Si tout le monde s’accorde à reconnaitre que le transformation des organisations passe par l’analytique, pourquoi le mangement traine des pieds ?

Oui à l’analytique. Mais sans un réel soutien du management, regrette SAS à l’issue d’une étude sur l’évolution des projets de transformation des organisations. Et d’analyser pourquoi.

Deux tiers des répondants se disent satisfaits des résultats des projets d’analytique. Toutefois, 42 % des data scientists sont mécontents du recours à l’analytique et du déploiement de modèles au sein de leur entreprise. Ce qui témoigne d’un problème dans l’emploi des données analytiques dans les processus décisionnels. Un constat corroboré par 42 % des répondants, qui arguent que les résultats obtenus via la science des données ne sont pas utilisés par les décideurs opérationnels. Et ce désintérêt de la hiérarchie est l’un des principaux freins cités.

« Dans les entreprises, nous constatons que l’adhésion du management est indispensable au succès de l’analytique. À défaut de soutien au sein de l’organisation ou du management, l’impact et la valeur de l’analytique demeureront limités », déclare Véronique Van Vlasselaer, Analytics & AI Lead, SA

La transformation s’est accélérée depuis la pandémie

L’enquête a également révélé diverses lacunes dans des compétences spécifiques. Ce qui pose problème, vu que l’utilisation des services liés au cloud a considérablement augmenté. D’ailleurs, 94 % des répondants affirment utiliser autant ou davantage le cloud depuis le début de la pandémie.

« Les data scientists doivent clairement répondre à des exigences accrues suite à l’accélération des processus de transformation numérique par la pandémie, déclare le Dr Iain Brown, Head of Data Science, SAS UK and Ireland. Une source de frustration majeure réside dans la recherche d’une solution permettant aux organisations d’exploiter les données issues de projets d’analytique et de les utiliser dans leurs décisions. L’attribution d’une place aux data scientists autour de la table de direction pourrait constituer un pas en avant. »

Des projets sans contrôle : danger !

SAS a également relevé des préoccupations quant au soutien envers les équipes de data scientists et à la pénurie de talents, laquelle pose problème depuis quelque temps déjà, vu la supériorité de la demande par rapport à l’offre. Les organisations doivent comprendre que l’investissement dans une équipe de data scientists peut être source d’une grande valeur ajoutée. À l’heure où nous évoluons vers des processus commerciaux nettement plus numériques et axés sur l’IA, les coûts de recrutement doivent être déterminés compte tenu du retour sur cet investissement. 

L’enquête a également mis au jour les inégalités d’attention portée à l’éthique de l’IA au sein des organisations : 43 % des répondants affirment que leur organisation ne soumet les processus analytiques à aucun contrôle spécifique relatif aux préjugés et à la discrimination.

« Avec le nouveau projet de loi européen sur l’intelligence artificielle, il est d’autant plus important de développer non seulement des modèles d’IA précis, mais aussi conformes au cadre juridique. Dans ce contexte, il est essentiel que l’IA exclue toute discrimination fondée sur le sexe, l’origine et l’appartenance ethnique », ajoute Véronique Van Vlasselaer.

En ce qui concerne les défis à relever pour garantir une prise de décision équitable et impartiale, la Dre Sally Eaves, experte du secteur, déclare : « Les data scientists possèdent l’expertise requise pour établir des lignes directrices relatives à l’accès des données, à la sécurité d’utilisation, ainsi qu’à des questions plus générales, telles que la durabilité, l’éthique et la partialité des données. »

Trop de temps à préparer les projets

Il ressort encore de l’enquête que le bouleversement mondial causé par la pandémie a aussi eu des effets positifs. Près des trois quarts (73 %) des répondants affirment être aussi productifs ou plus productifs depuis la pandémie, tandis qu’un pourcentage similaire (77 %) déclare être aussi productifs ou mieux collaborer avec leurs collègues. Ces résultats suggèrent que bon nombre des défis susmentionnés existaient déjà avant la pandémie, et étaient possiblement plus marqués.

Un autre défi identifié réside dans le déséquilibre entre le temps consacré à la préparation des données et celui employé pour la création de modèles. Les personnes interrogées passent plus de temps (58 %) qu’elles ne le souhaiteraient à collecter, rechercher, gérer et nettoyer des données.

« D’une manière générale, le data scientist a tout lieu de se sentir conforté et optimiste quant à la façon dont la pandémie a mis en avant l’importance de son rôle au sein de l’organisation et ses possibilités d’évolution au fil du temps, estime Dr Iain Brown. Et c’est d’autant plus vrai si ces scientifiques parviennent à utiliser tous les outils disponibles pour gérer le cycle de vie de l’analytique -comme les formations spécifiques et d’autres possibilités de développement des compétences-  et s’ils considèrent la préparation des données comme la première étape de la modélisation. »