Cette liste est tirée de la publication du Livre Blanc de Hub France IA
I - La confiance
1 - Travailler à la mise en place de systèmes transparents et aux décisions explicables,
en particulier pour les applications critiques.
2 - Définir des critères d’évaluation et de vérification (audit) des systèmes, afin d’arriver à des
normes claires pouvant donner lieu à un label en particulier pour les systèmes critiques.
3 - Confier l’évaluation des systèmes à des équipes différentes de celles qui les ont conçus.
4 - Concevoir des systèmes capables d’indiquer un indice de confiance applicable à leurs
décisions, et les facteurs pris en compte pour réaliser une prédiction.
5 - Former les utilisateurs aux principes de bases de l’IA, et leur fournir des critères
d’explicabilité pour les systèmes qu’ils sont appelés à utiliser.
6 - Définir un seuil à partir duquel une intervention humaine est requise, afin d’impliquer
les utilisateurs et de les mettre dans la boucle.
II - Le passage à l’échelle
7 - Identifier les projets prioritaires en fonction de leur valeur stratégique et de l’impact
que peut avoir l’IA sur le travail des employés.
8 - Élaborer une charte stipulant les principes éthiques que l’entreprise souhaite voir
appliquer, à destination des fournisseurs et des salariés.
9 - Consacrer 10% des efforts à l’algorithme, 20% aux données, et 70% à l’humain.
10 - Impliquer les métiers utilisateurs des algorithmes, notamment en leur demandant
d’assurer eux-mêmes le suivi de certains paramètres, grâce à des outils mis à leur
disposition par la direction data.
11 - Prévoir une boucle de rétroaction : les utilisateurs doivent pouvoir faire remonter
simplement des cas d’usage du terrain aux spécialistes de la donnée et de l’IA, chargés
ensuite d’améliorer les algorithmes.
III - L’organisation
12 - Développer les cas d’usage sur un modèle « agile », avec des équipes multifonctionnelles.
13 - Centraliser le développement et la supervision du déploiement de l’IA à travers une
« task force », pour éviter l’éparpillement des ressources.
14 - Mettre en place une organisation dédiée à la gouvernance de la donnée, distincte de
la fonction IA, et impliquant fortement les métiers concernés .
15 - Créer et diffuser une « culture data » par le recrutement et la formation de data
analysts, répartis dans les métiers.
16 - Revoir et adapter fréquemment l’organisation en réponse à des besoins évoluant très vite.
IV - Le « make or buy »
17 - Identifier les solutions qui représentent un avantage stratégique pour l’entreprise,
et celles sur lesquelles elle dispose d’un avantage en matière de données.
18 - Acquérir les données manquantes constituant un avantage stratégique pour les
métiers, ou envisager des partenariats de start-up ayant déjà entraîné des modèles.
19 - Concevoir une stratégie évolutive : commencer par sous-traiter, en achetant
(compétences, logiciels, données selon le cas) ou en nouant des partenariats, puis
monter en compétence et en autonomie.
20 - Ne pas chercher systématiquement une internalisation totale des compétences, et
garder une flexibilité pour accepter des apports externes.
Vous pouvez télécharger l'intégralité du Livre Blanc depuis la page LinkedIn de Hub France IA @
https://www.linkedin.com/posts/hub-franceia_les-sujets-cles-de-lia-dans-lentreprise-activity-6717095959207272448-L1FC
Comments