Paul Fleming
Cet article est tiré de l’article « AI & Water management – What utilities need to know now » (IA et gestion de l’eau – Ce que les services publics doivent savoir maintenant). Vous trouverez l’article complet ici.
Identification des problèmes
L’IA est souvent imprégnée du sentiment qu’elle va tout résoudre et fonctionner partout. Et bien que l’optimisme quant au potentiel de l’IA dans le secteur de l’eau soit important, il est préférable de le pondérer avec une bonne dose de discrétion et en mettant l’accent sur les objectifs et les priorités uniques de chaque service public. Si les services publics s’intéressent à l’IA, il est important d’en savoir plus sur les applications d’IA et d’examiner attentivement les problèmes que vous devez résoudre, de sorte que lorsque les fournisseurs viennent à vos organisations avec de grandes promesses en matière d’IA, vous soyez prêt à évaluer s’il s’agit d’une solution qui correspond vraiment à vos objectifs.
Le déploiement de toute solution d’IA doit être précédé d’une compréhension claire du problème ou de l’opportunité que vous avez et d’une évaluation des meilleures applications potentielles d’une solution d’IA donnée.
En d’autres termes, commencez par identifier votre problème en premier, puis revenez à l’outil approprié, au lieu de commencer par une solution à la recherche d’un problème.
Il existe de nombreux outils disponibles pour le secteur de l’eau qui utilisent l’apprentissage automatique pour aider les services publics à résoudre les problèmes, et nous avons mis en évidence certaines de ces applications ci-dessus. Au fur et à mesure que l’enthousiasme autour de ChatGPT se poursuit, d’autres applications pertinentes pour le secteur des services publics d’eau seront développées. Voici quelques considérations que vous voudrez peut-être garder à l’esprit.
Considérations relatives aux données
L’un des plus grands atouts d’un service public est ses données. Les données d’un service public peuvent être incroyablement diverses et riches, mais aussi inégales avec des lacunes et de qualité inégale tout en étant réparties dans une organisation. Il peut y avoir des données client, des taux d’utilisation, des données d’interruption de service, des données financières, des données météorologiques, des données sociales et bien sûr les nombreuses données sur le comportement du réseau et les actifs du réseau. Le problème est que ces données sont souvent cloisonnées entre les unités commerciales, en particulier dans les grandes organisations. En règle générale, les organisations n’exploitent pas pleinement leurs données dans toutes les unités commerciales, un problème commun à de nombreux secteurs.
Il peut y avoir des opportunités importantes à considérer les données comme un actif et à les utiliser comme un système d’actifs pour générer des informations qui peuvent être exploitées pour améliorer la prise de décision et l’expérience client. Arriver au point où les données peuvent être le moteur qui alimente et pilote l’IA nécessitera probablement des mesures importantes en matière d’hygiène et de préparation des données.
Adéquation culturelle et gestion du changement
Les meilleures idées peuvent mourir sur la vigne si elles ne sont pas correctement imbriquées dans la dynamique de la culture organisationnelle, et cela s’applique également à l’adoption des outils d’IA. Tout changement important, en particulier technologique, a une implication de gestion du changement que le secteur de l’eau doit reconnaître et garder à l’esprit.
Le changement technologique dans une organisation peut échouer et devenir extrêmement coûteux pour un certain nombre de raisons, comme une organisation qui n’identifie pas et ne communique pas clairement pourquoi une nouvelle technologie est nécessaire et ne crée pas une feuille de route claire pour mesurer son succès. Une mauvaise gestion du changement peut également exacerber la résistance des employés au changement, en particulier avec les outils basés sur l’IA qui suscitent souvent des craintes quant à la menace de l’automatisation et de la suppression d’emplois au sein de la main-d’œuvre.
Mais si les nouvelles technologies peuvent repousser les gens, elles peuvent aussi les attirer. Les services publics voudront peut-être réfléchir à leur avenir à la suite du « tsunami argenté », d’une population vieillissante et d’une vague de travailleurs partant à la retraite, et de savoir si une nouvelle génération de talents voudra et attendra l’IA au travail.
Les organisations de l’eau qui résistent à la technologie de l’IA risquent-elles de ne pas attirer les nouveaux talents dont le secteur de l’eau aura besoin sans équivoque? Il est peut-être encore à débattre de savoir si les jeunes générations choisiront des organisations qui adoptent l’IA plutôt que d’autres qui la maintiennent à distance. Le fait est que le message qu’un service public transmet à sa main-d’œuvre actuelle et future concernant son utilisation des technologies émergentes est quelque chose à considérer.
Les petits services publics peuvent être plus agiles
Alors que l’IA peut sembler plus intimidante pour les petits services publics, les petits services publics pourraient avoir l’avantage d’adopter des outils d’IA plus rapidement que les grandes organisations. Simplement parce qu’elles sont petites, il pourrait y avoir moins de données cloisonnées, et moins de personnes peut signifier une visibilité plus facile de gauche à droite sur le fonctionnement de l’organisation, ce qui rendrait la gestion du changement moins difficile.
En d’autres termes, alors que les grands services publics peuvent naturellement avoir plus de données et d’analyses pour alimenter et piloter les outils d’IA, ils pourraient être moins agiles lorsqu’il s’agit de mobiliser leur organisation pour adopter de nouvelles technologies. Un service public plus petit, même s’il y a une lacune en matière de données, pourrait être mieux placé pour combler rapidement ces lacunes en raison de moins de formalités administratives et de moins de personnes pour s’aligner sur le changement technologique souhaité.
Néanmoins, les services publics de toutes tailles devraient aborder cette nouvelle ère de l’intelligence artificielle avec un œil attentif sur les problèmes qu’ils souhaitent résoudre, ainsi que sur les considérations connexes, alors qu’ils explorent les options de sélection et de déploiement de solutions d’IA pertinentes.
#QatiumExperts
Qatium est co-créé avec des experts et des leaders d’opinion de l’industrie de l’eau. Nous créons du contenu pour aider les services publics de toutes tailles à faire face aux défis actuels et futurs.
Paul Fleming, président de WaterValue et Water, Climate and Tech Advisor, est un conseiller de Qatium.
