L'intelligence artificielle est encore un projet scientifique dans la plupart des entreprises

Si vous avez l'impression que votre organisation est à la traîne en matière d'intelligence artificielle, ne vous sentez pas mal - il s'avère que tout le monde se bat contre elle aussi. L'intelligence artificielle fait peut-être parler d'elle en ce moment, mais elle n'en est qu'à ses débuts dans la plupart des entreprises.

La question est de savoir si l'IA va rester dans les laboratoires pendant que l'industrie passe à la prochaine tendance technologique, ou si elle va devenir la force révolutionnaire que certains prédisent ?

IBM, qui a publié une étude portant sur plus de 550 cadres, trouve que l'IA suscite beaucoup d'intérêt, qu'elle s'engage pleinement à la faire avancer, mais qu'elle progresse très prudemment. De nombreuses organisations indiquent qu'elles sont encore en mode test, et plus de la moitié des cadres sont encore en train d'expérimenter ou de tester sur une base limitée autour de leur organisation. Un sur sept n'en est qu'au stade de la planification.

C'est le défi de l'IA et de l'apprentissage machine - le faire sortir des preuves de concept ou des laboratoires et le mettre à l'échelle pour répondre aux exigences de la production à grande échelle.

Par où commencer ? Il existe plusieurs types d'IA, et les organisations en utilisent le plus grand nombre possible, qu'il s'agisse d'applications basées sur l'apprentissage automatique, l'apprentissage approfondi, le langage naturel ou l'apprentissage visuel. Au moins 15 % des organisations utilisent les quatre formes d'IA dans leurs locaux, mais la majorité, 69 %, utilisent une combinaison de l'apprentissage automatique, de l'apprentissage approfondi et de l'IA visuelle.

Les projets doivent démontrer qu'ils apporteront des bénéfices à l'entreprise - sinon ils resteront à jamais des projets scientifiques. Selon Kim Storin, d'IBM, "les problèmes des grandes entreprises l'emportent de 71 % sur les problèmes technologiques et la collaboration est un défi partout". "Ce n'est pas surprenant quand on pense à la difficulté de concevoir et de mettre à l'échelle l'IA - l'IA est intrinsèquement difficile parce que c'est un processus itératif, et non un processus par étapes. La construction d'un centre de gravité de l'IA nécessite de nouvelles règles pour la technologie, les données et l'infrastructure, mais elle exige également de nouvelles approches organisationnelles, de nouveaux modèles de collaboration et de nouveaux processus".

Il existe des moyens d'orienter les efforts d'IA hors des laboratoires et des projets de démonstration vers des environnements de production commerciale réels. Si les auteurs de l'enquête plaident en faveur d'une approche de l'IA sur site (c'est l'étude d'IBM, après tout), il existe des pratiques exemplaires communes aux responsables de l'IA dont chacun peut tirer des enseignements :

  • Collaborez, collaborez, collaborez. Constituez une équipe interfonctionnelle dans toute l'entreprise pour vous concentrer sur les possibilités d'IA. Un centre d'excellence peut être le moyen de soutenir une telle initiative, en dehors de toute politique organisationnelle. "Notre objectif est de tirer parti de l'apprentissage machine dans toute notre organisation grâce à un modèle de centre d'excellence", selon Lynn Calvo, vice-présidente des technologies de données émergentes chez GM Financial, citée dans le rapport. "L'une des plus grandes choses qui m'empêche de dormir la nuit est de passer de l'expérimentation à la production."

  • Veiller à ce que l'IA soit une stratégie commerciale et non une simple initiative technique. Une majorité des cadres interrogés, 85 %, déclarent que leurs efforts en matière d'IA sont des impératifs commerciaux. "L'accent mis sur l'IA en tant que stratégie commerciale conduit à des initiatives sérieuses et évolutives en matière d'IA, et augmente la valeur d'un investissement en IA".

  • Conception à l'échelle de l'entreprise dès le début. Cela nécessite une infrastructure élargie, préconisent les auteurs de l'enquête. Trente-neuf pour cent des dirigeants déclarent avoir besoin d'une puissance de traitement supérieure à celle d'une unité centrale, et 37 % citent le besoin d'une puissance de calcul plus importante. "Le matériel accéléré qui utilise à la fois des CPU et des GPU est devenu le moteur préféré de l'IA. Et la productivité s'améliore lorsque les employés ont la possibilité d'accéder aux données dont ils ont besoin et de déployer leurs modèles qui les aident à obtenir des informations leur permettant de prendre de meilleures décisions".

  • Suivre et mesurer les progrès des initiatives d'IA. La capacité à démontrer la puissance de l'IA pour l'entreprise peut se traduire par des mesures qui suivent la vitesse, les performances, les gains de productivité, les économies de coûts et d'autres indicateurs clés.

  • Identifier les partenaires qui peuvent fournir une expertise en matière d'IA. Les spécialistes des données et les développeurs de l'IA sont rares et difficiles à trouver.


Faire passer l'IA au niveau supérieur, c'est-à-dire apporter des avantages commerciaux tangibles dans toute une série d'activités, est la prochaine grande frontière. Une chose est claire : tout le monde est encore en train d'apprendre.

Posté le :

6/2/2020

dans la catégorie

Divers

Besoin d'un site web ?
Travaillons ensemble