De la difficulté, des échecs et de l’importance des projets Big Data et IA

Le philosophe Alain dit « l’imagination ne sait pas inventer, c’est l’action qui invente ». En fait lorsqu’on aborde des domaines nouveaux, les réalisations se font le plus souvent par des avances pas-à-pas dont on ne sait anticiper toutes les étapes. Dans ce cadre, les premiers objectifs concrets que l’on peut se fixer ne peuvent être que limités, mais pas forcément sans risque, car ce n’est pas en reconduisant exclusivement les objectifs, méthodes, moyens éprouvés du passé que l’on peut être novateur.

Toute action est plus ou moins risquée, il ne faut pas craindre d’aller de l’avant ou d’expérimenter des choses nouvelles pour trouver des solutions. Il y a bien des manières de ne pas réussir, mais les plus sûres sont de ne pas essayer et de ne jamais prendre de risques. Il s’agit cependant de ne pas faire table rase de toutes les expériences passées et de chercher à tout réinventer. On se méfiera aussi de l’idée qu’un travail infatigable vient à bout de tout.

Les projets Big Data/IA n’échappent pas aux impératifs ci-dessus alors que plus de la moitié de ces projets ces dernières années ne sont pas des réussites. Au-delà de la trop fréquente mollesse du support du management et des métiers, les retours d’expériences pointent un manque de compétence, de pragmatisme, d’approche agile, d’itération, de montée progressive en complexité au profit d’une planification d’ensemble intenable, d’un pilotage technique, d’une vision industrielle hâtive, d’une gouvernance inappropriée des données ...

En fait, on ne doit lancer un projet Big Data/IA, que pour répondre à un problème identifié et non pas pour de mauvaises raisons du type : faire comme le concurrent, tester un outil, comprendre ce nouveau domaine qui est annoncé comme prometteur, faire plaisir à une partie de ses équipes, répondre aux critiques des métiers qui se plaignent … Au-delà de l’engagement sur de mauvais objectifs, c’est le manque de compétence qui explique les échecs. La compétence correspond à la mobilisation dans l’action d’un certain nombre de savoirs, or aujourd’hui en matière de Big Data/IA, le savoir est globalement limité, pas assez de personnes ont vraiment les connaissances, les années d’expérience et maîtrisent l’état de l’art, pour mettre en œuvre le savoir-être, le savoir-faire et les ressources (hommes/matériel) nécessaires pour résoudre des problèmes.

Cependant, on notera que la réussite est le résultat d’une action décrétée comme un succès, en fonction de plusieurs variables jugées à l’aune des objectifs de départ, et qu’elle est donc relative. À ce sujet, le plus grand danger pour la plupart de ces projets ce n’est pas que les objectifs soient trop hauts, et qu’ils soient ratés, mais qu’ils soient trop bas, et que leurs atteintes soient sans intérêt.

Dans le cadre de la transformation numérique de la société en général et des entreprises en particulier, la convergence des technologies du Big Data et de l’IA va apporter les prochaines disruptions qui vont impacter de nombreux métiers en améliorant significativement : l’exploitation de plus de données, les capacités d’apprentissage, la production de connaissances, la prise de décisions, la réalisation de robots. Comme souvent face aux nouveautés et aux évolutions, en France les entreprises ou les particuliers sont prudents, réticents, réfractaires … et globalement, nous ne faisons pas la course en tête.

Une clé du succès est probablement à être recherchée dans la formation ; là aussi, la transformation numérique des activités de formation pourrait faciliter et renouveler profondément les pédagogies et les parcours. Pour aller plus loin sur ce dernier point, vous pouvez utilement consulter ce site consacré au Digital Learning