Adapter la stratégie SI au déploiement de solutions d'Intelligence Artificielle en entreprise

• Principes de fonctionnement des principales familles de solutions d’intelligence artificielle utilisées en entreprise
• Usages actuels de l’IA dans les systèmes d’information et les processus métiers
• Impacts potentiels de l’IA sur l’architecture SI, les flux de données et les modes de fonctionnement existants

• Identification des processus métiers et SI concernés par un projet IA
• Analyse des besoins, contraintes et attentes des parties prenantes internes (DSI, directions métiers, utilisateurs, gouvernance)
• Mise en cohérence des objectifs métiers avec les capacités réelles des solutions IA envisagées

• Analyse des gains potentiels en matière de performance, de qualité, d’automatisation et d’aide à la décision
• Identification des risques techniques, organisationnels, réglementaires et éthiques liés à l’intégration de solutions IA
• Analyse de l’impact d’une solution IA sur un processus métier existant

Étude de cas : analyse des impacts du déploiement d’une solution IA dans un contexte organisationnel donné

• Analyse comparative des modèles de mise en œuvre des solutions IA : développement interne, solutions du marché ou externalisation
• Arbitrage des choix au regard de la maturité du système d’information, des ressources disponibles et des objectifs stratégiques
• Identification des infrastructures et solutions IA adaptées aux usages visés, incluant les architectures cloud, on-premise ou hybrides
• Analyse des impacts opérationnels, financiers, sécuritaires et réglementaires associés aux choix retenus

• Prise en compte des besoins des utilisateurs dans le choix des solutions IA, y compris les personnes en situation de handicap
• Analyse des fonctionnalités d’accessibilité, d’ergonomie et d’adaptabilité des outils sélectionnés
• Justification du choix d’une solution IA et de son mode de mise en œuvre dans un contexte organisationnel donné

Étude de cas : choix d’une solution IA adaptée à un contexte professionnel donné

• Acculturation des équipes aux enjeux et usages de l’intelligence artificielle
• Préparation et qualification des données nécessaires au projet
• Organisation des phases de tests et d’itérations
• Mise à l’échelle et déploiement progressif des solutions IA

• Définition des rôles et responsabilités des acteurs impliqués dans le projet IA
• Identification des ressources humaines, techniques et budgétaires à mobiliser
• Construction d’une planification intégrant jalons, dépendances et arbitrages liés aux contraintes du système d’information et de l’organisation

• Définition des indicateurs de suivi du projet IA
• Identification des indicateurs de performance métier permettant d’évaluer l’impact réel des solutions déployées
• Analyse des écarts observés et ajustement de la stratégie d’intégration en fonction des résultats

Atelier pratique : Élaboration et structuration d’un projet d’intégration de solutions IA dans une organisation

• Cadre juridique applicable à l’intelligence artificielle et aux données, incluant le RGPD et l’IA Act
• Enjeux éthiques liés à l’usage de l’IA : biais, transparence, explicabilité et responsabilité
• Intégration des exigences réglementaires et éthiques dès la conception des projets IA

• Traitement et sécurisation des données, notamment sensibles, incluant la gestion des accès, la traçabilité et la protection des informations
• Définition des rôles et responsabilités des acteurs SI et métiers dans l’exploitation des solutions IA
• Mise en place de règles d’usage, de chartes ou de bonnes pratiques encadrant l’utilisation des outils d’IA

• Définition de processus d’audit et de contrôle des solutions IA déployées
• Suivi de la qualité, de l’intégrité et de la fiabilité des données et des résultats produits
• Mise en œuvre de dispositifs de gouvernance et d’amélioration continue des pratiques IA

Atelier pratique : Mise en place d’un cadre de gouvernance de l’IA au sein d’une organisation

• Définition des indicateurs de suivi permettant de piloter l’avancement du projet IA
• Mise en place de tableaux de suivi et analyse de l’état d’avancement du déploiement

• Identification des indicateurs de performance métier permettant d’évaluer l’impact réel des solutions IA.
• Analyse des écarts entre les résultats attendus et les résultats observés.
• Ajustement des usages, des processus et des paramétrages des solutions IA.

• Organisation d’une veille sur les évolutions technologiques, réglementaires et de marché liées à l’IA.
• Analyse de l’impact de ces évolutions sur la stratégie SI de l’organisation.
• Identification des pistes d’évolution et d’optimisation de la stratégie IA à moyen terme.

Étude de cas : Pilotage et optimisation de la performance de solutions IA dans un contexte professionnel