Capacités croissantes face à une complexité grandissante

Il existe deux façons d'appliquer l'IA à un processus métier. Elles semblent similaires lors d'une démonstration, mais produisent des résultats totalement différents lorsqu'elles sont mises en œuvre à grande échelle.

Le premier multiplie les capacités. Chacun en fait davantage. Les formules s'écrivent d'elles-mêmes. Le rapprochement s'effectue plus rapidement. L'analyse qui prenait une semaine ne prend plus qu'une journée.

Le deuxième réduit la complexité. Le rapprochement ne s'effectue pas plus rapidement ; il est résolu une fois pour toutes. Le chiffre d'affaires a la même signification dans tous les systèmes. Les entités sont harmonisées. Le contexte des processus est structurel, et non pas « tribal ». Le dixième rapport s'appuie sur les mêmes bases que le premier et ne coûte pratiquement rien à produire.

La première approche évolue en fonction des effectifs. Plus on embauche, plus la production augmente. Si l'on perd la personne qui a créé la feuille de calcul, on perd la logique.

Le second s'adapte à l'architecture. Le résultat est indépendant des personnes qui l'ont créé. Les connaissances perdurent, que les personnes restent ou partent. Tous les utilisateurs en aval — tableaux de bord, agents, analystes, outils de planification — s'appuient sur la même base consolidée.

Il ne s'agit pas là d'une distinction philosophique, mais d'une distinction économique.

Dans un monde où 2,9 millions de postes d'ingénieurs de données sont vacants et où la population en âge de travailler connaît un déclin structurel, une capacité qui évolue au rythme des effectifs est vouée à prendre chaque année davantage de retard. Les chiffres ne mentent pas.

Les organisations qui mettent aujourd’hui en place des bases de données cumulatives deviendront hors de portée de celles qui s’y mettront plus tard. Non pas parce qu’elles ont agi plus vite, mais parce qu’elles ont choisi la courbe de coûts qui résiste à l’arithmétique.