Eviter les pièges de l’intégration de l’IA en entreprise

Récemment, l’intelligence artificielle a fait son apparition dans une gamme de secteurs commerciaux où l’on n’aurait jamais imaginé sa présence auparavant. L’arrivée de cette nouvelle technologie est parfois accompagnée de promesses douteuses sur la croissance des profits et l’amélioration de la productivité. Pour ne pas tomber dans le panneau, des experts et des entrepreneurs nous offrent leurs conseils.

Spécialiste en apprentissage machine et en stratégie d’innovation et de conception pour l’Institut d’intelligence des données à l’Université Laval, Pierre Prévot nous met en garde contre l’adoption de l’IA en entreprise sans raison valable.

« Un des premiers pièges à éviter : c’est faire de l’IA pour faire de l’IA. Je sais que beaucoup de jeunes finissants en entrepreneuriat ” trippent ” sur les technologies veulent lancer à tout prix un produit en IA, mais c’est une approche inversée. L’IA c’est un outil, comme le logiciel Excel par exemple. On ne démarrera certainement pas une entreprise dans le but de jouer avec Excel et c’est la même chose avec l’IA. Ce n’est pas pour tout le monde », insiste-t-il.

« Buzzword », expectations et données

En effet, il peut être tentant de se laisser séduire par les « buzzword » technologiques, des jargonneries qui laissent espérer des recettes miracles pour ses affaires.

« Il faut comprendre que l’IA peut être coûteuse. Elle demande l’avis d’experts et parfois de l’achat de matériel », indique M. Prévot.

C’est pourquoi il est primordial de monter un plan d’affaires solide avant de plonger tête première dans un projet, ajoute Alain Lavoie, CEO chez LexRockAI, une branche de la compagnie Irosoft, spécialisée en valorisation des données.

« Les gens sont quelquefois mal informés sur le sujet. Ils pensent que l’IA c’est magique. Lorsqu’on leur offre des consultations, la première chose qu’on leur demande c’est de définir leurs attentes. On identifie des processus dans l’entreprise qui pourraient facilement être améliorés par l’IA, mais on veut aussi qu’ils ne se basent pas seulement sur une preuve de concept d’un produit. Les preuves de concept (en anglais « proof of concept ») c’est souvent un « show de boucane » », souligne M. Lavoie.

« Un des premiers pièges à éviter : c’est faire de l’IA pour faire de l’IA. Je sais que beaucoup de jeunes finissants en entrepreneuriat « trippent » sur les technologies veulent lancer à tout prix un produit en IA, mais c’est une approche inversée.» – Pierre Prévot

De plus, les experts s’accordent pour dire que les données sont le nerf de la guerre dans tout projet d’intégration d’IA.

« C’est vraiment l’or noir de cette technologie. Votre modèle ne peut être aussi bon que les données sur lesquelles il se base. Il faut donc prendre garde aux erreurs dans les bases de données et aux biais qui pourraient en être imputés », martèle M. Prévot.

« Le nettoyage des bases de données représente parfois 70 % à 80 % du travail. Ça prend du temps et de la main-d’œuvre. Aussi, il ne faut pas s’attendre à ce qu’un modèle acheté sur le marché fonctionne bien dès ses débuts. Ce n’est pas parce qu’un produit marche bien avec un client A qu’il en sera de même avec le client B. Il faut des données de qualité, traitées et parfois anonymisées », persiste M. Lavoie.

Partir de zéro

Depuis 2018, la compagnie québécoise Tengiva s’impose dans le marché du textile grâce à son expertise des données.

Effectivement, les créateurs de l’entreprise ont eu comme idée de classer une centaine de variables par produit affiché sur leur site internet, offrant une mine d’or d’informations jusqu’à présent difficilement accessibles.

Structure physique, composition chimique, procédé de fabrication, lieu de provenance : toutes ces données ont été compilées par Tengiva à partir de fournisseurs, ce qui s’est avéré être une tâche colossale.

« Ç’a été difficile de partir les choses au début, car il nous a fallu réinventer la roue. L’industrie du textile est un milieu très peu en phase avec les technologies, près de 90 % des relations commerciales se font face à face. La numérisation fait peur à plusieurs », affirme Annie Cyr, cofondatrice de Tengiva.

Beaucoup d’essais et d’erreurs auront été nécessaires avant de pouvoir monter un modèle d’IA efficace, indique-t-elle.

« Il aura fallu construire notre propre technologie. Identifier la provenance des données et leur qualité, ainsi que discerner les embûches dans lesquelles sont tombés nos compétiteurs aura été un travail primordial. »

Adopter l’IA quand on est bien établi

Pour une entreprise fondée depuis 2008 comme IN-RGY, l’adoption de l’IA est un tout autre défi.

« Ce n’est certainement pas une « promenade de santé ». Aujourd’hui encore, il nous faut ajuster notre modèle périodiquement, il y a toujours du travail à faire », souligne Thierry Bodson, président de la firme-conseil en capital humain.

Avec la venue de la COVID, la compagnie a adopté un produit de reconnaissance faciale lié à de la lecture thermique, permettant d’identifier les employés qui se présentent au travail avec des symptômes de fièvre.

Si l’outil répond à un changement de paradigme dans le milieu du travail selon M. Bodson, sa mise en place aura posé des obstacles. Il a été important de dénicher les bons partenaires d’après celui-ci.

« Je conseille aux gens qui veulent faire usage de l’IA de trouver des produits qui ont fait leurs preuves sur le marché, provenant de compagnies de confiance dans le domaine, comme IBM ou Microsoft par exemple. L’IA deviendra certainement indispensable dans les firmes en capital humain, comme le fut la numérisation, mais cela reste une technologie en développement. »

Crédit Photo: Pexels/Olia Danilevich