Déconnexion entre les chefs d’entreprise et les informaticiens
Commençons par les faits : 87 % des chefs d’entreprise sont convaincus qu’ils disposent de l’infrastructure de données nécessaire pour déployer l’IA à grande échelle. À première vue, il s’agit d’une perspective audacieuse et optimiste. Mais seulement 41 % de ces mêmes organisations ont réussi à mettre à l’échelle des solutions basées sur l’IA. Que se passe-t-il ici ? Il s’agit d’un cas classique où la confiance dépasse les capacités.
Du côté des informaticiens, la situation est très différente. Soixante-dix pour cent d’entre eux passent jusqu’à quatre heures par jour à résoudre des problèmes de données (corriger des erreurs, vérifier la qualité et démêler des incohérences). Il s’agit d’une perte de temps considérable, qui met en évidence le fossé entre la perception des dirigeants et la réalité technique. Ces professionnels sont essentiellement des pompiers, qui éteignent sans cesse les mêmes incendies de données au lieu de construire des systèmes qui arrêtent les incendies en premier lieu.
Ce décalage révèle un déséquilibre fondamental. Les dirigeants considèrent l’IA comme un produit fini, prêt à être déployé à grande échelle. D’un autre côté, les praticiens chargés de la faire fonctionner s’efforcent d’en réparer les fondations. Le message est clair : on ne peut pas courir avant d’avoir appris à marcher, et à l’heure actuelle, de nombreuses organisations butent sur les bases de la gestion des données.
Les rôles axés sur les données et les stratégies d’IA sont plus importants aujourd’hui.
L’IA est un énorme levier de transformation, mais il y a un hic : elle ne fonctionne pas sans données propres, fiables et accessibles. C’est pourquoi nous constatons une augmentation des rôles spécialisés tels que Chief Data Officer, SVP of AI Product, et Head of Enterprise AI. Ces fonctions sont le résultat de changements stratégiques qui reconnaissent la complexité de la mise en œuvre de l’IA.
Terren Peterson, vice-président de l’ingénierie des données chez Capital One, souligne que sans investissements appropriés dans les outils et le personnel qualifié, les initiatives en matière d’IA resteront lettre morte.
Capital One s’est fortement appuyée sur cette idée, en démocratisant l’accès aux outils d’apprentissage automatique, en créant des systèmes qui ne sont pas réservés aux scientifiques des données, mais qui sont accessibles à tous les membres de l’organisation. Cette approche a porté ses fruits – Capital One se classe au deuxième rang des banques en matière d’adoption de l’IA, juste derrière JPMorgan Chase, selon Evident.
Il convient également de noter l’impact de ces nouveaux rôles de direction. Ils permettent de cibler les initiatives en matière d’IA et d’en rendre compte. C’est une chose d’avoir une stratégie d’IA sur papier, c’en est une autre d’avoir des dirigeants dévoués qui se réveillent chaque jour en pensant à la manière de la concrétiser. Ces postes permettent aux organisations de s’éloigner des projets d’IA fragmentaires et de s’orienter vers des systèmes intégrés qui produisent des résultats mesurables.
Vous devez mettre en place une culture de la donnée compétente
La culture mange la stratégie au petit déjeuner, surtout lorsqu’il s’agit de données. C’est une chose d’avoir les outils et les systèmes en place, c’en est une autre d’avoir un personnel qui sait comment les utiliser correctement. Les chiffres sont éloquents : seuls 35 % des chefs d’entreprise estiment que leur organisation leur apporte un soutien suffisant pour développer une solide culture des données, alors que 80 % de ces mêmes chefs d’entreprise affirment qu’ils peuvent facilement trouver et utiliser les données dont ils ont besoin.
Quel est donc le problème ? Il se résume à des lacunes en matière de gouvernance et de préparation. M. Peterson souligne l’importance de l’hygiène et de la gouvernance des données, en déclarant que les organisations doivent « faire les choses correctement dès la première fois ». Sans cette base, les équipes informatiques perdent du temps à résoudre des problèmes qui auraient pu être évités.
Le leadership joue également un rôle important à cet égard. Un Chief Data Officer, ou une personne occupant un poste similaire, est essentiel pour favoriser l’alignement et s’assurer que les données ne sont pas considérées comme une simple réflexion après coup. Outre le leadership, il est également important de se concentrer sur la formation, le soutien et l’intégration de la maîtrise des données dans l’ensemble de l’organisation.
Il faut également tenir compte du manque de compétences. Seuls 36 % des informaticiens et 47 % des chefs d’entreprise estiment que leurs équipes possèdent l’expertise nécessaire pour mener à bien des projets d’IA complexes. Il s’agit là d’un défi majeur et d’un signal clair que les organisations doivent redoubler d’efforts en matière de formation et de développement si elles veulent rester compétitives à l’ère de l’IA.
Les problèmes de données ont un impact majeur sur l’efficacité des technologies de l’information
Les problèmes de données constituent l’un des plus grands goulets d’étranglement de l’informatique aujourd’hui. Selon les résultats de l’enquête, les professionnels de l’informatique passent jusqu’à la moitié de leur journée de travail (près de quatre heures) à résoudre des problèmes liés aux données. Pensez-y un instant. La moitié de leur temps est consacrée à des tâches répétitives telles que la correction d’erreurs, l’exécution de contrôles de qualité et la correction d’incohérences. Il s’agit là d’une ponction considérable sur les ressources et l’énergie.
Le vrai problème ? Il s’agit à la fois d’une inefficacité et d’un coût d’opportunité. Chaque heure passée à nettoyer des données désordonnées est une heure qui n’est pas consacrée à la mise en place des systèmes et des stratégies qui pourraient faire progresser l’entreprise.
Terren Peterson rappelle que ces inefficacités sont le résultat de bases négligées dans la gestion des données. Les entreprises se lancent dans des projets d’IA avancés sans avoir au préalable posé des bases solides en matière de qualité et de gouvernance des données.
La solution est simple. Vous devez traiter les problèmes de qualité des données à la racine. Créez des systèmes et des processus qui empêchent ces problèmes de se produire. Non seulement cela réduira la charge quotidienne des équipes informatiques, mais cela leur permettra également de se concentrer sur les tâches stratégiques à plus forte valeur ajoutée.
Les organisations qui s’attaquent de front à ce problème constateront un effet domino. Lorsque les systèmes de données sont propres et fiables, les équipes informatiques deviennent plus productives, les initiatives d’IA deviennent plus efficaces et l’ensemble de l’entreprise fonctionne plus efficacement. Ce n’est pas un travail prestigieux, mais c’est le genre d’effort en coulisses qui peut faire ou défaire votre stratégie de données.
Utilisez la modernisation du cloud et les stratégies de plateforme pour mettre à l’échelle l’IA.
La mise à l’échelle de l’IA dépend fortement de la mise en place d’une infrastructure adaptée. Capital One est un exemple typique de la manière de procéder efficacement. Elle a adopté une approche » cloud-first « , en modernisant ses systèmes pour créer une plateforme à l’échelle de l’entreprise qui prend en charge les initiatives d’IA dans l’ensemble de l’organisation.
Voici pourquoi cela est important. Une infrastructure cloud moderne est capable de stocker des données et de les rendre accessibles, utilisables et évolutives. Elle permet aux équipes de collaborer en toute transparence, qu’il s’agisse de construire des modèles d’apprentissage automatique ou de déployer des solutions basées sur l’IA en temps réel. En démocratisant l’accès aux outils d’apprentissage automatique, Capital One s’est assuré que ces capacités ne soient pas limitées à un petit groupe de scientifiques des données. Au contraire, elle a mis la puissance de l’IA entre les mains des employés à tous les niveaux.
L’IA à grande échelle n’est pas un objectif lointain et est pratiquement réalisable aujourd’hui, lorsque vous associez une technologie avancée à une infrastructure adéquate. Le succès de Capital One montre qu’avec les bons investissements et une orientation stratégique, les entreprises peuvent créer des systèmes qui soutiennent l’IA et accélèrent l’innovation à tous les niveaux.
Dernières réflexions
Vos données travaillent-elles pour vous, ou travaillez-vous pour vos données ? Le succès en matière d’IA et d’innovation exige plus que de l’ambition, il requiert de l’alignement, de la précision et une culture qui traite les données comme votre atout le plus précieux.
