Exploitez Data & IA pour générer de la performance : nos conseils

Plus de 80 % des entreprises placent l’usage de l’intelligence artificielle au cœur de leurs priorités en 2024, d’après une étude Forbes. Si les personnes interrogées évoquent spontanément des applications assez classiques de l’IA (chatbots, envoi d’e-mails automatiques), il existe en réalité un nombre incalculable de cas dans lesquels l’IA peut simplifier les process (y compris les plus complexes !). Comment bien utiliser l’intelligence artificielle dans une entreprise ? Quels sont les prérequis incontournables pour une stratégie efficace et pérenne ?

Ider Oudad, fondateur IoD Solutions et expert data / IA et Nicolas Lepiller, responsable Business Intelligence Sigma, nous apportent leurs éclairages.

L’intelligence artificielle, un instrument au service des processus métier

Lorsqu’on parle d’intelligence artificielle en entreprise, il faut avant tout distinguer les purs « produits » du marché d’un accompagnement complet et personnalisé. Très concrètement, des outils comme Microsoft Copilot ou Chat GPT peuvent être utiles ponctuellement. Mais puisqu’ils s’appuient sur les mêmes données pour tous les utilisateurs, ils ne pourront jamais vraiment constituer un avantage concurrentiel.

En revanche, quand une entreprise fait appel à des experts pour déployer une stratégie data et IA sur-mesure, elle choisit d’automatiser ou d’améliorer ses processus métier. Et c’est ici que l’avantage concurrentiel devient une réalité.

Finalement, Ider Oudad résume l’objectif global d’un projet IA dans une entreprise : « en croisant leur réalité opérationnelle avec les potentialités de l’IA, il devient possible d’imaginer de nouvelles façons de travailler, et même des processus augmentés par l’intelligence artificielle ».

Pour résumer, utiliser l’intelligence artificielle n’est pas une fin en soi : l’enjeu principal réside bel et bien dans « l’intégration de l’IA aux processus opérationnels ».

Quelles étapes pour mettre au point un projet Data & IA efficace ?

La définition des cas d’usage

Comme le rappelle Ider Oudad, « l’intelligence artificielle en entreprise n’est pas un sujet technologique. Le sujet, c’est de comprendre les enjeux de l’entreprise, les points de douleur et de voir comment chacun travaille ».

C’est donc bel et bien « le processus qui structure l’orientation de l’outil technologique ». Pour définir les cas d’usage les plus pertinents à exploiter avec l’IA, on conseille de s’appuyer sur deux éléments concrets : la fréquence et l’impact.

Par exemple, si l’on souhaite développer un système de détection de fraude sur une carte de paiement, on peut se poser ce genre de question :

À quelle fréquence les utilisateurs sont-ils victimes de fraudes ?
Combien coûte chaque fraude ?
Quels sont les moyens humains nécessaires pour gérer ces fraudes, et quels sont les coûts associés ?

Une fois le cas d’usage exprimé, il faut déterminer précisément comment sera traitée la fraude : est-ce qu’on bloque la carte en question ? Est-ce qu’on prévient un commercial qui va ensuite contacter l’utilisateur ?

Car, comme le rappellent nos experts Ider Oudad et Nicolas Lepiller, « l’intelligence artificielle ne décide pas, mais c’est le modèle opérationnel qui définit tout ».

Une fois les cas d’usage identifiés et les besoins opérationnels bien connus, on peut déterminer quels vont être les processus augmentés par l’IA et de quelle manière on va procéder pour cette automatisation.

Plus tard, il faudra évidemment accompagner les collaborateurs dans leurs nouveaux modes de travail. L’objectif d’une intelligence artificielle n’est pas de les remplacer, mais de leur simplifier la tâche et de leur laisser davantage de temps pour se consacrer aux missions à plus forte valeur ajoutée.

La création, la gestion et l’optimisation du socle data

Nos experts le soulignent : « ce qui fait la différence en matière d’IA, ce n’est pas le choix des algorithmes, puisqu’ils sont open source. Ce qui va vraiment vous permettre de faire de l’IA un outil de différenciation, c’est la gestion des données ».

Une solution d’intelligence artificielle efficace et pérenne doit s’appuyer sur un socle data extrêmement solide. Nicolas Lepiller, expert BI chez Sigma, a toujours été habitué à « mettre en place des plateformes data basées sur les problématiques métier ».

Si cette approche reste d’actualité, il admet que le « volet technologique est particulièrement présent avec les plateformes data destinées à l’IA. En effet, on doit mettre en place des flux de données qui partent de différentes applications métier (ERP, logiciels de vente, logiciels RH). Ces données vont ensuite être chargées dans une base centralisée. Puis, l’enjeu va être de transformer, enrichir, nettoyer et filtrer cette matière première, pour avoir une donnée cohérente et de qualité ». Car sans data de qualité, impossible de faire fonctionner une intelligence artificielle de manière réellement intéressante.

On a longtemps valorisé le travail de gestion et de nettoyage de la data pour déployer des solutions de BI (Business Intelligence) véritablement efficaces. Cet enjeu devient prépondérant avec l’émergence de l’intelligence artificielle : plus que jamais, pour une solution BI et/ou l’usage de l’IA, les entreprises ont besoin d’un bon socle data !

La jonction entre l’intelligence et la data

Déployer une intelligence artificielle à l’échelle d’une entreprise implique d’être capable d’identifier les cas d’usage, de les exploiter correctement et de mettre au point un socle de données de qualité.

Nicolas Lepiller et Ider Oudad rappellent que « le sujet, c’est d’implémenter l’IA de façon pérenne dans les entreprises ». Pour cela, il ne suffit pas d’avoir une bonne approche techno ou une base de données de grande qualité, parce que ces deux éléments sont indissociables.

Une fois l’intelligence artificielle en place, les entreprises doivent encore pouvoir s’appuyer sur des experts pour maintenir et mettre à jour le moteur d’intelligence artificielle, mais aussi maintenir la plateforme data et gérer la gouvernance de données qui s’impose.

En somme, une stratégie data réussie repose sur une pluralité d’expertises, puisqu’il faut être en mesure de maîtriser à la fois les problématiques métier, les aspects technologiques et les enjeux de gestion / gouvernance de la donnée.

Sigma s’associe à IoD Solutions pour garantir une prise en charge globale de votre projet IA en entreprise. Fort de son ADN d’éditeur, intégrateur et infogéreur, Sigma supervise toute la partie data, tandis qu’IoD Solutions, agence de conseil en data & IA, s’occupe de la partie intelligence artificielle.

Intelligence artificielle et gouvernances des données : quels enjeux ?

L’intelligence artificielle s’appuie toujours sur une base de données pour fonctionner : en toute logique, cette base de données doit évidemment respecter les réglementations en place, et notamment le RGPD.

Nicolas Lepiller explique qu’en matière d’IA, on doit surtout veiller à suivre les prérogatives concernant « la collecte et le stockage des données ». Sigma conseille par exemple à ses clients le stockage sur le territoire français, que ce soit dans ses propres datacenters de la région nantaise ou ceux des fournisseurs de cloud publics en région parisienne. De plus, tous les process nécessaires pour gérer la donnée conformément au RGPD, et respecter les durées de rétention, sont connus et respectés à la lettre. Bien évidemment, il rajoute aussi qu’on tient compte des « besoins en masquage de données et des process obligatoires en place pour la gestion des données confidentielles ».

Aujourd’hui, nous sommes en mesure de fonder une approche IA basée sur des données conformes à la réglementation et aux enjeux RSE. En parallèle, nous accompagnons également les entreprises dans la gestion de leurs bases de données, leur assainissement et les stratégies de gouvernance associées. Si besoin, nous pouvons proposer des services de refonte ou de création d’une plateforme data fiable, pérenne et qualitative en amont d’une approche IA plus poussée.

Les entreprises sont-elles prêtes à sauter le pas de l’IA ?

Ider Oudad et Nicolas Lepiller nous présentent volontiers l’intelligence artificielle et l’approche data comme de vrais avantages concurrentiels. Mais vos concurrents sont-ils prêts à sauter le pas ? Les statistiques semblent le confirmer : 120 000 postes de chef de projet IA devraient être créés à l’horizon 2030, d’après Hub France IA.

Confronté quotidiennement à des entreprises qui transforment leur approche data et se tournent vers l’IA, Nicolas Lepiller a lui aussi vu des évolutions : « aujourd’hui, quand on déploie une plateforme data, nos clients commencent de plus en plus à matérialiser leur volonté d’aller jusqu’à l’intelligence artificielle plus tard ».

La maturité progresse elle aussi : « nos clients commencent à préidentifier des cas d’usage, on voit émerger un premier niveau de compréhension de leur côté », souligne Ider Oudad.

Tous secteurs confondus, les entreprises semblent prêtes à sauter le pas de l’intelligence artificielle, raison de plus de se lancer pour faire face à la concurrence !

Des aides pour rendre l’intelligence artificielle plus abordable ?

Pour nos experts, le fait que des financements soient mis en place confirme aussi la progression du sujet IA, qui devient de plus en plus central dans nos écosystèmes.

S’adressant aux PME et ETI qui répondent à certains critères comme celui d’un chiffre d’affaires égal ou supérieur à 1 million d’euros, BPI finance de nombreux projets IA. Ce financement couvre à la fois la prestation de diagnostic, le choix de la solution et la mise en place opérationnelle, avec des prises en charge qui peuvent aller jusqu’à 50 %.

Cette offre IA BOOSTER est proposée à toutes les entreprises qui travaillent avec des experts data et IA membres du programme, comme Sigma et IoD.

Data & IA : comment les utiliser pour générer de la performance ?