Choix du bon chemin : Comment les entreprises industrielles devraient aborder les technologies alimentées par l’IA

Il est clair que l’intelligence artificielle perturbe chaque industrie comme nous la connaissons. Cela inclut non seulement les secteurs qui ont attiré le plus d’attention — tels que SaaS, fintech, healthtech et travel — mais aussi les industries lourdes traditionnelles qui sont prêtes à être perturbées. 

En tant qu’investisseur axé sur l’IA industrielle, j’ai été témoin de la façon dont de nombreuses entreprises dans le domaine adoptent de plus en plus l’automatisation et la prise de décision basée sur les données, et de la façon dont leur approche peut varier en fonction des besoins de l’entreprise et des ressources dont elles disposent. 

Dans cet article, je discuterai des différentes options dont disposent les entreprises pour intégrer les technologies alimentées par l’IA dans leurs processus métier, et je mettrai en évidence les avantages et les inconvénients que j’ai observés pour chacune d’elles. 

1. Établir un département de recherche et développement interne

Une voie que plusieurs entreprises prennent est d’établir leur propre département de recherche et développement pour développer des technologies d’IA. Par exemple, Siemens, grâce à son AI Lab, est à la pointe de diverses applications potentielles de l’IA industrielle. 

Alors que Siemens a pu atteindre certaines avancées — telles que la réduction des temps de production sans avoir besoin de nouveaux matériels — la réalité est que pour la plupart des entreprises, les avantages qu’elles peuvent tirer d’un département interne sont limités. 

Contrairement aux startups, le monde corporatif a des délais de traitement lents, une faible tolérance aux erreurs et des attentes élevées qui peuvent tuer les projets avant qu’ils n’aient pu exploiter tout leur potentiel. Les startups, en revanche, sont habiles à pivoter et savent que plusieurs itérations sont nécessaires avant de trouver une véritable avancée, surtout avec des technologies comme l’IA qui nécessitent que nous soyons en mode « apprentissage » constant. 

C’est pourquoi, de mon point de vue, les entreprises qui optent pour cette approche doivent donner à ce département une autonomie pour qu’il puisse fonctionner comme une startup. Sinon, le rythme lent avec lequel les entreprises traditionnelles opèrent entravera probablement leurs perspectives. 

2. Créer un fonds de capital-risque corporatif (CVF) ou un accélérateur axé sur l’IA

Des géants comme Toyota — initialement grâce à l’ Institut de recherche Toyota, puis grâce à Toyota Ventures — et Qualcomm, grâce à Qualcomm Ventures, ont investi des centaines de millions de dollars chacun en investissant dans des startups prometteuses dans l’IA, la robotique et d’autres technologies de pointe. 

D’un autre côté, d’autres entreprises — comme Fujitsu, grâce à l’ Accélérateur d’ingénierie Fujitsu, ou Volkswagen, qui a fait équipe avec l’accélérateur de la Silicon Valley Plug and Play — ont créé des programmes d’accélération propriétaires pour soutenir les nouvelles entreprises émergentes axées sur les besoins et les défis de leur industrie. Il y a des avantages à cela, car ils peuvent aider les entreprises à piloter des projets avec des startups et à utiliser leurs ressources pour aider ces startups à réussir. 

Cependant, cette approche a également des limites. La création d’un fonds de capital-risque ou d’un accélérateur ne change pas la culture profondément ancrée d’une entreprise. De plus, le fonctionnement de ces fonds est généralement contraint par des facteurs supplémentaires, tels que les protocoles et les règles établis par la société mère. Les processus corporatifs traditionnels peuvent également entrer en conflit avec ce qui est nécessaire pour développer des technologies d’IA révolutionnaires. 

3. Embaucher un Directeur du numérique (CDO)

Cette étape consiste à embaucher un individu ou à former un département qui sera chargé de la numérisation de l’entreprise. Ces responsabilités engloberont l’élaboration de stratégies d’adoption de l’IA et la liaison avec les startups. Le Directeur du numérique (CDO) se concentrera également sur l’amélioration de l’efficacité, de la compétitivité et de la croissance grâce à la numérisation. 

Les inconvénients potentiels de cette approche interne sont liés au fait que les startups peuvent trouver difficile de communiquer avec les employés corporatifs, car ils sont habitués à des modèles d’affaires différents et ont des protocoles de communication complètement divergents. De plus, le CDO peut s’appuyer sur son réseau existant de contacts pour les partenariats potentiels, limitant ainsi la portée des collaborations efficaces. 

Une autre considération est que le CDO doit être aligné sur la vision globale de l’entreprise. Par exemple, si le CDO souhaite conduire une transformation rapide, et que l’entreprise n’est pas prête à progresser à ce rythme, les projets peuvent stagner, et ne conduire qu’à une frustration supplémentaire.  

En général, ce modèle fonctionne mieux lorsque l’entreprise interagit avec un fonds de capital-risque, car un capital-risqueur peut rapidement comprendre lequel de ses entreprises du portefeuille est le mieux adapté pour résoudre un besoin ou un problème particulier. 

4. Organiser des hackathons axés sur l’IA

Les hackathons récurrents — par exemple, annuels — sont une méthode puissante pour générer de nouvelles idées et solutions. De nos jours, cette stratégie est mise en œuvre non seulement par les entreprises, mais également par les startups et les fonds. J’ai personnellement utilisé cette approche, et l’une de mes entreprises du portefeuille organise régulièrement des hackathons, car ils offrent une plateforme extraordinaire pour que les gens soient créatifs et pensent hors des sentiers battus. 

Historiquement, certains produits créés lors des hackathons sont devenus de grands succès. Par exemple, lors d’un événement organisé par Schneider Electric, les participants ont développé une solution alimentée par l’IA pour optimiser les systèmes de gestion de l’énergie. Schneider Electric a pris ce prototype et l’a développé davantage, bénéficiant ainsi d’une utilisation plus efficace de l’énergie et passant finalement ces réductions de coûts à ses clients. 

De même, un hackathon organisé par GE a conduit au développement d’une application d’IA qui améliore l’efficacité des turbines éoliennes en analysant les données opérationnelles et en ajustant automatiquement les paramètres de contrôle. GE a développé cette technologie, et elle optimise désormais les opérations des fermes éoliennes de la division énergies renouvelables de GE. Il s’agit de l’une des nombreuses solutions développées lors des hackathons que GE a finalement mises en œuvre. 

Le « Connected Experience » de Bosch, un hackathon axé sur les innovations de l’IA et de l’IoT, est un autre excellent exemple d’un événement centré sur l’IA organisé par une entreprise industrielle, et il est prévu que les créations qui en découlent accélèrent la perturbation au sein des divisions de fabrication et automobile de l’entreprise. 

Le secret d’un hackathon réussi réside non seulement dans la capacité à l’organiser et dans la volonté d’y consacrer du temps et de l’argent, mais plus importantly, dans la compréhension de pourquoi on le fait et de la façon d’utiliser les résultats — les idées générées par les participants. D’une part, il est crucial de laisser aux participants la liberté de penser de manière créative, car l’essence d’un hackathon est dans la recherche de nouvelles idées. D’un autre côté, il est nécessaire de systématiser les résultats. Maîtriser cet équilibre peut rendre un hackathon une excellente source de nouvelles technologies pour l’entreprise, ou de talents, car un hackathon n’est pas seulement une plateforme pour découvrir de nouvelles technologies, mais également pour identifier des individus capables de développer ces technologies au sein de l’entreprise.

Pensées finales

Alors que ces quatre approches peuvent être des stratégies potentiellement réussies pour les entreprises pour intégrer les technologies d’IA dans leurs processus et améliorer les résultats, je dois souligner que le fil conducteur ici est l’importance de la communication et de la compréhension entre deux façons de travailler radicalement différentes. 

Les startups et les innovateurs en IA peuvent souvent trouver difficile de communiquer avec les employés corporatifs, c’est donc une compétence qui doit être enseignée, car une communication efficace peut ouvrir la voie au succès. 

Par conséquent, une recommandation finale pour une entreprise est d’avoir un employé au sein de l’entreprise qui peut travailler avec les startups et leur enseigner comment combler ce fossé de communication. Google est un exemple positif de cela. J’ai rencontré quelqu’un chez Google qui, outre son implication dans les ventes d’entreprise, était un médiateur qui enseignait aux startups à trouver un terrain d’entente avec les grands conglomérats. C’est essentiel, car remodeler les industries d’aujourd’hui avec le pouvoir de l’IA nécessitera que nous travaillions ensemble malgré nos différences, et ceux qui ne savent pas comment collaborer seront probablement laissés pour compte.