50% des projets IA échouent,
mais comment ont-ils été lancés ?

le regard de Pierre Girardeau

La semaine dernière, j’ai lu deux articles contradictoires et complémentaires sur l’IA. Dans les Echos, on m’annonce que « Les dircom veulent plus de data et d’IA » et le Journal du Net me dit que « la moitié des projets IA échouent ». Chez Cross Data, on n’est pas vraiment surpris !

À quoi sont dûes les déceptions liées à l'usage de la data

Si on décortique l’article du JDN, on se rend compte que certains facteurs importants sont cités : attentes irréalistes des équipes métiers, manque de main d’œuvre, considérations techniques erronées et enfin le manque de données propres sur lesquelles s’appuyer.

Ces quelques points très justes sont surtout renforcés par un état de fait : le manque de cas d’usages bien identifiés. Trop souvent dans les projets data et IA, le premier « diagnostic data » en entreprise est traité sous l’angle technologique plutôt que sous l’angle des besoins métiers.

Pour faire un parallèle (très angevin) avec les plantes, les données sont le substrat sur lequel pousse la plante (ici le cas d’usage précis du métier), les algorithmes servant alors de support (ou d’engrais) pour booster ce cas d’usage.

 

Photo de Pierre

Trop souvent dans les projets data et IA, le premier « diagnostic data » en entreprise est traité sous l’angle technologique plutôt que sous l’angle des besoins métiers.

les avantages perçus à utiliser la data

D’un autre coté, l’article des Echos indique que les Directeurs communication et marketing pensent que l’IA et la data vont leur permettre d’améliorer l’efficacité de leurs actions de communication. Et, pour 72% d’entre eux, de « disposer de plus de temps pour les tâches à forte valeur ajoutée ». Comment en arrive-t-on à ces chiffres ? Et bien très simplement : car les cas d’usages sont pour eux bien identifiés.

Dans un projet IA/data, il faut en effet garder en tête quelques points importants :

1 – Les algorithmes ne font pas de miracles (si on ne leur demande pas d’en faire 😊). Ils sont un support au même titre qu’un autre outil, et ce n’est jamais la réponse magique.

2 – Le retour sur investissement associé à un projet d’exploitation de données doit être estimé avant le début du projet.

3 – Un Projet Data et IA se pense d’abord par l’angle du cas d’usage métier. Celui-ci, quand on le décortique, vous indiquera naturellement les données dont vous avez besoin et éventuellement les algorithmes à mettre en place.

POUR CONCLURE

Cross Data Article Facteur de succès et d'échec des projets data et ia

C’est un besoin métier ou client qui doit vous pousser à lancer des projets Data/IA

Comme pour tous les projets d’une entreprise, c’est un besoin métier ou client qui doit vous pousser à vous lancer dans ce type de projets. C’est rarement l’angle technique qui doit prendre le pas, même si la compétence des équipes est un facteur fort de succès.

Si tout cela vous intéresse, nous viendrons défendre ce point de vue lors du Data Day à Angers le mardi 19/11/19, journée dédiée à la data organisée par Aldev et Angers Technopole dans le cadre de la Connected Week angevine.
Plus d’infos : https://www.angers-developpement.com/data-day-pour-faire-le-point-sur-les-donnees/

Bonne semaine à tous !

Blog | Nos articles sur l’IA et la data

Recevez notre plaquette