3. Évaluez les coûts, les risques et les aspects pratiques de l’IA

Une fois que vous aurez déterminé les applications d’IA qui vous permettront de résoudre vos principaux enjeux et d’atteindre vos objectifs organisationnels, évaluez-les selon les critères habituels de votre entreprise. Puis, une fois que vous aurez ciblé une application pertinente qui concorde avec vos objectifs, établissez une liste de vérification incluant au moins :    

• Préparation, stockage et utilisation des données
• Outils et plateformes d’IA : licences et coûts de l’infonuagique
• Formation du personnel
• Gestion des risques
• Gestion des utilisateurs

Les risques – Ce projet pourrait-il entraîner de nouveaux risques inacceptables pour la municipalité (p. ex. concernant la confidentialité des données)?

Les compétences – Disposez-vous de personnel et de prestataires ayant les compétences et l’expérience nécessaires pour la mise en œuvre?

La motivation – Les équipes et les personnes concernées sont-elles motivées à participer? Il est essentiel que le personnel participe dès le début au projet pour qu’il en comprenne bien les bénéfices et se sente à l’aise avec le processus. 

Les données – La municipalité dispose-t-elle de données de qualité suffisante, centralisées et accessibles à des fins d’analyse? Sinon, combien de temps et d’argent cela nécessitera-t-il?

Une fois que vous aurez évalué ces éléments, vous pourrez mieux déterminer le coût réel de mise en œuvre de l’IA et sa valeur globale selon les bénéfices qu’elle apporte.

Maintenant que vous savez qu’un projet pourrait simplifier ce qui vous freine, créez un petit projet pilote.

Déterminez d’abord votre niveau de transparence avec le public concernant le projet et les données recueillies. Vous avez une bonne raison (sécurité, optimisation, économies) pour lancer ce projet, ce qui est essentiel pour obtenir le soutien du public. Établissez un dialogue réciproque avec les parties qui sont les plus intéressées et concernées, et créez des groupes de travail pour surmonter les obstacles et trouver de bonnes idées.

Voici sept éléments essentiels à une mise en œuvre réussie de toute solution d’IA :

1. Engagement de la direction – Il est crucial de mobiliser l’équipe de direction pour qu’elle accorde la priorité à ces efforts et en présente les bénéfices à une plus grande échelle aux autres parties. Cela évite que des priorités politiques freinent les progrès.
   
   
2. Approche collective de la gouvernance des données – Il faut instaurer une culture où chaque personne connaît son rôle et l’importance de celui-ci dans la gestion des données. Pour cela, il faut clarifier les rôles et les responsabilités liés aux données. Par exemple : faut-il qu’une personne responsable du produit représente les besoins des gens qui utilisent le produit et guide l’équipe de développement?
   
   
3. Attentes et responsabilité – Adoptez une approche d’utilisation des données centrée sur les personnes (c’est-à-dire qui accorde la priorité aux bénéfices pour le public plutôt qu’à l’exploitation). Cela évitera aux gens de croire que leurs données seront utilisées contre eux (p. ex., pour justifier une hausse des tarifs ou des coûts de développement).
   
   
4. Compétences et sensibilisation – Assurez-vous que des personnes qualifiées gèrent la collecte des données et la sensibilisation aux données, et que toutes les parties comprennent bien en quoi consistent leur collecte et leur utilisation. Cela réduira les risques que des données sensibles soient utilisées ou divulguées par erreur, ou que des données soient mal interprétées.
   
   
5. Coûts et budget – Mettez en place un système pour suivre les coûts liés à l’IA (exploitation et entretien, coûts des effectifs, consommation d’énergie). Ces renseignements aident à prendre de futures décisions pour mettre en œuvre des solutions d’IA en s’appuyant sur de bonnes analyses de données de base. Il est crucial d’établir des indicateurs de rendement clés pour mesurer les progrès et les bénéfices apportés par ces systèmes. Cela permet de prendre des décisions éclairées pour appliquer des solutions d’IA plutôt que d’utiliser des analyses de données de base, en s’appuyant sur des indicateurs tels que les économies réalisées, les gains d’efficacité et l’incidence globale sur le système.
   
   
6. Préparation des données – Assurez-vous que les nouvelles données sont bien synchronisées avec les données existantes et stockées de manière sécurisée. Pour cela, il faut bien comprendre les mesures légales et réglementaires liées au stockage et à l’utilisation des données personnelles.
   
   
7. Vision globale à long terme – Expliquez clairement la place de cette solution dans votre plan stratégique à long terme, les parties prenantes qui seront concernées à long terme, et la façon dont cette solution contribuera à l’atteinte de vos ambitieux objectifs.