La plupart des organisations utilisent maintenant l’IA en production. Presque aucune ne l’utilise là où elle compte vraiment : dans les expériences client, les décisions cruciales ou les processus exigeant peu de supervision humaine. C’est dans cet écart que l’avantage concurrentiel se gagne ou se perd.
L’obstacle tient généralement à la confiance, et non aux capacités. Pour déployer l’IA dans des contextes à haut risque, quatre critères précis doivent être remplis.
Ces critères touchent la façon dont vous testez le comportement de l’IA, concevez et gouvernez des solutions à l’échelle de l’entreprise, et vérifiez si vos dirigeants adhèrent réellement à l’importance de cet enjeu.
Répondre à ces critères de confiance développe les réflexes et la responsabilisation, et réduit les raisons d’hésiter à déployer l’IA pour produire des résultats significatifs. Sinon, l’IA se limite à économiser quelques livres sterling dans des usages périphériques, sans effet notable sur le fonctionnement de l’organisation.
À pareille date l’an dernier — il y a des décennies en années-IA — la plupart des entreprises étaient au « purgatoire des démonstrations de faisabilité en IA » : beaucoup de projets intéressants illustraient le potentiel de l’IA, mais peu parvenaient en production. Un an plus tard, de nombreuses organisations ont maintenant au moins quelques solutions d’IA en production, ce qui représente un grand progrès.
Toutefois, l’IA est souvent appliquée à des processus périphériques : c’est plus facile, une équipe d’innovation peut la développer avec un utilisateur d’affaires motivé et, en cas d’échec, « ce n’est pas la fin du monde ». Le processus est peu important, il existe une solution de repli manuelle ou plusieurs personnes interviennent pour limiter les conséquences négatives.
Cette approche compréhensible, mais prudente, produit aussi des résultats modestes : elle a probablement peu influé sur les possibilités de croissance, l’expérience client ou la structure de coûts.
Voilà ce qui distinguera les futurs gagnants des autres : les entreprises progressistes investissent dans l’IA là où elle améliore le rendement de l’entreprise.
Les retardataires « font aussi de l’IA », mais pas là où elle aura une incidence réelle sur l’entreprise.
Et oui, intégrer l’IA aux décisions de placement, à l’expérience client, au développement de produits, à la recherche et conception et aux automatisations sans intervention humaine semblera plus risqué, mais c’est là que se trouvent les véritables gains.
Les entreprises qui prennent de l’avance dans ce domaine ne sont peut-être pas encore visibles sur le marché. Lorsqu’elles le deviendront, l’écart sera déjà considérable et leur rapidité de déploiement de l’IA continuera de le creuser pendant que les retardataires comprendront enfin leur erreur.
La question est donc la suivante : de quoi une organisation a-t-elle besoin pour appliquer l’IA avec confiance aux processus qui comptent vraiment?
Supposons d’abord que vous êtes déjà passé de « Nous avons un outil d’IA comme ChatGPT » à « Nous avons des démonstrations de faisabilité », puis à « Nous avons dix solutions d’IA simples en service ». Sinon, vous devez en faire une priorité. Ces premières étapes peuvent sembler banales, mais elles sont essentielles pour développer la maîtrise de l’IA dans l’entreprise, trouver de meilleurs cas d’utilisation et clarifier les étapes internes nécessaires à toute mise en production.
L’organisation devrait alors devenir plus ambitieuse et passer à des « solutions d’IA appliquée significatives avec supervision humaine », puis à l’élément distinctif : « Nous appliquons l’IA à nos processus centraux et à nos expériences client. »
Ces dernières étapes sont rarement freinées par la technologie, mais plutôt par le manque de confiance organisationnelle. Car il existe toujours une raison de reporter les tâches difficiles ou de les éviter :
« Et si elle fournit de mauvaises analyses? », « Et si elle se comporte mal et fait les manchettes? », « Et si elle se trompe dans le calcul et nous amène à prendre la mauvaise décision? », « Et si elle maltraite les clients? », « Et si le modèle devient indisponible? », « Comment assurer la prise en charge des mises à jour? », « Et si la réglementation change? », « Devrait-on attendre le nouveau modèle? », etc.
À notre avis, quatre conditions inspirent généralement la confiance nécessaire pour appuyer sur « Mettre en production » lors d’un changement à fort impact propulsé par l’IA.
Le pourquoi : l’organisation, et particulièrement la haute direction, adhère-t-elle réellement au message expliquant « pourquoi l’IA est importante pour notre réussite »? Sinon, l’organisation sera plus susceptible de trouver des raisons d’éviter les décisions difficiles.
L’habilitation : une équipe responsable du changement, de la transformation ou de l’habilitation en IA aide-t-elle l’organisation à évoluer avec l’IA? Elle doit gérer l’adoption, la formation, la réglementation, les nouvelles méthodes de travail, la remise en question des hypothèses, le financement requis, etc. L’IA n’est pas un changement à « faire régler par les TI », comme l’ont souvent été les initiatives infonuagiques ou numériques. Elle doit être dirigée par l’entreprise et bénéficier d’un solide soutien.
Le comment : existe-t-il une architecture d’entreprise et de solution établie pour l’IA appliquée? Même si ce domaine évolue continuellement, définir une approche oblige à réfléchir et à approfondir les connaissances sur les bons garde-fous, les coûts, l’observabilité, les contrôles, l’accès aux modèles, etc. Cela commence à établir, à l’interne, la crédibilité selon laquelle l’organisation « sait ce qu’elle fait » en matière d’IA, tout en évitant la multiplication de méthodes de conception divergentes.
Le test de confiance avant la mise en production : les responsables de solutions peuvent reporter indéfiniment la décision en se demandant « est-ce assez bon pour la mise en production? » Les tests traditionnels effectués par les équipes d’assurance qualité ne procurent ni cette confiance ni ce sentiment de responsabilité à l’égard d’un système d’IA non déterministe. Les évaluations, oui.
Examinons ces éléments dans l’ordre inverse, car c’est celui qui correspond le mieux à la prise de décisions entourant la confiance avant la mise en production.
Pendant des décennies, les organisations se sont fiées à l’équipe d’assurance qualité pour décider si une version était satisfaisante. En théorie, les parties prenantes de l’entreprise effectuaient les tests; en réalité, c’était l’équipe d’assurance qualité. Le résultat était une réussite ou un échec selon d’innombrables règles du type si ceci, alors cela. Beaucoup de travail, mais rien de compliqué.
Cette approche ne fonctionne pas pour l’IA, dont il faut évaluer le comportement.
Les évaluations permettent de mesurer le comportement qualitatif de l’IA. Au lieu d’une réussite ou d’un échec, vous définissez des critères — exactitude, ton, ancrage factuel, comportement de refus — et attribuez des notes. Suivez ces notes pendant le projet à mesure que vous améliorez les invites, les modèles, les garde-fous, etc. L’équipe de projet, les comités du changement et la direction pourront alors agir avec confiance à partir d’un résultat concret : une note d’exactitude passée de x à y pendant le projet.
Ce chiffre remplit deux fonctions. Premièrement, il renforce la confiance en démontrant l’amélioration au fil du temps et en donnant aux parties prenantes une preuve tangible que le système se comporte de manière fiable et uniforme, conformément aux attentes établies.
Deuxièmement, il favorise la responsabilisation. Ce sont les chiffres qu’elles peuvent citer, ainsi que la traçabilité de ces évaluations. Un ensemble d’évaluations documenté et testé selon une gamme bien définie de scénarios est l’équivalent, pour l’IA, du rapport d’essai qui démontre au comité d’approbation que la diligence raisonnable a été exercée : le système fait-il uniquement ce qu’il doit faire, et uniquement comme il doit le faire?
Bien entendu, ces chiffres ne sont significatifs que si les critères d’évaluation sont assez riches. Cela exige un changement de modèle opérationnel que la plupart des organisations ratent au début : l’« entreprise » doit être responsable des critères d’évaluation, et non l’équipe technique ou d’assurance qualité, ni un seul utilisateur débutant à qui on les délègue. Les responsables de produits et les spécialistes comprennent le domaine, les cas limites, le ton souhaité, les types d’interactions possibles, les étapes de raisonnement logiques, les modes de défaillance, les bonnes paires de questions et réponses, etc. Les personnes qui utilisent et déploient la solution devraient décider de ce qui constitue un bon résultat.
Ainsi, pour approuver une solution qui applique l’IA au cœur même de l’expérience client, il suffit de poser deux questions :
1) Qui a conçu les critères d’évaluation?
2) Le rendement des évaluations s’est-il amélioré au fil du temps par rapport à ces critères et dépasse-t-il maintenant le seuil minimal?
Si la réponse est « l’équipe technique les a conçus, mais les résultats nous satisfont », l’application n’est pas prête. Si la réponse est « oui, nous avons effectué des tests la semaine dernière et ils ont réussi », le niveau de maturité des évaluations n’inspire probablement pas la confiance requise, car celles-ci n’ont vraisemblablement pas guidé la conception dès le départ.
En revanche, si le responsable de produit de l’entreprise a défini, révisé et peaufiné les évaluations tout au long de la conception, et peut montrer une évolution favorable du rendement, vous avez une solution qui mérite d’être approuvée.
L’harmonisation avec les principes et les normes d’architecture d’IA renforce aussi la confiance. Pour vos cinq premières applications d’IA, il convenait peut-être de les concevoir de toute façon permettant de démarrer. Toutefois, une approche plus structurée, fondée sur des architectures d’application de référence et une plateforme d’IA d’entreprise, devient nécessaire pour déployer rapidement et à grande échelle une IA sûre et bien gouvernée dans toute l’organisation.
Toutes les équipes d’ingénierie doivent pouvoir « hériter » rapidement de l’accès aux modèles, des garde-fous, de l’observabilité, de la mise à l’échelle, de la gestion des coûts, etc., afin de se concentrer sur la conception de la solution.
Définir une approche pour la plateforme et l’architecture d’IA d’entreprise, même si sa durée de vie est courte en raison du rythme rapide des changements, renforce la confiance de l’organisation dans sa capacité à déployer l’IA en toute sécurité dans les systèmes critiques. Cela signifie que quelqu’un aura examiné tous les facteurs clés et choisi la meilleure voie de déploiement, ce qui renforce aussi la confiance dans la capacité de la solution à soutenir ces processus importants.
Il ne s’agit pas de « faire la même chose, mais avec un outil d’IA ». Cela peut sembler cliché, mais une transformation exige de repenser les processus et les offres de produits, de faire évoluer l’expérience client et de modifier les méthodes de travail et, probablement, la structure des équipes.
Cela ne se fait pas en marge des tâches habituelles et ne peut pas être dirigé par les TI — ni, non, par votre équipe d’« innovation » de trois équivalents temps plein. Et si vous adoptez l’approche « cela se réglera tout seul », vous n’atteindrez pas le rythme de changement de vos concurrents gagnants.
De plus, repérer les véritables cas d’utilisation « révolutionnaires » et obtenir l’appui nécessaire exige une connaissance approfondie de l’IA dans toute l’entreprise ainsi qu’une attitude positive à son égard.
Votre transformation par l’IA doit donc être menée par des personnes qui connaissent les besoins de l’organisation, savent favoriser le changement et comprennent l’IA. Le conseil doit leur confier le mandat d’assurer la coordination, l’élan, le financement, l’influence, la gouvernance, la priorisation et la prise de décisions.
Surtout durant les premières phases, une fonction centrale de type carrefour d’IA, transformation par l’IA ou bureau de l’IA fonctionne bien. Cette équipe centrale renforce la confiance en montrant que l’organisation possède une stratégie à exécuter, que les grandes décisions peuvent être prises et diffusées rapidement et que des contrôles de qualité encadrent la transformation par l’IA. Sans elle, l’approche risque d’être trop fragmentée et d’entraîner des décisions, des choix de produits ou de solutions et une qualité incohérents, ce qui mine la confiance nécessaire pour implanter l’IA dans des domaines à haut risque.
Comme indiqué précédemment, les entreprises qui tireront un véritable avantage concurrentiel de l’IA auront développé l’expérience, l’expertise et la confiance nécessaires pour la déployer souvent et rapidement au cœur des processus et expériences qui améliorent l’expérience client, le rendement des produits, la cadence de production, etc.
De bonnes pratiques d’évaluation, une architecture adaptable et extensible ainsi qu’une gestion de la transformation axée sur le « c’est possible », qui aide l’organisation à apprendre, à s’adapter et à adopter de nouvelles méthodes de travail, sont toutes nécessaires.
Toutefois, aucune ne réussira selon une approche « ascendante ». Les changements et leurs conséquences sont simplement trop rapides et trop importants. L’« approbation du conseil » ou le « soutien de la direction » ne suffit pas non plus.
Si vos employés ne comprennent pas clairement pourquoi les changements sont nécessaires, ce qu’ils signifient personnellement pour eux — en bien ou en mal — et ce qu’ils y gagnent, la transformation se fera en catimini, avec beaucoup de dommages collatéraux.
Le quatrième élément permettant de tirer un véritable avantage de l’adoption de l’IA est donc une direction qui comprend réellement que l’investissement dans l’IA est essentiel au succès continu de l’entreprise et qui y croit. C’est sa stratégie d’IA, intégrée à l’énoncé de mission et aux objectifs, qu’elle défend sans relâche tout en prenant visiblement des décisions appuyées par des gestes concrets.
Cela procure aux équipes de toute l’organisation les incitatifs, le soutien et le sentiment d’urgence nécessaires pour perfectionner leurs compétences et prendre des décisions importantes, parfois inconfortables, afin de choisir la voie plus difficile, mais plus avantageuse. Cela donne la confiance nécessaire pour appuyer sur « Mettre en production » pour une expérience client ou un processus décisionnel de placement propulsé par l’IA.
Au cours des deux prochaines années, les entreprises qui gagneront grâce à l’IA ne seront pas celles qui en auront fait le plus de déploiements. Ce seront celles qui auront mis l’IA au service des systèmes et processus importants, tournés vers les clients, influençant les décisions et essentiels aux activités, et qui auront développé la capacité organisationnelle de le faire systématiquement et en toute sécurité.
Votre appel à l’action? Si votre organisation « fait de l’IA », mais que celle-ci n’influence pas la réussite de l’entreprise, essayez de répondre aux questions suivantes :
Le rôle de l’IA dans l’accomplissement de la mission de votre entreprise est-il clair? Avez-vous l’impression que la direction croit vraiment que l’adoption de l’IA est essentielle à la réussite future de l’entreprise?
Existe-t-il une fonction centrale qui fait progresser le programme d’IA, forme l’entreprise et coordonne les activités?
L’équipe technologique développe-t-elle l’expertise, la capacité et les modèles de conception nécessaires pour accélérer l’ingénierie sécuritaire de l’IA?
Les versions atteignent-elles la production sans être bloquées par des questions sans réponse sur le comportement de l’IA?
Si vous répondez non à l’une de ces questions, vous savez par où commencer pour accroître la confiance de l’organisation dans sa capacité à déployer rapidement et uniformément l’IA afin d’obtenir un avantage concurrentiel là où cela compte vraiment.