> Blog Manageris

Innovation

Réussir ses passages à l’échelle

Réussir ses passages à l’échelle

Beaucoup d’entreprises ont une politique d’incubation de nouvelles activités. Cependant, si beaucoup parviennent à expérimenter de nouvelles offres avec succès, très peu de celles-ci atteignent le stade du passage à l’échelle. Cela s’explique en partie par les risques inhérents à l’innovation – mais aussi par des causes que l’entreprise pourrait se donner les moyens de mieux maîtriser. En particulier, il apparaît que beaucoup d’équipes n’ont pas de démarche suffisamment méthodique pour anticiper le déploiement à grande échelle. Les retours d’expérience d’une trentaine d’expérimentations réussies montrent qu’il est fructueux de s’interroger dès le départ sur le point d’arrivée souhaité, afin de mieux préparer le cheminement qui permettra d’y parvenir :

- Dotez-vous d’une vision à la fois précise et ambitieuse de l’aboutissement visé. À quoi votre projet ressemblera-t-il une fois déployé ? Les projets réussis ont pour particularité de proposer une vision audacieuse, qui s’affranchit notamment des contraintes de court terme.

- À partir de cette cible, travaillez à rebours. De quelles compétences et ressources aurez-vous besoin pour parvenir à la cible ? Comment les acquérir ? Comment convaincre le nombre de clients voulu ? Passez en revue vos options pour y parvenir : développement de l’existant, acquisitions, partenariats, etc.

Il ne s’agit pas de définir un plan de déploiement figé : l’incertitude est beaucoup trop élevée quand on lance une nouvelle activité. Mais clarifier très en amont la cible visée et les options pour y parvenir aide à préparer la façon de dépasser le stade de l’expérimentation.


Source : The Missing Discipline Behind Failure to Scale, Andy Binns, Christine Griffin, MIT Sloan Management Review, avril 2023.

En matière d’IA, comment éviter de mettre la charrue avant les bœufs ?

En matière d’IA, comment éviter de mettre la charrue avant les bœufs ?

Actuellement, la plupart des entreprises s’interrogent sur la meilleure manière de tirer parti de l’IA à leur échelle. On voit ainsi fleurir les applications et les expérimentations, avec plus ou moins de réussite. Bien souvent, les frustrations sont à la hauteur des espoirs. Et pour cause : l’IA, si « intelligente » soit-elle, ne sait finalement faire qu’une chose – travailler à partir des données que nous lui transmettons. Pour en tirer parti, il faut donc disposer de données centralisées, en qualité et en quantité suffisantes et issues de sources diversifiées. Or, dans bien des organisations, ces données sont disséminées entre les différents métiers qui disposent chacun de leurs propres systèmes.

Ainsi, avant d’envisager des dispositifs sophistiqués d’IA générative, on gagne à réaliser un rapide diagnostic de son organisation. Les connaissances tacites y sont-elles suffisamment formalisées ? Sont-elles centralisées ? Le mode de collecte et de traitement des données est-il suffisamment standardisé ? D’après la nature et la quantité des données collectées, y a-t-il un risque de susciter des réponses biaisées de la part de son dispositif d’IA ? Gagnerait-on à disposer de sources supplémentaires ? Ce travail en amont est indispensable pour garantir la qualité des réponses de l’IA et maximiser son potentiel d’aide à la prise de décision.


Source :  Harnessing AI to accelerate digital transformation, The Choice by ESCP, juillet 2023.

IA contre IA, le match du siècle ?

IA contre IA, le match du siècle ?

Le développement des intelligences artificielles augmente fortement les menaces en matière de cybersécurité. Leur utilisation par les hackers pourrait permettre de combiner des attaques ultra-personnalisées exploitant les informations spécifiques de l’entreprise. Par exemple, imaginez un appel de phishing avec une voix générée par IA imitant à s’y méprendre le ton et le style conversationnel de votre patron – un scénario de science-fiction qui va bientôt devenir réalité…

Et si vous utilisiez la puissance de l’IA pour vous prémunir contre ce risque ? Des entreprises travaillent déjà à la conception de logiciels, comme ZeroGPT, permettant de détecter des contenus générés par IA. L’IA permet aussi d’améliorer ses capacités de détection des cyber-risques. Par exemple, une IA personnalisée pourra facilement détecter des changements suspects dans le comportement en ligne d’un collaborateur – augmentation soudaine de la masse de données consultées, variation importante de la structure de mailing, etc. – et lancer une alerte, le cas échéant.  Bien sûr, ces nouveaux outils n’iront pas sans soulever des questionnements éthiques autour de la protection des données personnelles – mais ils deviendront rapidement incontournables. Un nouveau chantier à surveiller de près.


Source :  From ChatGPT to HackGPT: Meeting the Cybersecurity Threat of Generative AI, Karen Renaud, Merrill Warkentin, George Westerman, MIT Sloan Management Review, avril 2023.

Tirer parti des contradictions apparentes pour innover

Tirer parti des contradictions apparentes pour innover

Lorsque nous sommes confrontés à un dilemme ou une décision complexe, la « pensée intégrative », théorisée par le chercheur Roger Martin de l’université de Toronto, permet de créer un contexte propice à l’émergence de nouvelles idées, plus riches que celles envisagées en première analyse. C’est en mobilisant la pensée intégrative que certaines entreprises ont assis leur leadership, en fondant leur avantage concurrentiel sur une troisième voie leur permettant de dépasser le dilemme apparent. En voici trois exemples :

-          Honda illustre parfaitement la maîtrise du dilemme classique entre coût et qualité. Le groupe japonais a su innover tout en comprimant ses coûts de R&D. Cela lui a permis de commercialiser des modèles de qualité comme la Honda Legend (1988) à des coûts bien inférieurs à ceux des modèles produits par ses concurrents occidentaux. Au lieu d’arbitrer entre coût et qualité, comme la plupart de ses concurrents, l’entreprise a trouvé des moyens innovants (standardisation, plateformes communes) pour conjuguer les deux.

 

-          Issy Sharp, fondateur de la chaîne hôtelière Four Seasons, était confronté à un dilemme. Sur le marché américain de l’hôtellerie, il n’existait à l’époque que deux modèles opposés : les motels, petits hôtels avec peu de lits et assez bas de gamme, ou bien les grands hôtels de plus de 750 chambres, confortables mais impersonnels car très vastes. Sharp a décidé d’associer les avantages des deux modèles, en lançant des hôtels haut de gamme à taille humaine (200 à 350 lits) avec tout le confort des grands établissements – une innovation à l’époque aux États-Unis !

 

-          L’« open source » rémunérateur mis en place par Red Hat s’inscrit également dans cette démarche. Dans les années 90, il existait deux modèles de distribution de logiciels. D’une part, le modèle propriétaire, incarné par Microsoft : des logiciels commercialisés à des prix élevés, prêts à l’emploi, mais dont les bugs étaient sinon impossibles, du moins coûteux à réparer. D’autre part, le modèle « open source », symbolisé par Linux : des logiciels quasi gratuits, adaptables à volonté, mais sans service client. Dans ce contexte, Red Hat a été la première entreprise à offrir des logiciels open source totalement gratuits, via Internet, tout en proposant aux entreprises un service de maintenance par abonnement. Ce modèle lui a permis de s’imposer face à de puissants concurrents.

Penser à imiter la nature

Penser à imiter la nature

Qu’ont en commun la chouette, le pingouin et le martin-pêcheur ? Tous trois ont inspiré une innovation technologique majeure, le Shinkansen. En effet, quand les ingénieurs de Japan National Railways se sont vu confier la mise au point d’un train capable de relier Tokyo et Osaka en deux heures trente, ils se sont heurtés à un problème épineux : la vitesse provoquait à l’entrée des tunnels un effet de déflagration acoustique bien supérieur aux normes autorisées ! Pour trouver la solution, ils se sont tournés non pas vers de la recherche fondamentale, mais vers les solutions adoptées et affinées au fil des siècles par les espèces animales confrontées à des enjeux similaires. Ainsi, l’aérodynamisme du corps du pingouin a guidé le design des wagons. Les ingénieurs se sont aussi inspirés des micro-dentelures des plumes des chouettes, qui rendent leur vol silencieux, pour dessiner les pantographes qui relient le train à la ligne électrique, réduisant encore le bruit. Enfin, la forme du bec du martin-pêcheur, qui lui permet une pénétration dans l’eau à haute vitesse, a inspiré la forme du nez de la locomotive.

Cette anecdote illustre la puissance du biomimétisme. Plutôt que toujours chercher l’innovation de rupture, ne gagnerait-on pas à imiter ce qui se fait de mieux dans l’existant, en particulier dans la nature ?

 

Source : Evolutionary Ideas, Sam Tatam, éd. Harriman House, 2022.

Essai gratuit

Découvrez des Synthèses Manageris gratuitement et sans engagement !

Essayer

Toutes les publications

Explorer