Comment les entreprises en Chine peuvent combler le manque de talents en IA

Source : McKinsey

Auteurs : Wouter Maes et Alex Sawaya

Source de l'image : Généré par Unbounded AI, modèle de style (Song Yun Architecture)

Attirer et retenir les talents de l'intelligence artificielle (IA) est devenu un défi mondial, et la Chine ne fait pas exception.

Dans l'enquête de 2022 de McKinsey auprès des dirigeants d'entreprises mondiales d'intelligence artificielle, 75% des répondants chinois ont admis avoir rencontré des difficultés pour recruter des data scientists [1]. Plus de la moitié des répondants ont déclaré qu'il est difficile de trouver des talents appropriés pour pourvoir les postes vacants des postes clés liés à l'IA, tels que les ingénieurs de données, les architectes de données et les ingénieurs en apprentissage automatique, etc., et ces postes sont cruciaux pour la conception, construction et promotion de capacités numériques et d'IA avancées indispensables.

Nos dernières recherches montrent que même avec la récente contraction du marché, l'acquisition de talents continuera d'être de plus en plus difficile. On estime que d'ici 2030, la valeur potentielle apportée par l'IA à la Chine devrait dépasser 1 000 milliards de dollars américains. Alors que les grandes entreprises se font concurrence pour exploiter cette valeur, la demande chinoise de talents hautement qualifiés atteindra le niveau actuel (augmenté de 1 million à 6 millions d'humains) 6 fois【2】. (Voir l'encadré "À propos de cette étude" pour notre méthodologie.)

À propos de cette étude

L'enquête et les entretiens ont porté sur 102 grandes entreprises chinoises qui ont adopté l'intelligence artificielle dans au moins un domaine. Nous avons également analysé des rapports mondiaux et locaux, des cas d'utilisation et des bases de données de recrutement pour explorer la demande de talents en IA en Chine, les défis et les actions entreprises par les entreprises pour combler le manque de talents. Pour évaluer les besoins en talents, nous avons considéré l'impact économique de l'IA sur les industries clés (consommation, finance, fabrication, services aux entreprises, automobile, transport et logistique, et santé et sciences de la vie) et construit la productivité par habitant pour chaque moule. Du côté de l'offre, nous évaluons le nombre de diplômés universitaires nationaux et étrangers qui ont tendance à choisir un emploi national, y compris les majeures en sciences, technologie, ingénierie et mathématiques (STEM), et le nombre de meilleurs talents scientifiques et technologiques disponibles.

On estime que d'ici 2030, les universités nationales et étrangères et les meilleurs bassins de talents existants ne pourront fournir qu'environ 2 millions (soit un tiers des talents requis) en IA, et l'écart atteindra 4 millions (voir la figure 1). Après 2030, à mesure que le taux de natalité diminuera, le nombre d'étudiants diminuera et le déficit de talents en IA deviendra plus grave.

Face à l'énorme fossé qui est sur le point d'apparaître, comment les entreprises devraient-elles s'assurer les talents et les capacités nécessaires pour être compétitives ? Nous avons mené des enquêtes et des entretiens avec plus de 100 entreprises leaders en Chine, révélant deux informations clés :

Les écarts de talents varient. Alors que chaque entreprise devra améliorer les compétences de la main-d'œuvre existante et s'éloigner des méthodes de recrutement traditionnelles pour acquérir les talents et les capacités dont elle a besoin, les investissements et les interventions varieront d'une entreprise à l'autre en fonction de leur niveau de maturité numérique.

Les entreprises locales et multinationales ont leurs propres avantages. Bien que les diplômés universitaires chinois soient plus optimistes à l'égard des entreprises locales et de leurs structures d'incitation basées sur l'innovation et la performance, les entreprises multinationales en Chine peuvent utiliser efficacement leurs réseaux mondiaux pour attirer des talents à partir d'un plus grand vivier de talents.

Visant le défi des talents de l'IA, cet article examine en profondeur les types de talents auxquels les entreprises devraient donner la priorité à chaque étape de la maturité numérique, et comment mieux acquérir les compétences et les capacités requises.

Les besoins en talents et en compétences varient avec la maturité numérique

En tant que forces motrices importantes, la numérisation et l'intelligence artificielle créent une énorme valeur pour la Chine, ce qui nécessite un ensemble complet de bases de compétences avancées. Ces compétences proviennent d'environ sept domaines : expérience client, cloud, automatisation, plates-formes et produits, gestion des données, DevOps (une approche pour optimiser le développement de logiciels), et cybersécurité et confidentialité. Bien que les entreprises aient finalement besoin de constituer des viviers de talents dans divers domaines, nos recherches montrent que les entreprises doivent prioriser les talents dont elles ont vraiment besoin en fonction de leur maturité numérique. Les trois niveaux de maturité numérique communs sont traditionnels, hybrides et numériques (voir Figure 2).

Traditionnel

Traditionnel fait référence aux entreprises qui viennent de commencer la transformation numérique. Ces entreprises ne disposent généralement que de petites équipes internes et font face à une pression concurrentielle accrue.Ils doivent engager de toute urgence la transformation numérique et de l'intelligence artificielle. Leur transformation se concentre principalement sur l'établissement de bases de données, l'optimisation des processus métier et la concentration sur des cas d'utilisation spécialisés qui peuvent rapidement améliorer l'efficacité de l'entreprise (plutôt que de créer de futures capacités d'IA de R&D innovantes). Pour cela, ces entreprises devraient se concentrer sur deux types de talents :

Le premier type de talent est un expert en gestion des données qui maîtrise l'architecture des données, l'ingénierie des données, l'analyse des données et la traduction des analyses. Ils peuvent créer des plates-formes, des pipelines et des processus de données, favoriser l'ouverture des données, générer des informations en temps réel basées sur les données, assurer la qualité et la gouvernance des données et gérer le cycle de vie des cas d'utilisation. Les entreprises peuvent embaucher de tels experts pour servir les produits de données ou utiliser des équipes de cas pour piloter la fourniture de nouvelles capacités numériques et d'IA. Un centre de données d'excellence exige également que ces experts conçoivent et supervisent en collaboration les processus de gestion des données, garantissant des contrôles d'accès appropriés, la qualité des données et des politiques d'approbation et de conservation.

Une entreprise agricole a construit un centre de données d'entreprise centralisé pour prendre en charge les protocoles de gestion des données et les processus de gouvernance, donnant accès à des milliers d'employés de différents départements pour faire progresser les cas d'utilisation de l'intelligence artificielle et de l'analyse. Les entreprises n'ont plus besoin de développer sans cesse de nouveaux pipelines de données, ce qui réduit considérablement les coûts informatiques et modernise les méthodes commerciales. Par exemple, des robots sont utilisés pour suivre les conditions de reproduction des animaux et envoyer automatiquement des alertes lorsque des maladies potentielles et d'autres problèmes sont détectés.

Le deuxième type de talent est constitué d'experts en plates-formes et en produits, compétents dans le développement de logiciels. Ils sont capables de personnaliser le "logiciel en tant que service" (SaaS) ou d'autres solutions externes pour améliorer l'efficacité de l'entreprise et fournir de nouveaux services orientés client.

Par exemple, un fabricant d'électronique grand public a investi dans une équipe de développement de plate-forme de données après avoir appliqué un cas d'utilisation de l'IA pour optimiser la planification de la production et la productivité du travail. L'équipe mettra à jour le modèle sous-jacent, l'interface utilisateur, le pipeline de données et l'infrastructure back-end, continuera d'améliorer les cas d'utilisation actuels de l'IA et introduira des cas d'utilisation supplémentaires.

Hybride

Les hybrides font référence aux acteurs établis dans les industries qui ont investi massivement dans la transformation numérique. Ces entreprises disposent déjà d'une solide force technique interne et d'une base solide, et se concentrent désormais sur la simplification du processus de développement, l'accélération de la livraison de nouveaux produits numériques et d'IA et l'expansion de l'expertise du domaine pour offrir une excellente expérience client. Les entreprises hybrides ont besoin d'experts DevOps spécialisés dans le développement de logiciels, tels que la gestion agile des produits, les pratiques d'intégration continue/livraison continue (CI/CD) et les microservices pour un déploiement plus rapide. Ils ont également besoin d'experts en expérience client.Ces experts maîtrisent diverses capacités d'analyse prédictive, de réflexion conceptuelle et de tests automatisés, et possèdent de solides capacités de prototypage pour créer de nouvelles expériences pour les clients.

Bien entendu, l'efficacité informatique et les dépenses liées aux serveurs constitueront également un défi, car les entreprises hybrides continuent d'étendre leurs capacités et d'héberger davantage de modèles et d'applications d'IA dans le cloud. Notre enquête sur le cloud en 2022 a révélé que plus de 75 % des entreprises en Chine prévoient d'utiliser plusieurs services cloud, et 90 % prévoient d'utiliser une combinaison de services cloud publics et privés d'ici 2025 [3]. Pour clarifier les exigences en matière de capacité et le fonctionnement des différents services cloud, les entreprises ont besoin d'experts en cloud ayant une expérience des architectures Kubernetes, Docker et multi-cloud.

Nombre

Le numérique fait référence aux entreprises natives du numérique telles que les géants de la technologie, l'intelligence artificielle et les start-ups technologiques. Ces entreprises disposent déjà de réserves de talents suffisantes dans la plupart des domaines du numérique et de l'IA, mais elles doivent encore élargir leurs réserves pour répondre aux attentes changeantes de l'industrie et aux besoins d'avancement technologique.

Ces entreprises se concentrent sur la cybersécurité et la confidentialité des données. En Chine, en raison de la sécurité accrue et de la protection de la vie privée des entreprises, qui peuvent avoir un impact sur l'IA et la numérisation, les entreprises numériques ont besoin d'experts ayant une perspective globale et une approche systématique pour résoudre les problèmes, en donnant la priorité aux tests de sécurité dans les premières étapes de le développement de produits (souvent appelé sécurité shift-left), les cadres de sécurité zéro confiance et les lois et pratiques de protection des données. Une autre catégorie de talents à privilégier sont les experts en automatisation dotés de compétences en intelligence artificielle générative, en technologie de processus robotique, en apprentissage automatique, en analyse basée sur l'IA et en informatique quantique. Ils pilotent le développement, les tests et le déploiement automatisés de bout en bout pour améliorer l'efficacité et la rapidité de mise sur le marché de nouvelles fonctionnalités.

Diverses sociétés multinationales

Quel que soit leur niveau de maturité numérique, les entreprises multinationales opérant en Chine doivent s'assurer que leurs talents en IA sont équipés pour fonctionner sans heurts sur leurs réseaux mondiaux. Par exemple, l'équipe doit parler couramment le chinois et les langues étrangères, comprendre le mode de travail des autres régions et être capable de communiquer facilement avec des collègues du monde entier. Le leadership doit être doué pour établir des partenariats et s'assurer que tout fonctionne conformément aux normes informatiques et d'IA mondiales de l'entreprise, tout en répondant efficacement aux besoins des entreprises locales. Les propriétaires de produits doivent comprendre quelles données et conceptions dans différentes régions peuvent être réutilisées et mises à l'échelle, et quelles données et conceptions doivent être reconstruites localement pour répondre aux besoins de l'écosystème numérique chinois.

Par exemple, la filiale européenne d'une multinationale a développé une application de transport mondial qui utilise les données de trafic des consommateurs de Google, Facebook et Instagram pour optimiser les itinéraires. Bien que la plupart des succursales de cette succursale dans le monde puissent utiliser cette application, afin d'obtenir des données de la plate-forme nationale, le chef de produit en Chine doit diriger l'équipe pour ajuster d'abord l'application, puis la déployer.

Combler les lacunes en améliorant les compétences et en élargissant les sources de talents

Grâce à des entretiens sur des sujets liés à la sélection et à la rétention des talents, nous avons constaté que les entreprises traditionnelles et hybrides ont beaucoup de travail à faire à chaque étape de la gestion des talents (voir Figure 3). Les entreprises numériques n'ont besoin de se renforcer que dans quelques domaines pour conserver leur avantage en matière de gestion des talents.

Après une recherche approfondie sur les stratégies d'entreprise, nous avons constaté que lorsque toutes les entreprises promeuvent le développement des talents numériques et IA, il y a deux points les plus critiques : 1. Améliorer les compétences des talents existants ; 2. Diversifier et élargir les sources de talents. Nos recherches montrent que différents types d'entreprises doivent prendre des mesures différentes sur ces deux fronts.

Améliorer les compétences des employés existants

Le perfectionnement des employés est une stratégie courante des entreprises pour acquérir les talents dont ils ont besoin. Nos recherches suggèrent que les entreprises chinoises peuvent acquérir les compétences requises grâce au renforcement ciblé des capacités de leur réserve existante de talents en affaires et en IA (voir la figure 4).

Bien sûr, nos entretiens ont également montré que les meilleures compétences à améliorer sont les compétences clés difficiles à trouver, à externaliser ou à obtenir, telles que la compréhension des applications héritées ou des fonctions existantes du produit (pour savoir comment démarrer un plan d'amélioration des compétences des employés , voir Figure 5).

Traditionnel

La traduction analytique est une compétence sur laquelle les organisations traditionnelles devraient se concentrer. Nos recherches montrent que sans ces compétences, les unités commerciales auront du mal à convaincre de nouvelles initiatives numériques et d'IA. Améliorez les compétences des experts métier dans différents domaines pour identifier et évaluer les cas d'utilisation potentiels du numérique et de l'IA, évaluer la valeur commerciale potentielle et soutenir le déploiement ultérieur, permettant aux entreprises traditionnelles de tirer plus rapidement profit des investissements dans le numérique et l'IA. Ce type de formation est mieux dispensé en interne en tant qu'« académie d'analyse », où les entreprises peuvent personnaliser la formation et proposer des apprentissages afin que les experts puissent appliquer ce qu'ils ont appris.

Par exemple, afin d'améliorer les compétences des employés, un fabricant de pointe a créé une académie d'analyse au début de la transformation, aidant plus de 200 employés à se transformer en traducteurs analytiques.

Les cours comprennent : 1. Des conférences hebdomadaires d'une demi-journée (pendant 2 à 3 mois), y compris la résolution de problèmes, les exigences en matière de talents et de cas d'utilisation ; 2. Les meilleures pratiques en matière de livraison agile et de gestion du changement ; 3. Pour les cas d'utilisation dans la feuille de route de l'entreprise, Organiser une formation en cours d'emploi.

Depuis leur prise de fonction, ces talents de traducteurs ont favorisé la mise en œuvre de plus de 50 nouveaux cas d'utilisation numériques et IA.

Hybride

À l'heure actuelle, seuls 8 % des talents nationaux en IA possèdent des compétences avancées liées à l'IA, telles que l'informatique de pointe, le big data et l'apprentissage automatique, et l'intelligence artificielle cognitive [4]. Pour les entreprises hybrides, le perfectionnement des employés existants est un élément clé de la transformation. Mais ces entreprises doivent augmenter leurs investissements dans les cours en ligne et les programmes de certification. Dans l'enquête mondiale sur l'intelligence artificielle de McKinsey en 2022, seulement environ un tiers des entreprises chinoises interrogées utilisaient de tels programmes (31 % des entreprises utilisaient leurs propres cours en ligne et 29 % utilisaient des programmes de certification) [5].

Une institution financière de premier plan propose un parcours d'apprentissage personnalisé en fonction du poste et du cheminement de carrière de l'employé, en mettant l'accent sur l'apprentissage en ligne. Chaque employé peut utiliser une application d'apprentissage mobile pour suivre les cours de renforcement des compétences nécessaires à son rôle. L'application propose un large éventail de cours, y compris la programmation Python, le déploiement d'architecture multi-cloud, les compétences en leadership requises pour la transformation numérique, et plus encore.

Nombre

Le plus grand défi pour les entreprises numériques sera de suivre le rythme du développement rapide des technologies émergentes telles que l'intelligence artificielle générative et l'informatique quantique. Ces entreprises peuvent encourager les employés à suivre activement les derniers développements technologiques (par exemple en organisant des employés pour assister à des conférences universitaires, participer à des recherches pertinentes, demander des brevets, participer à des concours de hackathon, etc.) et les aider à réduire l'écart avec de nouveaux talents.

Une entreprise technologique a donné aux employés le temps, l'espace et le budget nécessaires pour rechercher et développer de nouvelles capacités en utilisant des technologies émergentes en dehors des projets existants, ce qui a apporté l'intelligence artificielle, la blockchain et l'informatique en nuage, et de nouveaux produits à l'entreprise De nombreux brevets et demandes de brevet dans des domaines innovants.

Sources diversifiées de développement des talents

L'externalisation des tâches et l'acquisition des capacités techniques de base (et des talents correspondants) sont également des moyens pour les entreprises chinoises de combler les lacunes en matière de talents. Les sociétés multinationales ont un avantage évident à cet égard en raison de leur influence mondiale. Ils peuvent tirer parti des solutions existantes développées par des collègues dans d'autres régions ou de nouvelles capacités développées dans des pays tels que le Vietnam et l'Inde. Bien sûr, les entreprises doivent tenir compte de diverses questions financières et réglementaires, telles que la garantie de la conformité à toutes les réglementations sur la protection des données en Chine. Nos recherches montrent que différents types d'entreprises ont des pratiques exemplaires différentes.

Traditionnel

Les acteurs traditionnels doivent agir rapidement pour rattraper les leaders de l'IA et du numérique afin de rester compétitifs. Initier une transformation numérique en embauchant et en formant de nouvelles personnes, en particulier dans un marché du travail tendu, peut prendre beaucoup de temps. Une façon d'acquérir rapidement des talents et des capacités en matière d'IA consiste à s'associer à des fournisseurs verticaux d'informatique et de SaaS. Certains chefs d'entreprise avancent d'abord grâce à de tels partenariats tout en recherchant de nouveaux talents. Par exemple, le fabricant d'électronique grand public mentionné ci-dessus a externalisé le développement de nouveaux modèles optimisés pour l'IA tout en développant sa stratégie de gestion des talents. De cette manière, l'entreprise a mis de nouvelles capacités en production (et généré de la valeur) en 8 semaines, ce qui peut prendre plusieurs fois plus de temps si elle repose entièrement sur la formation de nouvelles personnes.

D'autres peuvent travailler avec des fournisseurs externes qui construisent l'infrastructure globale de leurs systèmes numériques. Par exemple, un fournisseur chinois de véhicules industriels a engagé une société de logiciels de premier plan pour intégrer plus de six systèmes d'entreprise et d'usine, y compris la planification des ressources d'entreprise, l'exécution de la fabrication, la gestion du cycle de vie des produits, la gestion des fournisseurs, les ressources humaines et l'informatique décisionnelle. Après plus de trois ans d'achèvement du projet, l'entreprise a déployé une gamme de cas d'utilisation, notamment un système de conception de produits collaboratif qui améliore l'efficacité de la R&D et accélère les lancements de nouveaux produits.

Lors de l'externalisation du travail, assurez-vous que toutes les stratégies pertinentes en matière de données et de technologie s'alignent sur les priorités stratégiques de l'entreprise sur lesquelles le fournisseur peut fonder ses décisions de conception. De cette manière, les entreprises peuvent impliquer plusieurs fournisseurs dans différentes tâches et projets, et s'assurer que toutes les solutions partagent des données et des informations de manière transparente.

Hybride

Dans la prochaine phase de la transformation numérique, l'externalisation peut être extrêmement précieuse pour les entreprises hybrides, augmentant la portée et la productivité des experts techniques existants. L'externalisation peut également réduire la charge du personnel technique, de sorte qu'il n'a pas besoin de passer beaucoup de temps à entretenir les systèmes hérités dans le middle et le back office de la mise à niveau.

Aujourd'hui, les solutions logicielles d'entreprise liées aux ressources humaines, aux finances, à la communication et à l'automatisation des processus métier ont mûri en Chine. Les entreprises peuvent rapidement migrer ces systèmes vers le cloud et redéployer les talents de l'IA vers des projets de cas d'utilisation à forte valeur ajoutée. Dans d'autres cas, les entreprises peuvent utiliser des ressources tierces pour créer des parties de nouvelles solutions numériques ou d'IA pour les équipes.

Nombre

De nombreuses entreprises natives du numérique constatent que les expansions et les réorganisations fréquentes entraînent une attrition des cerveaux de haute technologie et des coûts de recrutement élevés, menaçant leur croissance continue. Pour les entreprises numériques, pénétrer de nouveaux marchés ou domaines d'activité par le biais d'acquisitions stratégiques sera une meilleure stratégie (plutôt que de créer de nouvelles capacités en interne) à mesure que le fossé des talents se creuse.

Prenons l'exemple de ByteDance : grâce à cette acquisition, elle a obtenu de nouvelles capacités de réalité virtuelle (VR), ses applications ont été étendues et elle a également obtenu une équipe d'experts en VR pour continuer à développer de nouvelles capacités pour elle.

image

À l'avenir, la demande chinoise de talents en IA sera insuffisante. Les dirigeants doivent inspirer la créativité et s'assurer que l'organisation dispose du vivier de talents et des capacités nécessaires pour rester compétitive au cours de la prochaine décennie. Les entreprises peuvent accorder la priorité à la mise à niveau des compétences des talents existants et combler stratégiquement les lacunes en matière de talents grâce à l'externalisation et aux acquisitions afin de créer un avantage concurrentiel sur les principaux marchés mondiaux.

Remarques:

[1] "L'état de l'IA en 2022 - et une demi-décennie en revue", McKinsey, 6 décembre 2022. L'enquête a porté sur 102 entreprises interrogées en Chine.

[2] Sur la base des recherches suivantes : Shen Kai, Tong Xiaoxiao, Wu Ting et Zhang Fangning, "Exploring the new frontier of artificial intelligence: China's economy welcomes another $600 billion opportunity", McKinsey, 7 juin 2022 ; "Notes from the AI frontier : Applications and value of deep learning », McKinsey Global Institute, 17 avril 2018 ; National Bureau of Statistics of China, 2021.

[3] Kai Shen, Anand Swaminathan, Xiaoxiao Tong et Wei Wang, « China in the Cloud, Looking to 2025 », McKinsey, 8 juillet 2022.

[4] "2021 China IT Service Talent Supply Report", iSoftStone et iResearch, août 2021.

[5] "L'état de l'IA en 2022", 6 décembre 2022.

auteur:

Wouter Maes

McKinsey Global Managing Partner, succursale de Pékin

Alex Sawaya

Associé directeur général mondial de McKinsey, résident dans la succursale de Hong Kong

L'auteur remercie Tong Xiaoxiao et Wang Lingyi pour leurs contributions à cet article.