HUB Institute : Les entreprises avancent depuis plusieurs années déjà sur l’implémentation de solutions basées sur l’intelligence artificielle. Quels en sont les enjeux ? Quel état des lieux dressez-vous de ce phénomène ?

Nicolas Maillard : L’enjeu principal pour les entreprises en matière de projets d’intelligence artificielle réside dans leur capacité à accéder et à mieux utiliser leurs données. Chaque entreprise possède un capital data, mais également un capital de savoir lié à cette data (connaissance client, savoir des collaborateurs, etc…) qui sont autant de volumes d’informations stockés ou non dans les systèmes de cette dernière. En ce sens, l’IA est une extension de ce que l’on avait auparavant sur des notions de Business Intelligence ou de statistiques. Sur ce sujet, les entreprises en sont à l’étape qui consiste à activer ces données grâce à l’intelligence artificielle. Cela va par exemple passer par l’utilisation de la donnée et de l’IA pour faire évoluer le processus décisionnel, en envisageant toutes les options, et in fine permettre de prendre une décision plus complète, de manière plus rapide et efficace. Globalement, l’IA va permettre de créer plus de collaboration autour de l’activation de la donnée. Un exemple probant est celui d’Amazon, qui a très vite fait le choix d’automatiser autant que faire se peut sa supply chain. Le but n’est pas d’enlever l’humain du processus, mais bien d’améliorer la productivité du pôle en prenant de meilleures décisions, basées sur la donnée.

Nous sommes aujourd’hui dans la phase de l’adolescence de l’IA. On ne se demande plus si une transformation va avoir lieu, mais où est-ce-que la technologie doit être implémentée pour avoir un impact maximal sur l’entreprise.

- Nicolas Maillard, Senior Director Field Engineering Central & SEMEA (Databricks)

Concernant la maturité face à l’IA, il est clair que toutes les entreprises ne sont pas égales. Tout d’abord, car elles évoluent dans des pays qui sont plus ou moins avancés sur le sujet. Les États-Unis, par exemple, ont très tôt investi sur le sujet, et les entreprises américaines se sont montrées dès le départ très intéressées par le potentiel de cette technologie. À l’inverse, dans certains pays où l’accès à internet est moins développé, la maturité est moindre. Des disparités existent également en fonction des verticales métiers. Les départements délivrant un service au client final sont ainsi plus avancés sur le sujet, et produisent par exemple des chatbots ou des modèles algorithmiques de calcul de risques. A contrario, pour certains métiers très réglementés ou ne nécessitant pas une vision fine de la donnée, le déploiement s’avère plus lent. Une chose est sûre, nous avons dépassé la vision un peu hype qui entourait l’IA et la data science il y a une dizaine d’années.

HUB Institute : Comment Databricks aide ses partenaires à surmonter les challenges rencontrés lors de la création de projets basés sur l’intelligence artificielle ?

NM : La manière dont Databricks accompagne ses partenaires est directement liée à un constat de nos fondateurs. Auparavant chercheurs dans de grandes universités américaines, ils ont été amenés à travailler avec un grand nombre d’entreprises. En résulte un constat : les entreprises ayant pris une longueur d’avance sur le marché sont des entreprises de data, c’est-à-dire que la donnée est au cœur de leur système. Toutes ont réfléchi à ce que voulait dire "mettre la donnée au centre" et à comment donner à l’ensemble des collaborateurs la capacité d’utiliser cette donnée. Cela se traduit par une approche structurante autour de plateformes de data as a service et une refonte des systèmes de leurs organisations. L’idée est donc de disposer d’un moteur de calcul multimodal et protéiforme permettant à chaque employé de s’exprimer dans son langage de compétence (Java, Python, SQL…) tout en faisant en sorte que les systèmes sous-jacents soient capables d’exprimer cela dans un langage machine, de manière à intégrer l’ensemble des métiers de la donnée.

Notre système se met au service des sachants, en ayant une compréhension de l’ensemble de la chaîne applicative, de manière à ce que l’on n’ait pas à réexpliquer la finalité et la logique de chaque élément technique qui la compose.

- Nicolas Maillard, Senior Director Field Engineering Central & SEMEA (Databricks)

L’intelligence artificielle a une façon de calculer et de chercher des tendances de fond qui est extrêmement différente de ce que l’on ferait dans un moteur temps réel ou d’un moteur de base de données. Pour autant, cela sert toujours la finalité d’une prise de décision data. Databricks, avec ses partenaires, cherche à transformer cette vision et à mettre au centre du système les moyens technologiques pour permettre aux sachants de travailler de manière collaborative et rapide, tout en leur permettant de ne pas perdre leurs compétences initiales. On a besoin de transformer et ramener la data au centre pour pouvoir remonter ensuite sur les nouveaux usages de la data. Cela veut aussi dire permettre à différents départements de travailler ensemble. De nombreux métiers ont des finalités communes autour de la prise de décision. Auparavant, on distribuait les équipes par les technologies qu’elles utilisaient. Il faut aujourd’hui casser ces silos techniques pour adresser les finalités métiers de chacun. 

Pour aller plus loin : "Databricks : la data literacy au cœur de l’entreprise"

HUB Institute : Data scientists, data lake, cloud … Les projets d’intelligences requièrent des investissements conséquents de la part des entreprises. Pour autant, ces dernières sont souvent tributaires d’un héritage technique et culturel. Comment peuvent-elles dépasser ces contraintes de manière à concevoir et à industrialiser leurs projets d’IA ?

NM : La transformation des entreprises embarque un ensemble de sujets sous-jacents, et les notions d’héritages culturels et techniques en font partie. Aujourd’hui, il y a de plus en plus de solutions technologiques présentes sur le marché, et Databricks en fait partie. Cependant, ces solutions ne peuvent que donner des moyens aux entreprises, et ne sauraient à elles seules résoudre le problème posé par ces héritages. Pour y arriver, les entreprises doivent évidemment mener une stratégie de conduite du changement, mais également se recentrer sur leurs objectifs finaux. J’entends par là qu’il y aura nécessairement une montée en compétence des différentes personnalités de l’entreprise, qui amènera à une redéfinition des objectifs et donc à une évolution des moyens de les atteindre. C’est le cas par exemple avec les approches cloud et Data Lake, qui vont permettre à partir d’un objectif défini de commencer petit tout en consommant et en ne payant que les éléments dont l’entreprise a besoin pour la mise en production de ce test.

De plus, si l’héritage des entreprises est souvent bon, de nouveaux types de use cases apparaissent et nécessitent qu’on les traite différemment, puisqu’on ne pourrait tout simplement pas les traiter de manière cohérente en se basant sur l’héritage technique et culturel de l’organisation. C’est le cas des use cases lié au développement durable, avec par exemple les critères ESG, qui vont avoir énormément d’impact sur la valeur boursière d’une entreprise, mais également sur sa capacité à acquérir de nouveaux clients. La situation oblige donc les entreprises à davantage rendre compte à leurs actionnaires sur ces sujets, mais également à mieux choisir leurs partenaires, créer leurs produits, etc… C’est quelque chose qui est extrêmement compliqué à résoudre à partir du simple héritage technique de l’entreprise puisque ces problèmes ne se posaient pas auparavant.

Les entreprises doivent aujourd’hui répondre à un ensemble de nouveaux sujets, qui résultent de l’évolution de la manière qu’ont les entreprises de faire du business, de créer des services. Cette évolution apporte de nouvelles responsabilités qui devront être réglées via de nouveaux outils qui traiteront ces nouveaux sujets de manière cohérente et rapide.

- Nicolas Maillard, Senior Director Field Engineering Central & SEMEA (Databricks)

Pour autant, tout n’a pas vocation à devenir IA ou cloud. Il y a un ensemble de choses qui ont du sens d’un point de vue métier et d’autres qui n’en ont pas. Et c’est la même chose au niveau organisationnel : il y a tout un ensemble de connaissance et de savoir qui sont tout à fait cohérents et il y a tous les nouveaux usages, qui vont permettre de prendre l’avantage et de gagner des parts de marché, pour lesquels les entreprises doivent monter en compétence et mener des processus de conduite du changement. Globalement, cette conduite du changement est demandée par une majorité d’entreprises qui se rendent par exemple compte que l’IT n’est plus un simple département au service du métier. Puisqu’elle permet d’activer la data, l’IT devient partie prenante des besoins du métier. Ces derniers demandent de plus en plus à avoir accès en self-service aux moyens de résoudre les problèmes auxquels ils sont confrontés. La data science est une façon d’activer la donnée et de comprendre de nouvelles informations, mais les analystes et les consultants avec lesquels je travaille finissent par apprendre des moyens technologiques et de data science de manière à répondre plus efficacement aux questions qu’ils se posent. Il en va de même pour les équipes de production qui demandent qu’on leur livre des assets technologiques entièrement encapsulés pour que ces derniers puissent s’intégrer pleinement dans la chaîne de valeur.

HUB Institute : Quel sera, selon vous, le visage de l’IA dans les entreprises dans les années à venir ?

NM : C’est une question complexe, car nous faisons face à un changement qui commence à s’ancrer et prendre forme. De la même manière qu’on avait du mal dans le passé à imaginer que l’informatique deviendrait à ce point un soutien pour l’humain, on a du mal à imaginer le rôle de l’IA à l’avenir. Tout va dépendre de comment l’humain s’approprie cette technologie. Ce qui est certain, c’est qu’on utilisait déjà de la data hier, dans un ensemble de systèmes décisionnels efficaces. On a ensuite fait évoluer ces systèmes pour passer du décisionnel, à l’opérationnel et à l’analytique pour arriver à donner aux sachants plus de compréhension et de manières d’interagir avec la donnée.

L’IA a permis de passer d’une phase réactive, où l’on reçoit de l’information et où on essaie de comprendre ce qui se passe, à une phase proactive, où l’on va regarder la donnée d’une manière différente et concentrer notre regard sur les éléments vraiment importants.

- Nicolas Maillard, Senior Director Field Engineering Central & SEMEA (Databricks)

L’avenir de l’IA se déroulera en deux étapes. La première, à court terme, consiste en une transformation de l’IA en un outil d’analytique augmenté. Plutôt que de chercher à parler à la donnée, l’IA permettra de faire en sorte que la donnée parle à l’humain, et permettra ainsi d’avoir un meilleur accès à l’information. Cela veut dire que l’IA va analyser l’ensemble des traces de données nous concernant de manière à adapter la manière dont elle va restituer la donnée pour s’assurer que celle-ci soit adaptée à notre niveau de compréhension de l’utilisateur. La seconde étape, sur le long terme, se traduit par une protéiformisation de l’IA et une intégration à des usages très différents. D’un point de vue technologique, elle se miniaturisera et deviendra un partenaire du quotidien de manière à augmenter l’humain pour l’aider à prendre les meilleures décisions.

Plus l’IA sera utilisée, plus les équipes seront en mesure de voir son impact et de comprendre comment mieux l’utiliser. C’est l’idée de Databricks, qui est à la fois ancrée dans les nouveaux usages, mais également dans la communauté. Cette dernière, en utilisant notre plateforme open-source comme outil au service de leur transformation, entraîne l’IA et permet de générer de la valeur directement reliée au savoir métier. Cela permet aux entreprises de ne pas être déconnectées des grandes tendances sociétales et ainsi de ne pas utiliser des outils qui deviendront des îlots technologiques, et mobiliseront des compétences qui n’ont plus lieu d’être.

À lire également : "Databricks & In The Memory : l’intelligence augmentée comme levier de la croissance du Retail"