Les dirigeants face à la révolution de l’IA et de la Data : l’enjeu de la maturité pour une transformation réussie

On peut observer différents profils et réactions face à la révolution de l’intelligence artificielle et de la Data. A chaque niveau de maturité correspond un type d’accompagnement qui permet d’aider le dirigeant à faire entrer son organisation avec succès dans la nouvelle réalité économique.

Le non-initié

La plupart des chefs d’entreprise n’ont pas encore pris conscience de l’entrée dans une nouvelle révolution industrielle et des enjeux que cela comporte pour leur entreprise. En effet, 87% des dirigeants de PME et ETI ne font pas de la transformation digitale une priorité stratégique. Pourtant, c’est potentiellement la compétitivité de leur modèle économique et plus largement la pérennité de leur entreprise qui est alors remise en question.

L’enjeu premier est alors la formation (de quoi parle-t-on ?) et la sensibilisation, en partant notamment des cas concrets de concurrents qui sont en train de se réinventer.

Le sceptique

D’autres dirigeants ont entendu parler d’intelligence artificielle mais adoptent une attitude sceptique face à ce qu’ils perçoivent comme un sujet pas adapté à leur réalité économique : entreprise trop petite, secteur d’activité ayant trop de valeur ajoutée pour être abordé par des machines, réticence des salariés, etc.

Là encore, la sensibilisation par des cas d’usages de concurrents est efficace. Tout le monde est concerné, y compris les professions nécessitant un haut-niveau d’étude : en 2016, Watson (système d’IA conçu par IBM) a détecté au Japon une forme rare d’une leucémie qui avait échappé aux médecins…

Il est aussi possible d’identifier ensemble et de déployer rapidement un « easy-win » pour concrétiser la réalité du nouveau paradigme économique. Par exemple, Wintics a récemment travaillé pour un dirigeant d’une PME qui commercialise et installe des piscines dans l’Est de la France pour 5 à 10 m€ de CA/an. A priori, il ne s’agit pas de la première activité concernée par la révolution de la Data et de l’IA. Pourtant, nous avons immédiatement identifié un levier majeur de création de valeur. A un moment où le parc français de piscines arrive à maturité, il s’agit de démarcher les propriétaires pour renouveler et maintenir leurs bassins. Comment procéder efficacement ? Nous avons proposé et déployé rapidement un algorithme de « computer vision » qui utilise les images satellites pour répertorier l’ensemble des adresses des maisons équipées de piscines dans une zone de chalandise donnée.

L’enthousiaste

Certains dirigeants ont au contraire déjà eu vent des prouesses de l’intelligence artificielle. Ils savent par exemple que AlphaGo de Google DeepMind a battu Ke Jie, champion mondial du jeu de Go et extrapolent en pensant que l’Intelligence Artificielle va pouvoir tout faire et répondre à tous leurs problèmes business.

Dans ce contexte, l’enjeu d’une entrée réussie dans l’ère de l’IA repose essentiellement sur l’établissement d’une compréhension commune de ce qu’il est possible de faire et de ce qui ne l’est pas. Il est important de préserver l’élan positif qui anime le dirigeant et permet d’insuffler une dynamique de transformation dans son entreprise. Il faut néanmoins réfléchir à un plan réaliste, sans quoi l’expérience serait déceptive et contre-productive.

L’IA ne remplace pas l’homme. C’est plutôt un formidable outil qui lui permet de se libérer de tâches répétitives et de certaines limites cognitives (puissances de calcul, quantité de savoir) pour se consacrer à ses qualités irremplaçables : faire preuve de créativité, poser les bonnes questions, communiquer et surtout dominer la machine.

Par exemple sur des enjeux de fidélisation, l’analyse algorithmique d’une base clients peut permettre d’identifier efficacement les clients qui sont susceptibles de se désabonner afin de les relancer en priorité. Elle peut mettre en lumière les profils des clients les plus fidèles pour privilégier les actions de recrutement les plus pertinentes. Elle peut aussi permettre de déterminer les leviers de fidélisation les plus efficaces parmi l’ensemble des actions mises en œuvre. Elle permet ainsi de mieux guider les actions et prendre de meilleures décisions. En revanche, aucune intelligence artificielle ne pourra à elle seule retenir les clients : elle n’est pas responsable de l’excellence opérationnelle, des choix de positionnement par rapport aux concurrents, de la qualité et de la largeur d’offre, etc.

L’averti 

Enfin, il y a le dirigeant qui est mûr pour lancer un plan de transformation visant à intégrer l’IA à son organisation. Il est souvent passé par une ou plusieurs des phases décrites précédemment :

  • Il est désormais conscient de l’état de l’art en IA et de ce qu’il est possible de faire et de ce qui ne l’est pas ;
  • Il a pensé une équipe et une architecture Data qui pourront mettre les données pertinentes au service des principaux enjeux de création de valeur pour son entreprise ;
  • Il a identifié des « quick-wins » qui peuvent être rapidement intégrés et propose des actions plus long terme qui transformeront son entreprise en profondeur ;
  • Il diffuse sa vision et son enthousiasme et délègue des responsabilités ;
  • Il anticipe les contraintes et les blocages potentiels au changement.
Trois règles d'or pour réussir un projet data

Trois règles d’or pour réussir son premier projet Data

La Data constitue une révolution pour l’entreprise et peut impliquer des changements perturbateurs. Pour capter la valeur qui réside dans la Data sans déstabiliser toute l’organisation, il convient donc de procéder avec méthode : Wintics vous propose 3 règles d’or pour y parvenir dès le premier projet.

Première règle d’or : bien choisir la problématique business du projet

La Data est capable de répondre aux enjeux clés des entreprises : elle peut donc donner lieu à de nombreux projets. Parmi tous les candidats potentiels, le choix du premier projet est essentiel. S’il est réussi, il permettra d’impulser une dynamique positive quant à l’utilisation de la Data dans toute l’entreprise. A l’inverse, s’il n’est pas au niveau des attentes de vos collaborateurs, il pourrait favoriser la naissance d’un sentiment data-sceptique dans votre organisation.
Pour sélectionner votre premier projet :

  • Choisissez un projet dont les retombées sont rapides et visibles (quick wins) : inutile de vous engager tout de suite dans un projet long et coûteux, l’enjeu est d’abord de démontrer l’utilité de la Data à vos collaborateurs et de créer une certaine émulation autour de cette thématique.
  • Ne réfléchissez pas à un niveau macro : vous ne changerez pas l’organisation de toute votre entreprise dès le premier projet. Concentrez-vous plutôt sur l’échelle micro (une équipe par exemple) : vous pourrez développer des outils qui changent son quotidien et qui feront de ses membres des ambassadeurs de votre stratégie.

Deuxième règle d’or : placer l’humain au cœur de la démarche

Le principal frein au développement des initiatives Data dans les entreprises est d’ordre humain plutôt que technique. L’intelligence artificielle peut faire peur à vos collaborateurs dans la mesure où elle redessine les organisations et redéfinit la place de chacun. En même temps, elle fait naître de nouveaux métiers et libère vos collaborateurs de certaines contraintes. Ils peuvent ainsi concentrer leur énergie sur les tâches à plus forte valeur ajoutée et se montrer plus créatifs.
Pour appréhender au mieux les aspects humains d’un projet data :

  • Montez une équipe projet de champions
    Le succès du projet dépend beaucoup des personnes qui seront mobilisées. Le choix de l’équipe projet est donc essentiel. Elle doit combiner les expertises techniques et métiers afin de répondre de façon pertinente à la problématique posée. Une telle équipe est au minimum composée de quatre personnes : un chef de projet, un data scientist, un ingénieur réseau de la DSI et un opérationnel.
  • Associez l’ensemble de vos collaborateurs au projet
    Afin d’impulser une dynamique de changement dans votre organisation, l’équipe projet peut prévoir des consultations afin de recueillir les attentes des salariés concernés. Elle peut aussi organiser des comptes-rendus informels (ex : lunch & learn) pour présenter l’avancement du projet et répondre aux questions. Ce type d’événement permet d’anticiper les blocages potentiels en relevant les remarques de chacun.
  • Soignez l’ergonomie de l’interface utilisateur
    La facilité d’utilisation et l’ergonomie du produit final (user experience) sont des facteurs clés dans l’adoption par vos collaborateurs de la solution développée. Une prise en main rapide et intuitive favorisera grandement l’intégration de l’outil dans les processus actuels de vos équipes.

Troisième règle d’or : procéder méthodiquement

Quelle que soit l’envergure du projet que vous souhaitez lancer, il est nécessaire de respecter certaines étapes clés afin de valider sa pertinence et de s’assurer de ses retombées.
On distingue généralement quatre grandes étapes dans un projet Data :

  • Le diagnostic
    Lors de cette étape, l’équipe projet est en charge de passer en revue les données disponibles (nature, qualité, quantité) afin de définir ce qu’il est possible de faire. Le diagnostic est aussi une phase de pédagogie et de partage d’idées, propice à l’alignement des objectifs de chacun.
    Il aboutit sur une feuille de route décrivant l’ambition du projet, ses grandes étapes, la contribution de chacun et les indicateurs de performance.
  • Le PoC (Proof of Concept = prototypage)
    Le PoC correspond à la phase de développement de l’algorithme. A ce stade, l’algorithme est entrainé et testé sur un ensemble de données statique (ex : des données historiques). Cette première version de la solution permet d’évaluer les gains espérés du projet en modélisant ex-post les décisions qui auraient été prises historiquement sur la base des recommandations de l’algorithme. Une telle approche permet donc d’estimer le retour sur investissement du projet et de décider ou non de sa mise en œuvre à plus grande échelle.
  • Le pilote
    Lors du pilote, l’algorithme est testé en conditions réelles sur un périmètre limité de l’entreprise (ex : sur les données CRM d’un pays uniquement pour un projet marketing) afin de valider la pertinence de l’outil auprès des opérationnels, d’estimer la capacité d’acceptation des équipes et d’évaluer les risques de dérives lors du passage à l’échelle.
  • Le déploiement industriel
    A l’issue du pilote, la solution est branchée sur l’ERP de l’entreprise avec l’aide de la DSI. Elle permet alors de prendre des décisions éclairées en temps réel. L’algorithme est ré-entrainé automatiquement avec le flux continu de donnée et s’améliore continuellement.
Pour les PME et ETI aussi, l'IA doit devenir une réalité

Pour les PME et ETI aussi, l’IA doit devenir une réalité

L’intelligence artificielle est déjà partout

L’iPhone, qui capte plusieurs heures de notre attention chaque jour, est un formidable concentré d’intelligence artificielle : il se déverrouille en reconnaissant le visage de son propriétaire, il analyse nos habitudes d’utilisation pour suggérer l’ouverture d’applications, il fait office d’assistant personnel à qui on peut demander par commande vocale d’effectuer des recherches ou d’envoyer des messages, il trie nos photos automatiquement en fonction des visages qui apparaissent dessus.

Demain, nos voitures seront autonomes, nos réfrigérateurs s’occuperont de nos courses alimentaires et les ordinateurs remplaceront nos médecins pour les diagnostics médicaux… L’intelligence artificielle est déjà omniprésente dans notre quotidien et est en train de bouleverser nos modes de vies.

Une évidence pour les grandes entreprises

Cette nouvelle réalité, qui nous est plus tangible chaque jour, n’épargne pas le monde économique : l’entrée dans l’ère de l’intelligence artificielle marque le début d’une nouvelle révolution industrielle. Modes d’organisation et de travail, relations avec le client, appropriation de la valeur, cycle de vie des entreprises, barrières à l’entrée… l’intelligence artificielle chamboule tous les équilibres existants.

Ainsi, le PDG de CISCO, John Chambers, dans une interview donnée aux Echos fin 2015, estimait que 40 % du business d’aujourd’hui n’existera plus d’ici 10 ans. Il déclare aussi que tous ses concurrents d’il y a 15 ans ont disparu, « parce qu’ils n’ont pas su se réinventer » et que « dans ce nouveau monde, il n’y a pas de position acquise ».

Les grands groupes internationaux en prennent déjà la mesure à leurs dépens, parce que confrontés frontalement à la concurrence des leaders mondiaux de l’intelligence artificielle (GAFA notamment).

Par exemple Tesla, spécialiste des véhicules électriques et pionnier dans la course au véhicule autonome, devance désormais Ford en capitalisation boursière. En d’autres termes, une jeune firme californienne de moins de 15 ans, qui compte 13 000 employés et qui a produit 84 000 véhicules en 2016 pour un chiffre d’affaires de 7 milliards de dollars vaut désormais plus qu’une entreprise centenaire, qui emploie près de 200 000 personnes et qui produit 6,7 millions de voitures pour 151,8 milliards de dollars de revenus.

Cet écart de capitalisation boursière traduit l’importance de l’écart de potentiel de création de valeur entre un acteur économique traditionnel et un acteur qui met la donnée et l’intelligence artificielle au cœur de sa stratégie et de son produit, pour une création de valeur dans la durée.

Une urgence pour les PME et ETI

Si les grands groupes, souvent par réflexe défensif, font leur entrée dans l’ère de l’IA avec d’importants moyens, des plans stratégiques de transformation et une réinvention de leurs modèles d’affaires, la plupart des PME et ETI n’ont pas pris la mesure de la révolution qui est en marche.

Ainsi, une étude BPI – Le Lab révélait récemment que 87% des dirigeants d’entreprises de taille intermédiaire ne font pas de la transformation digitale une priorité stratégique pour leur entreprise, alors qu’il s’agit pourtant d’un prérequis pour entrer dans l’ère de l’IA. De même, 47% estiment que l’impact du digital sur leur activité ne sera pas majeur d’ici 5 ans.

La nouvelle révolution industrielle concerne pourtant autant les ETI et les PME que les grands groupes ! D’autant que les géants de l’IA et du numérique ainsi que les start-ups tech élargissent en permanence leurs champs d’activité et menacent ainsi l’ensemble des acteurs économiques.

Il y a donc urgence à ce que les dirigeants prennent conscience des bouleversements en cours, sans quoi la compétitivité et la survie des PME est fortement menacée, et par la même la vitalité de notre tissu économique le plus dynamique : 80% des emplois créés ces vingt dernières années ont été créés par des PME.

Le dirigeant est le mieux placé pour entraîner son organisation

Les défis qui attendent les PME sont immenses. Il s’agit, à la lumière de l’intelligence artificielle et de la data, de repenser :

  • Le modèle d’affaires: anticiper en quoi les mécanismes de création de valeur sont susceptibles d’évoluer ;
  • L’organisation: apprendre à travailler de façon agile et modulable pour absorber des changements profonds et intégrer les évolutions rapides et permanentes, adapter le rôle de chaque direction pour y intégrer de nouvelles expertises (IA, data, digital), choisir les technologies et les solutions appropriées, ajuster les budgets ;
  • La relation client/consommateur: intégrer le client dans un processus de co-création de valeur, dans lequel ce-dernier remonte de l’information sur son parcours d’acquisition et/ou l’utilisation du produit (produit connecté générateur de data).

Rentrer dans l’ère de l’IA est ainsi un changement profond de culture d’entreprise. Le dirigeant est le seul à avoir la légitimité et le leadership nécessaires pour porter le risque managérial (et éventuellement actionnarial), susciter l’adhésion globale de toutes les parties prenantes, et anticiper les blocages liés à un tel projet.

D’autant que si la menace est forte, l’incitation à entrer dans cette nouvelle ère est immense, tant l’IA constitue un facteur de production capable de doper la rentabilité des entreprises. Là où la plupart des secteurs ont connu une baisse de la rentabilité ces dernières années, Accenture a évalué les retombées de l’IA dans 16 secteurs (« how AI boosts industry profits and innovation ») d’activité et estimé que l’intelligence artificielle pourrait accroitre la rentabilité des entreprises de 35% en 2035.