L'intelligence artificielle (IA) devient de plus en plus une technologie standard. De la production industrielle aux solutions CRM complexes en passant par les applications bureautiques, l'IA permet partout d'automatiser les processus. Cependant, la plupart des entreprises ont encore peu d'expérience dans l'utilisation de l'IA. Pegasystems Inc, l'un des principaux fournisseurs de solutions logicielles stratégiques pour les ventes, le marketing, le service et les opérations, montre quelles erreurs sont souvent commises lors de l'implémentation de l'IA.

Sept erreurs lors de l'introduction de l'IA

Pas de réelle valeur ajoutée : De nombreuses entreprises prévoient d'utiliser l'IA uniquement parce que l'IA est un phénomène de mode, et non parce qu'elles peuvent réaliser une valeur ajoutée claire, par exemple en augmentant la satisfaction des clients, en offrant des possibilités de ventes croisées ou incitatives, en optimisant les processus ou en améliorant la qualité.Manque de communication : Si l'utilisation de l'IA n'est pas communiquée aux utilisateurs, ceux-ci ne sauront par exemple même pas qu'ils interagissent avec un système basé sur l'IA. Cela peut conduire plus tard à une perte de confiance et à un rejet.Base de données insuffisante : En règle générale, les systèmes d'IA identifient des modèles récurrents à partir de grandes quantités de données ; si la base de données est insuffisante, les résultats ne sont pas pertinents.Une confiance aveugle : Même si, dans certains cas d'application, les systèmes informatiques sont étonnamment "Intelligence" ne se prêtent pas tous à l'IA, par exemple lorsqu'il n'est pas possible de fournir des données suffisamment opérationnelles.Manque de transparence : En raison du grand nombre de facteurs d'influence et de méthodes utilisées pour déterminer les résultats de l'IA, il peut être difficile, voire impossible, de comprendre ex post comment un résultat donné a été obtenu. Selon le cas d'application, il peut toutefois être nécessaire de garantir une transparence correspondante, par exemple pour les recommandations thérapeutiques.Manque de flexibilité : L'IA est conçue de telle manière que les départements spécialisés n'ont pas suffisamment de possibilités d'adaptation ; les collaborateurs des départements spécialisés doivent toutefois être en mesure de paramétrer eux-mêmes les solutions d'IA afin de pouvoir expérimenter différents scénarios de manière agile.Manque d'aptitude à la pratique : Les entreprises réalisent souvent des solutions d'IA qui fonctionnent bien dans des projets pilotes, mais qui ne sont pas bien échelonnées dans la pratique ; les procédés d'IA utilisés doivent fournir des réponses en peu de temps dans de grandes applications avec de nombreux utilisateurs - par exemple dans des infrastructures web ; à titre indicatif, des temps de réponse de moins de 50 millisecondes devraient être possibles.

Une approche prudente de la nouvelle technologie

"Pour de nombreuses entreprises, l'IA est une nouvelle discipline et il ne faut donc pas s'attendre à ce que les procédures fonctionnent déjà comme nous sommes habitués à le faire avec d'autres technologies. Nous devons plutôt nous attendre à des taux d'erreur plus élevés."Le système de gestion de l'information de Pegasystems est un système de gestion de l'information qui permet de gérer l'ensemble des données de l'entreprise, explique Carsten Rust, directeur Solution Consulting DACH chez Pegasystems à Munich. "Cela ne plaide pas du tout contre l'IA, mais plutôt en faveur d'une approche prudente. Il est important que les utilisateurs soient conscients des pièges lorsqu'ils mettent en place des systèmes d'IA."

L'intelligence artificielle (IA) devient de plus en plus une technologie courante. De la fabrication industrielle aux applications bureautiques en passant par les solutions CRM complexes, l'IA permet partout l'automatisation des processus. Cependant, la plupart des entreprises ont encore peu d’expérience dans l’utilisation de l’IA. Pegasystems, un fournisseur de solutions logicielles stratégiques pour les ventes, le marketing, les services et les opérations, met en évidence les erreurs fréquemment commises lors de la mise en œuvre de l’IA.

Pas de réelle valeur ajoutée : De nombreuses entreprises prévoient d'utiliser l'IA uniquement parce que l'IA est un phénomène de mode, et non parce qu'elles peuvent réaliser une valeur ajoutée claire, par exemple en augmentant la satisfaction des clients, en offrant des possibilités de ventes croisées ou incitatives, en optimisant les processus ou en améliorant la qualité.

Manque de communication : Si l'utilisation de l'IA n'est pas communiquée aux utilisateurs, ceux-ci ne sauront par exemple même pas qu'ils interagissent avec un système basé sur l'IA. Cela peut conduire plus tard à une perte de confiance et à un rejet.

Base de données insuffisante : En règle générale, les systèmes d'IA identifient des schémas récurrents à partir de grandes quantités de données ; si la base de données est insuffisante, les résultats n'ont aucune pertinence.

Une confiance aveugle : Même si les systèmes informatiques font preuve d'une « intelligence » étonnante dans certains cas d'utilisation, tous les cas d'utilisation ne se prêtent pas à l'IA ; c'est notamment le cas lorsqu'il n'est pas possible de fournir suffisamment de données exploitables.

Manque de transparence : Compte tenu du grand nombre de facteurs influents et de méthodes utilisées pour obtenir des résultats issus de l'IA, il peut s'avérer difficile, voire impossible, de retracer a posteriori comment un résultat donné a été obtenu. Selon le cas d'utilisation, il peut toutefois s'avérer nécessaire de garantir une transparence adéquate, par exemple dans le cadre de recommandations thérapeutiques.

Manque de flexibilité : L'IA est conçue de telle manière que les départements spécialisés n'ont pas suffisamment de possibilités d'adaptation ; les collaborateurs des départements spécialisés doivent toutefois être en mesure de paramétrer eux-mêmes les solutions d'IA afin de pouvoir expérimenter différents scénarios de manière agile.

Manque d'aptitude à la pratique : Les entreprises mettent souvent en œuvre des solutions d'IA qui, bien qu'elles fonctionnent bien dans le cadre de projets pilotes, ne s'adaptent pas facilement à une mise à l'échelle dans la pratique ; les méthodes d'IA utilisées doivent fournir des réponses rapidement dans le cadre d'applications à grande échelle comptant de nombreux utilisateurs – par exemple dans les infrastructures web ; à titre indicatif, des temps de réponse inférieurs à 50 millisecondes devraient être possibles.

« Pour de nombreuses entreprises, l’IA est une discipline nouvelle, et on ne peut donc pas s’attendre à ce que les processus fonctionnent déjà comme nous en avons l’habitude avec d’autres technologies. Nous devons plutôt nous attendre à des taux d’erreur plus élevés », commente Carsten Rust, directeur du conseil en solutions pour la région DACH chez Pegasystems à Munich. « Cela ne remet nullement en cause l’IA, mais plaide plutôt en faveur d’une approche prudente. Il est important que les utilisateurs soient conscients des pièges à éviter lorsqu’ils mettent en place des systèmes d’IA. »

Pegasystems propose des applications logicielles destinées aux ventes, au marketing, au service client et aux opérations. Les solutions Pega intègrent une technologie d'intelligence artificielle (IA).