PwC Luxembourg a évalué la maturité des acteurs luxembourgeois en matière d’exploitation et d’analyse des données, ainsi que de recours à des solutions d’intelligence artificielle. Andreas Braun, AI & AI Lab Leader, PwC Luxembourg, évoque avec nous les enseignements de cette enquête et les enjeux liés à une meilleure exploitation des données pour les organisations.

Votre étude est intitulée « Use of Data Analytics & AI Survey 2021 ». Avant de parler des résultats, quel est le lien entre les deux concepts que sont la donnée et l’intelligence artificielle ?

ANDREAS BRAUN : La donnée et l’intelligence artificielle sont intimement connectées. Tout simplement parce qu’il n’y a pas d’intelligence artificielle possible si l’on ne dispose pas de suffisamment de données à traiter. Ces dernières sont indispensables pour soutenir l’apprentissage des moteurs d’intelligence artificielle.

Dans les résultats de l’étude, vous faites une distinction entre ce que vous appelez une « data informed company » et une « data driven company ». Pouvez-vous nous expliquer la différence ?

A.B. : La première connaît les données qu’elle collecte, dispose d’une capacité de les analyser pour soutenir certains aspects de l’activité. Ces données peuvent servir à orienter le business à un niveau stratégique. Dans le cadre d’une « data driven company », l’analyse des données soutient l’ensemble des décisions prises tant au niveau opérationnel que stratégique, à tous les niveaux de l’entreprise. Cela implique un haut degré de maturité en matière de collecte, gestion, traitement de la donnée, avec pour enjeu de profiter d’avantages compétitifs sur des concurrents qui ne disposent pas du même niveau d’analyse. Peut-on prétendre devenir une entreprise orientée par la donnée sans intelligence artificielle ?

A.B. : Tout à fait. Dans de nombreux cas, des modèles traditionnels d’analyse de la donnée suffisent à traiter la donnée disponible. En outre, actuellement, il y a des restrictions au recours à l’intelligence artificielle au niveau des entités régulées. En effet, dans certains cas, il peut être difficile d’expliquer comment une intelligence artificielle, s’appuyant sur le deep learning et des réseaux de neurones avancés, est parvenue à une décision ou une autre. Or, vis-à-vis du régulateur, il faut pouvoir justifier les choix posés. Si le cadre réglementaire est appelé à évoluer, aujourd’hui ce sont encore les modèles analytiques traditionnels qui sont privilégiés dans les entités régulées.

Quels sont les principaux enseignements de votre enquête ?

A.B. : C’est la deuxième fois que nous menons cette enquête. La volonté, dès lors, a été de voir comment, depuis 2019, a évolué le niveau de maturité des acteurs luxembourgeois vis-à-vis de l’utilisation de la donnée dans le cadre de la conduite de leur activité. Le premier enseignement est que la moitié des organisations au Luxembourg utilisent l’intelligence artificielle. Au-delà, 20 % planifient d’y recourir ou travaillent effectivement sur des projets de ce genre. D’autre part, les fonctions dédiées à l’analyse des données et au recours à l’IA au niveau de l’entreprise se renforcent et se diversifient. A côté du scientifique de la donnée, on voit d’autres profils intégrer les équipes : architectes de la donnée, spécialistes de la gestion des données, experts opérationnels dans le domaine du machine learning, etc. Ces évolutions permettent de faire face à des enjeux de plus en plus complexes et contribuent à élever la maturité des acteurs.

Comment évoluent les investissements dans le domaine de l’intelligence artificielle ?

A.B. : Ils augmentent considérablement. En 2019, les projets concernaient essentiellement la mise en oeuvre de pilotes, de proofs of concept. Désormais, ils sont envisagés à un niveau opérationnel. Les acteurs comprennent mieux l’intelligence artificielle, les opportunités qui sont associées à son utilisation. Aujourd’hui, c’est le retour sur investissement qui oriente les projets de cette nature, avec une forte accélération constatée.

« Les acteurs c comprennent mieux l’intelligence artificielle, les opportunités qui sont associées à son utilisation »

Quels sont les principaux enseignements de votre enquête ?

A.B. : C’est la deuxième fois que nous menons cette enquête. La volonté, dès lors, a été de voir comment, depuis 2019, a évolué le niveau de maturité des acteurs luxembourgeois vis-à-vis de l’utilisation de la donnée dans le cadre de la conduite de leur activité. Le premier enseignement est que la moitié des organisations au Luxembourg utilisent l’intelligence artificielle. Au-delà, 20 % planifient d’y recourir ou travaillent effectivement sur des projets de ce genre. D’autre part, les fonctions dédiées à l’analyse des données et au recours à l’IA au niveau de l’entreprise se renforcent et se diversifient. A côté du scientifique de la donnée, on voit d’autres profils intégrer les équipes : architectes de la donnée, spécialistes de la gestion des données, experts opérationnels dans le domaine du machine learning, etc. Ces évolutions permettent de faire face à des enjeux de plus en plus complexes et contribuent à élever la maturité des acteurs.

Comment évoluent les investissements dans le domaine de l’intelligence artificielle ?

A.B. : Ils augmentent considérablement. En 2019, les projets concernaient essentiellement la mise en oeuvre de pilotes, de proofs of concept. Désormais, ils sont envisagés à un niveau opérationnel. Les acteurs comprennent mieux l’intelligence artificielle, les opportunités qui sont associées à son utilisation. Aujourd’hui, c’est le retour sur investissement qui oriente les projets de cette nature, avec une forte accélération constatée.

Qu’est-ce qui motive les acteurs à mettre en oeuvre des démarches de valorisation des données ?

A.B. : D’une part, les organisations souhaitent améliorer la connaissance de leurs clients, disposer d’indicateurs leur permettant de mieux faire évoluer leurs produits et services, de faire les bons choix à un niveau stratégique. D’autre part, on constate une volonté d’optimiser le fonctionnement opérationnel, en explorant les possibilités d’automatiser certaines tâches, de mieux soutenir les collaborateurs dans l’exécution de leurs missions. Ces enjeux sont exprimés aussi bien par les acteurs privés que par les organisations publiques. L’analyse de la donnée est là pour les aider à mieux servir leurs utilisateurs.

Au coeur de telles démarches, à partir de quel moment faut-il envisager de recourir à l’IA ? Quelle est la plus-value de cette technologie ?

A.B. : Cela dépend des situations. D’une part, on peut évoquer des projets d’intégration de l’IA au coeur des processus de l’entreprise. Cela exige préalablement un haut niveau de maturité des acteurs dans la gestion des données, de leur qualité. Pour ces acteurs, l’intelligence artificielle permet de pousser l’analyse beaucoup plus loin que les modèles traditionnels, à la faveur de modèles prédictionnels par exemple. D’autre part, il existe de nombreuses solutions d’IA externes, directement accessibles, qui permettent à chaque organisation de gagner en efficacité. On peut évoquer des solutions d’analyse des documents et de traitement automatique du langage, pour en extraire automatiquement les informations utiles et en faciliter le traitement. Le recours à de telles solutions n’exige pas une maturité avancée vis-à-vis de la gestion des données.

A vos yeux, quels sont les principaux challenges à relever pour renforcer ces approches autour de la donnée à l’avenir ?

A.B. : Le premier concerne les compétences, et la difficulté actuelle à trouver les profils pour mener à bien les projets. Il y a une pénurie de talents. Si l’Université investit dans ces formations, cela prend du temps pour former les futurs professionnels dans ce domaine. Des efforts conséquents sont consentis pour faire évoluer les compétences existantes. Mais cela aussi ne se fait pas du jour au lendemain. D’autre part, il faut encore dépasser une forme d’incertitude relative au recours à des solutions d’IA, notamment autour de la question du retour sur investissement. Beaucoup d’acteurs en sont encore au stade de l’expérimentation. Il faut pouvoir mieux faire valoir ce que ces technologies peuvent apporter au business.