme IA au sein de votre organisation !