Faut-il s’attendre à un decrescendo?

Catherine Martellini Collaboration spéciale
«Nous sommes arrivés à un point où une entreprise ne peut plus, humainement parlant, gérer et digérer le volume de données qu’elle génère», estime Roger Kamena.
Photo: Getty Images «Nous sommes arrivés à un point où une entreprise ne peut plus, humainement parlant, gérer et digérer le volume de données qu’elle génère», estime Roger Kamena.

Ce texte fait partie du cahier spécial Intelligence artificielle

Entrevue avec Roger Kamena, vice-président du département science et technologie de données à Adviso, agence de marketing numérique.

À quelle étape de l’IA marketing en sommes-nous au Québec ?

Grâce à des sommités en IA comme Yoshua Bengio et bien d’autres, on a la chance d’avoir accès à un très bon bassin dans le domaine au Québec. Ce n’est pas étranger au fait qu’on assiste à une éclosion de start-ups à Montréal, en particulier depuis 2016. Nous sommes en pleine croissance de l’IA. Si le quotidien des gens n’est pas encore rendu là où nous aurions pu le penser il y a quatre ans au regard des percées technologiques, les entreprises se sont quant à elles équipées en IA. Je crois cependant qu’elles ont sous-estimé le temps nécessaire avant que l’IA soit véritablement efficace dans leur organisation. Par exemple, on peut souhaiter utiliser l’IA pour réduire ses coûts en service à la clientèle de 30 % grâce à la mise en place d’un robot conversationnel pour répondre aux problèmes ou aux questions des clients. Sur le papier, c’est beau, mais dans la réalité, c’est long avant d’en arriver là. Cela requiert pour commencer une bonne gestion des changements et une transformation numérique. Si elles ne tiennent pas compte de cela, certaines entreprises pourraient bien être projetées dans la vallée des désillusions.

Qu’est-ce qui est illusoire dans la conception actuelle de l’IA marketing ?

Les entreprises qui veulent intégrer l’IA à leurs stratégies se rendent compte que le travail pour organiser leurs données de manière à produire quelque chose d’utilisable est plus grand que ce qu’elles croyaient. Ilfaut comprendre que ce sont les données qui constituent le carburant principal de l’IA. C’est grâce à elles que YouTube peut notamment nous recommander une vidéo plus pertinente à nos yeux au fur et à mesure que nous consommons du contenu sur sa plateforme. Dans le cas du marketing, les sources de données sont multiples : de Facebook à Google en passant par les bases de données sur la clientèle. Certaines entreprises ont donc voulu sauter rapidement dans l’IA, sans avoir mis d’abord en place les infrastructures et les ressources nécessaires pour gérer toutes ces données.

Une fois cette étape de la désillusion passée, quelle est l’étape réaliste suivante pour les dirigeants d’entreprises ?

Toute transformation numérique ou technologique doit passer par les trois grands « P » : les personnes, les processus et les plateformes. L’IA ne fait pas exception à cette règle. L’erreur commune des dirigeants d’entreprises lors de l’adoption de nouvelles technologies consiste à se concentrer énormément sur les plateformes, c’est-à-dire à leur implantation, et non suffisamment sur les personnes et les processus, soit la gestion du changement. Ceux qui ont sauté la tête la première dans l’IA pour être les précurseurs se rendent compte de la complexité de la chose. Ils doivent revenir aux besoins d’affaires précis, souvent mal cernés au préalable. L’IA doit être envisagée comme un moyen pour servir les objectifs d’affaires, et non comme une fin en soi, un outil magique. On l’utilise pour régler des problèmes : il faut donc se concentrer sur les solutions qu’elle pourrait apporter, lesquelles permettent aussi d’encadrer la stratégie.

Quel type de solutions ?

Un nouveau rôle émergera, celui que la firme de consultation McKinsey appelle le traducteur analytique : une personne qui n’a pas les connaissances avancées comme le scientifique de données, mais qui comprend les bases techniques de l’IA de même que les applications possibles et lavaleur d’affaires qu’elle peut procurer. Il peut s’agir d’un employé interne ou d’un expert externe engagétemporairement. Cela permettra aussi de gérer les attentes par rapport aux embauches d’experts. Plusieurs ne font en effet pas la différence entre un scientifique de données et un ingénieur de données,et ont donc des attentes irréalistes concernant chacun de ces profils. Le traducteur analytique aidera les organisations à éviter ce type d’erreur et les dirigera vers une bonne transformation IA.

L’IA sera-t-elle vraiment nécessaire à l’avenir pour qu’une entreprise tire son épingle du jeu ?

La course vers l’exploitation des données d’entreprise, ou ce qui devient les mégadonnées, est déjà lancée, et une bonne exploitation de l’IA permettra certainement de se démarquer. C’est justement à cause de cette explosion des données que l’IA a pris de l’ampleur : nous sommes arrivés à un point où une entreprise ne peut plus, humainement parlant, gérer et digérer le volume de données qu’elle génère. Comme les données continueront dans les prochaines années à croître de façon exponentielle, ceux qui n’auront pas fait les premiers pas risquent de se retrouver dans une posture difficile, c’est-à-dire à devoir faire du rattrapage. Je crois qu’ils seront dans une situation pire que ceux qui ont trop attendu avant de faire évoluer leur site Web sur l’écran mobile, il y a quelques années. La marche sera trop haute à monter.