Les 6 chemins d’intégration de l’IA en entreprise

Ça y est. Vous êtes mûrs pour l’IA.

Vous n’êtes pas parti de la technologie mais de la problématique métier et de la recherche de solutions. Vous avez identifié les processus, analysé les business cases, priorisé les solutions d’intelligence artificielle à implémenter (existantes ou bien à inventer).

Chez demain.ai, on dirait que vous avez atteint le niveau C. Vous êtes Candidat à l’IA.

Alors, what’s next ?

On identifie aujourd’hui six « chemins d’intégration » :

1- vous avez choisi d’utiliser les APIs d’un GAFAMI ou bien d’un BATX. Ce choix est celui du pragmatisme lucide qui vous permettra dans certains cas d’aller très vite dans votre déploiement et, si les volumes de données en transit ne sont pas trop importants, cela ne vous coûtera pas très cher. Toutefois, vous avez besoin d’un intégrateur compétent. Il en existe de nombreux en France.

2- vous préférez interroger vos partenaires informatiques habituels afin qu’ils vous proposent des solutions métiers ou bien des « bouts » de technologie. L’énorme inconvénient de cette approche est qu’il va restreindre l’éventail des solutions envisageables aux seules technologies maîtrisées par votre prestataire habituel.

3- vous vous dîtes que les start-up sont un bon moyen d’externaliser votre R&D à moindre coût et avec une grande efficacité créatrice.

Alors, vous allez, à l’instar de la majorité des entreprises du CAC40 — on pense immédiatement à la finance ou au luxe -, mettre en place une structure d’incubation (ou d’accélération) dans un lieu à la mode pour attirer les jeunes pousses. A de rares exceptions près, ce type de structure est établi à l’extérieur du groupe pour éviter que les start-up ne soient trop bridées et canalisées dans leur développement créatif.

4- vous préférez intégrer votre R&D et vous créer votre propre Data Lab.

Vous allez embaucher une poignée de Data Scientists et de Data Analysts et vous allez commencer à « explorer » vos données. Enfin, quand elles seront réellement exploitables ….

On constate que nombre de Data Analysts passent une bonne partie de leur temps à préparer les données. Cette démarche est exploratoire. Votre Data Lab développe des solutions à partir de vos données. Que ce soit du clustering, que l’apprentissage machine soit supervisé ou non. Cette organisation est la plus à même de découvrir de nouvelles couches de valeur ajoutée exploitables à travers vos données.

5- Vous confiez tout à vos consultants habituels (ceux des cabinets mondiaux) qui vont effectuer pour votre compte la R&D sur des supercalculateurs d’autres organisations tout aussi globales.

6- Enfin, vous voulez bénéficier des avancées technologiques d’autres entreprises de votre industrie mais sans passer par un GAFAMI BATX.

Vous devrez vous diriger vers une structure indépendante. A ma connaissance, il n’en existe qu’une…. à Montréal. Cette entreprise ne couvre malheureusement pas tous les secteurs d’activité et n’est pas présente en France.

Chacun doit trouver sa voie, adaptée à son organisation et à ses propres contraintes.