L'une des meilleures pratiques les plus fréquemment citées pour la transformation par l'IA est la nécessité d'une stratégie audacieuse à l'échelle de l'entreprise, définie et défendue par les plus hauts dirigeants d'une organisation. Nos recherches l'ont confirmé : les transformateurs sont également trois fois plus susceptibles d'avoir mis en place une stratégie à l'échelle de l'entreprise, et deux fois plus susceptibles que les débutants de faire état d'une approche différenciée de l'IA. Cependant, seuls 40 % des répondants à notre enquête sont tout à fait d'accord pour dire que leur entreprise a mis en place une stratégie à l'échelle de l'entreprise. Cependant, même si une grande majorité des personnes interrogées (66 %) considèrent l'IA comme essentielle à la réussite, seules 38 % pensent que leur utilisation de l'IA les différencie de leurs concurrents.

L'investissement nécessaire pour développer des solutions d'IA ne peut pas être rentabilisé par le déploiement de quelques cas d'utilisation uniques et déconnectés. C'est pourquoi il est important d'avoir une stratégie d'IA qui soit connectée et coordonnée à travers l'entreprise, en alignement étroit avec la stratégie commerciale globale.

Les stratégies d'IA les plus solides commencent sans jamais mentionner l'IA. Elles doivent plutôt commencer par le socle du développement de l'organisation : la stratégie commerciale de base. À partir de là, le processus exige une collaboration étroite avec des dirigeants engagés dans toutes les divisions de l'entreprise et l'attention des collaborateurs à tous les niveaux. En fin de compte, la stratégie d'IA devrait fonctionner comme le carburant de la stratégie commerciale, en s'alignant sur les mêmes indicateurs clés de performance qui ont été conçus pour encourager et développer l'avantage concurrentiel.

La technologie ne peut pas produire de résultats transformateurs si les organisations ne l'utilisent pas pour réimaginer la façon dont le travail est effectué. La plupart des dirigeants d'aujourd'hui le comprennent intellectuellement ; cependant, les résultats de l'enquête montrent une déconnexion dans la mise en œuvre. Dans toute une série d'activités opérationnelles - tant du côté du métier qu'au sein des équipes informatiques ou de data science - seul un tiers environ des personnes interrogées déclarent avoir adopté des pratiques opérationnelles de pointe pour l'IA. Cela inclut l'adhésion à un cadre MLOps bien calibré, la documentation des stratégies de publication du cycle de vie de l'IA et la mise à jour des processus, des rôles et des structures d'équipe dans l'ensemble de l'entreprise.

Pour garantir la qualité du développement des solutions d'IA, leur adoption par l'entreprise et les résultats les plus probants, les organisations doivent repenser leurs opérations selon deux perspectives clés : à travers les processus métiers, IT et data science.

• Côté métier : le côté métier devrait prendre les devants pour s'assurer que les solutions d'IA sont conçues pour s'adapter à un nouveau flux de travail. Sans le temps et l'engagement de la direction de l'entreprise, l'adoption du produit échoue fréquemment.
• Côté Data Science et IT : de nouveaux processus doivent être créés pour le développement de l'IA et du ML. Les organisations tout à fait d'accord pour dire que les processus MLOps sont appliqués en interne ont trois fois plus de chances d'atteindre leurs objectifs, par rapport au reste des organisations interrogées. En outre, ces organisations interrogées étaient également quatre fois plus susceptibles de déclarer se sentir extrêmement préparées aux risques associés à l'IA, et trois fois plus confiantes dans leur capacité à déployer des initiatives d'IA d’une manière éthique et digne de confiance.

Les organisations ayant obtenu les meilleurs résultats en matière d'IA présentent des caractéristiques communes, notamment des niveaux élevés de confiance organisationnelle, de maîtrise des données et d'agilité. Pour y parvenir, l'investissement dans la gestion du changement a été la clé d'une transformation réussie de l'IA : les organisations interrogées qui investissent dans la gestion du changement sont 60% plus susceptibles de déclarer que les initiatives d'IA ont dépassé les attentes et 40% plus susceptibles d'obtenir des résultats par rapport à celles qui ne le font pas.

• Confiance : Étonnamment, les organisations très performantes (Transformateurs et « Pathseekers ») font état de deux fois plus de craintes que les organisations peu performantes (Sous-performants et Débutants). En général, les craintes liées à l'IA concernent la perte d'emploi ou le remplacement des humains par des machines. Mais les entreprises performantes ont également signalé qu'elles ne souhaitaient pas réduire leurs effectifs et qu'elles investissaient beaucoup dans la formation et la gestion du changement, ce qui permet de conclure que la peur peut également être un indicateur positif de l'audace de la vision de l'IA d'une entreprise. Nous avons constaté que cela porte ses fruits lorsqu'il est associé à d'autres actions de soutien et de renforcement de la confiance pour favoriser la réussite.
• Maîtrise des données Le développement de compétences en matière de données à l'échelle de l'entreprise peut renforcer la confiance dans les modèles et l'IA, ce qui permet aux organisations d'obtenir des résultats positifs. Les organisations les plus performantes de notre enquête étaient environ trois fois plus susceptibles de faire davantage confiance à l'IA qu'à leur propre intuition par rapport aux organisations les moins performantes. Les collaborateurs doivent être incités à expliquer et à justifier les décisions des modèles, ce qui permet d'obtenir des idées plus créatives et de détecter plus rapidement les erreurs de modèle, le cas échéant.
• Agilité: Les organisations alimentées par l'IA ne font pas seulement confiance aux données, elles font preuve d'une volonté de transformer rapidement les idées en actions et en expérimentations. La mise en place d'une culture tournée vers l'expérimentation et l'apprentissage est un changement important pour de nombreuses organisations, mais qui doit être cultivé pour devenir une organisation « data et IA driven ».