SYSTEM / DÉC.2024
Pourquoi je ne parle jamais d'IA au début d'un projet.
Dans le monde de l’intelligence artificielle, on observe souvent un enthousiasme débordant lorsqu’il s’agit de lancer un projet. Une idée germe, on s’emballe, et on veut immédiatement se concentrer sur la partie la plus...
Dans un projet d’intelligence artificielle, l’enthousiasme pousse souvent les équipes vers l’algorithme et la démo. Je préfère commencer par les données, car leur cheminement révèle plus vite les contraintes techniques, le coût réel et la capacité du projet à...
Au lancement d’un projet d’intelligence artificielle, l’énergie file souvent vers la partie la plus visible, l’algorithme. L’idée paraît bonne, l’équipe s’emballe, tout le monde veut voir une démo. Je comprends très bien ce réflexe. Je vois aussi beaucoup de projets se bloquer exactement à cet endroit.
La démo séduisante qui reste en réunion
Beaucoup de projets d’IA commencent par une démonstration de faisabilité algorithmique. Le scénario revient souvent.
Un problème ou un irritant est identifié.
Un ROI est estimé rapidement, dans le meilleur des cas.
Une preuve de concept, un POC, démarre avec un extrait de données. Parfois les données sont réelles. Souvent, elles sont simulées.
Le résultat, dans 90 % des cas d'après mon expérience, ressemble à une démo présentée en réunion d’équipe ou glissée dans un PowerPoint. Puis le projet avance beaucoup moins. Le passage entre cette démo et une solution industrialisée demande un niveau d’effort bien plus élevé que prévu.
Au moment du passage à l’échelle, les problèmes arrivent vite.
- Des données mal connectées ou difficiles à exploiter.
- Un système d’information encore trop fragile pour accueillir l’IA.
- Des coûts multipliés par deux, voire plus, avec l’intégration, les tests puis la maintenance de la solution.
Un projet qui semblait faisable en deux mois avec un budget de 60 000 euros peut alors devenir un chantier à 200 000 euros sur un an. Le sponsor initial perd confiance. L’équipe se disperse. L’idée finit au placard.
Les données comme premier test du projet
Quand on me parle d’un projet d’IA, ma première question porte sur les données, jamais sur l’algorithme. Dans 90 % des cas, elles sont encore difficiles à exploiter directement, même quand le client pense le contraire.
Je préfère donc commencer par un POC qui valide le cheminement des données. Un POC limité à l’algorithme sur un échantillon propre donne une lecture trop rassurante. Cette étape sur les données attire moins l’attention. Elle donne moins l’impression d’un quick win. Elle évite pourtant de construire une belle démo sur une base inutilisable.
Travailler d’abord sur les données permet de repérer rapidement les blocages techniques ou organisationnels. Cela permet aussi de vérifier si les données tiennent à l’échelle. La phase algorithmique arrive ensuite dans de bien meilleures conditions, avec moins de surprises et moins de bricolage.