5 étapes pour mettre en œuvre l’IA dans votre entreprise sans vous ruiner

L’intelligence artificielle continue de prospérer, et si elle continue de pénétrer dans chaque industrie, elle transformera complètement notre façon de vivre.

En conséquence, intégrer l’IA dans leurs entreprises est devenu une priorité absolue pour de nombreux fondateurs. Même les particuliers cherchent des moyens de tirer parti de l’IA pour améliorer leur vie personnelle.

L’hystérie est telle que le dictionnaire Collins, une autorité linguistique de référence, a nommé l’IA comme le mot de l’année, en raison de sa popularité croissante.

Cela étant dit, pour la plupart des organisations, il y a un écart important entre l’idée et la réalité lorsqu’il s’agit d’intégrer l’IA dans leurs processus, car le chemin n’est pas aussi simple qu’il le semble, et cela peut être très coûteux, à la fois en termes de dépenses en capital et en temps perdu, car les développements ne donneront pas les résultats attendus. Cela a conduit plusieurs entreprises dans des difficultés. Par exemple, CNET a expérimenté avec des articles écrits par l’IA, et ils se sont avérés être pleins de défauts. D’autres entreprises, comme iTutor Group, ont encouru des amendes importantes en plus de la ridicule publique en raison de leurs mauvaises mises en œuvre de l’IA.

Comme le montrent ces cas, les entreprises peuvent faire beaucoup d’erreurs avec l’IA, et à moins qu’une entreprise n’ait le coussin financier d’Amazon, Google, Microsoft ou Meta, ces expériences ratées peuvent effectivement ruiner une entreprise.

Si vous êtes un fondateur ou un propriétaire d’entreprise, voici un guide avec cinq étapes pour vous aider à mettre en œuvre l’IA dans votre entreprise, tout en faisant un usage prudent de vos ressources – argent et temps, qui sont finalement de l’argent – et en réduisant la possibilité d’erreurs fatales.

1. Soyez clair sur le problème que vous essayez de résoudre

Aucune entreprise n’est à l’abri des échecs de l’IA. Et comme Amazon l’a douloureusement découvert – grâce à ses magasins sans caissiers Amazon Go qui ont échoué – pas tous les cas d’entreprise nécessitent l’IA.

Par conséquent, il est essentiel que vous définissiez clairement le problème que vous essayez de résoudre avec l’IA. Cela doit être défini de manière aussi claire que possible.

Par exemple, une application courante de l’IA est le support client. La mise en œuvre de l’IA dans un tel cas est possible de manière à avoir des résultats spécifiques, par exemple, en réduisant les coûts des centres d’appel de X montant d’argent par mois ou en accélérant le temps moyen nécessaire pour résoudre les requêtes des clients de X minutes. Avec cette approche, nous avons un indicateur mesurable sous la forme d’argent ou de temps, que nous allons essayer d’atteindre en mettant en œuvre l’IA et en voyant si cela a un impact.

Il existe diverses façons dont cela pourrait se produire. Par exemple, au lieu d’un chatbot, nous pouvons développer ou acheter un service qui déterminera si la requête d’un client peut être répondue avec une page de questions fréquentes. Il fonctionnera comme suit. Lorsqu’un client écrit un message, nous exécutons ce modèle et il nous indique soit que nous devons transférer cette conversation à un agent, soit qu’il affiche une page pertinente avec une réponse à sa question. Développer ce modèle est plus rapide et moins coûteux que de créer un chatbot complexe à partir de zéro. Si cette mise en œuvre réussit, nous atteindrons notre objectif de réduire les coûts tout en optimisant nos dépenses en capital liées à l’IA, par rapport au coût de développement d’un chatbot.

Un pionnier de cette approche était Matten Law, un cabinet d’avocats de Californie qui a intégré un assistant alimenté par l’IA pour automatiser de nombreuses tâches, permettant aux avocats de passer plus de temps à écouter les clients et à étudier les aspects les plus pertinents d’un dossier. Cela montre que même les secteurs les plus rigides peuvent être perturbés par l’IA de manière à renforcer l’expérience utilisateur, en amplifiant le touch humain là où il est le plus nécessaire.

D’autres problèmes courants qui pourraient être abordés avec l’aide de l’IA incluent l’analyse de données et la création d’offres personnalisées. Spotify est un exemple extraordinaire d’une entreprise qui utilise avec succès l’IA pour développer un système intelligent de recommandations de musique, qui va jusqu’à prendre en compte l’heure de la journée à laquelle quelqu’un écoute un genre spécifique.

Dans les deux scénarios mentionnés, l’IA aide à fournir une meilleure expérience pour le client. Cependant, la raison pour laquelle ces entreprises ont utilisé l’IA avec succès était qu’elles étaient très claires sur les aspects qui devaient être délégués à l’IA.

2. Déterminez les données que vous devez analyser

Une fois le problème principal bien défini, nous devons prendre en compte les données que nous devons fournir au système. Il est essentiel de se rappeler que l’IA est un algorithme, qui analyse et s’adapte aux données que nous lui fournissons. Le scénario de base pour la collecte de données est le suivant :

1. Comprenez quelles données nous devons mettre en œuvre pour l’IA.

2. Voyez si notre entreprise dispose de ces données.

   1. Si c’est le cas — c’est bien.

   2. Si ce n’est pas le cas, nous devons nous asseoir et déterminer si nous pouvons commencer le bon processus de collecte de données en interne. Une autre possibilité est que nous pouvons demander aux développeurs de sauvegarder les données dont nous avons besoin si nous ne le faisons pas encore.

Voici un exemple. Nous possédons un café et nous avons besoin de données sur le nombre de clients qui le visitent. Nous pouvons le faire en mettant en œuvre des cartes de fidélité personnalisées que les utilisateurs présenteront lors d’un achat. De cette façon, nous aurons les données dont nous avons besoin, comme les clients qui sont venus, quand ils sont venus, ce qu’ils ont acheté et en quelle quantité. Une fois que nous avons ces données, nous pouvons les utiliser pour mettre en œuvre l’IA. Cependant, il y a des moments où la collecte de ces données peut être très coûteuse. Et c’est là que l’IA peut nous aider. Par exemple, si nous avons une caméra installée dans notre café – ce que nous pourrions avoir au moins pour des raisons de sécurité – nous pourrions l’utiliser pour collecter des données à partir de nos clients. Je dois dire que, avant de mettre en œuvre cela, il est important de consulter les lois sur les données personnelles, telles que le RGPD, car cette approche pourrait ne pas fonctionner dans tous les pays. Mais dans les juridictions où cela est autorisé, cela peut être un moyen sans faille de collecter les informations dont vous avez besoin et de solliciter l’aide de l’IA pour les analyser et les traiter.

Si vous vous demandez, ce programme de fidélité personnalisé est ce que Starbucks a fait, avec un grand succès. Le programme de récompenses de Starbucks est allé jusqu’à fournir des incitations personnalisées chaque fois qu’un client visitait leur emplacement préféré ou commandait leur boisson préférée.

3. Définissez une hypothèse

Il peut y avoir des situations dans lesquelles vous vous sentez incertain quant à quels processus peuvent ou doivent être optimisés par l’IA.

Si c’est votre cas, alors vous pouvez commencer par diviser votre processus entier en étapes et identifier les phases dans lesquelles vous sentez que votre entreprise sous-performe. Quels sont ces domaines sur lesquels vous dépensez trop d’argent ? Qu’est-ce qui prend plus de temps que d’habitude ? En répondant à ces questions, vous pouvez identifier les domaines critiques pour l’amélioration et décider si l’IA peut être utile.

Comme vous le découvrirez, il y a des cas où des solutions conventionnelles pourraient être plus efficaces. Si vous avez du mal à déterminer quels produits à mettre en avant pour vos clients, des suggestions basées sur les produits les plus populaires sont souvent beaucoup plus efficaces dans les systèmes de recommandation de marché que les tentatives de prédire le comportement de l’utilisateur. Essayez donc cela d’abord. Une fois que vous avez un résultat – qu’il soit positif ou négatif – alors vous pouvez avoir une hypothèse pour tester l’IA. Sinon, le champ d’action sera trop vague, et vous pourriez finir par perdre du temps et de l’argent.

4. Utilisez les solutions qui existent déjà

De nombreuses entreprises visent à concevoir leurs propres algorithmes d’apprentissage automatique dès le départ. Cependant, si vous n’avez pas l’intention de les former avec des ensembles de données importants sur une longue période, ne le faites pas. Cela sera très coûteux et prendra beaucoup de temps.

Au lieu de cela, je vous suggère de vous concentrer sur les solutions qui existent déjà. Des entreprises comme Amazon, Google, Microsoft et de nombreuses autres ont des outils alimentés par l’IA qui peuvent vous aider à atteindre de nombreux objectifs. Ensuite, progressivement, vous pourriez signer un contrat avec l’une d’elles et embaucher un développeur interne pour configurer habilement les requêtes d’API nécessaires.

L’idée de base est que ces outils peuvent être intégrés par des développeurs d’entreprise (et non des spécialistes de l’apprentissage automatique), ce qui nous permettra de tester rapidement l’hypothèse selon laquelle l’IA apporte l’effet attendu ou non. Si cela échoue, nous pouvons simplement désactiver ces outils, et notre coût de test de notre hypothèse ne sera que le temps de développement que nous avons passé à intégrer avec ce service et le montant que nous avons payé pour utiliser l’outil. Si nous développions un modèle, nous dépenserions le salaire du spécialiste de l’apprentissage automatique multiplié par le temps qu’il passe à développer le modèle, en plus de tout coût d’infrastructure. Et alors, il n’est pas clair ce que l’on fait du développeur et du modèle si, à la fin, l’effet attendu n’est pas là.

Si notre hypothèse est prouvée, et que l’outil alimenté par l’IA apporte l’effet attendu, nous nous réjouissons et créons une nouvelle hypothèse. À l’avenir, si nous prévoyons que les coûts de l’outil augmentent considérablement, nous pouvons réfléchir à développer ce modèle nous-mêmes, et ainsi réduire les coûts encore plus. Mais nous devons d’abord évaluer si le coût de développement est en fait inférieur à ce que nous paierions pour utiliser un outil d’une autre entreprise qui se spécialise dans le développement de ces outils.

Mon conseil est que vous considériez développer votre propre produit d’apprentissage automatique uniquement après avoir obtenu de bons résultats en utilisant l’IA avec les outils mentionnés ci-dessus, et une fois que vous êtes certain que l’IA est la bonne façon de résoudre votre problème à long terme. Sinon, votre projet d’apprentissage automatique ne vous apportera pas la valeur que vous recherchez, et comme l’a dit un article récent du Harvard Business Review, l’hystérie de l’IA ne vous distraira que de votre mission, qui n’a pas besoin de l’IA.

5. Consultez des spécialistes de l’IA

Dans le même esprit, une autre erreur très courante que les fondateurs et les propriétaires d’entreprise font est qu’ils essaient de tout faire en interne. Ils embauchent un ingénieur en chef ou un chercheur en IA, puis plus de personnes pour former une équipe qui peut créer un produit de pointe. Cependant, cette technologie sera inutile à l’objectif de votre entreprise si vous n’avez pas une stratégie d’implémentation de l’IA correctement définie. Il y a aussi des cas où ils embauchent un junior ingénieur en apprentissage automatique pour économiser de l’argent par rapport à l’embauche d’un spécialiste plus expérimenté. C’est également dangereux, car une personne sans expérience peut ne pas connaître les subtilités du développement et de la conception des systèmes d’apprentissage automatique et commettre des “erreurs de débutant”, pour lesquelles l’entreprise devra payer un prix trop élevé, presque toujours dépassant le prix de l’embauche d’un spécialiste expérimenté.

Par conséquent, ma recommandation est que vous embauchiez d’abord un expert en IA, comme un consultant, qui vous guidera tout au long du processus et évaluera votre processus d’adoption de l’IA. Utilisez son expertise pour vous assurer que le problème sur lequel vous travaillez nécessite l’IA, et que la technologie peut être mise à l’échelle de manière efficace pour prouver votre hypothèse.

Si vous êtes une startup en démarrage et que vous vous inquiétez du financement, un hack pour cela est de contacter des ingénieurs en IA sur LinkedIn avec des questions spécifiques. Croyez-le ou non, de nombreux experts en IA et en apprentissage automatique aiment aider, à la fois parce qu’ils sont vraiment intéressés par le sujet, et parce que s’ils réussissent à vous aider, ils peuvent l’utiliser comme une étude de cas positive pour leur portfolio de consultation.

Pensées finales

Avec tout l’hystérie qui entoure l’IA, il est normal que vous puissiez être impatient de l’intégrer dans votre entreprise et de développer une solution alimentée par l’IA qui vous amène au niveau suivant. Cependant, vous devez garder à l’esprit que le fait que tout le monde parle de l’IA signifie que votre entreprise a besoin de l’IA. De nombreuses entreprises, malheureusement, se précipitent pour intégrer l’IA sans un objectif clair en tête, et finissent par perdre d’énormes quantités d’argent et de temps. Dans certains cas, en particulier pour les entreprises en démarrage, cela peut signifier leur disparition. En définissant clairement un problème, en collectant des données pertinentes, en testant une hypothèse et en utilisant les outils qui existent déjà avec l’aide d’un expert, vous pouvez intégrer l’IA sans épuiser les ressources financières de votre entreprise. Ensuite, si la solution fonctionne, vous pouvez progressivement augmenter et intégrer l’IA dans les domaines où elle augmente l’efficacité ou la rentabilité de votre entreprise.