211service.com
L'agenda mondial de l'IA : promesse, réalité et avenir du partage de données
En association avec Genesys, Philips
' L'agenda mondial de l'IA : promesse, réalité et avenir du partage de données ' est un rapport MIT Technology Review Insights produit en partenariat avec Genesys et Philips. Il a été développé grâce à une enquête mondiale menée en janvier et février 2020 auprès de plus de 1 000 cadres dans 11 secteurs différents et une série d'entretiens avec des experts ayant une responsabilité ou une connaissance spécifique de l'IA. L'article ci-dessous est un extrait du rapport complet.
Ce contenu a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n'a pas été écrit par la rédaction de MIT Technology Review.
Télécharger le rapport complet .
Peu de domaines technologiques émergents ont suscité autant d'enthousiasme et de débats ces dernières années que l'IA. Jusqu'à présent, l'essentiel de l'excitation s'est concentré sur l'industrie technologique qui, aux États-Unis, en Chine et, dans une certaine mesure, en Europe, a investi des milliards dans le développement de ses capacités d'IA. Les organisations d'autres secteurs ne dépensent peut-être pas pour l'IA avec le même abandon, mais l'enquête suggère que la plupart testent au moins les eaux.
D'ici fin 2020, 97 % des grandes entreprises interrogées pour ce rapport déploieront l'IA. Les premiers utilisateurs ont été les entreprises informatiques et de télécommunications, avec 81 % d'utilisateurs de l'IA d'ici 2018, juste devant les entreprises de services financiers (78 %) et les biens de consommation et la vente au détail (75 %). Le secteur public trouve également de nombreux cas d'utilisation de l'IA : à la fin de 2019, 94 % des répondants du gouvernement ont déclaré avoir déployé l'IA.
L'IA jouera naturellement différents rôles dans différents types d'entreprises. Pour certains, ses capacités contribueront à améliorer certains aspects de l'efficacité opérationnelle. D'autres s'attendent à ce que cela change la donne. Pour nous, déclare Jeroen Tas, directeur de l'innovation et de la stratégie chez Philips, fournisseur d'équipements grand public et de soins de santé, l'IA est une technologie fondamentale qui, dans les deux prochaines années, se retrouvera dans la grande majorité de nos propositions. Et pour certaines entreprises nées dans l'environnement en ligne, le succès du modèle économique repose sur celui-ci. L'un est Lemonade, un fournisseur en ligne d'assurance IARD basé à New York qui est décrit comme un perturbateur de l'industrie établie de l'assurance. Son directeur général, Daniel Schreiber, estime que les robots alimentés par l'IA tels que celui de Lemonade sont l'avenir de l'assurance.
Un pas après l'autre
Aussi largement déployée soit-elle, l'IA n'est pas près de conquérir l'entreprise. Très peu de dirigeants interrogés (4 %) pensent qu'il sera utilisé dans plus de la moitié de leurs processus métier d'ici trois ans. Moins d'un tiers (30 %) s'attendent à ce qu'il soit utilisé dans 31 % à 50 % des processus. La majorité, 60 % des répondants, pensent que l'IA trouvera sa place dans 11 à 30 % de leurs processus, une influence considérable mais pas nécessairement dominante sur le fonctionnement de la plupart des entreprises. Sur cette mesure, l'IA jouera un rôle particulièrement important dans les opérations des fournisseurs de services financiers, des fabricants et des entreprises technologiques.
Les secteurs des services financiers, de la fabrication, de l'informatique et des télécommunications aspirent le plus à l'IA d'ici trois ans.
Incertaines de ses capacités réelles (par opposition aux capacités supposées) et conscientes des défis qu'elle pose, les entreprises ont adopté une approche itérative du déploiement de l'IA. Selon Dirk Jungnickel, vice-président senior, Enterprise Analytics, chez Emirates Group, les premières tentatives entreprises par son entreprise en 2015 et 2016 pour développer des capacités d'IA n'ont souvent pas dépassé le stade de la preuve de concept ou du projet pilote. Cela a commencé à changer à la mi-2018 lorsque, dit-il, l'entreprise a commencé à opérationnaliser ses efforts de développement de l'IA et à industrialiser la science des données.
Céline Le Cotonnec, responsable de l'innovation des données à la Bank of Singapore, note que de nombreuses entreprises souhaitent fournir des cas d'utilisation de l'IA avant d'avoir d'abord défini les bonnes bases en termes d'architecture informatique, de capacités d'IA, de modèle d'exploitation cible ou de gouvernance des données. Ma réponse est 'la première chose à faire', dit-elle. Nous devons mettre en place les bonnes bases pour les données avant d'aller de l'avant. Cela inclut d'avoir des traducteurs analytiques - des personnes qui comprennent l'IA ainsi que l'entreprise pour définir les projets, gérer la livraison, mesurer le retour sur investissement et comprendre dans quelle mesure il sera possible de passer à l'échelle.
Pour les grandes entreprises qui réservent des budgets substantiels pour développer des capacités d'IA, développer et hiérarchiser les cas d'utilisation est un défi considérable. Selon Mike Hanrahan, PDG de l'Intelligent Research Lab (IRL) de Walmart : la première chose dans laquelle nous avons dû investir du temps a été de décider où nous devrions concentrer nos ressources. Son équipe a identifié plus de 250 cas d'utilisation différents, puis les a filtrés jusqu'à une poignée. Le processus de filtrage était assez complexe pour décider sur quoi nous devrions travailler, dit Hanrahan. Il s'agissait de décider quels cas étaient les plus pratiques à mettre à l'échelle.
Pour Walmart, les cas prioritaires concernaient la gestion des stocks, qui représente une grande partie de la base de coûts de la multinationale, et où même de petites améliorations d'efficacité génèrent des économies importantes. Dans tous les secteurs, cependant, les entreprises poursuivent une variété de cas d'utilisation, dans l'espoir qu'au moins quelques-uns généreront des retours rapides et serviront à renforcer la confiance et l'enthousiasme pour l'IA dans toute l'organisation.
Cas d'utilisation d'aujourd'hui et de demain
Parmi l'échantillon de l'enquête dans son ensemble, le contrôle qualité, le service client et la détection des fraudes sont actuellement les principaux cas d'utilisation de l'IA. Une vue plus détaillée, cependant, révèle une grande variété dans les principaux cas d'utilisation poursuivis par les différents secteurs. Par exemple, plus de la moitié des entreprises de services financiers (58 %) et des organisations gouvernementales (55 %) citent la détection des fraudes comme leur principal cas d'utilisation de l'IA. Céline Le Cotonnec explique que dans son rôle précédent au sein d'une compagnie d'assurance mondiale, les cas d'utilisation de la détection de fraude ont été les premiers à être mis en œuvre, puisque le bénéfice s'annonçait considérable : Selon une enquête du Reinsurance Group of America (RGA) de 2017, 3- 4 % de toutes les réclamations mondiales sont frauduleuses, avec l'incidence la plus élevée (4,16 %) en Asie.
Parmi l'échantillon de l'enquête dans son ensemble, le contrôle qualité, le service client et la détection des fraudes sont actuellement les principaux cas d'utilisation de l'IA dans le monde.
Pour l'opérateur mobile Vodafone, les cas d'utilisation les plus réussis se trouvent dans le service client, selon Adi Chhabra, responsable de l'innovation produit chez Vodafone UK. Les avantages, dit-il, sont liés à la fois à la rentabilité et à l'expérience client. Dans l'industrie des télécoms, le service client absorbe beaucoup de coûts. L'intégration de l'IA à l'IVR (réponse vocale interactive) supprime presque instantanément les coûts de ces opérations et permet de prendre des décisions plus rapidement pour résoudre les problèmes des clients.
Selon 51 % des répondants de ce secteur, les entreprises énergétiques et les services publics utilisent l'IA pour surveiller l'état de leurs réseaux. La surveillance et le diagnostic sont également un objectif naturel de l'IA pour les organisations du secteur de la santé, et 42 % des répondants de ces organisations poursuivent de telles utilisations. Selon Tas de Philips, l'IA a complètement changé la façon dont l'industrie diagnostique le cancer, et ses capacités s'étendent désormais davantage à la sélection des traitements : une fois diagnostiqués, les algorithmes d'IA nous aident désormais à sélectionner la bonne thérapie. C'est complexe car les options peuvent inclure la chirurgie, l'ablation, la chimiothérapie, l'immunothérapie ou la radiothérapie, ou une combinaison de celles-ci. La sélection des thérapies et des voies appropriées devient un exercice axé sur les connaissances et activé par l'IA.
Les défis de la mise à l'échelle
Il ressort clairement des dirigeants interrogés pour ce rapport que la mise à l'échelle des cas d'utilisation de l'IA s'avère difficile. Les limitations technologiques existantes peuvent entraver une adoption plus large, suggère Hanrahan dans le cas de l'analyse vidéo en temps réel. En ce qui concerne les formes d'IA personnelle, des progrès doivent être réalisés dans le traitement du langage naturel avant que les chatbots, par exemple, ne deviennent vraiment sophistiqués, explique Chhabra.
Dans certains secteurs, la réglementation entrave l'application plus large des innovations basées sur l'IA. Un exemple en est la tarification des assurances basée sur des algorithmes aux États-Unis. Selon Daniel Schreiber de Lemonade, cela n'est actuellement autorisé que dans une poignée d'États américains. Aux États-Unis, le plus grand marché de l'assurance au monde, l'environnement réglementaire n'a pas encore pris en compte ces technologies de nouvelle génération, dit-il.
Les pénuries de talents et de compétences liés à l'IA sont une plainte fréquente des DSI et des CTO, et 42 % des répondants à notre enquête affirment qu'une pénurie de data scientists internes et d'experts connexes est une contrainte majeure à leur utilisation de l'IA. Le déficit est fortement ressenti par les répondants de l'industrie manufacturière et technologique, cités comme une contrainte de l'IA par 48% et 47% d'entre eux, respectivement.
La difficulté d'adapter les processus métier autour des connaissances de l'IA a été citée comme le principal défi mondial de l'IA, suivie par les problèmes liés à la quantité, la qualité et la disponibilité des données.
Les données sont en effet une autre contrainte majeure, classées juste derrière les problèmes de processus par les répondants à l'enquête (cités par 48 % d'entre eux). Les modèles d'IA ont besoin de données : plus un modèle en ingère, plus son analyse est précise et plus il est probable que les décisions qu'il suscite seront judicieuses. Cependant, le problème est moins lié à la disponibilité globale des données. Seulement 10% des répondants disent avoir du mal avec cela. Les difficultés d'intégration des données dans différents formats, en particulier les données non structurées, constituent le plus gros problème, selon Le Cotonnec. Les assureurs devraient commencer à tirer parti de leurs données non structurées (journaux d'appels, photos, e-mails), dit-elle, afin d'améliorer l'efficacité du processus de réclamation ou d'améliorer l'expérience client. Nous avons suffisamment de données, mais notre capacité à extraire de la valeur des données non structurées est limitée pour le moment. L'industrie de l'assurance n'est pas la seule : c'est un problème rencontré par 57 % des entreprises de l'enquête (et par beaucoup plus de services professionnels, de transports et d'organisations gouvernementales).
L'intégration de données non structurées, l'interfaçage avec des plates-formes de données ouvertes et le biais dans les modèles algorithmiques sont les principaux défis des données d'IA.
Libérer les opportunités de partage de données
En juin 2019, 10 grands producteurs pharmaceutiques ont formé un consortium dans le but exprès de partager des données de recherche sur les médicaments que chacun peut utiliser pour former ses algorithmes d'IA. Ce n'est pas la première fois que des majors du médicament s'engagent dans une collaboration en R&D. Mais c'est le premier exemple dans cette industrie de collaboration de recherche dans laquelle l'IA est à la fois catalyseur et bénéficiaire. Les membres du consortium analysent les données les uns des autres à l'aide de techniques d'apprentissage fédéré, qui sont une forme décentralisée d'apprentissage automatique. Cela permet aux données recherchées de rester dans les serveurs de chaque entreprise plutôt que d'être regroupées dans un référentiel central. Les entreprises peuvent sauvegarder ce qu'elles considèrent comme propriétaire, tandis que l'utilisation de la blockchain assure une traçabilité complète des données. L'objectif ultime : simplifier et accélérer la découverte et le développement de médicaments, afin de mettre sur le marché de nouveaux médicaments et traitements moins coûteux.
Cet exemple montre comment l'utilisation de l'IA, en combinaison avec d'autres technologies, peut faciliter un partage de données efficace et sécurisé entre les entreprises, et les avantages qui pourraient résulter de puissants modèles d'IA basés sur des données partagées. Les avantages pourraient prendre la forme de nouveaux gains d'efficacité, de nouveaux produits et services, voire de nouvelles chaînes de valeur qui se forment autour d'accords de partage de données.
À l'échelle mondiale, les secteurs de la fabrication, des produits de consommation et de la vente au détail, de l'informatique et des télécommunications montrent le plus grand intérêt pour les possibilités de partage de données avec des tiers.
Les deux tiers (66 %) des répondants à notre enquête expriment une volonté de partager leurs propres données à ces fins. Les fabricants, les entreprises de biens de consommation et de vente au détail et les entreprises technologiques sont les plus enthousiastes, bien que tous les secteurs affichent un degré élevé de préparation. Comment cherchent-ils à en tirer profit ? Les fabricants voient leurs principales victoires sous la forme d'une plus grande vitesse et visibilité de la chaîne d'approvisionnement, d'opérations de production plus efficaces et d'un développement de produits plus rapide et plus innovant. Les répondants des secteurs des biens de consommation et de la vente au détail et de la pharmacie et des soins de santé citent les mêmes gains en matière de chaîne d'approvisionnement et de développement de produits. Les dirigeants de l'informatique et des télécommunications voient les avantages principalement dans l'amélioration des expériences de service client et le renforcement de la cybersécurité et de la prévention de la fraude, les mêmes avantages que ceux qui sont les plus importants pour les répondants du secteur financier.
Le partage de données à travers les chaînes de valeur et entre différents fournisseurs dans un parcours client peut être un énorme avantage pour les consommateurs, déclare Tony Bates de Genesys. Nous générons des milliards d'interactions autour desquelles nous pouvons construire des modèles de données communs. Mais nous avons également besoin d'autres formes de données. Il est nécessaire de partager les données entre les différentes grandes piles technologiques que nous utilisons et gérons. Si nous pouvons le faire de manière anonyme et sécurisée, nous, en tant qu'industrie, pouvons nous assurer que nos clients obtiennent des expériences beaucoup plus personnalisées qu'ils n'en obtiennent actuellement.
Les personnes interrogées perçoivent une plus grande visibilité sur les chaînes d'approvisionnement et un développement de produits plus rapide et plus innovant comme les principaux avantages du partage de données avec des tiers.
Pour les entreprises d'entreprise à consommateur en particulier, le principal obstacle à ce jour a été la difficulté d'assurer l'anonymat des données de leurs clients. Chhabra chez Vodafone dit que l'anonymat complet a été insaisissable : autant que vous souhaitiez anonymiser, les utilisateurs de données partagées peuvent trouver des moyens de suivre les clients auxquels les données se réfèrent. Il pense que la blockchain et les développements plus récents tels que Ocean Protocol, qui fonctionne de la même manière que l'apprentissage fédéré en permettant la recherche décentralisée de données, garantiront à terme que les modèles d'IA pourront être exécutés sur des données entièrement anonymisées.
Créer la possibilité de partager des données en toute sécurité est une pièce du puzzle. L'autre, dit Chhabra, crée une incitation pour les entreprises à aller de l'avant et à le partager. Ceux qui sont à l'origine d'Ocean Protocol, une plateforme à but non lucratif développée par une fondation basée à Singapour, voient sa technologie sous-tendre la formation de marchés de données dans lesquels les entreprises, les consommateurs et d'autres parties partagent ou échangent des données.
Quelles que soient les formes de partage, les entreprises doivent apprendre à valoriser les données qu'elles détiennent et celles dont elles ont besoin, déclare George Bailey, directeur général du Digital Supply Chain Institute, un organisme de recherche. Cela peut signifier attribuer un prix monétaire à différents types de données ou identifier les données qu'il est prêt à échanger en échange de celles d'autres parties. Il cite les exemples de producteurs d'articles de sport qui voient un avantage à obtenir des données auprès d'entreprises qui prennent en charge les applications de fitness, et les producteurs de biens de consommation durables qui recherchent des données sur les préférences et les caractéristiques des utilisateurs finaux auprès des détaillants. Bailey préconise également l'évaluation et le commerce des données au sein des entreprises comme moyen de surmonter les silos de données enracinés.
Une plus grande clarté réglementaire et le développement de normes industrielles convenues sont nécessaires avant que les entreprises ne se lancent plus activement dans le partage de données.
De la vision à la réalité
Le partage de données à une échelle qui mène à de nouvelles efficacités, produits et chaînes de valeur basés sur l'IA est une vision à réaliser plutôt qu'une réalité actuelle. Tous ceux que nous avons interrogés pensent que cela se réalisera, mais qu'il faudra du temps avant que les inquiétudes du conseil d'administration et de la suite C concernant les risques pour la sécurité et la confidentialité de le faire soient atténuées. Ce point de vue se reflète dans l'enquête, où 64 % des personnes interrogées déclarent que la réglementation doit changer ou être clarifiée, et 58 % que les normes de l'industrie doivent être développées, avant que leurs entreprises n'adoptent le partage de données à grande échelle.
Les réglementations strictes en matière de confidentialité des données, telles que le Règlement général sur la protection des données (RGPD) de l'Union européenne, en vigueur depuis 2018, font naturellement réfléchir les dirigeants à la lumière des sanctions auxquelles ils pourraient être confrontés en cas de non-respect de ses exigences. La technologie blockchain peut faire partie de la solution, mais Chhabra met également en évidence ce que l'on appelle le paradoxe GDPR-blockchain - le premier nécessite la capacité d'effacer les données à la demande d'un individu, tandis que la non-effacement - la traçabilité complète - est inhérent au second.
Il reste à voir comment ces problèmes seront résolus, mais certaines organisations préconisent la création de fiducies de données pour faciliter le partage. L'un est l'Open Data Institute (ODI), une organisation à but non lucratif basée au Royaume-Uni : il soutient qu'il existe un fort appétit parmi les entreprises britanniques pour que de telles fiducies soient établies en tant qu'institutions indépendantes pour agir en tant que gardiens des données partagées.
Philips, dit Jeroen Tas, est un grand partisan de la création d'une fiducie non commerciale pour gérer les données de santé, et est en pourparlers avec la Commission européenne pour soutenir de telles initiatives. Il y a un consensus dans cette industrie qui dit: «Peut-être que nous ne devrions pas simplement investir dans des hôpitaux physiques et d'autres installations. Peut-être que l'avenir des soins de santé est une infrastructure de données de santé très solide et sécurisée.
Pour en savoir plus, veuillez télécharger le rapport complet .