Un DSI sur deux prêt à déployer l’intelligence artificielle

Big DataData & StockageDSILogicielsM2MProjetsRéseaux

Les déploiements de projets d’intelligence artificielle orchestrés par les directions informatiques débutent. Tous ne sont pas au point, selon Gartner.

C’est l’un des enseignements du « CIO Agenda Survey 2018 » du Gartner : les déploiements significatifs de projets d’intelligence artificielle (IA) débutent seulement.

46% des DSI prévoient de tels déploiements. En revanche, seuls 4% d’entre eux ont déjà orchestré des projets d’IA (apprentissage automatique, raisonnement automatisé, robotique…).

« Malgré l’engouement important pour les technologies d’IA, le niveau des déploiements actuels reste assez limité », juge Whit Andrews, vice-président de la recherche et analyste chez Gartner.

« Toutefois, il existe un potentiel de forte croissance car les DSI commencent à piloter des programmes d’IA agrégeant les efforts : achat, production et externalisation ».

Les chercheurs de Gartner ont identifié les grandes leçons à tirer des premiers projets engagés par des DSI. 

Pour commencer : la recherche de gains financiers directs serait vouée à l’échec, selon eux.

« Attendez-vous à ce que [vos premiers] projets d’IA apportent, au mieux, des enseignements qui faciliteront les expériences, les projets pilotes et les mises en œuvre ultérieurs », souligne la société d’études.

Par ailleurs, lorsqu’un objectif financier est exigé pour débuter un projet d’IA, il devrait être fixé « aussi bas » que possible. Et ce n’est pas tout…

« Laissez tomber l’idée de grandes équipes ‘d’agents intelligents”‘infiniment duplicables, capables d’exécuter des tâches comme les humains » (et sans broncher), prévient Whit Andrews.

Mieux vaut que la DSI s’engage aux côtés des collaborateurs métiers sur ce terrain. « En les impliquant et en suscitant leur adhésion à propos d’une aide à la décision alimentée par l’IA. Un soutien qui peut améliorer et élever le travail qu’ils accomplissent chaque jour ».

Le problème est que les compétences en data science peuvent manquer en interne.

53% des répondants pensent même que les capacités d’extraction et d’exploitation de données de leur propre organisation sont « limitées ».

Pour un projet d’IA à grande échelle, renforcer les capacités internes

Les entreprises peuvent se tourner vers des prestataires externes pour disposer de ces compétences. Mais cette option « n’est pas idéale à long terme », selon Gartner.

Les organisations devraient au contraire s’assurer « que leurs premiers projets d’IA permettent le transfert de connaissances des experts externes vers leurs employés. Elles devraient aussi renforcer leurs capacités internes avant de passer à des projets d’IA à grande échelle ».

Auprès des founisseurs de solutions, « savoir si un système d’IA produit la bonne réponse n’est pas l’unique enjeu », a insisté le vice-président de Gartner. « Les dirigeants doivent comprendre pourquoi un tel système est efficace et pouvoir l’expliquer quand ce n’est pas le cas ».

D’ici 2020, selon Gartner toujours, 20% des organisations chargeront des travailleurs de surveiller et contrôler des réseaux de neurones artificiels, une composante de l’IA.

Malgré tout, tous les déploiements ne seront pas couronnés de succès. D’ici 2022, Gartner prévoit que 85% des projets d’IA aboutiront à des résultats erronés « en raison de biais dans les données, les algorithmes ou [de la défaillance] des équipes chargées de les gérer ».

Lire également :

L’intelligence artificielle s’impose peu à peu dans les entreprises

IA, IoT, cybersecurité…ces technos qui troublent les DSI

crédit photo © shutterstock

Lire aussi :

Auteur : Ariane Beky
Lire la biographie de l´auteur  Masquer la biographie de l´auteur