💶 Proximité avec le business et impacts transverses : Les DSI sont souvent éloignées des réalités business et ne maîtrisent pas les impacts transverses de l’IA sur l’ensemble de l’organisation.
🏢 Projet d’entreprise, pas juste un sujet technique : L’IA est un véritable projet d’entreprise qui implique des parties prenantes variées, et ne peut pas être réduit à un simple enjeu technique de données. Le management doit impulser cette transformation, et tous les managers sont concernés.
⛔ Approche séquentielle des DSI +: Les DSI ont souvent tendance à adopter une approche séquentielle sur tout ce qu’elles font. Pour l’IA, elles affirment qu’il faut d’abord un projet data avant de se lancer dans l’IA pour garantir des résultats pertinents. C’est vrai mais c’est faux aussi. On peut paramétrer l’IA pour qu’elle évite les actions automatiques lorsqu’elle n’a pas assez de données fiables. on ne veut pas que l’IA remplace l’humain. Elle n’a pas pour objectif de resoudre 100% des cas. Si l’IA permet de resoudre automatiquement 60% des cas et d’aider l’humain à resoudre les 40% restants c’est parfait!
🔝 Qualité des données et performances de l’IA : Dire que sans bonnes données, l’IA ne fonctionne pas, c’est ne pas comprendre que les conseillers, par exemple, travaillent déjà avec les mêmes données et rencontrent aussi des difficultés. La machine utilise les mêmes données que l’humain, mais elle est plus rapide pour indiquer lorsqu’elle ne peut pas conclure.
🤔 Je suis inquiet de voir que le sujet IA soit confié à beaucoup de DSI, car cela pose des problèmes, notamment en termes de prise en compte des enjeux. Évidemment, la DSI est une partie prenante importante, mais pas plus que la DAF ou les DRH, par exemple.
