Context

  • Des attentes élevées du Top Management sur l’IA pour stimuler l’innovation et la transformation de la R&D, mais un fort niveau de challenge pour développer et déployer des solutions robustes et pérennes au delà de la preuve de concept (POC)
  • De nombreux projets de digitalisation dans les différentes entités de R&D avec un manque de cohérence et de coordination conduisant à une ambition limitée
  • Un manque d’alignement entre les entités de R&D sur les cas d’utilisation les plus pertinents à traiter et le POC associé à lancer en priorité
  • Des équipes qui « ne parlent pas exactement la même langue » : les équipes Métiers avec une vision orientée terrain et les data scientists orientés performance d’algorithme avec un potentiel manque d’alignement sur les enjeux opérationnels

Objectif(s)

Catégorie : Optimiser le ROI des activités d’innovation

  • Tirer parti des données R&D pour optimiser l’efficacité des métiers
  • Générer de nouveaux champs d’innovation
Il convient aussi et surtout de manager la résistance aux changements en favorisant la montée en compétences des équipes, en facilitant la communication entre les différents services et en valorisant les premiers succès de déploiement. C’est en effet l’adhésion de l’ensemble des collaborateurs au projet de transformation digitale, qui constitue le facteur décisif de réussite.
Mathieu Pailler, Directeur, Leader du practice Innovation
EN VERSION COMPLÈTE

Découvrir la méthodologie, les outils et les résultats obtenus

Découvrir d'autres cas Innovation