peshkova - Fotolia

Gartner : Les 10 technologies stratégiques à suivre en 2020

Il y a 20 ans, les responsables IT étaient très concernés par le bug de l’an 2000 – l’iPhone, Twitter et Facebook n’existaient pas. Que nous réserve donc le début de cette nouvelle décennie ?

L’année 2020 entame une nouvelle décennie riche en technologies de ruptures. Certaines d’entre elles sont déjà communes, mais la prolifération de nouveaux cas d’usage et d’applications va pousser les entreprises à se poser des questions sur leurs avantages et les opportunités qu’elles créent. Chez Gartner, nous prévoyons que les 10 technologies stratégiques en 2020 incluront l’hyperautomatisation, la sécurité via la blockchain et l’intelligence artificielle, entre autres.

Suite de l'article ci-dessous

1. L’automatisation en 2020 : place à l’hyperautomatisation

L’hyperautomatisation, c’est le prochain niveau de l’automatisation. Elle repose sur l’utilisation de nouvelles technologies telles que l’intelligence artificielle et le machine learning pour robotiser les processus et émanciper les humains des tâches les plus pénibles. 

Dans certains cas, elle peut impliquer la création d’un jumeau numérique de l’organisation permettant de visualiser comment les fonctions, les processus et les indicateurs de performance interagissent pour générer de la valeur.

Mais comme aucun outil ne peut à lui seul remplacer l’humain, l’hyperautomatisation sera déterminée par une combinaison d’éléments. Parmi ces outils, le RPA et les logiciels intelligents de gestion d’entreprise gagnent en popularité.

2. La multiexpérience, LA nouvelle expérience

À partir de 2020, la multiexpérience engendrera une évolution en profondeur de l’interface homme-machine. Nous passerons d’un seul point d’interaction à l’intégration d’interfaces multisensorielles et multitactiles en adoptant des équipements comme des wearables et des capteurs avancés. Au cours de la prochaine décennie, cette tendance deviendra ce que l’on appelle « l’expérience ambiante ».

Pour l’instant, le concept de multiexpérience renvoie à des expériences immersives qui utilisent la réalité augmentée, virtuelle et mixte, les interfaces hommes-machines multicanaux et les technologies de détection.

3. La démocratisation de l’IT à la sauce 2020

La démocratisation des technologies intime un accès facilité à l’expertise technique ou commerciale aux métiers, sans formation approfondie ou coûteuse. Déjà appelée « citizen access », cette tendance se déclinera en quatre domaines clés : le développement d’applications, les données et l’analytique, le design, et l’apprentissage.

Nous nous attendons à voir la montée en puissance des « citizen data scientists », des programmeurs autodidactes ou d’autres formes d’engagement de ce type. Par exemple, cela pourrait permettre à un plus grand nombre de personnes de générer des modèles de données sans qu’elles aient les compétences d’un data scientist. Cela serait rendu en partie possible par la génération de code basée sur l’IA.

4. Augmenter les humains

La tendance controversée de l’augmentation humaine consiste à utiliser des technologies pour améliorer les capacités cognitives et physiques d’un individu. Elle s’accompagne d’une série d’implications culturelles et éthiques.

L’augmentation humaine consiste pour l’instant à la mise en œuvre de wearables pour sécuriser les ouvriers dans l’industrie minière. Dans d’autres secteurs comme le retail et le voyage, ces vêtements connectés pourraient être utilisés pour accroître la productivité des travailleurs.

5. Une plus grande transparence, une plus grande traçabilité 

Les solutions IT provoquent une crise de confiance. Les consommateurs étant de plus en plus conscients de la manière dont leurs données personnelles sont collectées et utilisées, les entreprises assument la responsabilité du stockage et de la collecte des données. Toutefois, beaucoup d’entre elles utilisent également l’IA et le machine learning pour prendre des décisions.

C’est une autre source de préoccupation, qui entraîne la nécessité d’adopter des processus tels que l’explicabilité et la gouvernance de l’IA. Cette tendance exige de se concentrer sur ces éléments clés, pourvoyeurs de confiance : l’intégrité, l’ouverture, la responsabilité, la qualité et la consistance. Il est probable qu’une législation similaire au Règlement général sur la protection des données (RGPD) de l’Union européenne soit promulguée dans le monde entier au cours des prochaines années.

6. L’ère de l’Edge Computing

La popularité croissante de l’Edge Computing repose sur l’idée qu’un trafic localisé et distribué réduira la latence des applications. Cela implique d’adopter une architecture dans laquelle le traitement de l’information, sa collecte et sa livraison sont placés au plus près du lieu de stockage des sources de données. 

L’Edge Computing bénéficie pleinement à l’internet des objets. Il permet d’étendre les capacités des équipements en les rendant intelligents et rapproche les services clés des personnes et dispositifs les utilisant. D’ici 2023, il pourrait y avoir 20 fois plus d’appareils intelligents en périphérie des réseaux que dans les installations IT traditionnelles.

7. Le cloud distribué

Le cloud distribué fait référence à la dispersion des services de cloud publics en dehors des datacenters des fournisseurs tout en restant sous le contrôle de ces derniers. Dans ce mode d’utilisation, l’opérateur est responsable pour tous les aspects : de l’architecture, de la prestation des opérations, de la gouvernance et des mises à jour des services cloud.

L’évolution du cloud public centralisé vers un mode distribué ouvre une nouvelle ère du cloud computing. Le nuage distribué permet d’utiliser des centres de données situés n’importe où. Cela permet de résoudre les problèmes techniques, tels que la latence, et des soucis réglementaires tels que la souveraineté des données. Il offre également les avantages combinés d’un cloud public et d’un cloud privé.

8. Encore plus d’engins autonomes

Les machines autonomes comme les drones, les robots, les navires exploitent l’IA pour effectuer des tâches traditionnellement opérées par des humains. Cette tendance implique plusieurs formes d’intelligence allant de la semi-autonomie à l’autonomie complète appliquées dans une variété d’environnements, comprenant l’air, la terre et la mer.

Si la plupart des cas d’usage dépendent d’espaces confinés tels que des entrepôts, ces engins autonomes seront amenés dans un futur proche à occuper l’espace public. Ils pourront prendre place dans des flottes collaboratives. Rappelons-nous des essaims de drones utilisés lors des Jeux olympiques d’hiver de 2018.

9. Vers une véritable blockchain

Aujourd’hui, les entreprises envisagent une approche pratique de la blockchain. Elles utilisent seulement quelques composants, des bouts d’une chaîne de blocs complète. Tous ceux qui ont un accès autorisé voient la même information et l’intégration est simplifiée par le fait d’avoir une seule blockchain partagée.

À l’avenir, cette tendance pourrait transformer les industries et éventuellement l’économie au fur et à mesure que des technologies complémentaires, à l’instar de l’IA et de l’IoT, s’intégreront avec cette technologie.

Cela élargira le type de participants afin d’inclure les machines, qui pourront échanger diverses ressources. Par exemple, une voiture pourra négocier les prix de l’assurance directement avec la compagnie sur la base des données recueillies par ses capteurs. De plus, la blockchain sera entièrement industrialisée d’ici 2023.

10. Place à une IA plus sécurisée

Les technologies évolutives telles que l’hyperautomatisation ouvrent des opportunités de transformations économiques. Cependant, elles provoquent également l’émergence de vulnérabilités de sécurité en créant de nouveaux points d’attaque potentiels. Les équipes chargées de la sécurité doivent relever ces défis et prendre conscience de l’impact de l’IA sur le cyberespace.

Le futur de la sécurité de l’IA dépend de trois perspectives. Premièrement, il convient de protéger les systèmes intelligents, de sécuriser les données d’entraînement, les pipelines ML et les modèles d’apprentissage statistique. Deuxièmement, il faut exploiter l’IA pour améliorer les défenses, utiliser le machine learning pour comprendre les patterns (modèles), découvrir les attaques et automatiser certains processus de cybersécurité. Troisièmement, l’anticipation des utilisations néfastes de l’intelligence artificielle par les attaquants et l’identification des menaces ainsi que la conception de mécanismes de protection seront critiques à l’avenir.

Pour approfondir sur Outils décisionnels et analytiques

Close