[Photo: 123rf.com]
Au 1er mars dernier, 4,5 millions d’Américains utilisaient Amazon Echo régulièrement. « Intelligence artificielle à domicile », Echo est aussi connue sous le nom familier d’Alexa. Bien qu’elle ne revête pas la forme humaine, on recensait récemment qu’Echo était en mesure de comprendre et d’exécuter 3000 tâches. Dit autrement, 3000 micro-compétences qui, hier encore, requerraient une intervention humaine. Aujourd’hui, Echo n’est que la pointe de l’iceberg de l’intelligence artificielle, un ensemble de pratiques qui promet de perturber profondément l’économie industrielle du 21e siècle.
Redéfinir la performance
Le premier impact occasionné par l’automatisation, c’est de modifier la notion de performance elle-même. Cela se produit de deux façons : dans un premier temps, l’automatisation permet de nouvelles façons de mesurer qui transforment notre perception de la performance. On a de nouvelles données, on peut donc savoir de nouvelles choses, et transformer le comportement humain.
Dans un second temps, l’automatisation de l’intelligence porte une performance en soi ; elle peut contribuer directement à la création de valeur économique. Elle remplace l’humain, sans égard à son comportement.
Prenons le premier cas.
Deux chercheurs de l’université de Liverpool ont appliqué des techniques d’apprentissage-machine à l’analyse de la performance des joueurs de soccer. À partir de la simple observation du déplacement des joueurs sur le terrain, l’algorithme a réussi à déterminer la distance courue par chaque joueur, l’intensité de chacun des déplacements, et même les motifs derrière ces mouvements. Feinte, repli défensif, repli stratégique, attaque directe, indirecte, réception de passe… le tout à partir d’une simple analyse visuelle !
En plus de porter la promesse d’anéantir l’ensemble du secteur de la statistique sportive, l’algorithme permet de classer les joueurs en fonction de leur valeur, selon leur contribution à la probabilité d’une équipe de remporter la victoire. À la grande surprise des chercheurs, les « meilleurs » joueurs n’étaient systématiquement pas ceux qui marquaient le plus de buts.
Cette histoire n’est pas sans rappeler celle des A’s d’Oakland, habilement racontée dans le film Moneyball, où une équipe de baseball utilise l’analyse de données pour optimiser performance, potentiel et valeur de marché afin de constituer une équipe gagnante. Une pratique qui, comme le rappelle le chercheur américain Scott Anthony, est désormais largement répandue dans ce domaine.
Or, combien de directeurs et directrices sont aujourd’hui capables de piloter de telles études statistiques ? Combien d’entreprises, petites et grandes, ont entamé le recrutement d’un premier scientifique de données pour ce faire ?
Redéfinir la gouvernance
La principale difficulté de cette transformation vers l’intelligence artificielle réside le plus souvent dans un manque de connaissances – et même, dans certains cas, un scepticisme désintéressé – au sein des équipes de direction.
On ne sait pas ce que c’est. On ne sait pas par où commencer. On n’a l’impression que c’est une mode.
On n’y comprend, à vrai dire, pas grand-chose.
D’emblée, il est difficile de recruter de bons candidats à des postes séniors en intelligence artificielle. La main d’œuvre est rare et peu expérimentée puisque le secteur est relativement nouveau. Il est d’ailleurs périlleux de recruter à des tels postes sans savoir ce qui distingue un bon mathématicien d’un mauvais.
Ensuite, il a été montré que les organisations, leurs comités de direction particulièrement, ont tendance à recruter des gens qui leur ressemblent. Sous prétexte de renforcer la culture organisationnelle et de travailler de manière plus efficace, les entreprises et leurs dirigeants se privent d’individus de qualité qui risqueraient de venir perturber leurs schémas traditionnels de pensée.
Malheureusement, comme l’ont appris à leurs dépens d’innombrables industries ces dernières années, les techniques et réflexes de leadership du passé ne sont pas garants du succès futur. Or, la transformation de la performance menace ceux et celles qui se sont hissés à des positions managériales sur la prémisse d’un système d’évaluation de la performance lui-même remis en cause par l’IA.
La difficulté de prendre en compte ces transformations est aussi beaucoup plus grande pour les organisations établies que pour les organisations émergentes, puisque ces dernières n’ont pas de système historique de mesure de la performance. Les nouvelles entreprises développent le leur à même les paramètres de l’économie de la donnée et n’ont pas à gérer la transformation culturelle des dirigeants.
La pénurie de main-d’œuvre, combinée aux obstacles soulevés ci-haut, milite néanmoins pour davantage d’investissement dans ce secteur. Par-delà la performance de l’entreprise, c’est la performance de l’investissement lui-même qui s’en verra grandit.
Avez-vous déjà votre équipe d’analyse de données ? Si oui, tant mieux. Si non, à combien évaluez-vous les opportunités que vous laissez dormir, entretemps ?
