Naviguer dans la ruée vers l’or de l’IA Révéler les coûts cachés de la dette technique dans les entreprises.

Explorer les coûts cachés de la dette technique dans les entreprises lors de la ruée vers l'or de l'IA.

Au cours de l’année écoulée, l’intelligence artificielle a capté l’attention des dirigeants d’entreprise, les incitant à accélérer leurs investissements dans les sociétés d’IA ou à accélérer la mise en place de leurs propres produits afin de rattraper leur retard. Cependant, dans la précipitation pour rejoindre cette nouvelle ère de progrès technologique, les organisations qui découvrent l’IA peuvent ne pas prendre en compte un facteur important qui devrait être une priorité absolue lors de l’investissement ou de la création de nouveaux produits d’IA : la dette technique.

Bien que l’idée de la dette technique ne soit pas nouvelle, la technologie de l’IA engendre une dette technique différente par rapport aux services logiciels traditionnels. Et à mesure que l’IA continue de s’améliorer rapidement, cela entraîne une croissance de ce problème important.

Qu’est-ce que la dette technique ?

La dette technique, dans sa définition la plus simple, est l’accumulation de code de mauvaise qualité lors de la création d’un logiciel. Cela découle généralement soit d’un calendrier accéléré pour être rapidement sur le marché afin de répondre aux besoins de l’entreprise, soit pour mettre quelque chose en place afin d’obtenir plus rapidement les commentaires des clients. Lorsque l’on considère la dette technique, il est important de se concentrer sur l’aspect délibéré de celle-ci, car les décideurs sont souvent conscients des risques liés aux logiciels et des conséquences de prendre des raccourcis pour gagner du temps. L’émergence de l’IA a posé un défi différent et unique en ce qui concerne la dette technique, et avec elle des risques et des conséquences significatifs qui pourraient en résulter.

À mesure que les systèmes d’IA vieillissent et que leurs données d’entraînement deviennent inexactes et obsolètes, le coût de l’investissement dans l’IA l’emporte désormais sur le temps et l’investissement nécessaires pour maintenir des données d’entraînement de haute qualité, également appelées hygiène des données.

• Naré Vandanyan, Co-Fondatrice et PDG de Ntropy – Série d’Interviews
• Guide avancé pour le Traitement du Langage Naturel
• Techniques d’échantillonnage dans l’analyse des données

Explorons comment la dette technique s’accumule, l’impact qu’elle a sur les résultats financiers et comment les organisations peuvent y remédier.

Comment les organisations acquièrent-elles une dette technique ?

Il existe deux façons pour un logiciel d’accumuler une dette technique. La première est un simple mauvais code. Les organisations peuvent acheter des produits ou les hériter grâce à des activités de fusion et acquisition, pour découvrir ensuite des problèmes de qualité en plus de faibles taux de changement et d’innovation. L’autre est lorsque les dirigeants choisissent délibérément de contracter une dette technique.

En ce qui concerne l’IA, un peu plus de 72% des dirigeants souhaitent adopter l’IA pour améliorer la productivité des employés, mais la principale préoccupation lors de la mise en œuvre de l’IA est la qualité et le contrôle des données. Il semble contre-productif pour une organisation d’utiliser un produit promu pour augmenter la productivité, tout en détournant en même temps du temps du travail essentiel pour résoudre en permanence tous les problèmes de qualité causés par la dette technique qui pourraient compromettre la productivité. Mais la promesse du bénéfice éventuel d’une productivité accrue l’emporte sur ces obstacles à court terme, qui finiront par hanter le logiciel à long terme.

Dérive du modèle : un nouveau type de dette technique

Avec l’émergence d’investissements accrus dans l’IA, les organisations se sont précipitées dans des stratégies de mise sur le marché pour profiter de la mine d’or de l’IA générative. Bien que cela puisse fonctionner comme un moteur de revenus à court terme, les organisations négligent ce qui pourrait se traduire par une dette technique considérable à l’avenir, appelée dérive du modèle.

La dérive du modèle se produit lorsque les performances d’un système d’IA commencent à diminuer et que les résultats deviennent moins précis à mesure que les données d’entraînement deviennent obsolètes. En examinant le cycle de vie de l’IA, il est évident que les données d’entraînement devront être continuellement entretenues et mises à jour pour garantir que les réponses fournies par la machine soient aussi précises que possible, c’est là que les problèmes commencent. Lorsqu’ils se précipitent pour obtenir des solutions, les décideurs ont souvent tendance à accorder moins d’importance à des problèmes tels que l’obtention de données d’entraînement supplémentaires, le maintien de l’hygiène des données du système et la garantie d’une main-d’œuvre suffisante pour soutenir ces tâches.

À mesure que les données d’entraînement continuent de vieillir et que les écarts entre la réalité et les résultats s’agrandissent, les organisations se retrouveront avec des coûts et des temps accrus pour remédier à ces lacunes qui auraient pu être évitées grâce à une planification et à des protocoles appropriés. En bref : sauter l’étape suivante lors de la planification d’une stratégie de mise sur le marché peut permettre une livraison plus rapide, mais cela n’en vaut pas les conséquences inévitables qui coûteront à long terme de plusieurs façons.

Impact de la dette technique sur les résultats financiers

La dette technique peut également avoir un impact profond sur l’efficacité organisationnelle, par exemple en ce qui concerne les équipes commerciales. Lorsque la dette technique commence à s’accumuler et que le rythme des changements ralentit, il devient de plus en plus difficile pour les représentants commerciaux de convaincre les clients, ce qui ralentit les taux de clôture et inévitablement les flux de revenus en conséquence.

Outre les ventes, la dette technique a également un impact considérable sur les équipes de développement. Non seulement cela nécessitera plus de temps consacré à la mise à jour du code, mais cette attention détournée mettra effectivement en veilleuse l’innovation. En déplaçant l’attention et le temps vers la maintenance, la feuille de route du produit est ensuite retardée ou abandonnée, créant un effet d’entraînement qui pourrait finalement entraîner une défiance entre les aspects techniques et commerciaux de l’entreprise. Sans une feuille de route à suivre, les équipes commerciales se retrouvent avec soit des promesses non tenues, soit rien à montrer aux prospects, ce qui a également un impact considérable sur les revenus.

Comment aborder la dette technique

À mesure que la prévisibilité de la livraison diminue, les organisations commenceront à constater la dégradation des efficacités organisationnelles, ce qui conduit à des discussions sur la manière de relever les défis en cours. Il existe deux façons dont les décideurs peuvent tirer parti pour lutter contre la dette technique. La première consiste à jeter la plate-forme et le code entièrement et à les replatformer, ou à incorporer de petits changements progressifs, similaires au nettoyage lent d’une chambre un objet à la fois, pour finalement amener les systèmes à la vitesse requise.

La première méthode, la replatformisation, nécessite une refonte complète de vos systèmes et représente un risque énorme et coûteux à prendre. Tout comme un processus de construction à grande échelle, tout retard dans la planification peut perturber les délais de livraison du produit et entraîner l’échec de l’ensemble de l’effort. Cette méthode peut cependant fonctionner parfois. Prenons l’exemple de LinkedIn – après leur introduction en bourse en 2011, l’entreprise a replatformé le site et est maintenant un acteur majeur du marché.

Le pari plus sûr consiste à apporter de petits changements qui finiront par entraîner des améliorations majeures. Les développeurs interagissant déjà quotidiennement avec les données, en apportant des ajustements ici et là, ils peuvent améliorer les systèmes en se débarrassant de leur dette technique. Cela profite également aux compétences des développeurs, car cela les oblige à rester à jour avec les derniers codes et normes technologiques, ce qui prépare l’organisation au succès technique en réduisant les écarts de compétences. Mettre en œuvre une initiative axée sur les ingénieurs, où ils consacrent 20% de leur temps à la planification des mises à jour du produit, est un excellent moyen de commencer. Bien que ce processus soit beaucoup plus lent que la replatformisation, il comporte moins de risques et produit toujours de la valeur pour le modèle commercial.

Laissez votre dette technique derrière vous à l’ère de l’IA

Alors que l’espace de l’IA continue de se développer rapidement, nous verrons de plus en plus de solutions émerger qui vantent des gains de productivité et des efficacités organisationnelles. Bien que cela soit vrai, les décideurs doivent donner la priorité à des techniques d’intégration telles que la maintenance continue des données et penser à l’ensemble du cycle de vie de votre solution. Investir dans l’IA ne doit pas être coûteux et accablant, et avec quelques petits changements dans la planification et la stratégie de mise sur le marché, vous pouvez éviter la prochaine montagne de dette technique.

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!