Le Chemin vers la Maturité de l’IA – Rapport LXT 2023

Aujourd’hui, les entreprises axées sur l’innovation investissent des ressources importantes dans les systèmes d’intelligence artificielle (IA) pour faire progresser leur parcours de maturité de l’IA. Selon IDC, les dépenses mondiales dans les systèmes axés sur l’IA devraient dépasser 300 milliards de dollars d’ici 2026, contre 118 milliards de dollars en 2022.

Dans le passé, les systèmes d’IA ont échoué plus fréquemment en raison d’un manque de maturité des processus. Environ 60-80% des projets d’IA échouaient en raison d’une planification déficiente, d’un manque d’expertise, d’une gestion des données inadéquate ou de problèmes d’éthique et d’équité. Mais, avec chaque année qui passe, ce chiffre s’améliore.

Aujourd’hui, en moyenne, le taux d’échec des projets d’IA est tombé à 46%, selon le dernier rapport LXT. La probabilité d’échec de l’IA diminue encore à 36% à mesure qu’une entreprise progresse dans son parcours de maturité de l’IA.

Explorons davantage le chemin d’une organisation vers la maturité de l’IA, les différents modèles et cadres qu’elle peut employer, et les principaux moteurs commerciaux pour élaborer une stratégie d’IA efficace d’IA.

Qu’est-ce que la maturité de l’IA ?

La maturité de l’IA fait référence au niveau d’avancement et de sophistication qu’une entreprise a atteint dans l’adoption, la mise en œuvre et la mise à l’échelle des technologies d’IA pour améliorer ses processus commerciaux, produits ou services.

Selon le rapport LXT sur la maturité de l’IA 2023, 48% des organisations de taille moyenne à grande aux États-Unis ont atteint des niveaux de maturité de l’IA plus élevés (discutés ci-dessous), ce qui représente une augmentation de 8% par rapport aux résultats de l’enquête de l’année précédente, tandis que 52% des organisations expérimentent activement l’IA.

Le rapport suggère que les travaux les plus prometteurs ont été réalisés dans les domaines du traitement automatique du langage naturel (NLP) et de la reconnaissance de la parole – des sous-catégories de l’IA – car ils comptaient le plus grand nombre de solutions déployées dans les industries.

De plus, l’industrie de la fabrication et de la chaîne d’approvisionnement a le taux d’échec des projets d’IA le plus bas (29%), tandis que le commerce de détail et le commerce électronique ont le taux d’échec le plus élevé (52%).

Exploration de différents modèles de maturité de l’IA

En général, les organisations axées sur l’IA développent des modèles de maturité de l’IA adaptés à leurs besoins commerciaux. Cependant, l’idée sous-jacente de la maturité reste cohérente dans tous les modèles, axée sur le développement de capacités liées à l’IA pour atteindre les performances commerciales optimales.

Certains modèles de maturité éminents ont été développés par Gartner, IBM et Microsoft. Ils peuvent servir de guide pour les organisations sur leur parcours d’adoption de l’IA.

Explorons brièvement les modèles de maturité de l’IA de Gartner et d’IBM ci-dessous.

Modèle de maturité de l’IA de Gartner

Gartner a un modèle de maturité de l’IA à 5 niveaux que les entreprises peuvent utiliser pour évaluer leurs niveaux de maturité. Discutons-les ci-dessous.

Illustration du modèle de maturité de l’IA de Gartner. Source: Rapport LXT 2023

• Niveau 1 – Sensibilisation: Les organisations à ce niveau commencent à discuter de solutions d’IA possibles. Mais, aucun projet pilote ou expérience n’est en cours pour tester la viabilité de ces solutions à ce niveau.
• Niveau 2 – Actif: Les organisations sont aux premiers stades de l’expérimentation et des projets pilotes d’IA.
• Niveau 3 – Opérationnel: Les organisations à ce niveau ont pris des mesures concrètes pour adopter l’IA, y compris le déplacement d’au moins un projet d’IA vers la production.
• Niveau 4 – Systématique: Les organisations à ce niveau utilisent l’IA pour la plupart de leurs processus numériques. De plus, les applications d’IA facilitent une interaction productive à l’intérieur et à l’extérieur de l’organisation.
• Niveau 5 – Transformationnel: Les organisations ont adopté l’IA comme une partie intégrante de leurs flux de travail commerciaux.

Selon ce modèle, les entreprises commencent à atteindre la maturité de l’IA à partir du niveau 3.

Cadre de maturité de l’IA d’IBM

IBM a développé sa propre terminologie et ses propres critères pour évaluer la maturité des solutions d’IA. Les trois phases du cadre de maturité de l’IA d’IBM comprennent:

Phases du cadre de maturité de l’IA d’IBM

• Argent: À ce niveau de capacité d’IA, les entreprises explorent les outils et les technologies pertinents pour se préparer à l’adoption de l’IA. Cela inclut également la compréhension de l’impact de l’IA sur les entreprises, la préparation des données et d’autres facteurs commerciaux liés à l’IA.
• Or: À ce niveau, les organisations acquièrent un avantage concurrentiel en fournissant un résultat commercial significatif grâce à l’IA. Cette capacité d’IA fournit des recommandations et des explications étayées par des données, est utilisable par les utilisateurs de lignes métier et démontre une bonne hygiène et une automatisation des données.
• Platine: Cette capacité d’IA sophistiquée est durable pour les flux de travail critiques. Elle s’adapte aux données utilisateur entrantes et fournit des explications claires pour les résultats de l’IA. De plus, des mesures de gestion et de gouvernance des données solides sont en place, ce qui soutient la prise de décision automatisée.

Principaux obstacles sur le chemin de la maturité de l’IA

Les organisations rencontrent plusieurs défis pour atteindre la maturité. Le rapport LXT 2023 identifie 11 obstacles, comme le montre le graphique ci-dessous. Discutons-en quelques-uns ici.

Graphique des défis de la maturité de l’IA. Source: Rapport LXT 2023

1. Intégration de l’IA avec la technologie existante

Environ 54% des organisations rencontrent le défi d’intégrer la technologie existante ou héritée dans les systèmes d’IA, ce qui en fait le plus grand obstacle à la maturité.

2. Qualité des données

Des données de formation de haute qualité sont essentielles pour construire des systèmes d’IA précis. Cependant, la collecte de données de haute qualité reste un grand défi pour atteindre la maturité. Le rapport constate que 87% des entreprises sont prêtes à payer plus pour acquérir des données de formation de haute qualité.

3. Fossé des compétences

Sans les compétences et les ressources appropriées, les organisations luttent pour construire des cas d’utilisation d’IA réussis. En fait, 31% des organisations font face à un manque de talents qualifiés pour soutenir leurs initiatives d’IA et atteindre la maturité.

4. Stratégie d’IA faible

La plupart des IA que nous observons dans les systèmes du monde réel peuvent être classées comme faibles ou étroites. Il s’agit d’une IA qui peut effectuer un ensemble fini de tâches pour lesquelles elle est formée. Environ 20% des organisations n’ont pas de stratégie d’IA globale.

Pour surmonter ce défi, les entreprises doivent clairement définir et documenter leurs objectifs d’IA, investir dans des données de qualité et choisir les bons modèles pour chaque tâche.

Principaux moteurs commerciaux pour faire progresser vos stratégies d’IA

Le rapport LXT sur la maturité identifie dix principaux moteurs commerciaux pour l’IA, comme le montre le graphique ci-dessous. Discutons-en quelques-uns ici.

Illustration des principaux moteurs commerciaux pour l’IA. Source: Rapport LXT 2023

1. Agilité commerciale

L’agilité commerciale fait référence à la rapidité avec laquelle une organisation peut s’adapter aux tendances et aux opportunités numériques changeantes en utilisant des solutions commerciales innovantes. Cela reste le principal moteur pour les stratégies d’IA pour environ 49% des organisations.

L’IA peut aider les entreprises à atteindre l’agilité commerciale en permettant une prise de décision plus rapide et plus précise, en automatisant les tâches répétitives et en améliorant les efficacités opérationnelles.

2. Anticipation des besoins des clients

Environ 46% des organisations considèrent l’anticipation des besoins des clients comme l’un des principaux moteurs commerciaux pour les stratégies d’IA. En utilisant l’IA pour analyser les données des clients, les entreprises peuvent acquérir des connaissances sur le comportement, les préférences et les besoins des clients, leur permettant de personnaliser leurs produits et services pour mieux répondre aux attentes des clients.

3. Avantage concurrentiel

L’avantage concurrentiel permet aux entreprises de se différencier de leurs concurrents et de gagner un avantage sur le marché. C’est un moteur clé pour les stratégies d’IA, selon 41% des organisations.

4. Rationalisation de la prise de décision

La prise de décision automatisée basée sur l’IA peut réduire considérablement le temps nécessaire pour prendre des décisions critiques éclairées par les données. C’est pourquoi environ 42% des organisations considèrent la rationalisation de la prise de décision comme un moteur commercial majeur pour les stratégies d’IA.

5. Développement de produits

Du fait d’être reconnu comme le principal moteur commercial pour les stratégies d’IA en 2021, le développement de produits innovants a baissé à la septième place, avec 39% des organisations le considérant comme un moteur commercial en 2023.

Cela montre que l’applicabilité de l’IA dans les processus commerciaux ne repose pas entièrement sur la qualité du produit. D’autres aspects commerciaux tels que la résilience élevée, la durabilité et un temps de mise sur le marché rapide sont critiques pour le succès commercial.

Pour plus d’informations sur les dernières tendances et technologies en matière d’intelligence artificielle, visitez unite.ai.