La gouvernance de l'IA dans la mode et le luxe

Le point de vue du DSI sur l'adoption de l'IA

Entretien avec Andrea Pertici, DSI chez Global Fashion & Luxury Brands

Comment l'IA transforme-t-elle les processus stratégiques dans la mode et le luxe ?

L'IA transforme les processus stratégiques des secteurs de la mode et du luxe en nécessitant un passage d'une mise en œuvre purement technologique à une approche holistique. focus en matière de culture organisationnelle, de risque managementet la gouvernance des données. Selon les experts du secteur, l'intégration de l'IA exige le même niveau de vision stratégique et organisationnelle que celui appliqué précédemment à des innovations telles que la blockchain ou les systèmes ERP, car la technologie seule ne peut résoudre les problèmes commerciaux et peut même en créer de nouveaux sans stratégie claire.

La transformation des processus stratégiques est manifeste dans les domaines clés suivants :

• Évaluation des risques et gouvernance : Avec l'introduction de réglementations telles que du Loi sur l'IALes entreprises doivent désormais évaluer tous leurs investissements et implémentations en IA en fonction du niveau de risque qu'ils représentent pour l'organisation. Les stratégies doivent prendre en compte quatre niveaux de risque, allant d'un risque « inacceptable » (à éviter absolument) à un risque « minimal ». De plus, la direction doit gérer « IA fantôme »—le phénomène par lequel les interfaces d'IA générative permettent à n'importe quel employé d'introduire des outils numériques de manière indépendante, en contournant les processus de vérification standard et en créant des risques potentiels pour la sécurité.
• Planification économique et financière : La mise en œuvre de l'IA modifie fondamentalement les structures de coûts ; il s'agit généralement d'une coûts d'exploitation (OpEx) Cela a un impact direct sur les marges bénéficiaires d'une entreprise. Contrairement aux évolutions informatiques précédentes, l'introduction de l'IA ne réduit pas nécessairement les coûts informatiques traditionnels, et il est actuellement difficile, dans le secteur de la mode, de récupérer ces dépenses grâce à des gains d'efficacité, une augmentation des ventes ou une réduction des effectifs. Par conséquent, des plans d'affaires rigoureux sont essentiels, car les données actuelles suggèrent que le taux de réussite de l'IA appliquée à la chaîne de valeur n'est que d'environ 5 %.
• Consolidation des données comme fondement : Une stratégie d'IA réussie repose en grande partie sur la capacité d'une organisation à consolider et valoriser ses propres donnéesToute initiative en matière d'IA doit reposer sur des processus et des données intégrés ; sans cela, les entreprises risquent de se retrouver « dépendantes d'un fournisseur », perdant ainsi le contrôle de leurs données et de leurs compétences au profit de services externes, ne conservant que le contrôle du traitement des paiements.
• Optimisation des processus vs. sous-optimisation : La planification stratégique doit veiller à ce que l'application de l'IA à des cas d'usage spécifiques, comme la transformation de la chaîne de valeur, n'entraîne pas une sous-optimisation d'autres domaines. Les décideurs doivent évaluer s'il convient de développer, d'assembler ou d'acquérir des services, tout en s'assurant que l'optimisation d'un processus ne se traduise pas simplement par un report des coûts vers une autre partie de l'organisation.

En définitive, la réussite de la transformation des processus stratégiques dépend moins de la technologie elle-même que de la capacité à gérer efficacement les situations et à répondre aux besoins des utilisateurs. culture et identité de l'entreprise, en veillant à ce que l'adoption de l'IA soit motivée par une compréhension claire des besoins de l'entreprise plutôt que par une adoption spontanée.

Quels sont les principaux risques liés à l'adoption de l'IA dans les organisations ?

Les principaux risques liés à l'adoption de l'IA dans les organisations peuvent être classés en défis réglementaires, de sécurité, financiers et stratégiques :

Risques réglementaires et de conformité Avec l'introduction du Loi sur l'IA En Europe, les entreprises sont soumises à des obligations de conformité strictes, fondées sur quatre niveaux de risque, allant de « minimal » à « inacceptable ». Les organisations doivent évaluer soigneusement leurs investissements afin de s'assurer qu'ils évitent risques « inacceptables », telles que la reconnaissance faciale non autorisée ou l'ingénierie sociale, qui sont interdites.

Risques liés à la sécurité et à la gouvernance (« IA fantôme ») Un risque important est l'émergence de « IA fantôme »Ce phénomène se caractérise par la facilité d'accès à l'IA générative (interfaces conversationnelles), permettant à tout employé d'introduire des outils numériques de manière autonome. Ce faisant, les processus de vérification habituels sont contournés, ce qui signifie que des individus peuvent s'abonner à des outils et les utiliser, susceptibles d'introduire des failles de sécurité ou des fuites de données, sans le contrôle de l'organisation.

Risques financiers et économiques Les implications financières de l'adoption de l'IA font peser de sérieux risques sur la rentabilité :

• Impact sur les marges : L'IA est généralement une coûts d'exploitation (OpEx)ce qui affecte directement les marges bénéficiaires.

• Coûts additionnels : Contrairement aux précédentes mutations technologiques, l'IA ne réduit pas nécessairement les coûts informatiques traditionnels ; au contraire, elle tend à engendrer des dépenses supplémentaires. Si les revenus des fournisseurs d'IA devraient croître significativement, cela se traduira par une augmentation des coûts pour les entreprises clientes.

• Faibles taux de réussite : Le retour sur investissement n'est pas garanti. Appliqué à des processus complexes comme la chaîne de valeur (plutôt qu'à la simple productivité personnelle), le taux de réussite est estimé à un niveau très faible. 5%,.

• Difficultés de recouvrement des coûts : Il est actuellement difficile, dans les secteurs de la mode et du luxe, de recouvrer ces coûts par le biais de réductions de personnel, de gains d'efficacité ou d'augmentations des ventes.

Risques stratégiques et opérationnels

• Verrouillage du fournisseur : Il existe un risque majeur d'entrer dans un état de « enfermer »Il arrive qu'une organisation dépende tellement de services externes qu'elle perd le contrôle de ses propres données et compétences internes. Dans ce cas, l'entreprise ne conserve en réalité le contrôle que du paiement des factures, tandis que les informations stratégiques essentielles restent à l'extérieur.

• Sous-optimisation des processus : Sans une vision globale, il existe un risque d'optimiser un processus spécifique tout en négligeant par inadvertance sous-optimiser les autres, en déplaçant simplement les coûts ou les inefficacités vers une autre partie de l'organisation plutôt que de les éliminer.

• Manque de vision stratégique : L'adoption spontanée de l'IA, sans stratégie organisationnelle et culturelle claire, peut créer plus de problèmes qu'elle n'en résout à court terme.

Pourquoi le taux de réussite de la mise en œuvre de l'IA en entreprise est-il actuellement faible ?

Le taux de réussite de la mise en œuvre de l'IA dans les processus métier, notamment en ce qui concerne la transformation de la chaîne de valeur, est estimé à un niveau très faible. 5%Ce faible taux de réussite est attribué à plusieurs facteurs structurels, financiers et organisationnels :

• Complexité de l'intégration de la chaîne de valeur : Si les outils d'IA « intégrés » pour la productivité personnelle (par exemple, dans les navigateurs ou les suites bureautiques) sont facilement adoptés, l'application de l'IA aux processus d'entreprise complexes et à la chaîne de valeur est beaucoup plus difficile. Ce type de mise en œuvre exige une intégration profonde plutôt qu'une simple adoption.

• Coûts additionnels et défis liés au retour sur investissement : Contrairement aux précédentes mutations technologiques, l'introduction de l'IA ne réduit pas nécessairement les coûts informatiques traditionnels ; au contraire, elle agit souvent comme un complément. Coût d'exploitation (OpEx) ce qui a un impact direct sur les marges bénéficiaires. Recouvrer ces coûts – que ce soit par une réduction des effectifs, des gains d’efficacité ou une augmentation des ventes – s’avère actuellement difficile dans les secteurs de la mode et du luxe.

• Maturité des données et des processus : Le succès dépend fortement de la culture existante d'une organisation et de sa capacité à consolider et valoriser ses propres donnéesSans une base solide de données et de processus intégrés, les entreprises ne peuvent pas déployer efficacement l'IA et risquent de se retrouver « prisonnières de leurs fournisseurs », c'est-à-dire de dépendre entièrement de services externes et de perdre le contrôle de leurs compétences et actifs internes.

• Risque de sous-optimisation : Il existe un risque stratégique que l'optimisation d'un processus spécifique via l'IA puisse par inadvertance sous-optimiser Dans d'autres domaines, il s'agit simplement de déplacer les coûts ou les inefficacités vers d'autres parties de l'organisation plutôt que de les éliminer.

• Coûts cachés de la mise en œuvre : Le coût de l'IA ne se limite jamais aux seuls frais de service ; il implique une courbe d'apprentissage importante, ainsi que des coûts liés à la formation, à l'infrastructure et au réseau.

Que signifie l’« intelligence artificielle fantôme » pour la sécurité de l’industrie de la mode ?

« IA fantôme » Dans le contexte de l'industrie de la mode, cela fait référence au phénomène où les employés souscrivent de manière indépendante à des outils d'IA et les introduisent dans l'entreprise sans supervision officielle ni vérification informatique.

Selon Andrea Pertici, directrice des systèmes d'information pour la mode mondiale brandEn effet, cela présente des implications spécifiques en matière de sécurité :

• Contournement de la gouvernance en matière de sécurité : Le principal risque est que ces outils contournent les évaluations de risques rigoureuses désormais exigées par des réglementations telles que la réglementation européenne. Loi sur l'IALes entreprises sont légalement tenues d'évaluer les implémentations d'IA selon quatre niveaux de risque (de « minimal » à « inacceptable », comme la reconnaissance faciale non autorisée ou l'ingénierie sociale), mais l'IA parallèle empêche cette évaluation.

• Accès sans obstacle : Contrairement aux technologies complexes précédentes, l’« interface conversationnelle » de l’IA générative a levé tous les obstacles techniques. Tout employé capable de taper ou de parler peut désormais utiliser des outils numériques susceptibles de présenter des failles de sécurité, créant ainsi une couche technologique cachée que l’organisation ne peut ni contrôler ni sécuriser.

• Évolution du Shadow IT : On la décrit comme l'évolution moderne de l'« informatique parallèle », où la facilité d'accès à des outils puissants accroît le risque de fuites de données ou de violations de la conformité, car l'organisation centrale ignore même que cette technologie est utilisée.

Comment brandComment éviter la « dépendance vis-à-vis d'un fournisseur » lors de l'utilisation de l'IA ?

Pour éviter la « dépendance vis-à-vis du fournisseur », brands doivent veiller à ne pas atteindre un état où Les données, les services et les compétences résident entièrement en externe., ne laissant à l'entreprise aucun contrôle, si ce n'est sur le paiement des factures.

D'après nos sources, la principale stratégie pour prévenir ce problème consiste à établir des bases internes solides plutôt qu'à simplement acheter des solutions. Cela comprend :

• Consolidation et valorisation des données internes : Le point de départ crucial est la capacité de l'organisation à consolider ses propres données. Une entreprise doit avoir processus et données intégrés en tant que « fondation ». Sans cette colonne vertébrale interne, l'entreprise devient excessivement dépendante de l'infrastructure du fournisseur pour gérer ses actifs essentiels.

• Décisions stratégiques en matière d'approvisionnement : Une fois cette base de données établie, l'entreprise est mieux placée pour prendre des décisions stratégiques éclairées quant à savoir s'il convient de… « développer, assembler ou acheter » des services spécifiques au cas par cas. Cela permet brand Intégrer l'IA externe là où elle est efficace, sans pour autant céder le contrôle total de la chaîne de valeur.

• Préserver les compétences internes : Le risque de verrouillage est explicitement lié à l'externalisation de compétences. Par conséquent, brandLes entreprises doivent veiller à ce que, même si elles utilisent des outils externes, la compréhension stratégique et management Ces processus restent internes à l'entreprise afin d'éviter toute dépendance.

Comment la mode peut-elle influencer le mode ? brandComment empêcher les employés d'utiliser l'IA fantôme ?

La prévention de l’« IA fantôme » n’est pas présentée comme un simple obstacle technique, mais plutôt comme un défi nécessitant un changement de mentalité. stratégie organisationnelle, culture et gouvernance.

Mode brandLes entreprises peuvent lutter contre l’utilisation de l’IA fantôme et l’atténuer grâce aux mesures stratégiques suivantes :

• Mise en œuvre de l’évaluation formelle des risques (loi sur l’IA) : Les entreprises doivent remplacer l'adoption spontanée par un processus d'évaluation formel. En vertu de réglementations telles que Loi sur l'IALes organisations sont tenues d'évaluer toutes les implémentations d'IA selon quatre niveaux de risque, allant de « minimal » à « inacceptable » (comme la reconnaissance faciale non autorisée ou l'ingénierie sociale). En appliquant ce processus de vérification, brandnous veillons à ce qu'aucun outil numérique n'intègre l'écosystème de l'entreprise sans passer par ce filtre de gouvernance.

• Passer d'une adoption spontanée à une adoption stratégique : Le principal facteur de l'IA parallèle est son adoption spontanée par les employés. Pour l'éviter, la direction doit imposer une vision stratégique, organisationnelle et culturelle, à l'instar des déploiements précédents de systèmes PLM ou ERP. L'organisation doit définir clairement comment l'IA contribue à la résolution des problèmes métiers afin que les employés ne ressentent pas le besoin de recourir spontanément à des outils externes.

• Centralisation des données et des compétences : Une mesure préventive essentielle consiste à veiller à ce que l'organisation se dote de bases internes solides. focusS’appuyant sur une culture et une capacité à consolider et valoriser ses propres données, l’entreprise fournit une infrastructure légitime et intégrée. En proposant des processus et des données intégrés, elle réduit la tentation pour les employés d’utiliser des outils externes non officiels susceptibles d’entraîner une dépendance vis-à-vis d’un fournisseur ou une perte de données.

Pourquoi la prévention est difficile : Les sources indiquent que la prévention de l'IA fantôme est particulièrement complexe car l'IA générative (et plus précisément l'interface conversationnelle) a « a complètement levé tous les obstacles à son utilisation »Contrairement aux systèmes complexes existants, toute personne sachant écrire ou parler peut désormais s'abonner à ces outils et les mettre en œuvre de manière autonome, en s'affranchissant des obstacles informatiques traditionnels. La solution repose donc moins sur les barrières techniques que sur… culture d'entreprise et le respect des nouvelles cadres réglementaires