L’intelligence numérique, pour passer de la donnée à la décision

Ensemble d’outils et de méthodologies combinant collecte et exploitation des données avec conception et utilisation de modèles et d’algorithmes pour faciliter, enrichir et accompagner la prise de décisions. Plus généralement, l’intelligence numérique (IN) peut également référer :

• à l’analytique des données, particulièrement sous ses angles descriptifs, prédictifs et prescriptifs, ainsi qu’à différents domaines plus spécialisés tels que la science des données, l’informatique décisionnelle, l’intelligence artificielle, l’apprentissage automatique, la recherche opérationnelle;
• aux différentes approches d’ordre technoscientifique qui permettent de passer de sources de données (capteurs intelligents, plateformes d’Internet des objets, entrepôts de données, etc.) à de la création de valeur sociale ou économique et aux plateformes qui permettent la conception de nouveaux modes de gestion ou de modèles d’affaires, comme ceux de l’économie de partage.

Dans un contexte de valorisation et de transfert, l’intelligence numérique est le chaînon essentiel entre la multitude de technologies numériques habilitantes génératrices de données et la véritable création de valeur des organisations.

Pris isolément, des capteurs, solutions de stockage ou diffusion de données sont un coût et ce n’est que l’exploitation des données qui en sont issues (pour prendre des décisions, créer de nouveaux produits ou services, etc.) qui permet d’en extraire de la valeur. En s’appuyant sur les données numériques, l’intelligence numérique ouvre la voie à des interactions entre processus et sources de données, deux éléments auparavant confinés à des silos. Là où ces interactions existaient déjà, l’IN en permet l’automatisation ou l’accélération.

Contrairement aux domaines d’étude spécifiques que sont l’intelligence artificielle, l’apprentissage automatique, l’apprentissage profond, la recherche opérationnelle, les statistiques, la simulation, etc., l’IN inclut ces derniers et répond globalement, au-delà des silos, aux divers enjeux de valorisation des données et ceux vécus par les organisations.

Parmi les spécificités des technologies de l’IN, notons :

1. une composante algorithmique abstraite et généralement mal comprise des non-expert.e.s;
2. un développement et une création de valeur intimement liés au contexte précis d’application par une combinaison données-modèle-algorithme;
3. une dynamique d’évolution du système en continu (les données et, donc, le système étant évolutifs ainsi que la sophistication continue des modèles et des algorithmes);
4. un processus d’industrialisation différent et plus complexe que les systèmes à base procédurale où, dans ces cas, le comportement est souvent déterministe et prévisible.

Ces spécificités contrastent fortement avec d’autres secteurs technologiques (p. ex., pharmaceutique et découverte de médicaments) et, dans un contexte crucial d’augmentation de la productivité des entreprises québécoises et de leur capacité d’exportation, la valorisation des technologies de l’IN doit nécessairement en tenir compte.