Questionnaire de niveau de maturité IA
Faites l'auto-évaluation maintenant !
L’évaluation AIMIND est basée sur seulement 12 questions et ne prend que moins de 15 minutes à remplir en ligne. Le résultat de l’AIMIND, vous aidera à comprendre la maturité de votre organisation en matière d’IA et à mettre en place des programmes pour démarrer votre parcours de transformation de l’IA.
Questionnaire de niveau de maturité IA (AIMIND) pour les PME
AIMIND est un cadre d’évaluation de l’état de préparation à l’IA axé sur l’industrie développé dans le cadre du groupe de travail sur l’innovation et la commercialisation du GPAI. Il cristallise et distille les facteurs de succès critiques pour l’adoption de l’IA sur la base de l’expérience combinée de l’industrie du comité d’experts à travers les industries et les pays.
AIMIND permet aux unités commerciales et aux organisations d’évaluer leur préparation à l’IA et d’identifier l’écart entre leur état actuel et souhaité, permettant ainsi aux organisations de comprendre leurs approches appropriées pour adopter l’IA et mettre en œuvre des programmes ciblés pour accroître la préparation à l’IA.
En fin de compte, AIMIND traduit des concepts abstraits en actions concrètes pour aider les organisations à accélérer leur adoption de l’IA.
| Ignorant de l'IA | Sensibilisé à l'IA | Prêt pour l'IA | Compétent en IA | |
|---|---|---|---|---|
| Score moyen | Moins de 2,5 | 2,5 à 3,4 | 3,5 à 4,5 | Plus de 4,5 |
| Capacités générales | Peut avoir entendu parler de l'IA, mais ne connaît pas les applications de l'IA | Connaît les applications de l'IA et pourrait identifier des cas d'utilisation potentiels | Capable d'intégrer un modèle d'IA pré-entraînés dans des produits ou des processus métier | Capable de développer des modèles et des solutions d'IA personnalisés pour des besoins commerciaux spécifiques |
| Caractéristiques générales | Attend que les fournisseurs la convainquent avec des cas d’utilisation sur la valeur commerciale de l’IA. Consomme des solutions d'IA toutes prêtes | Recherche activement des solutions d'IA pour répondre aux besoins de l'entreprise. Capable d'identifier des cas d'utilisation potentiels pour les applications d'IA et d'utiliser des solutions d'IA prêtes à l'emploi. | Évalue et recherche des API d'IA, des SDK et des modèles d'IA pré-entraînés à utiliser au sein de l'entreprise | A élaboré une stratégie et une feuille de route pour la mise en œuvre de l'IA |
| Recommandation pour l'adoption de l'IA | Augmenter les connaissances de l'organisation | Consommer des solutions d’IA sur étagère, de bout en bout et prêtes à l’emploi. Préparer l’organisation à adopter et intégrer une solution d’IA. Élargir la compréhension de l’IA à l’ensemble de l’organisation | Approfondir les capacités organisationnelles d’IA. Élargir la compréhension de l’IA à l’ensemble de l’organisation | |
Composants AIMIND
AIMIND se compose de 5 piliers, qui correspondent à 12 dimensions. Les 5 piliers sont interdépendants et synergiques.
Les organisations ayant une forte préparation organisationnelle pourraient identifier de bons cas d’utilisation, contribuant ainsi à un bon état de préparation de la valeur commerciale.
La décision et l’approche d’identification du cas d’utilisation commerciale approprié sont guidées par l’état de préparation à l’éthique et à la gouvernance.
Les cas d’utilisation sont soutenus par l’état de préparation des données avec des politiques, des processus et des pratiques concernant les données établis pour garantir l’exactitude, la fiabilité et l’exhaustivité des données.La préparation de l’infrastructure aide à transformer les idées en actions en fournissant à l’organisation les outils et les technologies pour entraîner, héberger et déployer des solutions d’IA.
Collectivement, les 5 principaux piliers d’AIMIND fournissent une évaluation holistique de la préparation d’une organisation à adopter l’IA.
| Piliers | Dimensions | Évaluations |
|---|---|---|
| Préparation organisationnelle | Soutien à la Direction | Si l'organisation a alloué des ressources aux initiatives d'IA |
| Connaissance de l'IA | Si les employés peuvent identifier des cas d'utilisation potentiels de l'IA et être des consommateurs avisés de solutions d'IA | |
| Talent IA | Si l'organisation a les capacités de développer, d'intégrer et de maintenir des modèles d'IA | |
| Acceptation de l'IA par les employés | Si les employés font confiance et acceptent les systèmes basés sur l'IA | |
| Culture d'expérimentation | Si l'organisation a une culture d'expérimentation permettant aux employés d'explorer et de développer des cas d'utilisation de l'IA | |
| Préparation à l'éthique et à la gouvernance | Gouvernance de l'IA | Si l'organisation dispose d'une gouvernance appropriée pour éviter de nuire involontairement aux utilisateurs finaux |
| Contrôle des risques liés à l'IA | Si l'organisation a une classification appropriée du niveau de risque des systèmes d'IA | |
| Préparation à la valeur commerciale | Cas d'utilisation métier | Si l'organisation a identifié des cas d'utilisation d'IA appropriés et évalué leurs propositions de valeur |
| Préparation des données | Qualité des données | Si l'organisation a des processus pour assurer la qualité (exactitude, exhaustivité) des données collectées |
| Donnée de référence | S'il existe une source unique de vérité, la cohérence du format des données et des métadonnées fiables | |
| Préparation des infrastructures | Infrastructure d'apprentissage automatique (ML) | Si l'organisation dispose d'une infrastructure ML appropriée et suffisante (par exemple, GPU, mémoire) pour prendre en charge l'entraînement et le déploiement du modèle d'IA |
| Infrastructure de données | Si l'organisation utilise une infrastructure de données appropriée (par exemple, un lac de données) comme dépôt central de données |
5 piliers et 12 dimensions d'AIMIND
Les quatre piliers et les douze dimensions évaluent les différents domaines qui contribuent à l’évaluation de la préparation globale des organisations à l’IA.
Chaque pilier comporte plusieurs dimensions et chaque dimension est évaluée à quatre niveaux de préparation à l’IA :
- Ignorant de l’IA
- Sensibilisé à l’IA
- Prêt pour l’IA
- Compétent en IA
Les organisations peuvent présenter différents niveaux de préparation à l’IA selon les dimensions.
Préparation organisationnelle
La préparation organisationnelle évalue si l’organisation dispose des bases nécessaires pour se lancer dans des initiatives d’IA.
| Dimensions | Niveau de préparation à l'IA | |||
|---|---|---|---|---|
| Ignorant de l'IA | Sensibilisé à l'IA | Prêt pour l'IA | Compétent en IA | |
| Soutien à la Direction | Pas d'initiative IA annoncée par la direction | La direction a annoncé son soutien aux initiatives d'IA, mais aucune ressource n'est allouée aux initiatives d'IA | La direction a alloué des ressources aux initiatives d'IA, mais il n'y a pas de feuille de route stratégique pour l'IA | La direction a alloué des ressources aux initiatives d'IA et une feuille de route stratégique pour l'IA est disponible |
| Connaissance de l'IA | <25% des employés maîtrisent l'IA | 25% à 50% des employés maîtrisent l'IA | 50% à 75% des employés maîtrisent l'IA | >75 % des employés maîtrisent l'IA |
| Talent IA | Aucun talent en IA au sein des organisations | L'organisation a des employés débutants en IA (par exemple, capable d'utiliser une plate-forme no-code / low-code pour créer un prototype d'IA) | L'organisation a des employés qui sont intermédiaires en IA (par exemple, capable de faire un appel API aux services IA) | L'organisation a des employés qui sont avancés en IA (par exemple, capable de développer un modèle d'IA) |
| Acceptation de l'IA par les employés | Les employés résistent à l'utilisation de systèmes basés sur l'IA par crainte que leur emploi ne soit remplacé | Les employés adoptent des systèmes basés sur l'IA mais ne font pas confiance aux résultats générés par les systèmes d'IA | Les employés font confiance aux systèmes basés sur l'IA et n'ont aucune objection à utiliser de tels systèmes | Les employés font confiance aux systèmes basés sur l'IA et comprennent que les systèmes basés sur l'IA reposent sur les interactions des employés pour augmenter leurs performances au fil du temps |
| Culture d'expérimentation | L'organisation a une tolérance zéro envers les projets d'IA qui ont échoué | L'organisation évite l'expérimentation et cherche à mettre en œuvre uniquement des solutions d'IA éprouvées | L'organisation comprend que pour réussir la transformation de l'IA, l'expérimentation est nécessaire et qu'il peut être impossible de prédire les résultats | L'organisation encourage activement les employés à explorer par des expériences pour de nouvelles applications d'IA |
Préparation à l'éthique et à la gouvernance
La préparation à l’éthique et à la gouvernance évalue si une organisation dispose d’orientations et d’une gouvernance appropriées pour les applications d’IA.
| Dimensions | Niveau de préparation à l'IA | |||
|---|---|---|---|---|
| Ignorant de l'IA | Sensibiliser à l'IA | Prêt pour l'IA | Compétent en IA | |
| Gouvernance de l'IA | L'organisation n'est pas au courant des concepts de gouvernance de l'IA | L'organisation est consciente de la gouvernance de l'IA mais ne l'a pas encore mise en œuvre | L'organisation pratique une évaluation ad hoc de la gouvernance de l'IA sur l'application et le développement de l'IA | L'organisation a des politiques et des processus sur la gouvernance de l'IA pour guider l'application et le développement de l'IA |
| Contrôle des risques liés à l'IA | L'organisation n'est pas consciente de l'importance d'attribuer des niveaux de risque à des cas d'utilisation | L'organisation est consciente de l'importance d'attribuer des niveaux de risque à des cas d'utilisation mais n'a pas encore décidé des critères | L'organisation a convenu de critères pour attribuer des niveaux de risque à des cas d'utilisation conformément à un cadre réglementaire établi (par exemple, le règlement de l'UE sur l'IA), mais le processus d'attribution n'est pas normalisé | L'organisation a convenu de critères pour attribuer des niveaux de risque à des cas d'utilisation conformément à un cadre réglementaire établi (par exemple, le règlement de l'UE sur l'IA), et un processus standard est mis en œuvre pour chaque système d'IA |
Préparation à la valeur commerciale
L’état de préparation de la valeur commerciale évalue si une organisation a déterminé le cas d’utilisation commerciale pour l’adoption de l’IA et la valeur potentielle qu’elle apporte à l’organisation.
| Dimensions | Niveau de préparation à l'IA | |||
|---|---|---|---|---|
| Ignorant de l'IA | Sensibilisé à l'IA | Prêt pour l'IA | Compétent en IA | |
| Cas d'utilisation métier | L'organisation n'a pas identifié de cas d'utilisation pour les solutions d'IA | L'organisation a identifié des cas d'utilisation pour les solutions d'IA, mais n'a pas encore évalué leur proposition de valeur | L'organisation a identifié des cas d'utilisation pour les solutions d'IA, mais les propositions de valeur sont dérivées de rapports de l'industrie | L'organisation a identifié des cas d'utilisation pour les solutions d'IA. Propositions de valeur dérivées par les parties prenantes internes |
Préparation des données
L’état de préparation des données concerne la fiabilité, la qualité et la cohérence des données dans toute l’organisation.
| Dimensions | Niveau de préparation à l'IA | |||
|---|---|---|---|---|
| Ignorant de l'IA | Sensibilisé à l'IA | Prêt pour l'IA | Compétent en IA | |
| Qualité des données | L'organisation n'a aucun employé responsable de la supervision et de la gestion de la qualité des données | L'organisation a des employés avec des responsabilités informelles pour superviser et gérer la qualité des données | L'organisation a des employés chargés de superviser et de gérer la qualité des données | L'organisation a des processus, des politiques et des employés chargés de superviser et de gérer la qualité des données |
| Donnée de référence | L'organisation n'est pas consciente de l'importance de la vérité pour les données et n'en a pas de source unique ; il n'y a pas de définition établie et d'unités de mesure pour la cohérence | L'organisation est consciente de l'importance de la vérité pour les données mais ne dispose pas d'une source unique ; il n'y a pas de définition établie et d'unités de mesure pour la cohérence | L'organisation dispose d'une source unique de vérité pour les données, mais il manque une définition commune des données et des unités de mesure | L'organisation dispose d'une source unique de vérité pour les données ; une définition commune des données et des unités de mesure sont établies pour assurer la cohérence |
Préparation des infrastructures
L’état de préparation de l’infrastructure consiste à déterminer si une organisation dispose de l’infrastructure nécessaire pour prendre en charge le stockage, la récupération et l’entraînement des modèles d’IA.
| Dimensions | Niveau de préparation à l'IA | |||
|---|---|---|---|---|
| Ignirant de l'IA | Sensibilisé à l'IA | Prêt pour l'IA | Compétent en IA | |
| Infrastructure d'apprentissage automatique | L'organisation manque d'infrastructure ML pour la production du modèle d'IA et n'est pas consciente de son importance | L'organisation manque d'infrastructure ML pour la production du modèle d'IA mais est consciente de son importance | L'organisation dispose d'une infrastructure de ML adéquate pour prendre en charge la production du modèle d'IA | L'organisation dispose d'une infrastructure ML adéquate (par exemple, GPU) pour prendre en charge l'entraînement et le déploiement du modèle d'IA |
| Infrastructure de données | La plupart des données sont stockées dans un format non numérique | La plupart des données sont stockées dans un format numérique autonome (par exemple, des feuilles Excel) | La plupart des données sont stockées dans des référentiels centralisés (par exemple, lac de données, entrepôt de données) | La plupart des données sont stockées dans des référentiels centralisés, et il existe une vue d'ensemble des dictionnaires de données |
Recommandations AIMIND
C’est une idée fausse courante que l’adoption de l’IA ne convient qu’aux grandes organisations ou aux organisations basées sur la technologie. Au contraire, les organisations ignorantes de l’IA et sensibilisées à l’IA, même si elles manquent de données, de talents ou d’infrastructure ML, pourraient adopter des solutions d’IA prêtes à l’emploi pour leurs activités commerciales principales ou périphériques.
Par exemple, un cabinet d’avocats ignorant de l’IA ou sensibilisé à l’IA pourrait implémenter un chatbot sur son site Web pour aider à répondre aux questions des clients.
La différence essentielle est que les organisations sensibilisées à l’IA pourraient identifier de meilleurs cas d’utilisation de l’IA, se procurer des solutions d’IA pertinentes et potentiellement bénéficier davantage de l’adoption de l’IA.
Les organisations prêtes pour l’IA peuvent généralement intégrer des fonctionnalités d’IA dans des produits existants via une interface de programmation d’application (API).
Par exemple, une entreprise d’analyse des consommateurs prête pour l’IA pourrait effectuer des appels d’API vers des services d’IA fournis par des fournisseurs de services cloud pour analyser les sentiments des clients.
Les organisations prêtes pour l’IA pourraient également explorer facilement des modèles d’IA open source et pré-entraînés pour imprégner leurs produits ou services de fonctionnalités d’IA, améliorant ainsi leur compétitivité.
Les organisations compétentes en IA peuvent généralement développer des solutions personnalisées pour des besoins commerciaux uniques lorsqu’aucune n’est disponible sur le marché. Ils ne sont limités que par leur imagination, leurs données et leurs ressources sur le type de solutions d’IA qu’ils pourraient développer. Les organisations doivent évaluer si leurs capacités d’IA actuelles soutiennent leurs objectifs organisationnels.
En cas d’inadéquation, les organisations pourraient se référer aux profils de leurs capacités organisationnelles comme un guide de haut niveau sur les domaines spécifiques à cibler et à améliorer. Un point important à noter est que toutes les organisations n’ont pas besoin d’atteindre le niveau Compétent en IA.
Le niveau de préparation idéale à l’IA dépend des objectifs organisationnels. Néanmoins, compte tenu de l’omniprésence de la technologie de l’IA, les organisations devraient au minimum aspirer à être au niveau Sensibilisé à l’IA. Cela leur permet d’identifier de meilleurs cas d’utilisation de l’IA, de se procurer des solutions d’IA pertinentes et d’être des consommateurs avertis de l’IA.
Approche pour améliorer la préparation à l'IA
Vous trouverez ci-dessous une approche suggérée pour que les organisations bénéficient de l’évaluation AIMIND et améliorent leur niveau de préparation à l’IA :
1. Déterminer si la capacité actuelle en IA peut prendre en charge les objectifs organisationnels
L’IA, à l’instar d’autres technologies, est un outil qui pourrait aider les organisations à accroître leur compétitivité grâce à une plus grande automatisation (réduction des coûts), une meilleure offre de produits (revenus) ou des capacités d’analyse plus approfondies (perspectives). Les objectifs organisationnels servent de boussole pour l’adoption de la technologie ; adopter l’IA sans une direction et un objectif clairs apportera des résultats décevants. Par conséquent, les organisations doivent remonter depuis leurs objectifs organisationnels pour identifier les domaines potentiels dans lesquels l’IA pourrait ajouter une valeur exponentielle avant d’y investir ou d’augmenter l’investissement.
Une fois les domaines potentiels d’applications d’IA identifiés, les organisations pourraient décider si les cas d’utilisation justifient l’embauche d’une équipe d’ingénieurs en IA pour développer des solutions personnalisées. Tous les cas d’utilisation ne nécessitent pas de solutions personnalisées ; les organisations, en particulier celles Ignorantes de l’IA ou Sensibilisées à l’IA, doivent d’abord examiner les solutions disponibles dans le commerce avant de développer leurs propres solutions d’IA en interne. Par exemple, un cabinet d’avocats pourrait se procurer une solution de chatbot disponible dans le commerce pour soutenir ses activités de service client. Une telle approche est plus rapide, comporte moins de risques et permettra à l’organisation d’acquérir de l’expérience de l’utilisation des applications d’IA. Les organisations doivent également déterminer si le fait de disposer d’une application IA spécifique est considéré comme un avantage concurrentiel essentiel. Par exemple, si le cabinet d’avocats estime que l’examen des dossiers juridiques basé sur l’IA est un avantage concurrentiel essentiel ou s’il n’y en a pas sur le marché, il y a une plus grande incitation à créer une telle solution en interne.
2. Identifiez le niveau de capacités d’IA auquel l’organisation doit se situer
Les organisations peuvent se référer à l’Interprétation des résultats AIMIND pour comprendre à quelles capacités d’IA elles doivent se situer. De manière générale, les organisations qui cherchent à adopter des solutions disponibles dans le commerce peuvent être Ignorantes de l’IA ou Sensibilisées à l’IA. Les organisations qui cherchent à intégrer des fonctionnalités d’IA dans leurs produits, telles que des services d’IA de fournisseurs de cloud, doivent être prêtes pour l’IA. Enfin, les organisations qui cherchent à développer leur solution d’IA personnalisée doivent être au niveau Compétent en IA.
3. Concentrez-vous d’abord sur votre dimension la plus faible
Les organisations qui cherchent à améliorer leur niveau de préparation à l’IA doivent d’abord se concentrer sur leur dimension la plus faible en fonction du profil de leur organisation. Les dimensions ont des effets synergiques et ne peuvent être déverrouillées que si l’organisation dispose de capacités dans toutes les dimensions. Si l’organisation a plusieurs dimensions avec le même score, donnez la priorité aux dimensions répertoriées sous Préparation organisationnelle avant de passer à la Préparation à l’éthique et à la gouvernance, à la Préparation à la valeur commerciale, à la Préparation des données, puis à la Préparation des infrastructures.
AIMIND par IA Singapour et Initiative pour l’intelligence artificielle appliquée est licencié en vertu de la CC-BY-NC-ND 4.0 (Partager et reproduire à des fins non commerciales uniquement. Aucun droit de modifier ou de créer des dérivés.)
