IA centrée sur l’humain : comment offrir une expérience client personnalisée

Une fiabilité totale est une exigence très forte. À part mon épouse et mes amis les plus proches, y a-t-il d’autres personnes auxquelles je ferais « entièrement confiance » ? Il y a néanmoins bien d’autres amis, membres de ma famille, collègues et systèmes logiciels sur lesquels je peux compter. Cette confiance s’est bâtie au fil du temps et n’a été que rarement brisée.

De ce point de vue, l’IA n’est pas très différente des autres systèmes logiciels, notamment ceux utilisés dans les infrastructures critiques. La fiabilité des logiciels est un sujet complexe, mais en résumé, elle repose sur une ingénierie robuste, des tests rigoureux et la transparence. Au cours du développement, toutes les meilleures pratiques applicables doivent être prises en compte. Le logiciel doit être testé aussi bien en phase de développement qu’en production. Les développeurs doivent être transparents quant aux limites du logiciel en question et aux défis qu’il peut poser. Les logiciels « open source » rencontrent beaucoup de succès dans de nombreux domaines, grâce à leur transparence totale.

La plupart des développeurs en IA s’efforcent de concevoir des modèles responsables et rigoureusement testés, et font preuve de transparence vis-à-vis des données utilisées pour leur entraînement. Cela dépasse déjà les exigences que nous avons par rapport à de nombreux systèmes logiciels reposant sur des algorithmes classiques que nous utilisons au quotidien.

Les réglementations à venir relatives à l’IA mettent l’accent sur la conception, les tests et la transparence, et devraient rendre les futurs systèmes d’IA encore plus fiables.

Nous faisons confiance, à raison, aux logiciels dans de nombreux aspects de la vie, que ce soit pour construire les appareils que nous utilisons au quotidien, représenter l’ensemble de notre patrimoine financier, effectuer des opérations chirurgicales dans les hôpitaux ou nous transporter en avion jusqu’à notre lieu de vacances en toute sécurité. Nous n’avons aucune raison de nous méfier davantage des logiciels basés sur l’IA que de tout autre système informatique, si des dispositifs de protection appropriés sont en place.

Être un leader du numérique aujourd’hui, c’est être un leader de l’IA, ou presque. Ces entreprises consacrent d’importantes ressources au développement de l’IA, disposent des infrastructures numériques nécessaires et adoptent des stratégies efficaces pour intégrer l’IA dans bon nombre de leurs domaines d’activité.

Dans le cas d’Amazon, l’IA instaure la confiance dans la vente en ligne selon une approche multiple.

Les clients accordent une grande importance à la qualité des avis sur les produits. L’élimination des avis rédigés par des « bots » ou par des personnes de mauvaise foi, de manière à ne laisser que les avis pertinents, constitue une tâche colossale. Depuis quelques années, elle est assurée par l’IA, qui recherche des anomalies et des tendances. Cependant, il se peut que les avis soient eux-mêmes écrits par une IA – un véritable jeu de chat et de souris.

La cybersécurité et la sécurité de la « marketplace » tierce sont d’autres aspects où l’IA est utilisée, afin d’assurer une protection plus efficace contre les tentatives de vol de données et les tentatives de fraude de vendeurs qui essaient d’utiliser la plateforme de façon abusive.

En ce qui concerne les recommandations personnalisées, qui constituent un autre domaine important pour l’IA, il peut y avoir des objectifs contradictoires. Un conseiller indépendant de confiance nous suggérerait l’option la plus abordable et répondant à tous nos besoins.

Une « IA de vente en ligne » prendrait en compte les produits rentables, ceux ayant fait l’objet de dépenses publicitaires ou ceux de la propre gamme du commerçant.

Ces systèmes d’IA sont donc formés de manière à concilier les intérêts du client et ceux du commerçant. La présentation de bonbons à la caisse de notre supermarché relève de considérations similaires prises par l’intelligence humaine.

1. Ne pas réfléchir aux défis et à l’adéquation de la technologie avant d’investir. Certaines sociétés ont embauché des experts en données et formé des équipes IA sans considérer l’entreprise dans son ensemble. L’IA ne convient pas à toutes les entreprises et il faut préparer le terrain avant que la technologie ne puisse être utilisée de manière efficace.

2. Viser la lune, sans penser aux milliers de pièces qui composent une fusée. Les dirigeants ne doivent pas s’attendre à ce que l’IA transforme radicalement leur entreprise et augmente considérablement son chiffre d’affaires, tout en négligeant les gains d’efficacité et de rentabilité qui pourraient être réalisés, grâce à une application méthodique de l’IA aux processus métier.

3. Ne pas prendre en compte la dimension humaine. Dans la plupart des cas, l’IA ne remplace pas les humains, mais collabore avec eux, de manière à augmenter leur efficacité et la qualité de leur travail. Il est primordial d’impliquer les employés en permanence dès le début, afin d’obtenir leurs retours sur les performances de l’IA et de trouver le meilleur moyen de l’intégrer aux processus métier existants.

4. Les dirigeants ne doivent pas se concentrer que sur le développement interne d’outils d’IA exploitant les données de leur entreprise et directement liés à leurs processus métier. L’entreprise travaille dans un contexte multilingue ? Pourquoi ne pas envisager un outil externe de traduction par IA ? Elle reçoit beaucoup de documents papier ? Un outil de reconnaissance optique des caractères capable de créer des documents PDF ou Word pourrait améliorer rapidement le flux de travail existant.

Le message clé est qu’il ne faut pas se concentrer uniquement sur les connaissances en IA, mais mettre en place une équipe qui s’intègre à l’activité de l’entreprise.

Ce domaine est en train de se développer rapidement. Un spécialiste en IA capable d’identifier les méthodologies et outils les plus adaptés à l’entreprise sera nécessaire, mais il n’aura pas forcément besoin d’être titulaire d’un doctorat, sauf si l’entreprise évolue dans un secteur très innovant. Un tel spécialiste possédera également les connaissances requises pour éviter les biais et créer un modèle d’IA fiable et éprouvé.

Des bases techniques solides sont indispensables. Un ingénieur en données aide l’entreprise à connecter l’IA à son infrastructure de données existante ou à la relier à des outils d’IA externes. Une intégration bien conçue augmentera considérablement l’ergonomie des systèmes d’IA.

Afin d’identifier les applications et les processus appropriés pour l’IA, un expert métier ayant une certaine ancienneté dans l’entreprise ou une connaissance approfondie dans son secteur d’activité doit faire partie de l’équipe, de manière à identifier les domaines où la mise en œuvre de l’IA serait le plus bénéfique et à définir les priorités de déploiement.

Idéalement, un responsable du changement doit agir en tant qu’intermédiaire entre les utilisateurs du système d’IA et l’équipe IA qui le développe. Une supervision humaine sera exigée par la réglementation et permettra également d’améliorer les performances de l’IA dans bien des cas. Une implication précoce et constante permettra d’améliorer la satisfaction des utilisateurs et les performances des processus métier optimisés par l’IA.