2022 va connaître une vraie accélération de la stratégie Data IA des entreprises. La période d’innovation prend fin et nous connaissons maintenant le spectre d’utilisation de l’IA, ses cas d’usage, leurs rendements et leurs limites. La demande est donc désormais à l’obtention par les Directions Générales d’une vision claire et détaillée de l’apport de cette technologie, que ce soit en termes de performance, de ROI, d’investissements nécessaires, de ressources à y allouer, d’organisation à mettre en place, ainsi que de roadmap. L’enjeu des entreprises en 2022, CDO (Chief Data Officer) et DSI en tête, sera ainsi de réintégrer les initiatives menées ces dernières années autour de l’IA dans des schémas directeurs spécifiques, sous peine de manquer des opportunités.

Par Stéphane Roder, Fondateur de AI Builders

Après s’être attachées avec l’IA à augmenter la performance de leur core business pour maintenir leur compétitivité, les entreprises se tournent aujourd’hui vers l’optimisation de leurs fonctions support. À l’instar des achats, digitalisés pratiquement de bout en bout, ces dernières ont entrepris cette même démarche pour quitter le mode « manuel » et disposer d’outils ad hoc. Ce faisant, elles sont désormais beaucoup plus à l’écoute des technologies qui leur permettraient d’augmenter leurs performances, voire de résoudre certains de leurs points de douleurs.

Vers une structuration de schémas directeurs IA pour les fonctions supports

Cette prise de conscience donne l’opportunité à l’entreprise d’étudier les modalités de l’augmentation de la performance des métiers et processus à travers des Schémas Directeurs IA verticaux dans lesquels on retrouve les étapes classiques : élaboration des objectifs stratégiques, diagnostic de l’existant, cartographie des besoins, analyse des solutions et impacts, orientations stratégiques et priorisation, trajectoire et plan d’actions. Cette tâche est rendue d’autant plus facile que 60 à 80 % des besoins des fonctions support sont connus car dans le fond le métier reste le même d’une entreprise à l’autre.
Le Schéma Directeur IA s’attachera donc à prendre en compte les spécificités de chaque entreprise en choisissant les produits génériques les plus adaptés aux process existants mais aussi s’attachera aux 20 % propres au cœur de métier et à l’environnement de chaque entreprise. C’est ainsi qu’il renforcera la capacité de l’entreprise à augmenter sa performance sur des fonctions essentielles et longtemps délaissées dans le cadre de la transformation digitale.

Le CDO Office : un nouveau cadre pour répondre à de nouvelles attentes

Au vu du nombre grandissant de projets IA dans l’entreprise, le CDO doit se doter d’une organisation et d’un cadre, appelé CDO Office. Ce dernier va lui permettre de réaliser les Schémas Directeurs puis de les déployer industriellement dans un cadre et une organisation structurés. Enfin, le CDO Office permettra de suivre, de piloter et de communiquer la performance issue de cette transformation.

Le CDO Office définit les rôles de chaque acteur impliqué dans les projets Data et IA en les intégrant dans les process de déploiement adaptés aux spécificités de ces technologies. Entouré d’AI Performance Builders, en charge de la réalisation des Schémas Directeurs IA, et d’AI Product Owners, impliqués dans le déploiement industriel des projets Data, le CDO sera en mesure de délivrer une stratégie IA et de l’exécuter. La gouvernance et le modèle opérationnel qui en résultent lui apporteront le cadre méthodologique nécessaire à ces projets d’un nouveau type. Ils seront également utiles pour synchroniser toutes les parties prenantes, voire de s’assurer du bon niveau de priorisation pour chacun. En se dotant d’un CDO Office complet, le CDO disposera ainsi de tous les ingrédients pour réussir ses Schémas directeurs IA, ainsi que le déploiement industriel et pérenne des projets inscrits dans sa roadmap.

La DSI, au cœur de la promesse de performance des projets Data/IA

Au travers des différents Schémas Directeurs IA, la demande des métiers à disposer d’outils basés sur de l’IA, intégrés à leur poste de travail, va augmenter et va inciter les DSI à structurer la dimension Data de leur activité. Elles devront notamment intégrer industriellement le déploiement et l’opération des modèles et solutions comprenant des technologies de Machine learning en passant du Devops au MLops mais aussi la supervision et leur maintien en condition opérationnel (MCO) appelé MCI Maintien en condition Intelligente (MCI). Cette reprise en main par la DSI est nécessaire comme l’ont été tous les autres développement de systèmes d’information dans l’entreprise. en effet, cela permettra, au delà de la mutualisation des infrastructures et des équipes, d’intégrer ces modèles de Machine Learning sur le poste de travail dans le parcours utilisateur, d’unifier l’usage et de respecter les standards de qualité pour éviter les écueils du shadow IT que nous avons tous connu à chaque arrivée d’une nouvelle technologie. Il ne s’agit plus de gérer le déploiement d’une poignée de cas d’usage au cas par cas, mais bien de mettre en place les moyens de démultiplier les premiers succès et de passer à l’échelle industrielle.

Pour réussir cette intégration industrielle, la DSI devra se doter de ressources clés nécessaires à l’industrialisation du déploiement et du pilotage de l’IA. Il lui faudra accélérer les roadmaps Data pour aller vers la démocratisation de l’exploitation de la donnée par les métiers et mener une réflexion sur la cible d’architecture en termes d’IA et de données permettant de réduire sensiblement les coûts de construction et de maintenance des projets. Dans ce cadre, elle jouera un rôle indispensable à l’opérationnalisation de la promesse de gains de performances par l’IA et se fera le partenaire majeur du CDO Office et des métiers. Ainsi, de la même façon qu’elle a su le faire par le passé pour les ERP, puis le digital et enfin le mobile, elle intégrera désormais la dimension IA à son offre de services.

À lire également :

> Les prévisions du Forrester pour 2022…
> Vers la fin du Big Data : 10 tendances Data & Analytics en 2021
> Tendances technologiques : cap vers la rationalisation et la consolidation
> Comment réduire l’impact environnemental des projets data ?