Intelligence artificielle et innovation collaborative
Dans les grands groupes, ce sont des dizaines de milliers de collaborateurs qui sont susceptibles de participer à une démarche d’innovation collaborative. Même s’il n’y a que 10% des collaborateurs qui jouent le jeu, cela peut représenter plusieurs centaines d’idées, de suggestions et de commentaires par jour. Il est, bien sûr, impossible de trier à la main toutes ces contributions.
C’est la raison pour laquelle intelligence artificielle et innovation collaborative sont deux notions indissociables et l’intégration d’une composante d’intelligence artificielle dans la plateforme revêt un caractère hautement stratégique.
Si elle est bien structurée, elle peut apporter un confort et un support dans l’utilisation qui sert aussi bien le back-office que le front-office. Une bonne façon de gagner du temps, de susciter de l’engagement, de faire évoluer des idées avec davantage de pertinence et de mesurer et structurer les idées soumises. L’intelligence artificielle dans l’innovation collaborative, fait principalement un travail d’analyse décisionnelle. L’intelligence devient alors collective et artificielle pour un impact décuplé pour vos utilisateurs.
L’IA est un terme dont on parle beaucoup depuis plusieurs années. Parfois faussement associée à la programmation ou à l’automatisation, elle est de plus en plus présentée comme un argument commercial.
Comme dans les comics, on aimerait l’imaginer aussi pertinente que celle utilisée par Iron Man avec sa célèbre Jarvis – l’intelligence artificielle qui sert d’assistante omnisciente. Hélas, nous en sommes encore très loin même si les progrès réalisés par Open AI avec ChatGPT nous montre la voie. Dans la plupart des solutions professionnelles, pour qu’une IA soit fonctionnelle, elle doit se baser sur une structure d’autoapprentissage éprouvée.
Qu’est-ce que le deep learning ?
Il s’agit d’un type d’intelligence artificielle qui donne la capacité à une machine d’apprendre par elle-même. Là où la programmation se base sur des règles développées par des ingénieurs, le deep learning repose sur un réseau de neurones artificiels s’inspirant du cerveau. Chaque information est analysée, décodée et interprétée selon les données précédemment reçues.
Grâce aux nouvelles technologies et au deep learning, un ordinateur est capable d’apprendre par l’exemple. Pour y parvenir, plus le système accumule d’expériences différentes, plus il sera performant. C’est une technologie qui requiert une importante puissance de calcul pour entraîner des réseaux neuronaux.
Une méthode d’aide à la décision
En matière d’innovation collaborative, elle est tout simplement indispensable. C’est un outil d’assistance qui va booster les capacités humaines pour aller plus vite, traiter des grands volumes de données et fournir aux décisionnaires humains des clés et des KPI objectifs pour prendre des décisions importantes.
L’IA peut ainsi faire une vraie différence entre les sujets classiques ou redondants, et les sujets vraiment pertinents, stratégiques et nouveaux. À partir d’une analyse sémantique fine, elle pourra faire remonter les bons sujets au bon moment, et surtout, à la bonne personne selon les centres d’intérêt des utilisateurs et leurs interactions. Une démarche finalement assez classique que l’on retrouve au sein de nombreuses plateformes comme Netflix ou Amazon.
Pourquoi utiliser l’intelligence artificielle dans une approche d’innovation collaborative ?
Sans cette brique technologique, l’outil d’innovation participative n’est finalement qu’une boîte à idées qu’il faut éplucher manuellement. C’est un travail considérable et difficilement tenable sur le long terme. Mais ce n’est pas le seul avantage.
Pour favoriser l’engagement
Pour fonctionner, l’innovation collaborative a besoin d’une plateforme. C’est à partir de celle-ci que les contributions seront déposées, enrichies et commentées. Son principe est assez proche de celui du fil d’actualité sur les réseaux sociaux.
Les sujets les plus susceptibles de générer des interactions sont valorisés selon le profil des utilisateurs. Ainsi chacun peut voir ce qui l’intéresse réellement. Favoriser l’engagement est indispensable pour inciter les participants à revenir régulièrement. Et aujourd’hui, il n’y a pas de meilleur système que l’IA.
Pour ne pas décevoir les utilisateurs
L’IA est un filtre qualitatif important. Sans elle, on investit à perte pour faire venir des utilisateurs. Si ces derniers sont déçus, ils ne reviendront pas. Quelqu’un qui prend sur son temps personnel pour une expérience insatisfaisante peut même contaminer des utilisateurs novices, les décourager et se ranger du côté des réfractaires ou des désengagés.
Le niveau d’attente généré par le lancement et la communication doit donc se cristalliser dans l’utilisation de la plateforme pour aligner les ressources avec l’impatience soigneusement mise en scène.
Pour filtrer les sujets pertinents
Même avec la meilleure volonté du monde, on ne peut pas s’intéresser à tout. Il faut donc faire des choix et l’IA apporte une plus-value significative. Les sujets sont ainsi classés selon les enjeux quotidiens du travail des collaborateurs et intègrent des sujets périphériques susceptibles de les intéresser.
Pour autant, ce système de profiling n’est pas uniquement focalisé sur le métier. Il peut se baser également sur les centres d’intérêts des salariés afin d’optimiser son pouvoir d’implication. Pour qu’elle soit réellement utile, la plateforme doit donc éviter les sujets sur lesquels le collaborateur n’a aucune maîtrise ou appétence particulière.
Pour créer un marché de la co-création innovante
Un marché, c’est une offre et une demande. Si les deux parties se rencontrent et s’entendent, alors tout va bien. L’innovation collaborative couplée à une analyse décisionnelle optimisée par l’IA est donc un marché : l’offre repose dans les propositions et les idées d’amélioration ou de création, et la demande dans la volonté de s’impliquer et de participer.
L’IA a pour objectif de créer et d’équilibrer l’offre et la demande afin de satisfaire toutes les parties. Il faut éviter des idées sans aucun engagement et valoriser des pépites rares, tout en proposant des choix nouveaux ou des discussions engagées pour les contributeurs.
Comment bien utiliser l’intelligence artificielle dans un dispositif d’innovation collaborative ?
L’IA est un terme qui peut faire peur. En réalité, elle est surtout là pour accompagner le bon fonctionnement du système. Mais encore faut-il que son implémentation soit bien mise en place, testée et intégrée au bon moment.
Ne pas attendre avant de la déployer
Ajouter une composante est une décision stratégique importante pour une scalabilité maximale. Je parle en connaissance de cause, car j’ai déjà vécu des situations d’idéation où l’IA était soit absente soit inopérante.
Résultat, quand on se rend sur une plateforme avec un volume d’idées qui peut atteindre 10 000 contributions, on se retrouve noyé. On ne trouve pas ce qu’on souhaite, la recherche est dysfonctionnelle et chronophage, et rien de ce qui se trouve sur la plateforme n’est finalement pertinent pour les collaborateurs. À forte de tout trouver, on ne trouve rien.
Pour résoudre ce problème, il faut inverser le principe : la gestion de la priorité ne doit pas reposer sur les épaules des participants, mais doit être à la charge de la machine. Pour beaucoup, après un essai infructueux – voire deux dans le meilleur des cas – le taux de rétention est en chute libre. Pourquoi passer du temps sur un outil inutile ?
C’est pourquoi l’IA ne doit pas être une fonctionnalité annexe qui peut se développer et s’ajouter dans une seconde ou troisième phase de développement. Elle doit être livrée et opérationnelle dès le lancement de l’outil. Sans elle, il ne peut y avoir de plateforme d’innovation collaborative.
Affiner la démarche de profiling
Pour qu’une IA soit efficace, elle doit associer les données des utilisateurs avec celles du contenu présenté sur la plateforme. À la première connexion, l’utilisateur définit donc ses compétences, son métier, son service et ses domaines d’expertise. Ensuite, l’IA affine ses recommandations selon les interactions.
Dans l’utilisation quotidienne, on oublie assez vite que les idées sont proposées par des algorithmes avec un système de matching. Et c’est justement à ça que l’on reconnaît une bonne IA. Ce qui compte c’est de trouver immédiatement une idée qui doit faire réagir le salarié, sans qu’il ait besoin d’utiliser le moteur de recherche.
Choisir la bonne technologie
Le choix de la technologie qui est derrière l’IA est important, car c’est un système d’assistance qui doit être pertinent.
Chez Yumana, nous utilisons la technologie de Microsoft AI au sein du moteur d’idéation. Le fait d’utiliser cette solution est un avantage, car toutes les entreprises connaissent et utilisent la technologie associée. De plus, j’ai remarqué qu’il existe une vraie relation de confiance entre les grandes entreprises et les outils de Microsoft.
Gérer le multilinguisme
Dans les grands groupes implantés dans plusieurs pays, il est naturel de parler plusieurs langues. Ce doit également être le cas dans les solutions d’innovation collaborative. Plutôt que d’utiliser l’anglais partout, ce qui peut freiner l’appropriation du contenu et limiter les nuances et les précisions dans l’expression des idées, nous recommandons d’utiliser la langue maternelle des utilisateurs.
Ainsi, la gestion de toutes les idées, les outils et les interactions se font dans la langue définie par défaut.
Comment mesurer la performance d’une solution d’innovation collaborative intégrant une IA ?
Comme tout système, on a envie de s’assurer qu’il fonctionne bien. Pour ce faire, il existe plusieurs options. La première est la recherche de feedback interne de manière formelle (questionnaires, panels, entretiens semi-directifs, etc.) ou informelle (bruit de couloir, discussions impromptues, retour d’expérience du service, etc.).
Ce sont des pratiques faciles à mettre en place et qui restent sous le contrôle de l’entreprise et de l’équipe projet. On met ici l’accent sur l’interaction humaine, on recueille des témoignages, et c’est une approche qui est généralement utilisée pour comprendre l’usage qui est fait de l’outil. On peut aussi l’utiliser en termes de formation ou de management du changement afin d’accompagner la transition.
Il existe d’autres KPI que la plateforme peut centraliser dans un tableau de bord. On retrouve ainsi les idées les plus populaires, les meilleures contributions, le taux de popularité, l’attitude de la communauté, les interactions sociales, etc. Ces indicateurs qualitatifs et quantitatifs doivent être au service du projet.
Ultimement, le but est de savoir si une idée a réussi à convaincre suffisamment de personnes pour la faire avancer en dehors de la plateforme. On peut aussi s’en servir pour identifier les utilisateurs susceptibles de rejoindre une équipe projet. Mettre un commentaire, c’est bien, mais est-ce que le collaborateur est prêt à s’impliquer de manière opérationnelle ? C’est aussi cela une mesure du niveau de pertinence.
Peut-on créer un système d’innovation collaborative sans intelligence artificielle ?
Sur le plan technique, oui. Mais est-ce que je le recommanderai ? Pas du tout.
Se passer de l’IA sans tomber dans le système de la boîte à idées qui n’apporte finalement pratiquement aucune valeur nécessite de mettre des personnes derrière le système. On parle généralement de deux grands niveaux d’action : dans un premier temps, il y a des aiguilleurs capables de trier les idées, puis des experts qui peuvent s’impliquer dans le projet. La mise en relation se fait manuellement et cela prend forcément du temps.
J’ai déjà testé une plateforme d’innovation collaborative sans intelligence artificielle et, pour vous donner une idée, sur la base de 120 000 salariés, il faut au moins 30 aiguilleurs et entre 3 000 et 5 000 experts sollicitables. En revanche, on peut noter que l’intermédiation humaine est plus efficace, car moins automatisée, mais le réseau d’experts est difficile à maintenir dans le temps. Il finit par perdre sa fiabilité et sa pertinence en raison de la problématique liée au renouvellement.
À chaque fois qu’un aiguilleur souhaite solliciter un expert sur une contribution, il doit trouver le bon, s’assurer qu’il soit disponible, lui envoyer l’information, faire les suivis, etc. Le coût très élevé de fonctionnement et la difficulté de relayer les bonnes idées aux bonnes personnes peut finir par se révéler paralysante.
L’assistance décisionnelle couplée à l’IA fait gagner du temps
Là où il faut 6 mois pour qu’une idée passe en expérimentation de manière humaine, avec l’IA, ça peut prendre 6 semaines. En fait, nous avons connaissance des limites du modèle humain. Avec un arbitrage humain, l’avis peut être pertinent ou non, selon le contexte, l’état d’esprit, les connaissances et l’envie du moment.
Avec l’IA, la démarche est collective et objective. Une mauvaise idée sera ainsi rapidement cataloguée. Est-ce que cela signifie que l’IA peut prendre la place de l’humain dans le tri, la sélection et la mise en relation des idées ? Non, car il n’y a pas de système parfait.
IA et intelligence humaine se combinent
Nous sommes à une époque que je qualifierais de « croisée des chemins ». Ce n’est pas soit l’un, soit l’autre, c’est l’un au service de l’autre. La machine est là pour assister l’homme. Elle ne prend pas la décision, mais apporte un regard et participe à la prise de décision.
D’autant plus qu’il faut veiller à ne rien jeter ou supprimer. Une idée qui ne passe pas en projet aujourd’hui doit être stockée et gardée pour être éventuellement ressortie plus tard. Il est fréquent de voir ressortir une idée 12 ou 18 mois plus tard, alors qu’elle avait été enterrée. Elle peut retrouver grâce aux yeux de la communauté en raison d’un changement de stratégie, de contexte ou lié à une évolution du marché. C’est pourquoi l’archivage et la documentation sont critiques pour réactiver en quelques secondes une idée ancienne.
D’autre part, si quelqu’un soumet une nouvelle idée qui rejoint une contribution déjà archivée, la plateforme peut les réactiver afin d’en tester à nouveau la pertinence. C’est aussi utile pour éviter les doublons : il vaut mieux collaborer sur la même idée plutôt que de travailler en concurrence. Et pour ça l’IA est indispensable.
L’intelligence artificielle, l’alliée de l’innovation collaborative.
Ce qu’il faut en retenir
-
Attention au marketing : la vraie intelligence artificielle est autoapprenante et travaille avec des techniques de machine learning ou de deep learning.
-
L’IA permet d’aller plus vite et de faire mieux qu’avec un système 100% humain. Si elle ne peut pas tout faire, elle est incontournable pour gérer un projet d’innovation collaborative.
-
L’IA accélère l’adoption de la plateforme avec des recommandations personnalisées qui visent à maximiser l’engagement.
- Pas besoin d’avoir des compétences en interne. Il existe des moteurs d’intelligence artificielle existants qui peuvent s’intégrer dans un système d’information de manière transparente.
CTO de Yumana
