IBM : une stratégie data pour l’innovation !

IBM : une stratégie data

La maturité digitale et technologique illustre l’essor du marché et les diverses opportunités qu’offrent les solutions de gestion et de maîtrise de la donnée, « sur Big Data Paris 2019, les problématiques d’Intelligence Artificielle sont devenues réalité » souligne Rémi Lissajoux.

La stratégie data 

IBM fournit une plate-forme d’IA et de data aux entreprises pour leur permettre de transformer et favoriser l’innovation, « nous avons également la capacité d’intégrer le patrimoine existant de l’organisation avec cette plate-forme, ainsi nous proposons plusieurs fonctionnalités autour de l’approche multi-cloud » commente Yves Darnige.

Quels que soient les choix de l’entreprise au préalable, « nous prenons en compte l’environnement sans besoin de repartir de zéro, nous avons tout à fait conscience que la transformation profonde des entreprises, aujourd’hui, se fait à partir de l’existant ».

Les cas d’usages de l’Intelligence Artificielle

Trois grands pôles de cas d’usages sont identifiés parmi les retours des clients, autour de l’intérêt grandissant de l’IA au sein de la transformation.

Le premier concerne l’amélioration de l’expérience (outil conversationnel, chatbot …) et du besoin du client pour mieux le comprendre et le servir.

Le second cas d’usage porte sur l’utilisation de l’IA pour améliorer l’efficacité opérationnelle de l’entreprise elle-même. Les deux sujets sont liés, en effet, « si vous disposez d’une offre bien customisée, vous prenez plus en compte le besoin de votre client, donc au niveau opérationnel vous devez être capable de répondre rapidement à cette nouvelle offre générée ».

Enfin, il s’agit de savoir comment améliorer l’efficacité des collaborateurs en entreprise. «L’utilisation de l’Intelligence Artificielle est perçue de façon cohérente à travers ces trois domaines » complète Yves Darnige.

L’adoption de l’IA par les métiers

Chaque entreprise doit comprendre en quoi l’IA peut servir, « le point de départ n’est pas technologique mais il faut cerner et analyser le besoin métier ». En ce sens, il faut oublier ce qui a pu être fait en amont avec les outils classiques et se focaliser sur le besoin actuel.

Ainsi, parmi les clients, citons notamment Crédit Mutuel et Orange Bank qui disposent de véritables applications opérationnelles dans le domaine de l’IA : analyse d’emails pour rendre les employés plus efficaces avant une discussion avec un client pour Crédit Mutuel, et amélioration de l’expérience client 24/24 et 7/7 pour Orange Bank.

« Nous accompagnons les clients sur l’ensemble du processus et cela nous différencie sur le marché. Nous faisons en sorte que les projets IA ne restent pas à l’état de prototype et tests, mais soient réellement déployés, mis en production et acceptés par les utilisateurs métiers ».

Ce sont des enjeux clés sur lesquels IBM apporte sa valeur ajoutée, « les scènes d’IA peuvent poser des problèmes en termes d’explicabilité, alors pour que l’utilisateur puisse accepter le système IA, il faut être capable de lui expliquer pourquoi le système prend cette décision ».

Parmi les technologies nouvelles comme le Deep Learning « qui n’est pas une technologie sachant de manière native donner des explications », l’accompagnement se  fait à ce niveau « nous démontrons pourquoi le système de réseau de neurones profonds ou le Deep learning propose ce score sur base de tel ou tel paramètre et critère ».

La gestion du biais

Une des problématiques majeures demeure la gestion du biais, « nous n’allons pas résoudre le biais profond mais nous apportons des solutions qui, au niveau du système d’IA, identifient et positionnent des indicateurs qui détecteront les biais sur un certain nombre de paramètres. A partir de là, il est possible de rétro agir au niveau du développement du modèle et s’assurer de la correction du biais » explique Rémi Lissajoux.

Sécurité, Gouvernance & Éthique

Au-delà de la sécurité, on évoque évidemment toute la gestion des données de l’entreprise, qui inclut notamment la conformité à la GDPR.

Toutefois, pour faire de l’Intelligence Artificielle, il faut alimenter cette IA avec de la donnée. Et de poursuivre, « c’est l’IA qui va à la donnée et non la donnée qui va à l’IA ». Les données (personnelles ou clients) doivent rester au sein du système d’information de l’entreprise et on permet au système d’IA de travailler sur les données.

« Notre vision dépasse la notion de sécurité puisque nous parlons de gouvernance des données, c’est-à-dire être capable de cataloguer l’ensemble des données qui doivent être protégées, de les sécuriser et de contrôler les droits d’accès ». La prise de conscience des sujets d’éthique et de gouvernance s’accroît rapidement au sein des entreprises, « notre offre complète, riche et maîtrisée, de la sécurité à la gouvernance séduit les clients, et l’éthique suscite évidemment de nombreux questionnements ».