Lever les freins à l’Analytique avancée pour une entreprise data-driven

1) Petit tour des facteurs clés de succès – Pertinence / Intégration / Contrôle
2) Ne pas oublier les obstacles classiques des projets data et IA
3) Décalage permanent entre la recherche sans fin de performance technique et l’impact (qu’on pourrait nommer performance en contexte)
4) Tout commence par le Pourquoi – Cas d’usage productivité vs transformatif
5) Concrètement, qu’est-ce que ça veut dire – Illustrer des choix à faire pour une IA générative impactante