Récemment, Mark Colaluca, vice-président principal chez HCLTech, s'est entretenu avec Gary Zhao, fondateur de Digital Innovation Valley et conseiller stratégique de HPE, pour explorer comment Digital Innovation Valley a navigué sa transformation axée sur l’IA. Leur conversation met en lumière les obstacles critiques, le rôle crucial des partenariats stratégiques et l’importance d’une collaboration accrue entre le gouvernement et le secteur privé, offrant un plan directeur aux organisations cherchant à prospérer à l’ère de l’IA.

Naviguer les obstacles inattendus dans l’adoption de l’IA

Malgré des préparatifs approfondis avant l’arrivée de l’IA moderne, Digital Innovation Valley a rencontré plusieurs embûches une fois que les modèles fondamentaux et l’analytique avancée sont devenus largement accessibles.

1. Pénurie de talents et lacunes en développement

« Nous avons effectué de vastes préparatifs, » explique Zhao, « mais après l’arrivée de l’IA, notre développement de talents n’a pas pu répondre aux attentes du marché. » Bien que Digital Innovation Valley ait investi dans des programmes de perfectionnement, la demande pour des experts en IA, notamment les spécialistes des données et les ingénieurs en analytique, a surpassé le rythme des filières de formation traditionnelles. Former des professionnels dotés de compétences variées en apprentissage automatique, apprentissage profond et gouvernance des données s’est avéré être un processus de longue haleine.

Même les partenariats dédiés avec les universités et d’autres instituts de formation professionnelle n’ont pas encore complètement comblé cet écart, soulignant l’urgence d’initiatives accélérées de développement des talents et de collaborations industrie-académique.

2. Réinventer les modes de travail et les structures organisationnelles

Établissant un parallèle avec les débuts de l’électrification, Zhao note que « lorsque l’électricité est née, il a fallu près d’un siècle pour une application pratique généralisée, car il a fallu transformer fondamentalement l’ensemble des modes de travail. » À l’ère actuelle de l’IA, les entreprises doivent repenser la hiérarchie organisationnelle, les processus décisionnels et les flux de travail interfonctionnels. Les équipes traditionnelles structurées autour de départements en silos doivent évoluer vers des escouades agiles et multidisciplinaires pouvant itérer rapidement sur des projets pilotes en IA. Ce virage culturel et structurel exige un investissement soutenu et continu dans la gestion du changement, ainsi qu’une volonté de tolérer des perturbations à court terme au service de l’innovation à long terme.

3. Offrir rapidement de la valeur à faible coût

Même lorsque les preuves de concept en IA sont concluantes à l’interne, garantir que les clients réalisent des avantages tangibles et rentables demeure un défi de taille. « Comment aidons-nous nos clients à obtenir des bénéfices tangibles, rapides et peu coûteux grâce à l’IA? » demande Zhao. Sans mesures claires, indicateurs de rendement clés (IRC) bien définis et une attention à la minimisation de la complexité de déploiement, les projets d’IA stagnent souvent ou donnent des rendements marginaux. Pour atténuer ce risque, Digital Innovation Valley a commencé à adopter des solutions d’IA modulaires, séquencées afin que chaque étape incrémentale génère un RSI mesurable, pour renforcer la confiance des clients et réduire le temps pour créer de la valeur.

La force des partenariats stratégiques

De la stratégie de haut niveau jusqu’à l’intégration technologique spécialisée, des partenaires externes ont joué un rôle clé pour accélérer la feuille de route en IA de Digital Innovation Valley. Zhao classe ces alliances en deux grandes catégories :

Alliances axées sur le conseil

HCLTech fournit une orientation holistique au sein d’un écosystème mondial, aidant à relever les défis commerciaux majeurs et à façonner des produits fondamentaux. Par exemple :

• Solutions énergétiques à faible émission de carbone pour les services publics : Digital Innovation Valley a cherché à développer le premier système d’enchères d’énergie en Chine axé sur des objectifs de réduction du carbone. S’appuyant sur l’expérience mondiale de HCLTech dans la mise en œuvre de TI à faible émission de carbone, les partenaires ont co-développé une plateforme fondamentale qui intègre des analyses avancées avec des données de réseau en temps réel
• Intégration des meilleures pratiques mondiales : Grâce à des ateliers de consultation, les experts de HCLTech ont aidé Digital Innovation Valley à se comparer aux normes internationales en matière d’enchères pour services publics, garantissant que la solution serait à la fois évolutive et concurrentielle à l’échelle mondiale

Cette approche axée sur la consultation a permis à Digital Innovation Valley de naviguer la complexité réglementaire, de valider des hypothèses critiques et de réaliser un « grand coup » dès son tout premier projet pilote d’enchères énergétiques — positionnant l’entreprise comme un chef de file de l’industrie.

Collaborations entre spécialistes technologiques

Au-delà de la stratégie, Digital Innovation Valley s’appuie sur un réseau de fournisseurs technologiques spécialisés afin d’offrir des capacités de niche dans des domaines comme l’analyse de texte, le traitement audio et la modélisation de langage à grande échelle.

« Tout au long de cette époque, la division du travail est devenue de plus en plus morcelée », fait remarquer Zhao. En tirant parti de la technologie de pointe de chaque partenaire, Digital Innovation Valley peut assembler des piles d’IA modulaires, combinant des capacités pour résoudre des problèmes d’affaires concrets sans surexploiter ses ressources internes.

Adopter l’ère de l’IA et la fabrication intelligente

Selon Zhao, « Nous sommes entrés dans une ère de l’IA où elle s’intègre dans notre vie et notre travail quotidien. Si vous ne pouvez pas adopter l’IA, vous n’êtes pas aligné avec la tendance du développement. »

Il retrace l’évolution rapide de l’IA :

1. Gouvernance des données : Les efforts initiaux se sont concentrés sur le nettoyage, la consolidation et la sécurisation des données d’entreprise. De nombreuses organisations ont passé des années à établir des lacs de données, des cadres de gouvernance et des pipelines d’analytique de base.
2. Grands modèles et modèles de fondation : Avec l’arrivée de modèles basés sur l’apprentissage profond (tels que les grands modèles linguistiques comme la série GPT et les systèmes émergents à code source ouvert comme DeepSeek), les capacités de l’IA ont fait un bond en avant, permettant une compréhension plus sophistiquée du langage naturel, de la vision par ordinateur et de l’analytique prédictive.
3. Futurs agents intelligents : Zhao prévoit « des millions d’intelligences », suggérant un paysage futur où des agents d’IA spécialisés traiteront les requêtes des utilisateurs finaux, automatiseront les flux de travail interentreprises et recombineront dynamiquement les services sur demande.

Pour la fabrication et plus précisément la fabrication intelligente, cette évolution pourrait se traduire par :

• Maintenance prédictive : Les modèles d’IA analysent les données des capteurs pour prédire les défaillances d’équipement, planifier les réparations de manière proactive et minimiser les arrêts imprévus
• Contrôle de la qualité : Les systèmes de vision par ordinateur inspectent automatiquement les composants pour détecter les défauts, réduisant la dépendance à l’inspection manuelle
• Optimisation de la chaîne d’approvisionnement : L’analytique avancée prévoit les variations de la demande, optimise les niveaux d’inventaire et réachemine dynamiquement la logistique en fonction des données en temps réel

En collaborant avec HCLTech, Digital Innovation Valley a déjà identifié des points d'entrée pratiques, tels que l'intégration de la reconnaissance d'images pilotée par l'IA dans les chaînes de production et elle démontre activement des preuves de concept dans des environnements d'usine intelligente. Comme le souligne Zhao, « Le dernier kilomètre de l'intégration de l'IA a été en partie résolu par des acteurs comme Amazon, Facebook et Google. Maintenant, la question est de savoir comment redéfinir les modes de travail internes afin de tirer parti efficacement de ces percées. »

Collaboration gouvernement–privé : Construire un écosystème d'innovation

Digital Innovation Valley offre un exemple convaincant de la façon dont les gouvernements et les entreprises privées peuvent co-créer un écosystème d'innovation qui accélère l'adoption des technologies, soutient les startups et fait progresser les objectifs de durabilité.

1. Plateforme industrielle et intégration des ressources

Le gouvernement local construit une plateforme écologique industrielle qui agrège des ressources, y compris des terrains, du financement et des installations de R&D, et ouvre des zones de démonstration. En « posant le décor », il permet aux entreprises à valeur ajoutée de piloter des solutions d'IA et à faibles émissions de carbone dans un environnement contrôlé et très visible.

2. Attribution claire des rôles

Les entités gouvernementales identifient et attirent des entreprises à fort potentiel, telles que HCLTech, avec ses plus de 200 000 professionnels et une clientèle mondiale, et les invitent à ancrer l'écosystème. En même temps, elles attirent des partenaires spécialisés comme Quantum Matrix (analytique de texte), des instituts de recherche universitaires de premier plan et des plateformes d'investissement d'État, chacun avec des responsabilités définies.

Quel est le rôle du gouvernement dans ce modèle ? « D'abord, il assure l'introduction des industries. Deuxièmement, il permet de poser le décor. Troisièmement, il offre davantage de plateformes d'investissement et d'opportunités d'investissement », explique Zhao.

Du côté des entreprises, Digital Innovation Valley et des partenaires comme HCLTech apportent des cas d'utilisation mondiaux, des méthodologies de R&D matures et une expérience de la chaîne d'approvisionnement. « HCLTech, par exemple, a tellement de cas d'utilisation et de solutions à l'échelle mondiale, et nous pouvons appliquer ces cas d'utilisation pour [créer un cycle de transfert de connaissances et de démonstration pratique », poursuit Zhao.

Ultimement, ce modèle collaboratif accélère la commercialisation des technologies émergentes, en particulier dans l'IA, la fabrication intelligente et les initiatives à faibles émissions de carbone, tout en assurant l'alignement avec les objectifs régionaux de durabilité.