Unifier les générations X, Y, Z et les baby-boomers : le secret souvent négligé pour réussir avec l’IA

Une contribution Jeremiah Stone, Chief Technology Officer chez SnapLogic

Les entreprises d’aujourd’hui savent pertinemment qu’il est crucial de tirer parti de l’intelligence artificielle (IA) générative pour rester compétitives. Une étude de Forrester estime que 85 % des entreprises testent déjà l’IA générative, tandis qu’une enquête menée par KPMG aux États-Unis révèle que 65 % des dirigeants estiment que cette technologie aura un impact « élevé, voire extrêmement élevé» sur leur organisation d’ici trois à cinq ans, bien plus que toute autre technologie émergente.

Mais il va sans dire que toute nouvelle technologie, dont l’IA générative, pose des défis, surtout pour des organisations déjà sous pression avec des budgets serrés, des équipes débordées et des ressources limitées. D’où la nécessité d’une stratégie d’intégration réfléchie. Pour en maximiser la valeur, il faut réunir l’expertise des jeunes talents natifs de l’IA et l’expérience des vétérans de l’informatique.

Ces équipes, souvent intergénérationnelles, doivent fonctionner en synergie afin de faire avancer l’innovation et produire des résultats concrets pour l’entreprise.

Le rôle des vétérans et des talents natifs de l’IA dans la réussite de l’IA générative

En moyenne, 31 % des infrastructures technologiques d’une organisation sont constituées de systèmes hérités. Plus une entreprise est ancienne, complexe et prospère, plus il est probable qu’elle s’appuie sur des technologies en place depuis au moins dix ans.

Pour exploiter tout le potentiel de l’IA générative, il est essentiel que les entreprises tirent le maximum de valeur de ces systèmes existants. Cela nécessite une solide connaissance des particularités de l’entreprise, un savoir-faire que seuls les vétérans de l’informatique possèdent. Leur expérience dans la gestion des systèmes hérités, associée à une compréhension profonde des enjeux commerciaux, crée un environnement propice à l’intégration de l’IA dans les produits et processus tout en garantissant la continuité des activités.

De leur côté, les jeunes diplômés en Data Science et les talents natifs de l’IA apportent des compétences indispensables : la maîtrise d’outils émergents et l’ingénierie des données, des atouts cruciaux pour rendre ces outils performants. Ils savent comment appliquer les techniques d’IA — qu’il s’agisse de traitement du langage naturel, de détection d’anomalies ou d’analyse prédictive — aux données de l’entreprise. Surtout, ils comprennent quelles données doivent être exploitées et comment les rendre accessibles et utilisables par ces outils.

Cependant, l’intégration de ces nouveaux talents dans une organisation établie peut poser des difficultés.

Créer de l’espace pour l’IA générative

Le principal défi pour les entreprises qui veulent constituer des équipes autour de l’IA générative est le manque de ressources. Les équipes informatiques, déjà occupées à maintenir les systèmes en place, pourraient avoir du mal à repenser l’ensemble de l’infrastructure technologique pour intégrer cette nouvelle technologie.

Il peut être tentant de mettre les experts en IA à l’écart, mais cela compliquerait l’intégration de la technologie sur le long terme. L’IA ne peut pas avancer si les spécialistes sont isolés. Ils doivent absolument travailler en collaboration avec les autres équipes de l’entreprise.

Les attentes doivent aussi être réalistes : on ne peut pas demander aux équipes IT de continuer à gérer leurs tâches habituelles tout en apprenant à collaborer avec de nouveaux collègues spécialisés dans l’IA. Les entreprises devront sans doute faire des choix, comme réduire ou regrouper certains projets actuels, pour dégager des ressources pour l’IA générative.

Définir clairement le problème

Lors de l’adoption d’une nouvelle technologie, il est primordial d’identifier avec précision la problématique à résoudre. Les équipes doivent être alignées sur sa nature, l’objectif à atteindre et les leviers à actionner pour y parvenir. Elles doivent également être d’accord sur les obstacles potentiels et sur les moyens à mettre en œuvre pour les surmonter.

En se concentrant sur le problème à résoudre plutôt que sur des solutions hypothétiques, les entreprises peuvent éviter les échecs et les révisions coûteuses. Cela rappelle l’époque de la grande vague des big data, où beaucoup pensaient qu’il suffisait d’appliquer des outils d’analyse pour révéler des opportunités dans leurs données. Ce mythe s’est effondré, mais les entreprises qui avaient pris le temps de bien comprendre leurs problématiques avant d’adopter ces technologies ont dégagé une valeur exceptionnelle. Il en sera de même pour l’IA générative.

Renforcer la compréhension mutuelle

Une tendance croissante est l’auto-formation continue des professionnels de l’informatique qui souhaitent acquérir des compétences en data science pour mieux piloter les projets d’IA générative au sein de leur organisation.

Aujourd’hui, les programmes de formation en data science sont conçus pour répondre aux besoins tant des jeunes diplômés que des professionnels expérimentés et des cadres dirigeants. Ces programmes renforcent également la collaboration entre les vétérans de l’informatique et les jeunes talents en IA au sein des entreprises.

Comme chaque avancée technologique, l’IA générative ouvre de nouvelles perspectives tout en posant des défis inédits. Combler les écarts générationnels et de compétences entre les experts chevronnés et les jeunes talents de l’IA nécessite une stratégie réfléchie et intentionnelle. En suivant ces recommandations, les entreprises peuvent se donner les meilleures chances de succès et stimuler la prochaine vague d’innovation grâce à l’IA générative.

À lire également : Effet addictif et risques pour les mineurs : TikTok au cœur de révélations