Pourquoi les projets d'IA échouent-ils ?

La cause la plus silencieuse est le dernier kilomètre : un système d'IA n'est pas un logiciel traditionnel qu'on déploie et qui reste immobile, c'est un système qui apprend de données qui changent, et sans surveillance, seuils de réentraînement et capacité de retour en arrière, le projet qui marchait en janvier échoue en juin sans que personne ne le voie venir. C'est pourquoi dans cette maison chaque système opère avec des portes qui bloquent et un registre de défaillances public : un registre vide ne signifie pas zéro incident, il signifie que personne ne note.

L'antidote des quatre autres causes est la méthode, pas la technologie : choisir la tâche avec une matrice à trois critères, mesurer la ligne de base avant de toucher quoi que ce soit, piloter avec une date où étendre ou arrêter sont les deux seuls résultats valides, et publier ce qui a échoué. Nos propres défaillances opérationnelles sont documentées dans chaque cas du lab, parce qu'un prestataire qui ne raconte pas ses échecs vous raconte la moitié.