Le « Machine Learning » est entré dans l’entreprise. On en voit certes les opportunités, mais en mesure-t-on bien les enjeux sociétaux ? Peut-être est-il utile d’interroger les usages de cette nouvelle génération d’algorithmes d’apprentissage utilisant des bases géantes de données empiriques ? Existe-t-il un risque épistémologique à reproduire les biais et stéréotypes humains ? A titre d’exemple, nous interrogerons le tri de CV par le « machine Learning ». Ne véhicule-t-il pas des schémas sexistes existants ? Dit autrement, est-il équitable ?
Par Thomas Houdaille, fondateur de Catalix, l’école de l’IA pour le business
Nous vivons une période paradoxale : il n’y a jamais eu autant de buzz au sujet de l’intelligence artificielle (IA), mais très peu de dirigeants d’entreprises françaises en ont une vision claire. Or l’IA, le Machine Learning en particulier (associé à l’IA symbolique le cas échéant), devrait être un sujet prioritaire pour la plupart des grandes (et moins grandes) entreprise car elle impacte potentiellement le développement de leur chiffre d’affaires et l’ensemble des processus, leur organisation, et car elle pose nombre de questions nécessaires sur la relation entre l’homme, l’employé et le citoyen, et les technologies digitales. D’où l’importance de sensibiliser et d’acculturer les dirigeants d’entreprise et leurs managers à l’IA
Plusieurs études récentes sur l’impact de l’IA à l’horizon 2035 affirment que la croissance économique d’un pays ne s’évaluera plus en fonction de son capital mais en fonction de son degré́ de maturité́ en Intelligence Artificielle. D’après une étude d’Accenture, l’IA pourrait accroître de près de 38% en moyenne la rentabilité des entreprises à cette échéance ! Sans prendre ces études pour parole d’évangile, force est de constater la montée en puissance et la diversité́ des exemples d’applications de l’IA autour de nombreux usages : mieux comprendre ses clients et prédire les ventes, optimiser les opérations et processus métiers, détecter les fraudes ou pannes, transformer les produits et inventer de nouveaux modèles économiques, en lien notamment avec les objets connectés (ex véhicule autonome) …
Dans un futur proche, l’IA modifiera la nature même du travail et des relations homme-machine. Elle prendra en charge les tâches répétitives et codifiables et bousculera les modèles traditionnels d’organisation du travail. Elle permettra d’augmenter les capacités professionnelles des collaborateurs, en les déchargeant de tâches d’analyse et en réduisant le temps menant a la prise de décision. L’IA pourrait ainsi permettre aux entreprises de devenir plus performantes, plus flexibles, et plus horizontales ; et d’offrir à ses salaries des perspectives d’évolution vers des tâches à plus forte valeur ajoutée et complémentaires à l’IA. Certaines fonctions vont probablement disparaître et l’impact sur l’emploi sera significatif, même s’il est très difficile de faire des prévisions. Raison de plus pour s’y préparer. Mais on n’en est pas encore là, et la réalité de l’IA en entreprise est très variable, en particulier en France, qui globalement accuse un retard significatif par rapport à la Chine, aux USA et au Canada. Dans l’industrie, de 15 à 20% des entreprises auraient mis en place des pôles de compétence dédiés, et commencé à déployer des solutions opérationnelles. Quelques grandes banques françaises sont déjà très avancées quand d’autres ont à peine démarré. Certains acteurs du digital et startups sont quant à elles déjà des « AI companies ».
Dans les grandes entreprises françaises, on est encore la plupart du temps dans une phase d’expérimentation, avec des projets pilotes qui ne tiennent pas toujours leurs promesses. La première raison est sans doute que les entreprises lancent beaucoup d’initiatives en parallèle au lieu de se consacrer sur quelques projets prioritaires. La seconde, qui est indirectement liée, est que le management (top et opérationnel) n’est pas assez investi sur le sujet. Il délègue bien souvent aux CDO et aux Data Scientists, par manque de culture et de vision stratégique sur le sujet.
Or les projets IA sont par la nature même de l’apprentissage automatique des projets qui nécessitent une approche « agile », beaucoup de « test and learn » et une forte association des équipes métiers aux data scientists. Au-delà de l’algorithmie (qui nécessite un vrai savoir-faire), il y a un enjeu particulier autour des process métiers travaillés, des données utilisées… et il faut souvent combiner les techniques d’analyse des données avec l’holistique et l’empirique que connaissent les gens du métier pour être capable de sortir un signal significatif.
Il est temps que les dirigeants et leurs managers se saisissent de l’IA ! Et ca n’est pas seulement un sujet de technologie, mais de culture d’entreprise et donc également de ressources humaines. Plus généralement si certains salariés sont prêts à jouer la carte de l’IA parce qu’ils en voient les bénéfices, pour d’autres, c’est l’inquiétude d’une grande déshumanisation qui règne. A l’aube d’une époque où la transformation des métiers va s’accélérer, beaucoup d’information et de formation reste à faire pour combler ce large déficit de compréhension et tordre le cou à nombre de fantasmes.
« Machine learning is a fundamental new technology that can create immense value to humankind. At the same time, it will challenge society. Not to try to understand how it works would be irresponsible ». Risto Siilasmaa, Pdt du Conseil d’Administration de Nokia, qui s’est formé au Machine Learning et a décidé de former tous les employés de son entreprise !
