Pourquoi les entreprises ne devraient pas suivre l’exemple de l’IA de Meta

Alors que les entreprises dépassent la phase pilote et étendent et opérationnalisent l’intelligence artificielle, un géant de la technologie change la façon dont ses opérations d’IA sont organisées dans toute l’entreprise. Meta (société mère de Facebook) a annoncé début juin qu’elle décentraliserait l’IA dans toute l’entreprise et en répartirait la propriété entre les groupes de produits de Meta, selon le CTO Andrew Bosworth.

« Nous pensons que cela accélérera l’adoption de nouvelles technologies importantes dans l’ensemble de l’entreprise tout en nous permettant de repousser les limites », a écrit Bosworth dans son article annonçant le changement.

L’annonce signale une réorganisation de l’organisation de l’IA chez Meta, le vice-président de l’IA, Jérôme Pesenti, quittant l’entreprise et d’autres changements tels que la fusion de plusieurs équipes d’IA distinctes.

Les changements chez Meta soulèvent la question pour les autres entreprises avant-gardistes de tous les secteurs : « La réorganisation de l’IA de Meta est-elle l’exemple à suivre ? Comment devrions-nous penser à structurer nos propres recherches et opérations sur l’intelligence artificielle ? »

Comment les entreprises structurent les pratiques initiales en IA

Souvent, les organisations commerciales commencent par l’IA en tant qu’initiative pilotée par une seule unité commerciale. Par exemple, les organisations de marketing d’entreprise utilisent depuis longtemps les techniques d’IA, explique Erick Brethenoux, analyste en chef de l’IA chez Gartner. Ensuite, les organisations peuvent étendre leur pratique de l’IA à travers les secteurs d’activité ou les groupes de produits, comme Meta vient de l’annoncer, dans le but d’accélérer l’adoption dans toute l’entreprise.

« Ce n’est pas nouveau, n’est-ce pas ? Nous l’avons vu et revu », raconte Brethenoux. « Les gens passent de centralisé à décentralisé à centralisé à décentralisé – et pas seulement avec l’IA, soit dit en passant. Ils l’ont fait avec toutes sortes d’autres aptitudes et compétences au sein de l’entreprise. » Les RH en sont un exemple, dit-il.

Une meilleure approche : Hybride

Cependant, Brethenoux a été surpris d’apprendre que Facebook passerait à l’avenir à un modèle d’IA décentralisé.

« Ils devraient être l’une des entreprises les plus progressistes et les plus matures », dit-il. « J’ai été surpris de les voir faire quelque chose que mes clients ont déjà fait mais dont ils se sont éloignés. »

Au lieu de cela, ces entreprises qui ont essayé et abandonné l’approche de Meta – Brethenoux les appelle ses clients les plus matures – fonctionnent sur un modèle qui est un mélange d’IA centralisée et décentralisée.

Voici comment fonctionne l’IA hybride

C’est ainsi qu’il décrit comment ils organisent la pratique. Ces entreprises commencent généralement leur pratique de l’IA dans une unité commerciale spécifique, qui est ensuite développée pour trouver un moyen de syndiquer les connaissances en IA dans un emplacement central (physique ou virtuel), souvent appelé centre d’excellence, laboratoire d’IA ou données. est appelé laboratoire scientifique. Mais au lieu de laisser ce laboratoire d’IA se débrouiller seul, ces entreprises matures créent également un comité exécutif – un comité de pilotage – qui a une réelle autorité pour décider des projets de ce laboratoire d’IA.

Ce laboratoire d’IA relève alors d’une fonction d’entreprise, et non d’une unité commerciale. Pourquoi? Brethenoux dit que cette structure hiérarchique établit deux choses importantes. Le premier est la neutralité entre les différents métiers. D’autre part, il s’assure que les projets sélectionnés s’inscrivent dans la stratégie globale de l’entreprise.

Cela peut ressembler à une approche centralisée. Mais ces entreprises ne s’arrêtent pas là, dit Brethenoux. Ensuite, ils sortent les experts en IA du laboratoire d’IA et les font tourner dans différents domaines d’activité. Ces professionnels passent 6 à 12 mois dans l’unité commerciale un, puis passent à l’unité commerciale deux et y passent le même temps, et ainsi de suite. Après une tournée complète, ils retournent au laboratoire d’IA pendant 3 à 6 mois avant de reprendre la rotation.

« On apprend du terrain car l’expert en IA est confronté à la réalité de chaque business unit pour comprendre ce qui se passe réellement sur le terrain », précise-t-il. Plus encore : « Ils diffusent les connaissances. » Les experts en IA en rotation apportent les problèmes résolus d’une unité commerciale à d’autres unités commerciales qui peuvent avoir des problèmes similaires.

« Lorsque [organizations] Lorsqu’ils ont ce modèle où ils centralisent les connaissances quelque part mais font alterner les personnes entre les fonctions de l’entreprise, ils constatent que cela favorise la rétention », déclare Brethenoux. « Parce que les experts en IA font face et résolvent de nombreux problèmes différents et que le partage des connaissances est intense. Cela aide à retenir les personnes généralement curieuses, et les professionnels de l’IA sont généralement des personnes curieuses.

C’est l’approche que Brethenoux recommande désormais aux clients, petits et grands, à la recherche de la meilleure façon de déployer l’IA au sein d’une organisation. Selon l’industrie dans laquelle vous vous trouvez, cela peut sembler un peu différent – les télécommunications sont différentes de l’automobile et l’automobile est différente de la pharmacie. Mais la structure de la structure est la même dans tous les secteurs, dit-il.

Les multiples crises de la pandémie et toutes les conséquences de la pandémie – perturbations de la chaîne d’approvisionnement, travail à distance, etc. – ont accéléré la transition des organisations vers ce type de configuration pour les pratiques d’intelligence artificielle, déclare Brethenoux, tout comme d’autres délais pour les initiatives technologiques. ont été accélérés.

Pour les organisations informatiques qui cherchent à maximiser la valeur de leurs programmes d’IA dans toute l’entreprise, l’approche hybride peut être la réponse.

« Les gens commencent à se concentrer sur le résultat de ce que l’IA peut produire et moins sur la technologie elle-même », explique Brethenoux.

Que lire ensuite :

Priorités des Chief Data Officers très performants

L’IA vise à perturber les pratiques traditionnelles de gestion des données

Pourquoi votre entreprise devrait passer d’une approche axée sur les données à une approche axée sur les décisions