Sous quelles conditions l’IA peut-elle être acceptée par les utilisateurs de la BI en entreprise ? – Point de vue d’expert

Frédéric MERCIER, Data Science & AI France Leader – IBM

Contact : frederic.mercier@fr.ibm.com

 

1) Le fossé se creuse aujourd’hui entre les utilisateurs métiers et l’IT dans le domaine de la BI. Quelles en sont les raisons ?

Clairement et plus que jamais. En effet, la BI est née de besoins fonctionnels puis reprise par les services informatiques avant un nouveau retour de balancier. Les métiers redeviennent acteurs des choix et de la consommation de l’information, car l’IT a parfois du mal à répondre avec suffisamment d’agilité.

De fait, on a d’une part des utilisateurs de plus en plus à l’aise avec la manipulation des données et friands d’une expérience facile avec les outils informatiques. Et d’autre part, les IT qui doivent mettre en place la gouvernance pour garantir la traçabilité de l’information.

Mais un fossé se creuse entre des utilisateurs ayant accès à de plus en plus d’informations et des IT concentrés sur la disponibilité de la donnée, un peu détriment de la sa qualité de présentation aux utilisateurs. Cet écart est source d’une défiance des utilisateurs vis-à-vis des données mises à leur disposition.
L’Intelligence Artificielle (IA) va permettre de combler ce gap en donnant les moyens à l’utilisateur de la BI d’être en confiance avec les informations.

2) Dans ce nouveau contexte, quelle est la place de la data science ? Quel est le rôle du data scientist ? 

La BI permet à des opérationnels de prendre rapidement des décisions à partir de la consolidation du « réalisé. »
L’IA utilise, à partir de l’information disponible, un apprentissage initial et continu pour enrichir et guider la décision humaine et ainsi favoriser l’usage des données par les métiers.
On s’appuie sur ce qui est connu et donc, sur le passé.

La data science, elle, va chercher à fournir une vision du futur tout en s’appuyant sur les données existantes (modèles prédictifs). Combinés à un moteur de règles métiers et un ensemble de contraintes business, ces modèles prédictifs peuvent ultimement recommander « le next best action » pour atteindre un objectif (modèles prescriptifs).

Pour cela, on utilise, par exemple, des modèles probabilistes qui vont permettre :

  • de mettre en évidence les corrélations entre indicateurs,
  • de simuler en temps réel des situations non recensées,
  • de donner aux différents facteurs des valeurs non observées.

Ces modèles pourront ainsi mettre en évidence et  hiérarchiser les éléments qui seront particulièrement pertinents à analyser avec des outils de BI.

3) Pourquoi et comment IBM accompagne cette tendance de fond autour de la démocratisation de l’analyse des données ? 

IBM a très vite accompagné cette démocratisation de l’analyse des données en lançant il y a 4 ans l’offre Watson Analytics qui intègre une interface homme machine en langage naturel dans un outil d’analyse de données. N’importe quel responsable fonctionnel peut ainsi, sans connaître l’analyse de données, poser une question en langage naturel et obtenir une réponse factuelle basée sur un fichier de données. Watson Analytics a contribué à la démocratisation de la BI en self-service.

Aujourd’hui, Watson Analytics a été intégré dans Cognos Analytics pour accompagner le rapprochement des fonctions et des métiers avec le service IT.

Pour favoriser encore davantage la fertilisation croisée entre BI, IA et Data Science, IBM met aussi à disposition des développeurs, via la plateforme IBM Watson Studio, les services combinés de BI, IA et de Data Science. Elle est construite sur des standards ouverts et une architecture unique.

4) Comment s’assurer de l’acceptation de l’IA dans le monde de la BI dont les résultats ont jusqu’à présent alimenté les décisions des entreprises ? Y-a-t-il un risque de perte de confiance ? 

Alors que la démocratisation de l’analyse des données favorise la réconciliation  du monde « fonctionnel » avec le monde « informatique », le rôle de chaque département reste clairement défini. Le service informatique met à disposition des données justes, sécurisées, à jour (l’infrastructure de l’IA) alors que  les directions fonctionnelles les analysent et prennent des décisions économiques (l’exploitation de l’IA).

L’un des apports de l’IA dans la BI est de fournir aux directions marketing, ventes, RH, Finance des suggestions d’analyses alternatives et objectives (basées sur des corrélations et l’analyse sémantique). Ces pistes (ou recommandations) permettent d’éviter le biais de confirmation (les certitudes), le biais humain qui pousse à « ne pas regarder ce que nous ne savons pas résoudre » (zone d’inconfort) ainsi que les schémas mentaux (issus de sa formation, son éducation, sa culture).

Ainsi, on assiste à un nouveau paradigme du big data où les questions naissent de l’analyse des données (sans préjugé sur les résultats) alors qu’auparavant, on partait d’une question et on cherchait les données pour y répondre.

5) L’implication de l’IA ne nécessite-t-elle pas que l’entreprise ouvre ses données sur le Cloud ? Comment concilier ce besoin technique avec le besoin de confidentialité des données de l’entreprise ?

Au cours de ces dernières années, le cloud a pris une place de plus en plus importante dans les infrastructures IT des organisations. Historiquement pour faciliter son développement et permettre un déploiement agile de l’IA, celle-ci est principalement disponible au travers de services Cloud. Toutefois, certaines organisations ne sont pas à ce jour prêtes à partager des données potentiellement sensibles (données clients, informations produits) sur un Cloud aussi sécurisé soit-il. Les entreprises ont légitimement besoin de connaître clairement les règles qui régissent  la confidentialité, la propriété et l’utilisation de la donnée partagée avec le fournisseur de solution.

Sur ce point, IBM a très tôt mis en œuvre une ligne de conduite pour répondre à ses clients sur ces points. Les données et les apprentissages issus de ces solutions d’IA sont et resteront la propriété exclusive des clients.

Mais pour offrir encore plus de liberté de choix dans l’implémentation pour les entreprises, les solutions peuvent être déployées en mode hybride – à savoir l’entrainement de la solution localement, et l’utilisation de la solution sur le Cloud. De nombreuses solutions commencent également à être disponibles On-Premise, installé localement.

 

IBM Cognos Analytics has been named a winner in the “2019 BIG Business Innovation Award” from the Business Intelligence Group.

“The toolset includes innovations like a natural language based virtual assistant, as well as a data exploration tool that finds relationships within data and suggests data visualizations.”
https://www.bintelligence.com/blog/2019/2/5/74-companies-products-and-executives-who-are-leading-in-innovation

Leave a Reply