Stratégie d’IA : pourquoi les projets d’IA échouent et comment l’éviter
Depuis dix-huit mois, l’intelligence artificielle est entrée avec force dans l’agenda des entreprises. Proof of concept, pilotes, hackathons internes… Les expérimentations se sont multipliées, mais les résultats concrets pour l’entreprise sont souvent restés uniquement sur le papier. Le problème, selon Tommaso Pozzi, directeur de l’unité commerciale numérique de Relatech, n’est pas technologique mais stratégique.
La meilleure technologie du marché ne suffit pas à elle seule. Vous avez besoin d’une vision claire des objectifs que vous souhaitez atteindre, vous avez besoin de données de qualité et vous avez souvent besoin de l’accompagnement concret d’un partenaire capable d’apporter les compétences technologiques et la compréhension des processus dans un parcours de transformation cohérent.
C’est le point central de toute stratégie d’IA qui veut aller au-delà de l’expérimentation.
De l’ERP aux agents IA : la transformation silencieuse des processus métiers
Le modèle de gestion basé sur l’ERP, qui domine la gestion des opérations des entreprises depuis des décennies, a commencé à grincer ces dernières années, se révélant incapable de prendre en charge efficacement des modèles opérationnels de plus en plus distribués et pilotés par l’IA.
Il ne s’agit pas d’un remplacement immédiat, mais d’une évolution progressive déjà en cours : « Le concept d’ERP monolithique mourra et sera remplacé par l’adoption généralisée de solutions d’agents qui constitueront un écosystème véritablement coordonné et intégré », explique Pozzi dans cette vidéo.
Une architecture distribuée et adaptative, qui accompagnera la transformation continue des processus métiers et des modèles économiques en mode liquide.
Des données de qualité pour construire une stratégie d’IA sur des bases solides
Passer de l’expérimentation à la transformation réelle nécessite de la méthode et une connaissance approfondie des processus et dynamiques métiers. Relatech rassemble des solutions et des expériences verticales dans une bibliothèque propriétaire, conçue comme point de départ pour construire des écosystèmes d’agents adaptés à chaque entreprise cliente.
Mais la technologie n’est qu’une partie de l’équation. Une stratégie d’IA efficace nécessite également des compétences en gestion du changement, une attention aux problèmes de sécurité et, surtout, une infrastructure de données solide. Car sans données de qualité, même le modèle d’IA le plus sophistiqué produit des résultats peu fiables ou inutilisables.
La qualité des données comme condition habilitante
L’une des erreurs les plus courantes lors des premières étapes de l’adoption de l’IA est de sous-estimer le travail préparatoire sur les données. Pour Pozzi, la priorité est «la construction de plateformes de données cohérentes, modernes du point de vue de l’utilisabilité, qui permettent réellement d’exploiter pleinement ces nouvelles technologies».
En effet, d’après son expérience, les entreprises qui obtiennent les meilleurs résultats sont celles qui ont investi dans cette infrastructure de base, souvent peu visible mais décisive pour la réussite de tout projet d’intelligence artificielle.
La verticalisation comme levier de compétitivité : l’industrie et la pharma dans le collimateur
Relatech a choisi d’orienter sa stratégie IA dans les domaines dans lesquels elle a acquis au fil des années un réel avantage concurrentiel qu’elle est en mesure de transférer sous forme d’expertise à ses clients. «C’est – explique le manager – un mélange de compétences techniques et de connaissances approfondies des processus métiers. L’industrie manufacturière et la pharmacie sont pour nous des secteurs prioritaires. Deux mondes dans lesquels une compréhension approfondie des dynamiques opérationnelles est aussi importante que la maîtrise des meilleures technologies. »
Le début d’une stratégie d’IA réussie
Pour les entreprises qui en sont encore à la phase initiale de leur parcours vers l’IA, le conseil de Pozzi est de ne pas aller de l’avant mais de procéder progressivement et méthodiquement. «La première étape – conclut-il – est la formation interne, pour comprendre comment l’IA peut concrètement changer notre façon de travailler. Ce n’est qu’alors, progressivement, que nous passons à l’application dans des contextes spécifiques. » C’est le point de départ pour construire un chemin de transformation plus incisif et plus omniprésent.
Article créé en collaboration avec Relatech
