La loi d'Amdahl stipule que l'amélioration d'une seule partie d'un système ne peut qu'accélérer l'ensemble du système dans une mesure limitée. Même si une étape d’un processus devient exponentiellement plus rapide, les autres étapes imposent un plafond à moins qu’elles ne soient elles aussi accélérées.
Ce concept peut expliquer une partie de la déception que connaissent les entreprises face à l’intelligence artificielle. Un assistant IA peut rédiger une proposition en quelques secondes, mais il attend ensuite pendant des jours les examens, les prix et l’approbation. De même, un outil de codage peut produire un logiciel en quelques minutes, mais les tests, la sécurité et le déploiement prennent encore des jours, voire des semaines.
Les entreprises ont accéléré des tâches spécifiques sans réingénierie des systèmes qui les entourent. Cet écart entre les attentes exagérées et les rendements modestes est ce que certains appellent la « vallée du désespoir » de l’IA.
Après une période d’adoption et d’expérimentation vigoureuse, les dirigeants sont désormais confrontés à des coûts toujours croissants et à des preuves limitées de leur impact sur les résultats financiers. Le cabinet d'analystes Forrester Research Inc. a récemment découvert que seulement 15 % des décideurs en matière d'IA ont signalé une augmentation de leur bénéfice avant intérêts, impôts et amortissements au cours des 12 derniers mois. Moins d’un tiers d’entre eux pourraient clairement relier la valeur de l’IA aux changements fondamentaux.
Ce scepticisme est sain ; Les investissements dans l’IA devraient faire l’objet du même examen minutieux que toute autre dépense en capital. Les dirigeants doivent être clairs sur les rendements attendus, les délais et les étapes qui montrent si leur investissement génère des résultats commerciaux mesurables.
Le paradoxe de la productivité
L’IA a certes un potentiel de transformation des entreprises, mais de petites améliorations localisées de la productivité ne changent pas la donne. Bien que donner aux employés l’accès à des outils d’IA à usage général améliore les tâches discrètes et renforce la maîtrise de la technologie, cette valeur est diffuse et déconnectée des mesures qui déterminent les performances de l’entreprise. C'est la loi d'Amdahl qui s'applique à grande échelle.
Une approche plus mature nécessite de réévaluer et de réorganiser le fonctionnement de l’entreprise, en appliquant l’IA pour créer des processus opérationnels fondamentalement nouveaux. Alors que l’automatisation demande comment les tâches existantes peuvent être exécutées plus rapidement, la réingénierie se demande si cette tâche devrait même exister. Les organisations cherchent souvent à automatiser ce qu’elles font déjà plutôt que de le réinventer.
Le temps gagné ne se transforme pas automatiquement en revenus ou en marge, alors à quoi ressemble réellement le retour sur investissement de l’IA ? De manière générale, les organisations doivent cibler un changement positif et mesurable dans un ou plusieurs des domaines suivants : revenus, efficacité ou risque. Un objectif commercial quantifiable pourrait être de réduire le taux de désabonnement des clients, de raccourcir le cycle menant à la proposition, d'améliorer la précision des prévisions ou de détecter et gérer la fraude plus rapidement.
Les entreprises doivent raisonnablement s’attendre à des données de retour sur investissement fermes dans un délai d’environ six mois. Bien que des indicateurs avancés tels que des tests de scénarios et des programmes pilotes puissent être mis en œuvre rapidement, des résultats immédiats et à grande échelle sont irréalistes. La conception et la mise en œuvre d'une refonte réfléchie des processus métiers peuvent prendre de 90 à 120 jours, suivis de tests d'acceptation et, surtout, d'une gestion ciblée du changement.
Ces initiatives ont plus de chances de réussir lorsque les personnes responsables des résultats commerciaux sont chargées de fournir un résultat spécifique plutôt que de simplement mettre en œuvre une technologie.
Les coûts méritent également un traitement plus sophistiqué, car les dépenses liées à divers processus agents peuvent varier considérablement en fonction de facteurs tels que la complexité des cas d'utilisation, les appels de modèles et le contexte. Les entreprises devraient mesurer et suivre la répartition des coûts par résultat plutôt que de se fier à une moyenne préalable au déploiement.
Il s’agit d’une nuance importante : les premiers utilisateurs estiment qu’il est crucial de surveiller le coût et le temps de chaque cas traité par l’IA, puis d’affiner leur stratégie pour maintenir les deux chiffres dans une fourchette acceptable, pour réussir à repenser les processus métier avec l’IA.
Éviter la « vallée du désespoir »
Considérez l’IA comme une série de transformations commerciales ciblées, et non comme un simple déploiement technologique. Cela signifie associer des résultats clairs à une exécution disciplinée.
Examinez de plus près les processus métier. Examinez comment le travail se déroule réellement au sein de l’organisation, et pas seulement comment une procédure « devrait » se dérouler. Identifiez les goulots d’étranglement, les transferts, les approbations, les exceptions et les sources de retravail avant de décider où appliquer l’IA. Attendez-vous à trouver des différences substantielles entre les processus documentés et la manière dont le travail est réellement effectué.
Associez chaque initiative à un résultat clair. Nommez la mesure des revenus, de l'efficacité ou des risques sur laquelle l'initiative d'IA est censée avoir un impact, établissez une référence, donnez à un chef d'entreprise la propriété du résultat et fixez un calendrier précis pour les données d'impact.
Concevoir des pilotes pour la production. Les pilotes d’IA devraient tester la voie vers une utilisation durable, et pas seulement démontrer des capacités impressionnantes dans des conditions contrôlées. Incluez dès le début les exigences en matière de données opérationnelles, d’intégration, de gouvernance, de sécurité et de gestion du changement.
Mesurer l’économie, pas l’activité. Suivez des indicateurs tels que le temps de cycle, la qualité, l'adoption, le coût par résultat et l'impact financier plutôt que les sièges, les invites ou les démonstrations. Pour les systèmes agents, surveillez à la fois la fourchette et la moyenne des coûts d'exploitation, car les cas complexes peuvent consommer beaucoup plus de ressources que les cas plus simples.
Révisez et ajustez régulièrement. Révisez régulièrement pour décider s'il faut aller de l'avant, restreindre la portée, repenser le flux de travail ou arrêter. Les travaux exploratoires ne réussiront pas toujours, mais ils devraient continuellement produire des preuves qui améliorent la prochaine allocation de capital.
La « vallée du désespoir » de l’IA n’est pas une fatalité. Les entreprises qui comprennent l’importance d’investir du temps et du capital pour repenser et réorganiser leurs processus métier peuvent transformer leurs dépenses en IA en résultats tangibles.
Jeremiah Stone est directeur de la technologie chez SnapLogic Inc. Il a écrit cet article d'opinion pour SiliconANGLE.
