Cet article a été écrit par Tom Travel. Cliquez ici pour lire l'article d'origine
Si vous êtes l'auteur de cet article, cliquez ici pour découvrir comment la republication de votre article améliore votre SEO et votre visibilité !
Un rapport conduit par Rand Corporation identifie les 5 causes principales qui conduisent à l’échec d’un projet d’intelligence artificielle générative. Après avoir interrogé 65 data-scientists, la société de conseils fournit une série de bonnes pratiques afin de favoriser la réussite de projet recourant à l’IA générative pour résoudre un problème ou créer un service.
L’intelligence artificielle générative, une bulle en voie d’essoufflement ou véritable révolution technologique ? Selon certaines estimations, plus de 80 % des projets d’IA échouent, ce qui représente le double du taux d’échec moyen des projets de technologie, comme le souligne une étude menée par Rand Corporation. Après avoir interrogé 65 data-scientists, la société de conseils identifie les 5 causes principales conduisant à l’échec des projets d’IA générative et fournit une série de recommandations pour favoriser l’efficacité et la réussite de ceux-ci. De précieux enseignements pour tout porteur de projet sollicitant l’IA générative.
De l’importance de la donnée et des outils de traitement
Parmi les principaux facteurs d’échec, le rapport pointe du doigt l’incapacité des porteurs de projets à comprendre ou à communiquer le problème qui doit être résolu par la machine. Sans quoi, impossible pour les algorithmes de fournir une solution adéquate. Se pose ensuite le problème du manque de données nécessaires à l’entraînement des modèles.
Un point qui souligne l’importance des projets de partage de données qualifiées entre acteurs touristiques – EONA-X ou encore Gaia-X – afin que l’ensemble de l’industrie puisse s’emparer de l’IA de manière efficace. Dans une logique similaire, le défaut d’infrastructure adéquate pour le traitement des données et le déploiement des modèles d’IA constitue un facteur d’échec courant.
Des problèmes encore trop complexes à résoudre par l’IA
Dans d’autres cas, les projets d’IA échouent parce que l’organisation se concentre davantage sur l’utilisation de la technologie la plus récente et la plus performante que sur la résolution de problèmes réels, selon Rand.
Enfin, certains projets d’IA échouent tout simplement car la technologie est appliquée à des problèmes trop difficiles à résoudre pour l’IA. Preuve que l’intelligence artificielle n’est pas encore en mesure de résoudre tous les maux du monde, contrairement à ce que laisse entendre plusieurs de ses défenseurs.
Comment favoriser la réussite d’un projet d’IA ?
Parmi les pistes de recommandations, le rapport suggère de soutenir la communication avec les équipes techniques afin de s’assurer de la bonne compréhension de la problématique à résoudre. Et plutôt que de tenter de recourir à l’IA pour toutes sortes de tâches, l’étude appelle à privilégier des projets sur le long terme, cette technologie nécessitant du temps pour parfaire son apprentissage de manière efficace.
La disponibilité de données et d’outils adaptés à leur traitement s’avère clé dans la réussite d’un projet d’intelligence artificielle, au même titre que la définition précise du problème à résoudre. Enfin, chaque dirigeant souhaitant recourir à cette technologie doit en comprendre les limites au préalable afin de lancer des projets cohérents et susceptibles de se transformer en réussite.
Photo d’ouverture : Charlesdeluvio
A lire également :
