Cycle de vie de la tranformation Data IA
Innovation Data IA
L’innovation a, de tous temps, été le moteur de la croissance. Le numérique au sens large, à la fin du siècle dernier, est venu accélérer de manière exponentielle les cycles de transformation dont nos entreprises subissent depuis toujours les soubresauts. Il ne faut donc pas rater une opportunité de faire bon usage d’une technologie, mais aussi d’en apprendre les limites pour éviter de mauvais usages que l’on appelle des « gouffres » . C’est le rôle des directions de l’innovation à qui l’on confie la lourde tâche de dénicher et d’intégrer de plus en plus vite la pépite qui viendra soutenir mais surtout accélérer la croissance.
Cette phase de veille technologique ne doit absolument pas être délaissée car elle permet de valider l’apport business d’une technologie, mais aussi de commencer une courbe d’apprentissage qui permettra, le jour venu, d’être encore plus rapidement opérationnel et adapté au contexte spécifique de l’entreprise. Elle est tout d’abord axée sur l’obtention de la fonctionnalité que viendra étayer ensuite la vision produit en intégrant des notions de performance et de ROI pour pouvoir envisager le passage à l’industrialisation.
Gouvernance de l’innovation
Dans ce contexte d’adoption effrénée, illustré par l’enthousiasme généré par CHATGPT, il est nécessaire d’adopter une gouvernance inclusive en organisant une structure claire et robuste, afin de guider l’innovation. Celle- ci va non seulement faciliter la capitalisation sur l’ensemble des initiatives, stimulant un apprentissage collaboratif, mais aussi permettre d’éliminer les doublons et de rationaliser les infrastructures techniques qui vont être sollicitées pour les POC ( proof of concept).
Cinq chantiers clés structurent cette gouvernance :
1. Veille et innovation : pour rester à la pointe des avancées technologiques et des tendances du marché.
2. Acculturation et formation : pour continuer à familiariser les métiers avec les nouvelles technologies et méthodologies.
3. Émergence et cas d’usage : pour identi! er et quali! er les applications potentielles ;
4. Expérimentations et développements : pour tester et affiner.
5. Communication : pour assurer une di# usion claire et transparente des informations, embarquer les métiers et la direction générale.
Face à l’afflux de propositions, il est essentiel de les traiter, de les évaluer et de les qualifier. La gouvernance offre un cadre permettant d’assurer des retours circonstanciés, basés sur des critères transparents, à ceux qui proposent des idées ou des projets. Elle guide également les décisions d’investissement, en privilégiant les cas d’usage les plus pertinents d’un point de vue business, et affinitaires avec le métier de l’entreprise pour qu’ils soient « parlants » aux collaborateurs, tout en encourageant la libre initiative et en garantissant une connaissance des initiatives en cours. Pour assurer un apprentissage exhaustif, il faut aussi intégrer les erreurs à ne pas faire et capitaliser sur
les POC réussis autant que sur ceux qui ont démontré une immaturité technologique ou organisationnelle. Toute l’organisation apprendra d’autant.
Avec une solide gouvernance de l’innovation en place, l’entreprise est mieux préparée pour intégrer la valeur des innovations et, tout en assurant une communication efficace avec la direction générale, projeter l’entreprise dans une dynamique d’ « entreprise apprenante » , industrialisant le processus d’innovation pour le maintenir dans la durée.
Acculturation
L’acculturation doit intervenir dès le lancement de la démarche d’innovation dans l’entreprise. Si les innovateurs n’ont besoin de personne pour découvrir une technologie, tout le monde n’a pas cette possibilité ou même le temps de s’intéresser aux innovations qui pourraient potentiellement révolutionner leur travail. Il faut parfois être proactif et stimuler cette rencontre. La data et L’IA sont porteuses de nouveaux concepts et paradigmes qui nécessitent, pour certains métiers, du temps pour les assimiler et se projeter. L’acculturation est donc une étape essentielle dans laquelle il faudra faire preuve d’imagination et savoir susciter l’intérêt.
Les directions de la stratégie sont trop souvent les oubliées de cette acculturation. Elles sont pourtant le moteur de la croissance organique de l’entreprise. La data et L’IA permettent de générer de nouvelles offres, de nouveaux revenus, de valoriser des assets de l’entreprise, de se déplacer sur la chaîne de valeur et de contrer une éventuelle réintermédiation. L’acculturation va permettre de les intégrer au plus vite dans ce cycle d’innovation, afin qu’elles soient parties prenantes de cette transformation plutôt que de la subir.
Favoriser l’émergence
Seuls les métiers de l’entreprise sont vraiment capables de prendre en compte et de valider la création de valeur d’une technologie, si tant est qu’on leur donne un cadre méthodologique leur permettant de factualiser cette validation. Il faut donc aller vers eux et leur permettre d’en tester la pertinence, afin de recueillir le fruit de leurs réflexions et d’être en mesure d’en faire profiter, dans les meilleurs délais, une direction générale qui seule donnera les moyens de la généraliser au titre de la croissance de l’entreprise.
Ce processus bottom- up s’appelle l’ « émergence » et doit être adapté à la culture de l’entreprise. Il s’agit de mettre en place les bons leviers qui vont déclencher l’appétence des métiers à l’innovation, afin que celle- ci s’intègre naturellement à la propre démarche d’amélioration incrémentale de chacun. Cette agilité demandée aux métiers dès la phase d’innovation s’apparente à une forme de lean management intégrant la data et L’IA.
L’acculturation au machine learning a pris de longues années et coûté des fortunes en sessions de formation, en ateliers d’idéation, en « Call for AI » et en mise à disposition d’environnements de tests, les fameux « bacs à sable » . Elle s’est par contre réalisée en quelques mois pour L’IA générative avec un Open AI et un Microsoft qui ont réalisé pour nous l’évangélisation des métiers, mis à disposition le plus grand bac à sable du monde, CHATGPT, et emporté l’une des adoptions des plus rapides de l’histoire.
Ce n’est qu’après avoir obtenu des résultats concrets à travers des POC ( proof of concept) issus de l’émergence, qu’il faudra aussi acculturer les directions générales en leur apportant des preuves factuelles et quantifiées de l’apport de ces technologies, car la science- fiction ne les intéresse pas. Elles attendent du concret en lien avec leurs objectifs à court terme et leur stratégie. C’est le moment clé qui permettra de passer à l’étape suivante dans laquelle, convaincues du potentiel de valeur, les directions générales demanderont de pouvoir évaluer une trajectoire et son ROI à travers un schéma directeur Data et IA préparant la phase de déploiement industriel.
Projeter la valeur au- delà de l’innovation
L’innovation est une phase bottom- up qui doit donc fortement intégrer les métiers, afin d’assurer une pertinence opérationnelle. Le « up » arrive rarement jusqu’à la direction générale alors qu’elle a besoin de la visibilité sur ce que produit l’innovation sur une technologie pour, le cas échéant, être en mesure d’accélérer la phase d’industrialisation. Il faut donc communiquer tout au long du processus d’innovation vis- àvis d’elle, afin qu’elle puisse identifier le potentiel de création de valeur généré par les initiatives des métiers. Cela nécessitera parfois de passer par des POV ( proof of value). C’est là, la clé de la réussite.
Cet effort ne doit pas rester lettre morte et ne servir qu’à une validation, bien au contraire. Il est le fruit d’un travail de fond des métiers qui se seront beaucoup investis et auront produit quelques pépites. Ces dernières ne demanderont qu’à être industrialisées dans une démarche projet concrète et structurée. C’est le but de la première étape du schéma directeur Data IA, qui consiste à faire l’état des lieux et à intégrer l’existant. Une phase absolument nécessaire qu’il faudra ensuite industrialiser, elle aussi, car l’innovation n’est pas un instant mais un flux qui ne s’arrête jamais.
Du produit à l’industrialisation
Le passage de l’innovation vers l’industrialisation ne se fait qu’après que la direction générale a été convaincue de la pertinence de l’apport factuel de cette technologie à la stratégie et aux objectifs de l’entreprise. C’est alors que l’innovation doit passer la main au Chief Data Officer qui va affiner et impulser une vraie vision produit pour que la data et L’IA se déploient de manière industrielle dans l’entreprise.
Cette décision émane du top management qui, après avoir positionné un Chief Data Officer, lui donnera comme mission de revenir avec une trajectoire permettant à l’organisation de se projeter dans sa transformation Data IA. Cette trajectoire intégrera l’évolution des compétences et de la culture, le socle technique, le data management et la gouvernance à mettre en place, ainsi que l’identification des cas d’usage à forte valeur. C’est la raison d’être du schéma directeur Data IA.
Après une innovation bottom- up, le passage à l’échelle et l’industrialisation de la transformation Data IA passent par cette phase top- down qui va permettre à l’entreprise de franchir toutes les étapes que nous allons décrire.
Le CDO Office
Le déploiement industriel de l’intelligence artificielle ne se décrète pas. Il s’organise car son impact est si profond qu’il faut embarquer un nombre incalculable de parties prenantes. Afin d’assurer cet embarquement, le CDO devra s’entourer de rôles et compétences clés qui viendront constituer son CDO Office.
Le rôle du CDO Office, porté par le CDO, peut se décomposer en trois piliers majeurs :
1. Valeur et usage : construire la vision Data IA et assurer la création de valeur avec des schémas directeurs holistiques.
2. Socle et gouvernance : mettre en place des socles et piloter la transformation par une gouvernance claire, un modèle opérationnel partagé, et un data management à l’état de l’art.
3. Culture et capital humain : accompagner et animer la transformation de culture et de compétences pour tendre vers une entreprise data driven.
Un programme dévolu au CDO, qui doit mettre en place des feuilles de route, des comités, des process, des rôles et des indicateurs qui lui permettront, à différents niveaux, d’industrialiser cette transformation pour qu’elle tienne ses promesses et s’inscrive dans la durée. ☐