Les causes de l’échec de nombreux projets d’IA (et les clés du succès)

Selon une étude récente, les dépenses liées à l’IA devraient augmenter de 61% en 2024. Les chefs d’entreprise doivent néanmoins trouver un équilibre entre leur enthousiasme pour cette technologie et les besoins réels de leur organisation. En dépit des promesses de l’IA, les preuves de concept mises en place par de nombreuses entreprises n’ont pas donné les résultats escomptés. La réussite des investissements dans l’IA repose sur une préparation rigoureuse et une mise en œuvre minutieuse.

L’engouement récent pour l’IA a souvent poussé les équipes informatiques à déployer l’IA générative sans vision claire. Les chefs d’entreprise doivent pourtant s’assurer qu’elle est mise en œuvre pour les bonnes raisons et pas simplement pour imiter la concurrence. Ils doivent comprendre comment tirer le meilleur parti de l’IA plutôt que se laisser emporter par le battage médiatique qui l’entoure.

Un large fossé existe entre les technologies développées en laboratoire et leur application dans la réalité quotidienne des entreprises. L’enthousiasme que suscitent les nouvelles technologies peut faire oublier les défis pratiques, ce qui peut mener à des investissements inefficaces en matière d’IA.

Pourquoi l’IA peut-elle échouer ?

L’IA échoue essentiellement lorsque les entreprises ne commencent pas par identifier les problèmes ou les inefficacités à résoudre. À cet égard, les dirigeants doivent dialoguer avec leurs partenaires et écouter tant les consommateurs que les collaborateurs pour identifier ces points. L’IA prend toute sa valeur quand elle sert à résoudre des problèmes commerciaux concrets et non comme une fin en soi.

IA: les clés de la réussite

Les projets d’IA donnent souvent lieu à la mise en place d’une « équipe IA » dédiée. Cette stratégie basée sur la dissociation n’est pourtant pas la bonne. L’IA doit être intégrée et déployée à l’échelle de toute l’organisation. Les chefs d’entreprise doivent rassembler différentes équipes pour implémenter la technologie et assurer une intégration fluide et sans demi-mesures.

Une approche efficace commence par l’élaboration d’une solution de type « preuve de concept » qui utilise l’IA correctement pour résoudre un problème bien précis de l’entreprise. Cette solution peut ensuite être élargie. Un chatbot fondé sur l’IA générative peut, par exemple, être mis à la disposition d’un nombre limité de clients dans un premier temps, avant d’être déployé à plus grande échelle. Une communication interne efficace est cruciale pour partager les avantages de la preuve de concept au sein de l’organisation. Les projets d’IA n’attirent l’attention du management que lorsqu’ils prennent une certaine ampleur.

Pourquoi l’IA générative peut-elle causer des problèmes ?

Même les experts ont été surpris par l’accessibilité de l’IA après le lancement de ChatGPT, ce qui a conduit à croire à tort qu’il fallait appliquer l’IA générative partout. Or, il convient de se demander si cette technologie constitue le bon choix ou si d’autres formes d’IA ne seraient pas plus efficaces.

Le buzz qui entoure l’IA générative a parfois entraîné son déploiement dans des situations où elle ne fonctionne pas de manière optimale. L’IA générative excelle dans des applications spécifiques telles que les chatbots et la génération de contenu. Elle est aussi précieuse pour la segmentation, l’automatisation intelligente et la détection des anomalies. Spécialisée en IA et en IoT, l’entreprise britannique Smartia a, par exemple, collaboré avec Lenovo pour intégrer des technologies d’apprentissage automatique et de vision par ordinateur dans son processus de production, ce qui l’a rendu plus fluide et a permis une détection plus efficace des anomalies.

Comment les entreprises utilisent-elles l’IA ?

L’IA aide déjà les organisations à résoudre des problèmes concrets dans des secteurs comme la vente au détail et la production. Elle rationalise et accélère les processus, ce qui réduit le temps que les collaborateurs consacrent aux tâches routinières. La vision par ordinateur est ainsi une application réussie de l’IA dans le commerce de détail et la production. La technologie relie les mondes physique et numérique, permet de détecter les défaillances au niveau des chaînes de production et fournit de précieuses informations dans les magasins.

La solution d’IA de Signatrix utilise la vision par ordinateur pour extraire des données à partir des caméras installées dans les magasins. Ce système va au-delà de la prévention des vols : il fournit des informations sur le comportement des clients et l’efficacité des promotions. Dans le secteur manufacturier, le logiciel LabVista de Graymatics utilise cette technologie pour optimiser l’efficacité des usines et des laboratoires, tout en améliorant la sécurité des travailleurs par la détection des risques liés au contrôle de la qualité et à la sécurité.

Ouvrir la voie à un avenir qui intègre l’IA

Les chefs d’entreprise doivent rester réalistes vis-à-vis de l’IA et se concentrer sur des problèmes concrets. Une approche globale est essentielle : l’intégration de l’IA doit faire partie de la solution apportée aux problèmes réels de l’entreprise et permettre la collaboration entre différentes équipes. Avec une approche bien pensée, les chefs d’entreprise s’assureront que leurs projets d’IA dépassent le stade conceptuel et génèrent des résultats tangibles.