Cassie Kozyrkov
La plupart des entreprises investissent massivement dans l’IA sans avoir une vision claire des décisions que cette technologie est censée améliorer. Les modèles sont déployés, les tableaux de bord se multiplient, mais les dirigeants ne parviennent toujours pas à déterminer si tout cela a un impact sur la qualité des choix stratégiques de l’entreprise. Ce qui manque, ce ne sont pas davantage de données ni de meilleurs algorithmes, mais une approche rigoureuse permettant de relier les résultats de l’IA aux décisions que l’entreprise cherche à prendre de manière éclairée.
Cassie Kozyrkov est l’ancienne responsable scientifique en prise de décision chez Google et fondatrice de la « Decision Intelligence », une discipline qui aide les organisations à tirer parti de l’IA et des données pour prendre de meilleures décisions stratégiques.
Full Profile
Pourquoi les entreprises font-elles appel à Cassie Kozyrkov ?
- Elle a mis en place de toutes pièces la fonction « Decision Intelligence » au sein de Google et l’a dirigée pendant cinq ans, ce qui signifie que les dirigeants bénéficient des conseils d’une personne qui a déjà résolu, à grande échelle, le problème qu’ils tentent de résoudre.
- C’est elle qui a défini et codifié ce domaine. Lorsqu’un PDG demande ce qu’est la « Decision Intelligence » et pourquoi ses investissements en IA devraient s’inscrire dans ce cadre, elle est la référence absolue, et non une simple interprète du cadre conceptuel élaboré par quelqu’un d’autre.
- Elle a personnellement formé plus de 20 000 employés de Google, tous postes confondus, à la prise de décision fondée sur les données et à l’IA ; elle sait donc comment faire passer le message aussi bien auprès de cadres non techniciens qu’auprès d’ingénieurs.
- Elle traduit l’IA et les statistiques en un langage décisionnel accessible aux conseils d’administration et aux dirigeants opérationnels. Son cours « Making Friends with Machine Learning », initialement conçu exclusivement pour Google, est désormais la référence en la matière pour des milliers de dirigeants en dehors de l’entreprise.
- Elle apporte ses conseils au niveau requis par le sujet traité. Son siège au Conseil consultatif sur l’innovation de la Banque fédérale de réserve de New York et sa collaboration avec Forbes sur l’IA montrent que son analyse est prise au sérieux par les institutions politiques et les médias, et pas seulement par les entreprises clientes.
Faits marquants de sa biographie
- Première « Chief Decision Scientist » de Google (de 2018 à 2023), à la tête des activités de l’entreprise en matière d’intelligence décisionnelle au sein du département Recherche et Intelligence artificielle.
- Fondatrice et PDG de Kozyr, une entreprise de conseil et de formation en IA au service des cadres supérieurs et de leurs équipes.
- A formé personnellement plus de 20 000 employés de Google à la prise de décision fondée sur les données et à l’IA, et a piloté plus de 500 projets d’intelligence décisionnelle au sein de Google.
- Créateur de « Making Friends with Machine Learning », à l’origine un cours interne chez Google, désormais accessible gratuitement au grand public sur YouTube.
- Auteure du Substack « Decision Intelligence » et « Top Voice » sur LinkedIn pendant six années consécutives ; ses articles ont été publiés dans la Harvard Business Review, Fortune, Fast Company, WIRED et le Wall Street Journal.
- Membre du Conseil consultatif sur l’innovation de la Banque fédérale de réserve de New York (de 2023 à 2024) ; lauréate du prix « Few-Glasson Distinguished Alumna » de l’université Duke.
Biographie
La plupart des entreprises n’ont pas un problème de données, mais un problème de décision. Les tableaux de bord, les pipelines et les modèles sont en place, et pourtant, les dirigeants ne sont toujours pas en mesure de déterminer quelles décisions sont manifestement meilleures grâce à tout cela. C’est sur cette lacune que Cassie Kozyrkov travaille depuis une décennie, d’abord au sein de Google, puis aujourd’hui auprès de dirigeants de tous les secteurs.
Chez Google, elle est devenue la première « Chief Decision Scientist » de l’entreprise en 2018 et a occupé ce poste jusqu’en 2023. Elle a créé une nouvelle fonction situant entre la recherche et l’intelligence artificielle d’un côté, et les activités opérationnelles de l’autre, et l’a utilisée pour appliquer l’IA et les données à travers une discipline qu’elle appelle « Decision Intelligence » (intelligence décisionnelle). À son départ, elle avait personnellement formé plus de 20 000 employés de Google et influencé plus de 500 projets dans ce cadre.
Si son travail dépasse le cadre de Google, c’est parce qu’elle a su rendre le sujet accessible. Son cours « Making Friends with Machine Learning », conçu au sein de Google puis diffusé dans son intégralité sur YouTube, est l’un des rares guides explicatifs rédigés dans un langage véritablement simple qui explique comment l’apprentissage automatique s’intègre concrètement dans les décisions d’entreprise. Ses articles publiés dans la Harvard Business Review, Fortune, Fast Company, WIRED et le Wall Street Journal ont rempli la même fonction pour les dirigeants non techniciens, et sa newsletter « Decision Intelligence » sur Substack est devenue une référence pratique pour les professionnels.
Aujourd’hui, elle dirige Kozyr, où elle conseille les équipes de direction sur la stratégie en matière d’IA et la conception des processus décisionnels, et siège au Conseil consultatif sur l’innovation de la Banque fédérale de réserve de New York, chargé de l’IA et des marchés financiers. Son approche est cohérente. Elle fait partie des rares voix dans le domaine de l’IA à partir de la décision que l’organisation cherche à prendre correctement, puis à remonter en amont jusqu’à la technologie, plutôt que l’inverse.
Principaux thèmes d’intervention
- Intelligence décisionnelle
- Stratégie et adoption de l’IA
- Prise de décision fondée sur les données
- L’apprentissage automatique pour les dirigeants d’entreprise
- Utilisation responsable et efficace de l’IA
- Culture de l’IA pour les cadres dirigeants
- Biais et jugement dans les systèmes d’IA
Idéal pour
- les PDG, les conseils d’administration et les équipes de direction chargés de définir une stratégie en matière d’IA et d’allouer les ressources en conséquence
- Les responsables des données, de l’analyse et de l’IA qui mettent en place un modèle opérationnel d’intelligence décisionnelle
- Les responsables de la transformation et de la stratégie chargés de transformer les projets pilotes d’IA en résultats commerciaux
- Les programmes de leadership et les séminaires nécessitant une véritable maîtrise de l’IA, et non un simple argumentaire commercial
Résultats attendus pour les participants
- Une définition pratique de l’« intelligence décisionnelle » et de sa place par rapport à la science des données, à l’analyse et aux investissements en IA.
- Un diagnostic plus précis des raisons pour lesquelles les projets d’IA piétinent : une décision mal ciblée, un responsable inadapté ou une question mal posée au modèle.
- Un langage commun aux dirigeants techniques et non techniques pour débattre des initiatives d’IA sans recourir systématiquement à des mots à la mode.
- Des techniques spécifiques pour tester la résistance des décisions face aux biais courants, notamment le biais de résultat et le biais de confirmation.
- Une vision réaliste de ce que les systèmes d’IA actuels sont capables de faire – et de ce qu’ils ne peuvent pas faire – en matière de prise de décision sans l’intervention du jugement humain.
Conférences
Une intervention sur ce qu’exige réellement un leadership axé sur l’IA, et sur la manière d’intégrer l’IA au cœur des décisions plutôt que de la contourner.
Points clés à retenir :
- Quels changements le métier de dirigeant subit-il lorsque l’IA passe du statut d’outil à celui de norme ?
- Quelle est la place de l’IA dans le processus décisionnel, et dans quels domaines le jugement humain reste-t-il déterminant ?
- Les conditions organisationnelles qui distinguent les entreprises adoptant l’IA de celles pour lesquelles l’IA est une composante native.
Un témoignage direct expliquant pourquoi la plupart des programmes d’IA ne donnent pas les résultats escomptés, tiré de mon expérience au sein de Google et de mon activité de conseil auprès de dirigeants d’autres entreprises.
Points clés à retenir :
- Les erreurs récurrentes qui mettent fin aux projets pilotes d’IA avant même qu’ils n’atteignent le stade de la production.
- Comment distinguer le battage médiatique autour de l’IA des rares décisions qui en tirent véritablement profit.
- Un test simple pour déterminer si un projet d’IA mérite d’être financé.
Une introduction à l’intelligence décisionnelle, en tant que couche opérationnelle reliant les données, l’IA et les décisions concrètes prises par une entreprise.
Points clés à retenir :
- Les composantes essentielles d’une pratique de l’intelligence décisionnelle.
- Comment définir le champ d’application des décisions afin que les données et l’IA puissent y être appliquées de manière utile.
- Ce qu’il faut mesurer pour savoir si la qualité des décisions s’améliore.
Une session pratique consacrée aux biais et aux défaillances de processus qui nuisent à la qualité des décisions de direction, avec des solutions à mettre en œuvre dès la prochaine réunion.
Points clés à retenir :
- Le biais de résultat et le biais de confirmation dans les décisions de direction.
- Distinguer la qualité d’une décision de la qualité de son résultat.
- Interventions simples pour les décisions à enjeux élevés.
Une intervention sur la manière dont l’homogénéité des points de vue au sein des équipes chargées des données et de l’IA engendre des angles morts systématiques, et sur ce que les dirigeants peuvent faire pour y remédier.
Points clés à retenir :
- C’est au niveau des décisions, et non du code, que les biais s’introduisent réellement dans les systèmes d’IA.
- Les habitudes organisationnelles qui aggravent les biais de l’IA au fil du temps.
- Les mesures concrètes que les dirigeants peuvent prendre pour diversifier les contributions à leurs travaux sur l’IA.