IA inclusive versus IA exclusive : quelle stratégie adopter ?

A l’heure où toutes les entreprises s’intéressent à l’intelligence artificielle, nombreuses sont celles à s’interroger sur la meilleure façon de procéder. Faut-il confier ces projets aux experts ou inclure tous les collaborateurs. La stratégie IA doit elle être inclusive ou exclusive ? Point sur les deux modes opératoires qui présentent des avantages et des inconvénients.

L’IA doit-elle être exclusive, c’est-à-dire réservée à quelques érudits, ou doit elle être inclusive, c’est-à-dire partagée par tous ? En d’autres termes doit-elle être confiée à des équipes d’experts chargées de travailler seules dans leur coin sur des projets spécifiques, ou doit-elle inclure tous les collaborateurs, chacun apportant ses compétences pour œuvrer à un but commun ? Telle est la question qui anime aujourd’hui de nombreuses entreprises qui s’interrogent non seulement sur la meilleure façon de procéder mais aussi sur les conséquences de l’IA sur l’organisation de l’entreprise et sur le parcours professionnel des collaborateurs.

Inclure tous les collaborateurs est le socle de l’IA inclusive

Le principe de l’IA inclusive consiste à inclure tous les collaborateurs, quelles que soient leurs compétences et les services auxquels ils appartiennent, autour d’un objectif commun d’IA. L’IA inclusive repose sur l’idée que plus la diversité des profils est importante, meilleurs sont les résultats. Le caractère inclusif se traduit aussi par une diffusion plus large des processus d'IA dans l'ensemble de l'organisation, et par une transformation dans la manière de travailler. La donnée est centralisée et partagée par tous. En faisant ce choix de l’inclusivité, les entreprises ne confient plus leur IA à quelques spécialistes déconnectés des problématiques opérationnelles, mais démocratisent l’exploitation de la donnée et dotent tout le personnel de l’entreprise de moyens nécessaires à leurs prises de décisions au quotidien.

Autre élément important : l'intelligence artificielle inclusive ne se limite plus au seul aspect opérationnel des entreprises, mais traite de questions plus générales comme les préjugés, la responsabilité, l’interprétation ou encore l’équité.

Menés par des experts, les projets d’IA exclusive ont des temps de déploiement plus courts

Au regard des bénéfices apportés par l’IA inclusive, il est légitime de se poser la question de l’intérêt d’une IA exclusive. Ainsi quels bénéfices à restreindre l’IA à quelques scientifiques ? Si cette stratégie apparait comme contre-productive pour l’évolutivité de l’entreprise, confier les projets d’IA à des professionnels de la data (data scientists, data analysts,) permet d’aller beaucoup plus vite dans le déploiement de projet. Inutile en effet d’évangéliser et former tous les collaborateurs à l’utilisation de l’IA. En adoptant une stratégie d’exclusivité, les entreprises se mettent à l’IA beaucoup plus rapidement et développent plus vite de nouveaux produits et/ou services. A noter toutefois qu’en faisant le choix de confier l’IA à des spécialistes, les entreprises risquent fort, et cela s’est vérifié plus d’une fois, de se retrouver avec des solutions inexploitables par les métiers car décorrélées de leurs problématiques.

Association d’inclusive et d’exclusive pour une IA efficiente d’entreprise

Avec leurs avantages respectifs, adopter les deux systèmes est sans doute la meilleure solution pour les entreprises. D’un côté l’IA exclusive limitée à quelques experts leur permet d’intégrer rapidement des projets d’IA, de l’autre l’IA inclusive emmène tous les collaborateurs dans l’aventure mais à un rythme plus lent. Dans un futur proche, la familiarisation à l’IA de l’ensemble des collaborateurs, portera naturellement les entreprises vers une IA inclusive.

A propos de Florian Douetteau

Florian Douetteau est CEO et co-fondateur de Dataiku. Diplômé de l’Ecole Normale Supérieure, il débute sa carrière chez Exalead, qu’il rejoint en 2000 pour mener une thèse sur le développement du langage de programmation Exascript. Il y restera jusqu’en 2011, occupant successivement plusieurs postes de direction et de vice-président dans les domaines de la recherche, du développement et du management de produits. Après un passage chez Is Cool Entertainment en tant que Chief Technology Officer, il intègre Criteo pendant quelques temps comme Data Scientist freelance, avant de se lancer dans l’aventure Dataiku en 2013.