Ou comment ne pas construire un projet IA sur un château de cartes
Le terme de dette technique est une métaphore inspirée du milieu financier. Inventé par Ward Cunningham en 1992, il désigne aujourd’hui le retard technologique qu’une entreprise accumule en ce qui concerne le développement logiciel. En effet, chaque nouveau projet numérique que vous lancez dans votre entreprise implique un choix de technologie. Les technologies évoluant rapidement, le retard peut vite arriver, et certains choix peuvent être lourds de conséquences.
Au sujet d’un projet data, le concept de « dette technique » est un sujet encore peu exploré. Toutefois, comme la dette financière, il arrivera forcément un moment où vous devrez, vous aussi, payer cette dette. Dans le cas de projets de Machine Learning, qui nécessitent de disposer de grandes bases de données pour nourrir cette Intelligence Artificielle, l’impact peut être d’autant plus important.
Alors pour vous aider à comprendre le concept de « dette technique » dans le cadre de projet data, nous vous proposons à travers cet article d’analyser les différentes facettes de la dette technique pour vous aider à faire les bons choix.
Pour cela, nous reviendrons sur 3 points essentiels :
- Le rôle de la Data Quality
- L’évolution des technologies
- L’acculturation des équipes
Des données fiables à la base d’un projet réussi
A l’ère du Big Data, les projets data s’appuient sur des volumes de données colossaux.
L’une des facettes de la dette technique dans le cadre d’un projet data concerne la qualité des données.
Aujourd’hui, la consommation de data est telle, que l’endettement technique s’accumule beaucoup plus vite que dans les autres types de projets. Or, la data que vous allez utiliser aux fondations de votre projet sera déterminante pour la fiabilité de votre projet data et donc de vos résultats.
Un exemple concret :
Imaginons que votre entreprise possède un bot de questions/réponses FAQ sur son site. Site qui vend et propose vos services et produits à vendre. L’IA aura besoin de bases de données fiables pour plusieurs raisons.
La première, pour aider vos équipes commerciales. En allégeant leur travail en répondant aux clients, aux questions les plus simples. Celles qui ne nécessitent pas une réflexion poussée. Comme : le prix de vos produits/services, l’heure d’ouverture de votre magasin, le temps de livraison, etc.
La deuxième, en assistant le service clientèle en complétant ou en proposant des éléments de réponses à donner aux clients. Cette partie de l’IA des FAQ est souvent méconnue du grand public.
Dans les deux cas, votre objectif reste le même : nourrir votre IA de données afin de la rendre de plus en plus performante.
Mais imaginez que votre base de données soit erronée ou incomplète. Plus particulièrement, celle que vous allez utiliser au départ de votre projet de BOT / Intelligence Artificielle. Alors les fondations de votre IA seront mauvaises. Il sera, de plus, très compliqué et sûrement très coûteux (en temps et en argent) de rectifier le tir. Et puisque toute votre structure de questions / réponses sera à réviser, il se peut que la dette technologique que vous aurez accumulée soit trop lourde à rembourser !
Aujourd’hui 85% des projets IA sont des échecs faute de données fiables !
La question du choix à l’origine de la dette technique
Selon George Krasadakis dans son livre “Data quality Cleanse data, manage it and support better decision-making”, la dette technique de l’IA est 50 fois plus lourde qu’une dette liée à l’utilisation d’un mauvais langage de développement !
L’explication est simple : la data est utilisée par toutes les équipes métiers d’une entreprise. Oui, la data est présente partout et permet d’élaborer des rapports précis. Rapports qui sont à la base de toutes prises de décision dans une entreprise.
Or, à l’origine de cette dette, il y a les choix techniques que vous faites.
Lorsque vous décidez de passer à l’ère du Big Data et du Machine Learning, vous devez faire des choix.
Or, ces technologies évoluent vite et chaque choix technique devra évoluer en fonction de l’évolution de ces technologies. Ici, on identifie donc un risque de dette technique, car chaque retard d’évolution peut vous faire perdre du temps dans votre projet data.
Faire un choix c’est aussi renoncer. Il n’est pas toujours évident de se positionner et de s’engager dans une direction. Pour cela, il peut être utile de vous faire accompagner par un expert de la donnée qui porte un regard général sur les technologies disponibles sur le marché.
Invenis peut vous accompagner dans l’adoption des technologies Big Data et Intelligence Artificielle pour votre entreprise. En vous appuyant sur un expert et en externalisant ces choix, vous réduisez considérablement le risque de dette technique.
Dette technique agile : rattraper son retard étape par étape
Le problème de la dette technique, c’est qu’on peut commencer à en avoir partout. Car oui, toutes les équipes métiers d’une entreprise provoquent, chaque jour, de nouvelles dettes techniques. Qu’elles s’efforceront de rembourser du mieux qu’elles le peuvent.
On parle par exemple de dette technique agile, ou d’agilité dans la dette technique pour déterminer quelles sont les actions à mettre en place. Et surtout, pour créer un échéancier, une hiérarchie des problèmes de dettes techniques à résoudre.
Par exemple, on choisira de régler un retard technique sur un process lourd et primordial pour le Business plutôt que de consacrer beaucoup de temps sur un autre point moins prioritaire et concernant plutôt l’interne de votre société.
Car comme le dit si bien le dicton, “l’enfer est pavé de bonnes intentions.” Et il ne s’agit pas de déployer des moyens colossaux pour résoudre chaque problème. Parfois, il vaudra mieux ne pas s’occuper d’un retard logiciel engendré par une de vos équipes. Car cette action est anecdotique dans l’entreprise, trop coûteuse à réparer, soit chronophage pour vos équipes IT ou votre DSI.
Ce qui nous conduit au constat suivant : même une action, au premier abord positive pour votre projet, génère de la dette. Surtout si elle n’est pas mise à jour régulièrement avec les standards du marché et les compétences et objectifs de vos équipes.
La dette est donc inévitable. Une idée largement défendue depuis 2014 par Scott Berkun, dans son livre “The Myths of Innovation”.
Qu’elle soit volontaire ou non, la dette technique augmente avec le temps. Contrairement à l’agenda de vos équipes techniques qui réduira en fonction de l’avancement de vos projets.
Afin d’alléger votre dette technique et de gagner du temps, vous pouvez externaliser ce process ou une partie. Cela vous permettra de vous concentrer sur les tâches à haute valeur ajoutée.
Rester compétitif et garder ses équipes focus sur l’essentiel
Pour un DSI, rien de pire de constater que les méthodes ou les choix technologiques de son entreprise sont :
- Incompatibles avec les standards actuels
- Complètement obsolètes
- Ou trop éloignés des compétences métiers des différents départements de l’entreprise. D’où l’importance de la montée en compétences de ses équipes.
Prenons le cas du laboratoire Servier, client d’Invenis.
Dans le cadre du Digital Pharma Lab, la R&D du laboratoire pharmaceutique international Servier s’est rapprochée d’Invenis, afin de réaliser une preuve de concept en quelques mois.
Deux objectifs :
- Permettre aux collaborateurs R&D de Servier d’avoir une démarche plus Data Driven pour une meilleure compétitivité
- Désengorger les demandes faites au Data Science Lab en permettant aux métiers de s’approprier le potentiel de l’IA au quotidien
“Grâce à la solution proposée par Invenis nous avons pu mieux appréhender les opportunités offertes par l’IA et le potentiel d’un usage au quotidien par les équipes métiers de cette solution innovante sur l’exploitation de nos données.”
Témoignage de Sylvian Dubourg, Technicien supérieur en pharmacologie – Servier
En faisant appel à Invenis, Servier a pu devenir plus compétitif et surtout profiter d’opportunités liées au sujet de l’IA sans concession de temps et d’empilement de dettes techniques.
Adopter une culture d’entreprise contre la dette technique
Ce que nous vous conseillons de retenir, c’est que l’IA nécessite une base de données solide. La dette technique, tous les acteurs de votre entreprise vont en créer. Mais il faut savoir quand la rembourser et aussi la prévenir.
Plus important encore, avant d’entreprendre un quelconque investissement, il faut s’assurer que le process que vous êtes en train d’engager soit compris par vos équipes métiers. Car la dette technique dans la data et l’IA, c’est aussi une histoire de compétences de vos salariés.
Pour cela, il est important de diffuser la culture de la donnée à l’ensemble des équipes métiers. Ces derniers sont les utilisateurs finaux de la data et seront plus à même d’en tirer tous les bénéfices.
Iperia, organisme expert de la professionnalisation des services à domicile, a fait appel à Invenis afin de définir un cadre général d’exploitation de la donnée. Grâce à des process identifiés, les métiers sont plus autonomes et se sont appropriés l’analyse de données.
