L’intelligence artificielle (IA) offre des opportunités significatives pour les entreprises souhaitant optimiser leurs processus et innover.

Cependant, mener un projet IA sans une vision claire et un accompagnement adapté peut rapidement conduire à l’échec et ainsi à une perte de ROI. Il ne faut donc pas négliger la première phase d’un projet IA qui sert de fil conducteur. Afin d’aligner vision stratégique et réponse opérationnelle, il est important d’identifier des cas d’usage pertinents, leur ROI, leurs risques et leur vie au sein de l’entreprise. Chez Cross Data, cette étape d’alignement est appelée Start IA.

Dans cet article, vous retrouverez quelques conseils pour la mise en œuvre d’un projet en IA dès sa conception.

Les éléments clés pour mener et réussir un projet en IA

Vision stratégique vs Réponse opérationnelle : un équilibre à trouver

Tout le monde veut faire de l’IA mais tout le monde n’arrive pas forcément à bon port.

La moitié des projets d’IA échouent. Selon une étude de 2019 réalisée par IDC auprès de 2500 organisations, c’est souvent en raison d’attentes irréalistes et d’un manque de main-d’œuvre qualifiée pour faire vivre le projet. Il est donc important d’avoir une cohérence en termes d’attentes et de faisabilité d’un projet d’IA. Pour cela, il faut cadrer le projet IA en identifiant des cas d’usage clés pour une entreprise et arbitrer en fonction du ROI de chacun d’entre eux. Dans son expérience, Cross Data a identifié que les projets qui ont le soutien de la direction qui porte la vision à long terme, et dont les utilisateurs comprennent l’objectif opérationnel au quotidien sont ceux qui ont les plus grandes possibilités de réussir.

Les équipes métiers doivent être impliquées dès le début et jusqu’à la fin

Quelle est la clé du succès d’un projet IA ?

Afin de mener à un projet IA de manière efficiente, plusieurs points clés sont à prendre en considération.

Compréhension mutuelle et implication des acteurs sont au cœur de la réussite du projet : Dans ce cas précis, cette compréhension doit s’opérer entre experts métiers et data scientists. C’est le fondement pour débloquer la vraie valeur des données. En termes de modélisation IA, cela se traduit par deux questions cruciales, à savoir :
– Quelles contraintes le système doit-il respecter ?
– Quel est son objectif ultime ?
La transversalité du projet : une condition de performance à long terme. Un projet IA nécessite la collaboration de plusieurs métiers : spécialistes des données (IT, data engineers), data scientists, équipes métiers, direction générale, et même les ressources humaines. La communication entre ces parties prenantes est essentielle pour garantir que les objectifs du projet soient clairs pour tous et qu’il réponde bien aux attentes de chacune des parties prenantes.
Le rôle central du Product Owner (PO) : Dans cette démarche de communication transversale, le rôle du Product Owner (PO) devient clé d’un point de vue technique mais aussi afin d’assurer la communication efficace entre équipes techniques et métier. Il est le relais entre chacun des interlocuteurs impliqués dans le projet. Le PO doit être capable de naviguer entre les besoins métier et les réalités techniques, tout en assurant une communication fluide entre les équipes. Il est responsable de la définition des objectifs, du suivi de la progression et de l’alignement constant du projet avec les besoins de l’entreprise. Sans un PO impliqué dès le début, les projets IA risquent de partir dans une direction inadaptée, ce qui peut entraîner des surcoûts importants.

Gestion de l’incertitude et des risques dans un projet d’IA : une étape obligatoire

L’incertitude et la gestion de celle-ci fait partie intégrante de tout projet IA. Les résultats d’un modèle ne sont pas toujours prévisibles et il est essentiel de savoir gérer cette incertitude pour minimiser les risques.

Pour cela, plusieurs recommandations sont à envisager :

Petits pas, grands impacts : Commencer sur une échelle réduite pour l’agrandir ensuite. Commencez avec des cas simples sur un sous-ensemble, mais osez aborder les risques les plus intimidants en premier.
Itération et adaptation : la clé d’un projet solide. Élargissez progressivement le périmètre, tout en levant de nouveaux défis.
Mesurer pour décider de manière éclairée. Arrêtez-vous lorsque le ROI visé est atteint. Plus n’est pas toujours mieux.
Avoir un plan B pour maintenir son projet IA sur les rails. Si la solution idéale échoue, avez-vous une alternative simple mais efficace pour comparer et ajuster ?

Cycle en V et méthodes agiles : quelle approche pour les projets d’IA ?

Contrairement aux projets de développement classiques comportant généralement de nombreuses fonctionnalités, les projets d’IA se concentrent souvent sur une ou deux fonctionnalités spécifiques (prédire un état, optimiser un process…etc).

Dès lors, là où les projets de développement utilisent des méthodes de gestion de projet Agile/Scrum, Cross Data recommande une méthode « cycle en V » pour les projets d’IA, pour leur structure et leur efficacité.

La méthode se structure ainsi :

La phase de cadrage : Définir les objectifs et les spécifications du projet.
Prototypage : Développer et valider le concept.
Mise en Performance : Optimiser les modèles IA par itérations successives.
Industrialisation : Intégrer en production et former les utilisateurs.

Méthodologie d’un projet d’IA chez Cross Data

Projet IA : Comment le faire adopter au sein d’une entreprise afin de maximiser la performance ?

Une technologie orientée utilisateur

L’IA ne peut fonctionner uniquement si l’humain est au centre du projet. C’est pourquoi chez Cross Data, nous préférons souvent le terme « Intelligence Augmentée » car il remet l’humain à sa juste place, en tant qu’acteur central assisté par l’IA, et non remplacé par elle.
Comprendre et intégrer l’utilisateur. L’implication des utilisateurs dès la conception est cruciale. L’utilisation d’UX Design dans un projet d’IA permet d’analyser les besoins et les préférences des utilisateurs pour des solutions plus personnalisées et pertinentes.
Projet IA : la collaboration est essentielle. Une collaboration étroite entre UX Designers et experts en IA est essentielle pour créer des interfaces qui répondent véritablement aux besoins et attentes des utilisateurs.

Chacun de ces points souligne bien l’importance clé de l’utilisateur et de la communication lors d’un projet IA. La confiance des utilisateurs dans le projet est donc cruciale.

Susciter la confiance auprès des utilisateurs du projet IA

La transparence est la clé de la confiance et de la réussite d’un projet IA. Pour qu’un projet IA soit adopté par les employés d’une entreprise, la transparence est primordiale. Il est essentiel d’expliquer clairement comment et pourquoi l’IA est utilisée. L’objectif est donc de démystifier les algorithmes avec une acculturation à l’IA afin de réduire les craintes et les malentendus.
Impliquer les employés pour renforcer le sentiment d’appartenance au projet. Il est important d’inclure les employés dans le processus de mise en œuvre, et de leur permettre de contribuer et de donner leur avis. Cette démarche renforcera leur implication, et leur motivation.

Ethique, Explicabilité : la nécessaire maitrise de l’humain sur les IA

L’éthique : la priorité pour rassurer les parties prenantes du projet. Mettre et énoncer les valeurs qui sont au centre du projet dès le début est une des clés afin de garantir que les décisions en lien avec l’IA respectent les valeurs humaines et sociales de l’organisation qui la mets en œuvre.
L’explicabilité : un défi au vu de la complexité des technologies utilisées. Face à la complexité de certains modèles comme les réseaux de neurones, il est crucial de pouvoir expliquer comment et pourquoi l’IA prend certaines décisions afin que les utilisateurs puissent l’utiliser en conscience des risques et des opportunités qu’elle offre.
La mise en place de tests rigoureux est cruciale. Il est nécessaire d’effectuer des tests exhaustifs pour identifier et corriger les biais potentiels, et s’assurer une utilisation responsable et équitable de l’IA au fil du temps.

Pour plus de détails sur la façon de mener un projet d’IA, consultez notre page formation « Mener et Réussir un projet en IA »

Exemples d'accompagnements réalisés par Cross Data

Accompagnement BPI France

Objectif : Construire une feuille de route IA

Solution : Programme Start IA pour 300 personnes

Résultats : 25 cas d’usage analysés et priorisés.

BPI France qui finance les dispositif IA Booster a souhaité réaliser un Diagnostic Data et IA pour les 8 métiers de sa Direction de l’Accompagnement (300 personnes)

Cross Data a été sélectionné parmi les 200 experts référencés par BPI France pour réaliser une cartographie des cas d’usage par métier, analyser les cas les plus pertinents et proposer des solutions IA à mettre en œuvre.

L’équipe a réalisé plus de 30 heures d’entretiens en ateliers pour identifier 25 cas d’usage qui ont ensuite été analysés et priorisés pour aider BPI France à construire sa feuille de route IA.

Comment le programme Start IA peut vous aider ?

Apporter une vision stratégique et un cadre à votre projet IA

Les 5 bénéfices clés du programme Start IA pour une organisation :

Permettre à une équipe de comprendre et se saisir des enjeux actuels de l’IA et de la Data

Identifier des cas d’usage pertinents pour une entreprise et les projets IA à valeur ajoutée à mettre en œuvre
Identifier le retour sur investissement (ROI) de chacun des cas d’usage définis, et les prioriser
Identifier les points d’attention éventuels à prendre en compte lors de la réalisation et du déploiement du projet IA
Avoir les clés pour Décider de sa feuille de route IA

Le programme Start IA avec Cross Data

Le déroulé d’une journée de Start IA avec Cross Data

Une session d’acculturation « Mini-Conférence » : 1 h pour l’ensemble des participants et directions sous forme d’atelier de compréhension des enjeux en Data Science et en IA pour les parties prenantes au projet. Animée par un expert de Cross Data, l’acculturation a pour but de présenter les enjeux en Data Science et en IA pour l’ensemble des projets potentiels de votre entreprise.
Un atelier d’idéation : L’objectif est d’identifier les sujets pertinents qui peuvent apporter de la valeur ajoutée ou retirer de la non-valeur ajoutée à votre organisation. Ce temps d’atelier est préparé en amont avec les équipes de l’organisation.
Un atelier de qualification : Sélection des meilleurs projets en fonction des besoins de l’organisation et du ROI. L’atelier prend la forme suivante : Listing des projets et récolte des informations permettant d’évaluer les bénéfices, coûts et contraintes. Cette liste permet à Cross Data d’approfondir ces sujets d’un point de vue technique pour pouvoir construire la classification de tous les projets.

A partir des données récoltées pendant la journée, Cross Data réalisera une analyse plus profonde de chacun des cas pour proposer des premières solutions techniques et aussi identifier le cout potentiel de la solution.

L’analyse des projets, ainsi que la restitution prend entre 2 semaines et 1 mois.

Exemple de synthèse de feuille de route Data & IA

Exemples d'accompagnements réalisés par Cross Data

Accompagnement Enedis

Objectif : Identifier un projet rentable

Solution Programme Start IA

Résultats : 1 mois pour atteindre le ROI

Dans le cadre du Lab Bretagne, Enedis a identifié trois projets sur lesquels se projeter à l’aide des données.

En 1 semaine, Cross Data intervient pour effectuer un diagnostic des trois projets. Deux projets sont rejetés et un projet est retenu pour partir en développement : l’analyse de pertes non-techniques avec un ROI attendu entre 200k€ et 3M€.

En conclusion, réussir un projet d’intelligence artificielle nécessite une approche structurée et rigoureuse. L’IA offre des opportunités considérables aux entreprises, mais son déploiement n’est pas sans risques. La clé du succès réside dans la définition d’une vision stratégique claire, l’implication des équipes métiers dès le début, la gestion proactive des incertitudes et une transparence totale vis-à-vis des utilisateurs.

Chez Cross Data, le programme Start IA a été conçu pour accompagner les entreprises dans cette démarche, en mettant l’accent sur l’identification des cas d’usage pertinents et la priorisation en fonction du retour sur investissement.