"Pour réussir en IA, il faut une bonne architecture de données", selon Ritika Gunnar, spécialiste IA et data chez IBM

Ritika Gunnar, membre du laboratoire d’expertise en Data et Intelligence artificielle de IBM, accompagne des milliers de clients du groupe américain dans l’intégration de l’analyse de données et de l’IA dans leurs activités. Rencontrée au CES de Las Vegas, où elle intervenait à une conférence l'intelligence artificielle, elle a livré à L’Usine Nouvelle sa méthode et son analyse des clés de réussite d’un projet d’IA en entreprise.

L’Usine Nouvelle. - Quelle la première étape que ne doivent pas rater les entreprises ayant un projet d’IA ?

Ritika Gunnar. Chez IBM nous avons développé une méthode appelée "Data first", avec laquelle nous aidons nos clients à développer des cas d’usage. Notre méthode commence par un temps de design thinking [démarche de conception créative] qui permet de bien cerner le problème que l’entreprise veut résoudre et comment l’IA peut l’aider. Pendant cette étape, nous réunissons différents départements d’affaire, des experts du design thinking et des data scientists. Avec cette approche très itérative, nous pouvons vérifier si l’IA est bien la solution au problème et si une solution viable est possible.

Vouloir à tout prix mettre de l’IA dans ses activités sans que ce ne soit la solution adaptée arrive-t-il fréquemment ? 

C’est en effet assez courant. Il faut retenir que l’IA est un ingrédient qui peut être utile pour trois objectifs : améliorer sa production, ses bénéfices et automatiser ses process. Une fois cela intégré, on peut déterminer les cas d’usage pertinents et mesurer leur faisabilité.

Quels sont les freins au bon développement de projets IA ?