S’affranchir de l’incertitude économique grâce à la Data et à l’IA
Par Guillaume Brandenburg, VP France, Databricks
Face à la nouvelle situation économique, de nombreuses entreprises françaises doivent s’adapter. Pourtant, avec la stratégie mise en place par le gouvernement, selon laquelle la politique de la donnée doit constituer une priorité de l’État dans ses relations avec l’ensemble de ses partenaires, notamment les collectivités territoriales et les acteurs privés, l’avenir du secteur technologique reste prometteur.
La croissance exponentielle de l'IA (Intelligence Artificielle) peut aider les organisations françaises, quels qu’en soient le secteur et la taille, à tirer parti de la volonté partagée de faire de la France un « générateur » de données et d’IA et à prospérer en ces temps plus instables.
Qu’il s’agisse d’accroître l’efficacité ou de réduire les coûts, l’IA présente de nombreux avantages aux entreprises françaises qui cherchent à surmonter cette période d’incertitude.
Selon une récente étude du MIT, menée auprès de DSI, CTO, Chief Data & Analytics Officers, 94 % des personnes interrogées utilisent déjà l’IA dans leur secteur d'activité. En outre, plus de la moitié des répondants déclarent s'attendre à ce que cette utilisation se généralise dans les fonctions métier d'ici 2025.
Mais ce n'est pas parce que l'IA est déjà largement utilisée par de nombreuses organisations dans le cadre de leur architecture data que ses atouts en sont pleinement exploités. Alors, comment passer d’un investissement initial dans l'IA à l’obtention de résultats concrets ? Et pour quels bénéfices tangibles ?
L’IA au centre de la performance des organisations
Le rapport du MIT identifie l'augmentation des revenus et la réduction des coûts comme les principaux bénéficiaires du potentiel de l’IA d’ici à 2025.
Il subsiste pourtant de nombreux territoires d’amélioration. Par exemple, les entreprises qui se concentrent sur un accès facilité à l’IA et qui investissent dans ce domaine profiteront d’un impact positif sur leurs résultats, une perspective extrêmement attractive dans le contexte actuel d’instabilité économique.
Par ailleurs, l’amélioration de l’efficacité, l’accélération du développement des produits et de leur mise sur le marché figurent parmi les préoccupations majeures qui devraient aussi bénéficier de l’IA.
Prenons l’exemple de l’industriel Rolls-Royce qui recourt à des modèles basés sur le cloud pour réduire les coûts de ses clients, mais aussi pour développer de nouvelles sources de revenus. Rolls-Royce collecte en temps réel les données générées par la création de jumeaux numériques de ses moteurs. Ces données sont ensuite analysées avec l’IA et le ML (Machine Learning), puis utilisées pour prédire les pannes de moteur avant qu’elles ne se produisent. Ainsi, Rolls-Royce améliore son efficacité, évite l’immobilisation d’avions au sol sans planification et économise des millions d’euros grâce à une meilleure gestion des pièces détachées.
En période de récession, alors que les organisations cherchent à faire plus avec moins, la production de valeur est encore plus stratégique. Si l'IA accélère la rapidité avec laquelle une entreprise livre un produit, ou simplement fonctionne en général, elle s’avère un facteur clé de différentiation face à la concurrence. Toutefois, pour tirer une réelle valeur de l'IA, les organisations doivent être en mesure d’en faciliter l’usage grâce à une architecture data moderne adaptée.
L’architecture data pour exploiter le meilleur de l’IA
De nombreuses entreprises fonctionnent actuellement sur des architectures de données héritées, telles que des « data warehouses ». Ces architectures complexes peuvent générer des silos d’informations et compliquer la distribution des données, avec des informations dupliquées voire périmées, dont le partage est susceptible d’entraîner des problèmes plus importants en aval. Sans données de bonne qualité, l'IA ne peut tout simplement pas tirer parti de tout son potentiel.
La solution réside dans la mise en place, dès le départ, d'une structure de données solide et moderne, de type « data lakehouse ». Ainsi, les organisations peuvent réduire le nombre de plateformes différentes nécessaires et éliminer une grande partie de la complexité de ces architectures héritées. Cela assure un flux de données adéquate, en temps voulu, facilite le stockage pour l'analyse et le déploiement de cas d'usage d’IA et de ML.
Par ailleurs, une architecture qui facilite l’usage de l'IA doit répondre aux 3 critères suivants :
- L’approche Multi Cloud est indispensable au passage à l’échelle de l’IA, en raison des complexités liées au suivi et à l'optimisation des projets d'IA en environnements multi fournisseurs. De plus, elle permet aux entreprises d'obtenir le meilleur prix pour exécuter leurs « workloads ». Les fournisseurs facturent généralement le déplacement de données dans et hors de leurs clouds, mais ils sont de plus en plus disposés à négocier ces prix à la baisse. Cette tendance devrait se développer et rendre l’approche multi cloud plus rentable dans le temps.
- L'IA est un grand bénéficiaire de la collaboration ouverte et multipartenaire. En effet, le succès des projets en IA repose sur des données, des informations et des outils provenant de sources extérieures. Les technologies data qui favorisent les standards et les formats de données ouverts sont propices à cette collaboration.
- Plus il y aura d’innovations reposant sur l'IA, plus les équipes devront être capables de configurer et d'améliorer leurs algorithmes. En raison de la pénurie de talents, data scientists et experts IA plus particulièrement, la démocratisation est essentielle. Elle favorisera l’émergence de « citoyens data scientists », qui maîtrisent les données sans formation spécialisée. Tout projet de modernisation de l'infrastructure doit viser à élargir l'accès des équipes aux données.
Bien que la réaction naturelle à la perspective d'une période d’incertitude économique consiste à réduire les dépenses et à suspendre les investissements, les dirigeants des entreprises françaises doivent envisager une architecture de données moderne.
Elle participera à protéger leurs organisations de l'instabilité et à rationaliser les processus pour les années à venir.