L'IA dans les fonds d'investissement

Au menu aujourd’hui :

🎓 Le parcours de Yasser de Polytechnique à Blackstone

⚙️ Le monde réel derrière l'IA

💡 Cartographie et priorisation des cas d'utilisation : une approche “top-down” avec de réels avantages

💎 Construire une équipe IA : de la maîtrise technique à la perspicacité commerciale

🤝 Gouvernance, exécution, contrôle : le cadre du succès de l'IA

👀 Quelques sources recommandées par Yasser

‍

🍰 MF : De l’école à la direction de Blackstone, quelles expériences ont été cruciales pour façonner ton expertise en IA ?

👉 Yasser :

Je travaille chez Blackstone, la plus grande entreprise mondiale de gestion d'actifs alternatifs qui gère plus de 1 trillion de dollars d'actifs. Je suis Principal au sein du groupe Data Science où je dirige la “practice” Private Equity de l'entreprise.

Chez Blackstone, nous considérons l'IA comme un investissement long terme et un outil pour construire des entreprises plus fortes. Au sein de mon équipe Data Science de plus de 50 personnes, j'utilise les derniers modèles d'analytique et de ML pour soutenir les équipes d’investissement et travailler avec nos entreprises en portefeuille sur leur stratégie IA.

Avant de rejoindre Blackstone, mon parcours a commencé à l'École Polytechnique (Paris) et à l'Université Columbia (New York), où j'ai respectivement obtenu un Master en Mécanique des Fluides et un Master en Science des Données.

J'ai utilisé cette base académique comme tremplin pour ma carrière dans la tech, où j'ai acquis une expérience pratique dans tout le spectre de l'IA - de la gestion de bases de données au déploiement de modèles d'IA. Cette période a consolidé mes compétences techniques de base et m'a donné la confiance nécessaire pour relever des défis complexes.

Ma prochaine étape a été McKinsey, où j'ai été Data Scientist. Ce rôle m'a permis de combler efficacement le fossé entre les mondes technique et commercial. Enfin, mon rôle actuel chez Blackstone a élargi mon ensemble de compétences, ajoutant une perspective d'investissement et macroéconomique à ma boîte à outils.

🍰 MF : Quel “framework” recommandes-tu pour les entreprises qui se lancent dans des projets d'IA ?

👉 Yasser :

Selon une étude de Gartner, environ 85% des projets d'IA échouent à apporter une quelconque valeur. Alors, la question que beaucoup se posent est : comment les entreprises font-elles de l'IA une partie essentielle de leur ADN ? D'après mon expérience, la réponse réside dans un processus pragmatique en trois étapes :

1. cartographier et prioriser les cas d'utilisation
2. assembler la bonne équipe d'IA
3. gouverner et exécuter efficacement le projet d'IA.

Je crois que cette approche directe aide à démystifier les complexités de l'IA.

Chez Blackstone, nous construisons les capacités nécessaires pour saisir l'opportunité de l'IA depuis 2015. Cela inclut l'introduction d'une équipe de Data Science qui a développé une technologie d'IA visant à positionner Blackstone à l'avant-garde de notre industrie.

🍰 MF : Comment les dirigeants devraient-ils passer d'un point de départ à une mise en œuvre réussie de l'IA ?

👉 Yasser :

Quand il s'agit d'intégrer l'IA dans une entreprise, ma principale réflexion est que ce n'est pas seulement une tâche pour l'équipe technologique. Les cadres de la C-suite jouent un rôle essentiel dans l'intégration de l'IA et facilitent la collaboration nécessaire pour identifier comment l'IA peut ajouter de la valeur.

La priorisation est un processus à multiples facettes. Les équipes devraient évaluer les cas d'utilisation potentiels en fonction de plusieurs critères : combien de revenus pourraient être générés, quelles dépenses pourraient être économisées, et comment le projet s'aligne avec la vision stratégique de l'entreprise. D'autres considérations pratiques incluent la faisabilité, qui englobe la disponibilité des données, de la technologie et des talents.

Par exemple, prenons un directeur des opérations (COO) qui voit l'opportunité d'utiliser l'IA pour automatiser certains de ses processus. En exploitant un modèle GenAI (par exemple, ChatGPT), l'entreprise pourrait ingérer, analyser et répondre plus efficacement aux tickets de support client existants. Si cette initiative peut rendre vos centres d'appels 10% plus efficaces, vous pourriez réaffecter ce temps à des problèmes plus complexes et à des clients plus précieux.

‍

🍰 MF : Comment abordez-vous la construction d'une équipe IA réussie ?

👉 Yasser :

Construire une équipe IA efficace ne concerne pas seulement les compétences techniques ; il s'agit d'aligner ces compétences avec les objectifs commerciaux plus larges, le tout sous la direction d'un leader qui peut naviguer dans les deux mondes sans effort.

Assembler la bonne équipe multidisciplinaire est crucial pour une transformation IA réussie. La clé est un leader IA fort qui non seulement a un solide bagage technique, mais possède également de l'expérience dans des projets de transformation à grande échelle. C'est essentiel car les leaders IA doivent être habiles pour traduire les problèmes commerciaux en solutions techniques et ensuite, de manière cruciale, communiquer la valeur commerciale de ces solutions au monde des affaires.

Cette équipe multidisciplinaire devrait également inclure des ingénieurs de données, des analystes de données, des scientifiques de données et des ingénieurs en apprentissage automatique. Mais le processus technique ne suffit pas - chaque membre de l'équipe doit également comprendre profondément l'entreprise. Cette connexion étroite à l'entreprise garantit que les solutions IA développées seront non seulement techniquement solides, mais également hautement pertinentes et impactantes.

🍰 MF : Comment les équipes peuvent-elles assurer le succès des projets d'IA et éviter les écueils communs ?

👉 Yasser :

Une gouvernance efficace, une exécution agile et une surveillance rigoureuse sont le triptyque qui peut transformer un projet d'IA.

La gouvernance est incroyablement importante - le meilleur conseil que j'ai est de mettre en place un comité de pilotage (SteerCo) qui inclut un sponsor de projet, des cadres de la C-suite, des membres du conseil d'administration et des parties prenantes commerciales pertinentes.

De plus, l'équipe de travail devrait être un mélange équilibré de scientifiques de données et d'opérateurs commerciaux. Les projets d'IA sont généralement 20% de modélisation et 80% de communication, de processus commerciaux et de gestion du changement. Des stand-ups quotidiens, des mises à jour hebdomadaires et des réunions mensuelles de SteerCo pour examiner les progrès sont tous de bonnes pratiques.

En ce qui concerne l'exécution du projet, elle devrait idéalement être agile. Un processus itératif permet à l'équipe de s'adapter aux défis imprévus, tels que les changements dans la disponibilité des données ou le comportement des clients.

Enfin, gardez un œil sur la performance. Les indicateurs clés de performance (KPI) opérationnels et financiers devraient être surveillés en continu. Par exemple, si une application pour consommateurs introduit une nouvelle fonctionnalité IA pour optimiser la recommandation de produits, les KPI opérationnels pourraient inclure le nombre de découvertes réussies, les utilisateurs actifs quotidiens et le temps d'engagement sur la plateforme. Les KPI financiers pourraient couvrir les nouvelles inscriptions, la vente croisée des clients, les taux de rétention et de désabonnement, et les augmentations de revenus.

🍰 MF : Quelles sources et références IA utilisez-vous régulièrement ?

👉 Yasser :

• 📧 J'adore "This Week in Startups" (TWIST) Ticker. C'est une ressource précieuse pour rester à jour sur les dernières actualités dans le monde de l'IA et de la technologie. La newsletter propose un résumé des principaux investissements technologiques, des percées et des événements, ce qui en fait un moyen pratique pour les professionnels et les passionnés de rester informés sur l'industrie.
• 🎓 Pour l'apprentissage et le développement de nouvelles compétences techniques, j'aime vraiment les cours en ligne. Par exemple, Coursera est une excellente plateforme où j'ai suivi tous les cours d'Andrew Ng (par exemple, prompt engineering pour développeurs). Il y a aussi Hugging Face où, en plus d'importer les derniers modèles open source, vous pouvez apprendre de la communauté (par exemple, l'apprentissage par renforcement).

‍

Très belle semaine à tous !

‍

— l’équipe millefeuille.ai

‍