urbanisation-si.com

urbanisation-si.com

Architecture d'Entreprise augmentée, quelle influence de l’Intelligence Artificielle sur la gouvernance et la stratégie ?

L’omniprésence et la protéiformité de l’IA, comme le RPA (Robotic Process Automation) ou les chatbots, déclencheraient-elles une disruption et feraient-elles naître une Architecture d'Entreprise augmentée ? L’IA a-t-elle un rôle à jouer dans les décisions des comités de direction ?

 

architecture-entreprise-intelligence-artificielle-ia-hal-9000 

Un ancêtre de l'IA, pour les cinéphiles

 

APIsation, plateformisation, données “chaudes”, données “froides”, données "tièdes"...

L’APIsation et la plateformisation de l’entreprise alliées à l’urbanisation du SI participent à l’intégration de l’IA dans les applications.   
Les données “chaudes” représentent le référentiel des entités métier, les indicateurs de pilotage et sont persistantes dans des bases SQL avec un accès en quasi temps réel. Les données “froides” sont le résultat de l’archivage dans d’autres espaces de stockage, sans contrainte de temps de réponse. Entre les deux, les données "tièdes", issues du rapprochement des deux types précédents, offrant rapidité et quantité et appartiennent au domaine du Big Data qui alimente les algorithmes de l’IA.
L’Architecture Réactive, basée sur les évènements, les APIs et les microservices, fait partie des fondements pour déployer de l’IA.


Les cycles d’évolution des technologies étant de plus en plus courts, l’open source devient incontournable. De même l’open innovation permet d’innover en mettant en œuvre une collaboration entre les grandes entreprises et les start-ups avec les incubateurs, les hackathons, les financements…
L’externalisation des compétences techniques comprend des risques, notamment sur la maîtrise de la sécurité, des savoir-faire, mais aussi sur l’évaluation éthique. Intégrer une brique fournie et maintenue par un tiers dans la chaîne opérationnelle pose le souci de voir partir le savoir-faire métier, car en effet, même si les données appartiennent à l’entreprise, les algorithmes et les modèles appartiennent en général aux fournisseurs. Ils peuvent donc acquérir et consolider le savoir-faire métier de plusieurs entreprises clientes pour le vendre ensuite à des entreprises concurrentes ou l’exploiter eux-mêmes.

 

La dimension éthique pour les entreprises réside aussi en partie dans leur capacité à s'approprier le développement de solutions et à traiter le plus en amont possible les questions de traçabilité et d'explicabilité des algorithmes. La question d’acceptabilité des modèles est cruciale aujourd’hui. S’il est indispensable de faire appel à l’expertise extérieure (dynamique évolutive, sujets très pointus…), le contrôle est indispensable. Internaliser les outils d’IA demande des compétences, car il est rare de trouver un outil open source sur étagère qui réponde complètement aux besoins de l’entreprise. C’est en général une bonne base, mais elle doit être adaptée à chaque contexte. Il faut faire beaucoup d’assemblage et souvent un peu de développement, donc il faut avoir les compétences en propre.

 

Du Machine Learning dans la gestion de projet

L'analyse prédictive peut fournir des conseils au chef de projet pour atteindre le meilleur résultat possible, basé sur ce qui a fonctionné dans les projets antérieurs.
Les chatbots servent d'assistants de projet. Ils peuvent prendre en charge des tâches subalternes, telles que l'organisation des réunions, contrôler la performance en fonction des références de base, rappeler aux équipes projet les activités programmées.

La planification basée sur l'lA pourrait inclure les leçons apprises des projets antérieurs et suggérer plusieurs calendriers possibles, en fonction du contexte et des dépendances. Par ailleurs, les plans de projet pourraient être adaptés et recalibrés en quasi temps réel sur l'historique des performances de l'équipe et l'avancement du projet. Le système pourrait même alerter le chef de projet des risques et des opportunités, en utilisant l'analyse des données de projet en temps réel.

Dans son évolution, l'IA pourrait convertir les cartes mentales (mind map) créées par les équipes projet en ontologie métier, en tirer des tâches reliées entre elles et il ne resterait plus qu'un pas à faire pour arriver à des modèles BPMN.
La mise en œuvre de l'apprentissage automatique (Machine Learning) dans le management de projet permet l'analyse prédictive et corrective, visant à fournir au chef de projet des alternatives pour la prise de décision.

 

Le comité de direction augmenté, une utopie ?

Les dernières études en la matière mettent en évidence un usage de l’IA au niveau tactique, plutôt qu’au niveau stratégique de l’entreprise, c’est-à-dire essentiellement dans l’amélioration des processus opérationnels de l’entreprise.

Voir nos articles :

 

Les récents progrès pourraient laisser penser que de tels modèles pourraient trouver une application dans la prise de décision stratégique, voire prendre les décisions stratégiques elles-mêmes lorsqu’on les utilise dans un conseil d’administration.
La perspective qu’une IA puisse influer dans les décisions stratégiques appartient encore au monde de l’utopie. Comme tout un chacun, la compréhension des décideurs d’un problème, de son contexte et de sa résolution, s’appuie notamment sur leurs connaissances, leurs expériences et leurs énactions.

L’essence même de la prise de décision stratégique est définie par un manque d’informations, une incertitude élevée et une forte interdépendance avec les acteurs de la décision : autant de caractéristiques qui rendent assez improbable le fait de confier les décisions stratégiques d’une entreprise à une IA.
Les biais des DG seraient alors remplacés par les biais des jeux de données, qu’ils proviennent de biais cognitifs, du surapprentissage, d’échantillons, de sélection, de valeurs aberrantes ou surreprésentées.


Les disruptions tous domaines confondus impactant le décisionnel relèvent par nature même de l’imprévisibilité et sont inmodélisables. Aucun modèle prédictif n’a pu, ne serait-ce qu’entrevoir, l’ubérisation. Sûrement parce qu'ils sont basés sur des données qui ne sont plus de premières fraîcheurs, tombant rapidement dans l’obsolescence.
Les entreprises entamant leur transition numérique doivent composer des équipes aux triples compétences : métier, informatique et mathématiques, sous la direction d’un CDO (Chief Data Officer).


La gouvernance doit constamment faire de la prospective, afin de maintenir ses informations sur l’IA devenu domaine hautement stratégique. Le rôle de l’architecte d’entreprise peut être renforcé par celui d’un architecte des données (CDO Chief Data Officer) au service de la création de valeur et donc de l’IA. Il apparaît ainsi nécessaire que le CDO possède une solide culture en matière d’IA, afin d’éclairer les discussions de la gouvernance sur ce sujet stratégique.

 

Conclusion

En termes de recherche fondamentale, les avancées et les percées se succèdent, aboutissant peu à peu à des applications opérationnelles. La veille, la vision et la prospective stratégique sur ces sujets de recherches technologiques restent essentielles pour se préparer aux disruptions majeures à venir.
Nous avons déjà pris l’habitude d’utiliser notre smartphone comme "prothèse cognitive", et cette capacité ne va faire que s’étendre et sûrement aux instances décisionnelles des entreprises.

 

 

urbanisation-si_logo

 

Rhona Maxwel

urbanisation-si.com

@rhona_helena

 

“Sur la route, il y avait déjà des bandes réfléchissantes, maintenant il y roule des voitures intelligentes.”
Marc Escayrol

 

Compléments de lecture

 



09/06/2022
0 Poster un commentaire

A découvrir aussi


Inscrivez-vous au site

Soyez prévenu par email des prochaines mises à jour

Rejoignez les 562 autres membres