AI vs BI : comment expliquer et amener l’Intelligence Artificielle aux métiers

Le discours des fournisseurs d’AI est simple, voire simpliste. Mais sur le terrain, la différence avec la BI n’est pas bien comprise et ses atouts (et ceux du Machine Learning) ne sont pas encore bien perçus. Quelques règles permettent néanmoins de faire avancer son adhésion en entreprise.

L’Intelligence Artificielle va-t-elle rapidement devenir une technologie commune dans les entreprises ? Les fournisseurs en font le pari.

La semaine dernière, lors du World of Watson, la PDG d’IBM Virginia Rometty a ainsi laissé entendre que son Intelligence maison allait atteindre, d’après elle, un milliard d’utilisateurs d’ici fin 2017. Et que à terme l’AI sera derrière la majorité – voire toutes – les décisions personnelles et professionnelles importantes.

Le mois dernier, Salesforce a de son côté sorti Einstein, un système d’IA qui analyse les données pour identifier des tendances marketing et commerciales. Au final tous les grands de l’IT sautent dans le train de l’AI. Que ce soit Microsoft, Google, Apple ou Facebook. Selon le Gartner, l’Intelligence Artificielle et son petit frère, l’Advanced Machine Learning, sont même au sommet du top des tendances clefs de 2017.

Du discours au terrain

Mais les choses ne sont pas si simples sur le terrain. En témoigne cette question d’un cadre d’une entreprise agroalimentaire américaine (Welch’s) à la fin d’une session baptisée « Applied AI: Intelligent Machines in the Enterprise » lors du EmTech – une conférence organisée par le prestigieux MIT.

Ce que le participant a demandé était on ne peut plus simple : « Comment présentez-vous aux métiers tout ce qui vient d’être dit sur l’AI, et que dans le même temps ils ne se disent pas que c’est juste et encore de la BI ? ».

La plus grosse différence entre l’IA et la BI est qu’elles ne répondent pas aux mêmes questions, a répondu Sameer Anand, consultant chez A.T. Kearney. La BI serait souvent utilisée pour comprendre ce qui s’est passé. Tandis que l’AI a pour but d’essayer d’envisager ce qui va arriver.

« On voit beaucoup d’entreprises qui réfléchissent au prédictif et au moyen de faire des prévisions, c’est là, je pense, qu’il y aura de l’IA et pas vraiment de BI ».

Mais la question montre aussi qu’il y a un décalage entre le discours des vendeurs et la réalité du terrain. Les acheteurs potentiels reçoivent ces nouveautés avec précaution, voire circonspection. Ce qui ralentit l’adoption de l’AI.

Trouver un sponsor

Comment démocratiser l’AI ? Quelques règlent sont à respecter.

Pour Houman Motaharian, de LendingPoint – une start-up spécialiste du crédit – le plus important dans un premier temps est de susciter l’adhésion de la direction. Mieux que ce soit un ponte (Directeur ou Vice-Président) qui mène la charge.

Quand il travaillait pour AmericanExpress, il y a 8 ans, il se souvient que c’est le Directeur de la gestion du risque (le Chief Risk Officer) qui a milité pour que l’entreprise se lance dans le Machine Learning et qu’elle commence à regarder Hadoop.

« Trouver un champion de l’AI est clef », confirment Vijay Sharma de Deloitte. Un avis chaudement appuyé par Sameer Anand.

Commencer petit et être patient

Le Chief Risk Officer a commencé petit, en ciblant des cas d’usages appropriés et en lançant des PoC. « Aujourd’hui, je sais de source sûre que la plupart des décisions d’AmericanExpress sont prises avec l’aide de l’apprentissage statistique », confie Houman Motaharian.

Là encore, Vijay Sharma acquiesce. « Commencer petit aide à construire un cas sérieux et solide qui une fois correctement présenté peut emporter la confiance d’un top manager », conseille-t-il.

Mais Houman Motaharian prévient : même avec l’appui d’un haut dirigeant, l’adoption de l’AI chez AmericanExpress a pris du temps. « Cela ne s’est pas fait en une nuit. Ça a pris six ou sept ans ».

Résonner différemment

Et pour cause, pour la consultant de A.T. Kearney, l’Intelligence Artificielle est un générateur de nouvelles idées. Elle n’est pas faite pour repenser l’existant en mieux mais pour le réinventer.

« Prenez du recul. Et prenez du temps pour vous pencher sur la manière dont les données, les outils analytiques et la technologie peuvent être utilisés et combinés pour résoudre un problème », invite-t-il en conclusion. Autrement dit, il faut (aussi) savoir laisser le temps au temps pour faire germer les idées.

Dernière mise à jour de cet article : novembre 2016

Participer à la conversation

1 commentaire

M'envoyer une notification dès qu'un autre membre commente.

Merci de créer un identifiant pour pouvoir poster votre commentaire.

merci pour cet article
Annuler

- ANNONCES GOOGLE

Close