VentureBeat/Midjourney
Les entreprises modernes reconnaissent de plus en plus l’importance d’exploiter efficacement l’intelligence artificielle générative pour optimiser leurs opérations et renforcer leur compétitivité. Une étude de Forrester révèle que 85 % des entreprises expérimentent l’IA générative, tandis qu’une enquête de KPMG aux États-Unis indique que 65 % des dirigeants estiment qu’elle aura un impact « élevé ou extrêmement élevé » sur leur organisation dans les trois à cinq prochaines années, surpassant toutes les autres technologies émergentes.
Cependant, comme pour toute nouvelle technologie, l’adoption et la mise en œuvre de l’IA générative présentent des défis. De nombreuses entreprises font face à des budgets restreints, des équipes surchargées et des ressources limitées ; il est donc crucial d’adopter une approche stratégique lors de l’intégration de l’IA générative.
Un aspect essentiel, souvent négligé, du succès de l’IA générative réside dans les personnes impliquées dans ces projets et les dynamiques qui les unissent. Pour tirer le meilleur parti de cette technologie, les organisations doivent constituer des équipes qui allient l’expertise des talents natifs de l’IA à l’expérience pratique des vétérans de l’informatique. Ces équipes, par nature, englobent souvent différentes générations, compétences variées et niveaux de compréhension des affaires.
Il est primordial de garantir une collaboration efficace entre les experts en IA et les techniciens d’entreprise, car cela déterminera le succès ou l’échec des initiatives d’IA générative. Nous allons examiner ci-dessous comment ces rôles influencent la technologie et comment ils peuvent collaborer pour générer des résultats positifs pour l’entreprise.
Le rôle des vétérans de l’IT et des talents natifs de l’IA dans le succès de l’IA générative
En moyenne, 31 % des technologies d’une organisation sont constituées de systèmes hérités. Plus une entreprise est établie, performante et complexe, plus il est probable qu’elle dispose d’une infrastructure technologique introduite il y a au moins dix ans.
Pour réaliser le potentiel commercial de toute nouvelle technologie, y compris l’IA générative, il est essentiel que l’organisation tire le maximum de valeur de ses investissements existants. Cela nécessite une connaissance contextuelle approfondie de l’entreprise, que seuls les vétérans de l’IT possèdent. Leur expérience dans la gestion des systèmes hérités, combinée à une compréhension approfondie des affaires, crée un environnement optimal pour intégrer l’IA générative dans les produits et les flux de travail tout en maintenant l’élan de l’entreprise.
Les diplômés en science des données et les talents natifs de l’IA apportent également des compétences cruciales, notamment la maîtrise des outils d’IA et les compétences en ingénierie des données nécessaires pour rendre ces outils efficaces. Ils comprennent comment appliquer des techniques d’IA — qu’il s’agisse de traitement du langage naturel, de détection d’anomalies, d’analytique prédictive ou d’autres applications — aux données d’une organisation. Plus important encore, ils savent quelles données doivent être utilisées avec ces outils et possèdent le savoir-faire technique pour les transformer afin qu’elles soient exploitables.
Cependant, les organisations peuvent rencontrer plusieurs défis en intégrant de nouveaux talents en IA avec leurs professionnels d’entreprise existants. Nous allons explorer ces obstacles potentiels et comment les surmonter.
Créer de l’espace pour l’IA générative
Le principal défi auquel les organisations peuvent s’attendre lors de la création de ces nouvelles équipes est la pénurie de ressources. Les équipes informatiques sont déjà surchargées par la nécessité de maintenir les systèmes existants en fonctionnement optimal ; leur demander de réinventer l’ensemble de leur paysage technologique pour faire place à l’IA générative est une tâche ardue.
Il pourrait être tentant d’isoler les équipes d’IA générative en raison de ce manque de capacité de travail, mais cela risque de compliquer l’intégration de la technologie dans leurs applications principales à l’avenir. Les entreprises ne peuvent pas espérer réaliser des avancées significatives avec l’IA générative en isolant des experts dans un bureau éloigné, déconnecté des affaires — il est essentiel que ces équipes collaborent étroitement.
Les organisations devront peut-être ajuster leurs attentes face à ces changements : il serait déraisonnable d’attendre des équipes informatiques qu’elles maintiennent leurs priorités existantes tout en apprenant à travailler avec de nouveaux membres et en les formant sur les aspects commerciaux. Les entreprises devront probablement prendre des décisions difficiles concernant la réduction et la consolidation de leurs investissements antérieurs pour créer de la capacité en interne pour de nouvelles initiatives d’IA générative.
Clarifier le problème
Lors de l’introduction d’une nouvelle technologie, il est essentiel d’être extrêmement clair sur le domaine du problème. Les équipes doivent être en accord total sur le problème qu’elles cherchent à résoudre, le résultat qu’elles souhaitent atteindre et les leviers nécessaires pour débloquer cet résultat. Elles doivent également être alignées sur les obstacles qui se dressent entre ces leviers et ce qu’il faudra pour les surmonter.
Une méthode efficace pour aligner les équipes est de créer une carte des résultats qui relie clairement le résultat cible aux leviers de soutien et aux obstacles, afin d’assurer une clarté des ressources et des attentes concernant les livrables. En plus de couvrir les facteurs mentionnés, la carte des résultats doit également aborder la manière dont chaque aspect sera mesuré pour tenir l’équipe responsable de l’impact commercial via des indicateurs mesurables.
En se concentrant sur le domaine du problème plutôt qu’en spéculant sur des solutions possibles, les entreprises peuvent éviter des échecs potentiels et un travail excessif par la suite. Cela peut être comparé aux investissements gaspillés observés lors du boom des données massives il y a une dizaine d’années : l’idée selon laquelle les entreprises pouvaient simplement appliquer des outils de données massives et d’analytique à leurs données d’entreprise pour en révéler les opportunités s’est révélée fallacieuse. Cependant, les entreprises qui ont pris le temps de comprendre en profondeur leur domaine de problème avant d’appliquer ces nouvelles technologies ont pu débloquer une valeur sans précédent — et il en sera de même pour l’IA générative.
Améliorer la compréhension
Il existe une tendance croissante parmi les professionnels de l’informatique à poursuivre leur éducation pour acquérir des compétences en science des données et mieux piloter les initiatives d’IA générative au sein de leur organisation.
Les programmes de diplôme en science des données d’aujourd’hui sont conçus pour répondre simultanément aux besoins des nouveaux diplômés, des professionnels en milieu de carrière et des cadres supérieurs. Ils offrent également l’avantage d’améliorer la compréhension et la collaboration entre les vétérans de l’IT et les talents natifs de l’IA sur le lieu de travail.
En tant que récent diplômé de l’École d’information de l’UC Berkeley, la majorité de ma promotion était composée de professionnels en milieu de carrière, quelques-uns étaient des cadres de niveau C et le reste venait tout juste de terminer leur licence. Bien que cela ne soit pas une condition préalable au succès de l’IA générative, ces programmes offrent une excellente occasion aux professionnels de l’IT établis d’en apprendre davantage sur les concepts techniques de la science des données qui alimenteront l’IA générative au sein de leurs organisations.
Comme chacune de ses prédécesseurs technologiques, l’IA générative crée à la fois de nouvelles opportunités et des défis. Combler les écarts générationnels et de connaissances entre les professionnels de l’IT expérimentés et les nouveaux talents en IA nécessite une stratégie intentionnelle. En tenant compte des conseils ci-dessus, les entreprises peuvent se préparer au succès et propulser la prochaine vague d’innovation en IA générative au sein de leurs organisations.
