Phase 4 de la stratégie d’adoption de l’IA
Déployer un modèle d’IA en production ne marque pas la fin du projet : c’est le début de la phase la plus longue. Un modèle d’IA n’est pas un logiciel classique qui fonctionne à l’identique indéfiniment après son déploiement. Il apprend à partir des données disponibles à un moment donné, et les données changent. Le monde change. Le comportement du modèle se dégrade s’il n’est ni surveillé ni mis à jour.
La phase 4 de la stratégie d’adoption de l’IA met en place les processus de suivi, d’évaluation et d’évolution qui garantissent que l’investissement continue de produire un retour dans la durée, et pas seulement au cours des premiers mois suivant le lancement.
Ce que l’on surveille en production
Performances du modèle. Les indicateurs techniques du modèle en production : précision, rappel, F1, MAPE, selon le type de modèle. Ces performances sont comparées à celles mesurées pendant le développement et au seuil minimal fixé avant le déploiement. Une dégradation qui franchit ce seuil déclenche une revue.
Indicateurs métier. La performance technique est un indicateur, pas l’objectif. Les indicateurs métier (rotation des stocks, taux d’attrition (churn), TRS (OEE), taux de défauts) mesurent si le système d’IA produit l’impact attendu. Le lien entre indicateurs techniques et indicateurs métier n’est pas toujours direct et doit faire l’objet d’un suivi actif.
Appropriation par l’équipe. À quelle fréquence l’équipe utilise-t-elle le système ? Sur quelles décisions pèse-t-il ? Certains schémas de non-utilisation signalent-ils des problèmes d’ergonomie ou de confiance ? L’appropriation fait le lien entre la performance technique et l’impact métier.
Distribution des données d’entrée. Si les données reçues par le modèle en production s’écartent sensiblement de celles sur lesquelles il a été entraîné, ses performances peuvent se dégrader sans que les indicateurs techniques le détectent immédiatement. La surveillance de la distribution des données constitue un niveau supplémentaire d’alerte précoce.
Quand réentraîner, quand repenser le modèle
Le réentraînement périodique sur des données récentes est le moyen le plus courant de maintenir les performances d’un modèle. Mais il ne suffit pas toujours : lorsque le phénomène que le modèle prédit a changé structurellement (évolution du marché, du produit ou du processus), lorsque de nouvelles sources de données apparaissent qui n’existaient pas lors de l’entraînement initial, ou lorsque les performances sont tombées sous le seuil acceptable sans que le réentraînement permette de les rétablir.
Dans ces cas, la bonne décision consiste à repenser le modèle, et cette refonte bénéficie de tous les enseignements accumulés pendant la phase de production.
Revue trimestrielle de la stratégie
Au-delà du suivi opérationnel des modèles en production, la phase 4 comprend des revues périodiques de la stratégie IA de l’entreprise. Ces revues permettent d’évaluer l’avancement au regard de la feuille de route, d’intégrer les enseignements des projets déployés, d’ajuster la priorité des initiatives restantes et d’identifier de nouveaux cas d’usage qui ne figuraient pas dans la cartographie initiale.
La stratégie IA d’une entreprise n’est pas un document que l’on rédige une fois pour l’exécuter ensuite : c’est un processus itératif qui évolue avec les enseignements et avec le contexte.
Maintenir ou faire évoluer : la différence
Maintenir un système d’IA, c’est s’assurer qu’il continue de fonctionner correctement. Le faire évoluer, c’est l’adapter aux besoins changeants de l’entreprise et à l’état de l’art technologique.
Les entreprises qui se contentent de maintenir leurs systèmes d’IA perdent progressivement leur avantage concurrentiel : les capacités technologiques progressent, les concurrents intègrent des améliorations et le système d’origine devient obsolète. Une phase 4 bien conçue associe la maintenance opérationnelle et l’évolution continue.
La séquence complète
Le suivi et l’évolution constituent la phase 4, et l’état permanent, de tout programme d’adoption de l’IA. Ils s’appuient sur les projets déployés lors de la phase 3 et nourrissent de leurs enseignements les phases de diagnostic et de conception des initiatives suivantes.