Big data: il est grand temps d'embrayer
Lors du salon 2019 du big data organisé porte Maillot les 11 et 12 mars derniers, un directeur en charge de la ligne de service data intelligence de PwC s’est exclamé : « nous avons sans doute fait trop de POC (Proof Of Concept) ».
Et oui, les entreprises ont accéléré à fond sur l’innovation mais ne parviennent pas à passer la vitesse.
Résultat : le compte tour de l’innovation est dans le rouge, les équipes s’épuisent mais l’entreprise n’avance pas dans sa transformation.
Alors, comment transformer en valeur le carburant de l’innovation qui reste gaspillé en pure perte si les POC restent sans lendemain qui chante ?
Tout d’abord, comprendre le potentiel des innovations dont on parle.
Cloud, Big data, IA, IoT, Blockchain… Ce ne sont pas des religions différentes qui auraient chacune leurs disciples, mais ce sont différents moyens qui ont chacun leurs fonctions et qui peuvent être complémentaires pour permettre aux entreprises d’améliorer leur proposition de valeur.
L’Intelligence de la donnée en est un élément central. Chaque technique présente des caractéristiques propres qu’on peut rappeler ainsi :
La BI (Business intelligence) regroupe les techniques de combinaison adéquate de données : la donnée ainsi créée / enrichie / mise en perspective a vocation à être ensuite utilisée pour prendre les bonnes décisions.
Le machine learning est la combinaison de données d’entrée et de résultats cibles pour obtenir un modèle. C’est ce modèle qui est le produit fini, qui servira dans différentes modélisations. Ces moteurs sont ensuite utilisés dans différentes automatisations pour traiter de l’image, interpréter du texte, ou comme modélisation pour mieux prédire le futur.
Les technologies de deep learning, qui s’approchent de la robotisation, regroupent les techniques dans lesquelles on combine un algorithme et un process pour obtenir un automatisme.
Ces techniques sont rappelées ici dans un ordre croissant d’automatisme – les tâches à moindre valeur ajoutée, qui ne mettent pas en cause la responsabilité de l’entreprise, pouvant davantage être automatisées que les premières. En d'autre terme, big data et intelligence artificielle ne s'accompagnent pas nécessairement d'une baisse d'effectif, puisqu'elles peuvent être utilisées pour améliorer la prise de décision sans nécessairement fortement automatiser des tâches opérationnelles.
De l'expérimentation à l'action
Le champ des possibles ouvert par les technologies est immense; de ce fait, l'offre des technologies crée la demande. Apprentissage, agilité et heuristique sont des maîtres mots, et ces technologies s'inscrivent indubitablement dans une démarche expérimentale.
Cependant, cette démarche expérimentale n'est pas une fin en soi. Il est de ce fait important de développer une vision qui permette de distinguer l'utile et le futile, de traiter les fantasmes de la transformation digitale pour les amener à un désir possible à assouvir, et de placer l’humain et le client au centre de la démarche, pour au final passer à l'échelle.
Comment dépasser le stade expérimental ?
Si les entreprises explorent beaucoup d’innovations en France, elles sont beaucoup moins nombreuses à passer réellement à l’acte et à se transformer. Plus grave, PwC a observé que la simple analyse des enseignements fait trop souvent défaut.
Dommage – car un des objectifs premiers du POC est en effet d’apprendre, avant même de pouvoir vérifier qu’une solution novatrice fonctionne. Or sans capitalisation des enseignements, le POC risque fort de perdre une bonne part de son utilité.
On peut relever à ce titre l’initiative du ministère du travail, qui a inséré dans ses dispositifs d’accompagnement des branches professionnelles dans la transformation des entreprises (EDEC) une clause de capitalisation d'expérience. DigiLence a été le premier à réaliser ce type de mission, et les résultats qui en ont été retirés vont conduire le ministère à généraliser ce type de mission à tous les futurs EDEC.
Un incontournable : le calcul du ROI
Le retour sur investissement (ROI) est une phase clé des enseignements issus du POC : quels gains peut-on espérer à terme, quel coût est-il induit par ce projet ? La difficulté de cette phase est d’appréhender l’ensemble des gains et des coûts potentiels par rapport à la situation de départ. Avoir une vision précise sur la rentabilité actuelle est parfois complexe, alors simuler une situation future à laquelle la comparer peut aisément l’être encore davantage !
L’entreprise est-elle prête à se transformer ?
Une autre préconisation, souvent nécessaire pour le calcul du ROI, est de disposer d’un diagnostic de la capacité de l’entreprise à se transformer en général mais également de réunir les pré-requis spécifiques au projet concerné : systèmes, données, organisation, équipes, finances : l’ensemble des dimensions est à considérer (on pourra s’inspirer des thèmes abordés dans l’outil d’auto diagnostic mis en ligne sur notre site depuis 2017). Si la transformation est nécessairement incrémentale, elle ne peut toutefois pas être partielle, car il est indispensable de pouvoir aligner les systèmes informatiques, l’organisation, les ressources humaines et la stratégie.
