Transformation numérique : une montée en compétences interdisciplinaire pour faciliter les échanges.

L’explicabilité est clef.

Beaucoup de structures sont engagées dans une transformation numérique. Ceci correspond généralement à :

• l’introduction de nouveaux outils,
• et impacte les collaborateurs.

L’exploitation d’IA de confiance, avec ses spécificités, s’insère dans ce contexte plus global.

Actualités

De nombreuses études récentes montrent que les principaux freins au déploiement réussi de nouveaux outils plus numériques dans les entreprises sont essentiellement humains. Ce qui obère les promesses de gain en performance opérationnelle à court ou moyen termes.

Pour une vision plus générique et projective de l’impact pour la structuration data des grands groupes, on pourra conseiller le très bon document : Structuration des filières data dans les grands groupes, de la French Tech Corporate Community, auquel AI-vidence a eu le plaisir d’apporter une (très modeste) contribution.

Spécifiquement pour les introductions de modèles d’IA, des contraintes nouvelles, externes se font jour. Elles se concrétisent dans de nombreux corpus réglementaires trans-sectoriels, dont l’AI Act, actuellement en « discussions trilogues » entre Commission Européenne, Parlement et Conseil des ministres de l’Union. Ce texte devrait être voté au plus tard début 2024, et devenir pleinement coercitif en 2026 (période de « grâce » anticipée comme pour l’introduction du RGPD).

Multidisciplinarité et IA ? Les impacts humains

Les nouveaux outils : des expertises plus ou moins pointues

Les changements de travail sont d’abord plus ou moins sensibles, selon que l’on parle de dématérialisation, nomadisme ou utilisation intensive des données :

• travail à distance, 
• nouvelle organisation du poste de travail, 
• automatisation des processus via la robotique, 
• …
• usage intensif des données et des IA/algorithmes de science des données,

Toutes nécessitent une adaptation sensible, mais la toute dernière a ceci de spécifique qu’elle fait intervenir des compétences :

• très spécialisées
• rapidement obsolescentes
• très mathématiques et informatiques

Ce qui rend particulièrement difficile leur implémentation, et pose la question de leur acceptation par l’ensemble des équipes.

L’évolution des équipes : interdisciplinarité et explicabilité des IA

Ceci pose des défis majeurs aux organisations :

• création de structures centrales support expertes
• recrutement et rétention de profils nouveaux, 
• …
• intégration de ces nouveaux profils aux équipes en place
• création d’équipes multidisciplinaires et d’un langage commun entre scientifiques des données et utilisateurs des modèles

Opérationnellement, ce sont ces derniers points qui sont très souvent retenus dans les enquêtes comme principal frein à l’utilisation des IA.

Veiller à 2 aspects pour des déploiements d’IA réussis

Le retour d’expérience des fondateurs d’AI-vidence, en ligne avec bon nombre d’acteurs du métier, est qu’il est nécessaire de veiller principalement à deux actions clefs :

1. Formations… pour tous !
   1. de l’entreprise à ces nouvelles technologies (enjeux, fonctionnement, attentes, implications opérationnelles)
   2. … et de ces nouveaux profils à l’entreprise ! (Culture, expertise et langage métier, processus projet,…)
2. Interdisciplinarité des équipes projet

Il est en effet extrêmement précieux de pouvoir faire se compléter de façon productive (et apaisée) les regards et expertises dès la phase de conception des modèles de data science, et tout au long du cycle de vie des projets.

Cela évite :

• que les premières modélisations ne fassent que modéliser des « banalités », ou produisent parfois des prédictions ouvertement inacceptables…
• que l’adoption n’en pâtisse (un collaborateur ne prendra pas la responsabilité d’utiliser un modèle qu’il ne comprend pas)

AI-vidence travaille explicitement pour cela à apporter des explications des modèles d’IA, afin de gagner en adoption par les équipes, et en robustesse des modèles, via prise en compte constructive des compétences humaines expertes existantes.

Anticiper les prochaines régulations et normalisations

Ces transformations s’accompagnent d’évolutions miroir des cadres réglementaires. On notera en plus du RGPD le DMA, DSA, DGA et AI act, en provenance de l’Union Européenne.

Le respect de ce nouvelles contraintes ne pourra faire l’impasse d’au minimum une transparence sur les traitements, mais également très souvent d’une explicabilité des traitements (intentionnalité pour le RGDP, équité et non-discrimination pour l’AI act, etc.)

Plus de nouvelles sur le blog AI-vidence très bientôt… N’hésitez pas à vous inscrire à notre infolettre pour être tenu au courant des évolutions réglementaires à venir, et de nos analyses (et solutions 🙂 )

En savoir plus

Structuration des filières Data dans les grands groupes, de la French Tech Corporate Community

The AI act newsletter – The future of life Institute