The Doppler Quarterly (FRANÇAIS) Hiver 2018 | Page 61
esprit peut imaginer. Les techniques de visualisation des ensembles de don-
nées nous aident à repérer clairement des erreurs, des modèles et des anoma-
lies que nos yeux seraient incapables de discerner dans les données brutes
elles-mêmes.
En second lieu, la visualisation de données est parfois considérée uniquement
en termes d’extrants destinés à des humains. Or, nous voyons de plus en plus
nos applications se composer de chaînes de processus reliées entre elles par
des API. La sortie d’une étape doit se présenter d’une manière qui soit inter-
prétable comme une entrée à l’étape suivante. La réfl exion sur la visualisation
de données selon cette perspective nous permet d’aller au-delà de ce que nos
yeux humains perçoivent, et nous permet d’envisager les capacités surhumaines
de ce que peuvent voir les machines.
Considérations pour l’entreprise
En observant toutes les parties mobiles, il devient facile de comprendre pour-
quoi les grandes entreprises ont souvent du mal à appliquer l’intelligence arti-
fi cielle à leurs processus métiers. Les trois domaines ci-après décrivent
quelques-uns des plus grands défi s rencontrés.
Structure organisationnelle
La structure organisationnelle tend à être le seul obstacle majeur au progrès
pour les entreprises. Lorsque des organisations croissent jusqu’à employer plu-
sieurs milliers, dizaines de milliers, voire centaines de milliers de salariés, elles
se dotent naturellement des structures et des processus organisationnels
nécessaires pour maintenir un semblant d’ordre. Ces structures et ces proces-
sus sont souvent à l’origine d’une inertie, tandis que les silos et la bureaucratie
deviennent des obstacles à l’innovation. Cette inertie peut facilement contre-
balancer les efforts visant à appliquer l’intelligence artifi cielle aux processus
opérationnels, simplement en raison du nombre d’entrées d e données, de la
quantité totale des données et des manipulations supplémentaires exigées par
l’IA.
Au passage, signalons des concepts tels que le CBO (Cloud Business Offi ce)
préconisés par CTP peuvent contribuer à éliminer les silos en fournissant une
représentation de chaque fonction de l’activité. On voit ce type de procédé
favoriser l’émergence de l’agilité, de l’innovation et du changement organisa-
tionnel approprié.
Capacités du cloud public
Comme nous l’avons mentionné précédemment, l’intelligence artifi cielle peut
être grandement facilitée par des services de cloud public qui apportent de la
rapidité, une mise à l’échelle et des avantages en termes de coûts. Toutefois,
étant donné que la transition vers le cloud public est relativement nouvelle
pour de nombreuses grandes entreprises, on constate que celles-ci n’ont pas
souvent les compétences et l’expérience nécessaires pour faire migrer leurs
charges de travail tout en maîtrisant certains aspects critiques tels que la
sécurité, la conformité ou les coûts.
En l’absence des lumières de personnes qui ont déjà aidé plusieurs grandes
entreprises à réussir leur installation dans le cloud, on a pu vu d’innombrables
efforts internes prendre du retard, voire échouer entièrement. Ce genre de
HIVER 2018 | THE DOPPLER | 59