La Data et l’IA, de la promesse technologique à l’impact métier tangible !

Je parle ici d’« engagement » et non de « culture » car, pour moi, il va être nécessaire de sortir des faux semblants et des belles histoire d’« IA magique » et autres concepts de « data-centricity » qui ont trop laissé penser que la valorisation de la donnée et l’IA pouvaient se décréter et avoir une vie « hors sol », à côté des processus métiers ! Un directeur commercial qui souhaite devenir « sales-datadriven » doit comprendre que ceci est d’abord un engagement et un investissement (e.g. accepter que les commerciaux « perdent » 10% de leur temps à saisir des données dans le CRM) avant d’être demain, un bénéfice (outils d’aide à la décision et à l’action commerciale).

Mais les autres processus (vente, supply chain, production, relation client, finance, RH, conformité…) représentent souvent une complexité plus forte car ils nécessitent de coordonner du digital (avec des solutions plus ou moins ouvertes) et de l’humain. Dans ces cas-là, le fonctionnement en dérivation est bien plus complexe voire impossible et il devient alors nécessaire de repenser le processus métier de bout-à-bout. Ici, plus le choix, la direction métier doit s’engager dans une transformation en profondeur.

La seule façon de réellement faire bouger les choses passe très souvent par une logique de contrainte adossée à un soutien appuyé – c’est un euphémisme – des experts Data. Après plusieurs années d’acculturation et autres incitations par le financement de projets, il faut maintenant trouver le juste équilibre entre contrainte et encouragement. Contraindre, ce n’est ni plus ni moins que d’imposer une instruction sérieuse et approfondie du volet « Data/IA » avant le lancement de tout projet métier. Logiquement, cela implique d’aller jusqu’à tout arrêter si l’instruction est jugée insuffisante. Encourager, c’est doter les Data-Offices et Data-Factories de réels moyens d’appui au service des métiers (Product Owner Data, Data-evangelist, …), des moyens qui vont les aider à penser leurs processus différemment en valorisation mieux les données !

Ceci évitera aux équipes Data/IA de courir derrière les projets métier ou de proposer des solutions peut être incroyables mais rarement accostables à un projet métier déjà lancé.

Comme toujours, certains tenteront de simplifier le problème grâce à des concepts simplificateurs. Ceux de 2023 seront « Data-mesh », « Data-Fabric », « Customer-Data-Platform », “MLOps”, “Lowcode / No-code”…

Loin de moi l’idée de dénigrer ces concepts qui contiennent tous une part de vérité et parfois de vraies avancées technologiques…mais ils font souvent oublier que l’IA et la Data sont avant tout une question d’engagement métier, ou plus concrètement d’organisation et d’intégration de modèles Data dans les processus métier. Ils ne résolvent rien s’ils ne sont pas adossés à une vraie appropriation des finalités par les équipes métier. Pour ne prendre qu’un exemple, les solutions Data-Mesh sont aujourd’hui intéressantes et, pour certaines, abouties…mais leur implémentation technique n’apportera rien si la production, la qualité, la documentation des données et une partie de la manipulation n’a pas basculée sous la responsabilité éclairée des métiers, avec ce que cela implique en termes d’équipes et de compétences !

Si certains cas d’usages continueront à concerner la plupart des entreprises (ciblage marketing cookieless, relation client omnicanale, fraude, excellence opérationnelle…), 2023 devrait selon moi donner le la aux investissements qui favoriseront des cas d’usage IA et Data dans le respect et l’affirmation de certains différentiateurs. Les exemples sont très nombreux et dépendants des industries. Prenons le cas d’une entreprise qui a mis au cœur de sa proposition de valeur l’expérience client physique. Cette dernière va, en toute logique, miser sur des cas d’usages Data / IA qui vont contribuer à renforcer encore davantage la qualité de cette expérience physique (prédiction d’affluence, prise de rendez-vous avec son vendeur/conseiller préféré, formation personnalisée des vendeurs/conseillers,…). De la même manière, une entreprise qui a choisi de devenir entreprise à mission va surpondérer les cas d’usages allant dans le sens de cette mission…

Sans surprise et dans cette logique, l’accélération va être plus forte encore sur l’IA for Green/for Good au service de la démarche RSE de l’entreprise, de la basique mais complexe fiabilisation des indicateurs ESG à des cas d’usages plus ambitieux de finance vraiment verte, de supply chain réellement vigilée, de banque/assurance inclusive, de processus de production moins énergivore, etc.