Mesurer l’impact commercial de l’IA

dreamstime_s_132826187.jpg

1 crédit

L’intelligence artificielle est en transition, à la fois dans la technologie elle-même et dans la manière dont elle est utilisée. Les entreprises sortent de plus en plus les pilotes d’IA des laboratoires de test et les déploient à grande échelle, et certaines constatent des transformations importantes en conséquence. Mais quelle que soit l’incertitude qui entoure l’IA, ignorer son potentiel fait courir le risque que les entreprises faisant des affaires à l’ancienne fassent faillite.

Pour de nombreuses organisations, cependant, la valeur de l’IA peut être insaisissable. Leurs modèles pourraient ne pas être réglés. Leurs ensembles de données d’entraînement ne sont pas assez volumineux. Les clients sont méfiants. Il existe également des préoccupations concernant les préjugés, l’éthique et la transparence.

Pousser une initiative d’IA en production avant qu’elle ne soit prête, ou étendre une stratégie d’IA au-delà d’une phase initiale avant de vérifier correctement ses résultats, peut coûter de l’argent à une entreprise, ou pire, l’envoyer dans une direction préjudiciable à l’entreprise.

Alors, comment savoir si un projet d’IA transformera ou sabotera votre entreprise ? Sans chiffres de retour sur investissement concrets, les entreprises doivent faire preuve de créativité avec des moyens de savoir avec certitude. Voici un aperçu de la façon dont les responsables informatiques et les initiés de l’industrie évaluent la valeur de l’IA.

Technologies matures ou révolutionnaires

Mesurer la valeur commerciale d’une initiative ou d’une technologie n’est pas toujours un calcul linéaire. L’IA ne fait certainement pas exception, en particulier lorsque les degrés de maturité et le potentiel commercial sont pris en compte.

Des variables éprouvées et prédictives – comme l’exploration de données, les économies de coûts et de formation, l’investissement et la capacité à faciliter de nouvelles utilisations – influencent les décisions en matière de retour sur investissement acceptable, mais faire confiance à la technologie, qu’elle soit nouvelle ou établie, est essentiel.

Au Jet Propulsion Laboratory de la NASA, par exemple, le facteur clé pour mesurer le retour sur investissement d’un projet d’IA est la maturité technologique.

Certains sont à un niveau de maturité élevé, explique Chris Mattmann, directeur de la technologie et de l’innovation au JPL de la NASA. Prenons par exemple l’automatisation des processus métier.

« Les trucs ennuyeux que chaque entreprise a, nous les avons aussi », dit-il. « Nous automatisons donc beaucoup de choses comme le traitement des tickets, la recherche, l’exploration de données, l’examen des contrats et des sous-contrats à l’aide de l’IA. »

Pour ce faire, JPL utilise des technologies disponibles dans le commerce, notamment DataRobot et Google Cloud, et pour déterminer si une technologie particulière vaut la peine d’investir, l’organisation examine si elle permettra d’économiser des coûts, du temps et des ressources, dit-il. « C’est mature, donc tu devrais pouvoir le montrer. »

Pour les technologies à un niveau de maturité moyen, JPL examine si la technologie a la capacité de permettre de nouveaux cas d’utilisation, et à quel coût.

« Par exemple, nous allons sur Mars, et nous avons un mince tuyau pour les télécommunications dans l’espace lointain », dit-il, et aujourd’hui, il y a suffisamment de bande passante pour envoyer environ 200 images par jour de Mars à la Terre.

« Ces brillants rovers martiens que nous envoyons ont des cerveaux de la taille d’un pois », dit-il. « Ils utilisent des processeurs iPhone 1. Nous n’installons dans l’espace que des objets résistants aux radiations, où nous sommes convaincus qu’ils peuvent résister à l’environnement de l’espace lointain. Les puces dont nous savons qu’elles fonctionnent bien sont ces puces plus anciennes, nous ne faisons donc pas d’IA ou de ML avancés sur les rovers.

Mais l’hélicoptère Ingenuity, qui était à l’origine simplement conçu comme une démonstration technologique et n’était pas au cœur de la mission, avait un processeur Qualcomm Snapdragon à bord, une puce AI.

« Cela nous a démontré qu’il était possible d’avoir de nouvelles puces et de faire plus d’IA », dit-il.

Ici, l’IA permettra de nouveaux cas d’utilisation actuellement impossibles. Par exemple, au lieu de renvoyer 200 images par jour, le rover pourrait analyser les images lui-même à l’aide de l’IA et renvoyer un million de légendes de texte sur terre pour décrire, par exemple, il y avait un lit de lac asséché dans une direction particulière.

« Nous pourrions obtenir plus de visibilité avec du texte qu’avec des images aujourd’hui », dit-il.

Enfin, pour les technologies d’IA expérimentales les plus avancées, la mesure du succès est de savoir si elles permettent de faire de nouvelles recherches scientifiques et de rédiger et publier de nouveaux articles.

« Il y a un coût à la formation et à la construction de modèles », dit-il.

Des entreprises comme Google et Microsoft ont facilement accès à des volumes gigantesques de données de formation. Au JPL, les ensembles de données sont difficiles à acquérir et nécessitent des experts de niveau doctorat pour les analyser et les étiqueter.

« A la NASA, nos coûts pour former un nouveau modèle d’IA sont 10 à 20 fois supérieurs à ceux de l’industrie commerciale », explique Mattmann.

Ici, de nouvelles technologies arrivent qui pourraient permettre à la NASA de créer des modèles d’IA avec moins d’étiquetage manuel. Par exemple, les réseaux génératifs pourraient être utilisés pour créer des données de formation synthétiques, dit-il. Des contrefaçons profondes, mais au profit de la science.

La mesure de l’IA et ses sphères d’influence

Lorsqu’il n’existe aucun moyen direct de mesurer l’impact commercial d’un projet d’IA, les entreprises extraient plutôt les données d’autres indicateurs de performance clés (KPI) connexes. Ces variables proxy sont généralement liées aux objectifs commerciaux et peuvent inclure la satisfaction client, le délai de mise sur le marché ou les taux de rétention des employés.

Chez Atlantic Health System, par exemple, les patients sont au cœur de chaque décision, déclare Sunil Dadlani, son vice-président principal et CIO. Ainsi, à bien des égards, le retour sur investissement dans l’IA est mesuré en examinant les améliorations apportées aux soins aux patients.

Ces mesures axées sur le patient comprennent une durée de séjour réduite, un délai de traitement plus rapide, des vérifications plus rapides de l’éligibilité à l’assurance et des autorisations d’assurance préalables plus rapides, dit-il.

Un autre projet consiste à utiliser l’IA pour aider les radiologues à examiner les scans. Un KPI est la fréquence à laquelle les radiologues sont alertés de résultats potentiellement anormaux.

« En avril 2022, 99% de nos radiologues ont déclaré avoir utilisé l’IA pour analyser plus de 12 000 études », déclare Dadlani, ajoutant que cela a déclenché près de 600 alertes. « Ainsi, les médecins peuvent traiter des problèmes potentiellement graves le plus rapidement possible. »

Facebook
Pinterest
Twitter
LinkedIn
Email