top of page

IA générative : évitons les faux départs


Building

​(5 minutes de lecture)


Les opportunités liées à l’utilisation de l’IA sont indéniables et les organisations ne se posent plus vraiment la question d’y recourir ou non. Si les biais potentiels d’une IA semblent de plus en plus identifiés, trop de décisions en la matière sont prises sans connaître les facteurs préalables de succès ou d'échec. Cela pose la question de la gestion de ces activités : comment prendre la main sur ces projets ? et comment créer les conditions du bon passage à l’échelle ?

 

En effet, pour une entreprise, intégrer une IA revient à intégrer quelque chose qui a à la fois les traits d’un humain et ceux d’une machine. C’est totalement nouveau, cela n’a jamais été fait ni pensé. L’IA serait-elle un collaborateur pas comme les autres ?

 

Sans réelle démarche managériale, l’équilibre entre automate et humain est difficile à trouver, l'algorithme est souvent perçu comme une alternative rapide, docile et bon marché aux forces vives en place et l’utilisation de l’IA ne crée pas de valeur.

Ce qui est si particulier et surtout si nouveau dans les déploiements d’intelligences artificielles, c’est qu’ils nécessitent la combinaison de 2 compétences bien distinctes : savoir intégrer un nouvel humain dans l’organisation et savoir intégrer une application dans son operating system.


Le défi, pour intégrer ce collaborateur pas comme les autres et créer les conditions du passage à l’échelle, est triple :

·       atteindre le bon équilibre Machine / Humain en considérant l’IA comme un partenaire susceptible de générer de la productivité avec vos collaborateurs ;

·       intégrer efficacement l’IA dans son système d’informations ;

·       trouver le bon mix entre le modèle économique de l’IA généraliste et celui de l’IA plus verticalisée.

 

1er défi : Atteindre le bon équilibre Machine / Humain, en considérant l’IA comme un partenaire susceptible de générer de la productivité avec vos collaborateurs


Les entreprises ont commencé à utiliser l’IA en réaction à sa diffusion massive dans le grand public. Une grande majorité d’entre elles ont recensé les cas d’usage pour leur organisation. Nombreuses sont celles qui sont allées un cran plus loin, en construisant leur Roadmap IA pour se projeter dans un futur augmenté. Beaucoup d’initiatives ont été mises en œuvre par les équipes elles-mêmes pour créer la dynamique, dans une logique agile et de test & learn. Ainsi 63 % des entreprises dans le monde prévoient d'adopter l'IA à l'échelle mondiale d'ici 2025[1] et 91 % des plus grandes entreprises prévoient d'investir dans ce type de solution au cours des cinq prochaines années[2].


Le revers de cette adoption rapide sans réelle démarche managériale structurée est que l’équilibre entre automatisation et humain a parfois été difficile à trouver et que l’IA n’a pas toujours créé de valeur. Certains dirigeants n’ont pas pris toute la mesure des enjeux et des risques liés à ces projets. Des dérapages ou des biais liés à l’IA sont souvent évoqués, que ce soit pour le grand public ou pour les entreprises.  Ils peuvent avoir de forts impacts réputationnels, opérationnels et financiers et déstabiliser l’activité d’une entreprise.


Deux exemples en témoignent :

·       Téléperformance a vu son action chuter de plus de 30 % en novembre 2022 à la Bourse de Paris suite à l’ouverture d’une enquête du Ministre du travail Colombien sur les conditions de travail des employés chargés de modérer les contenus choquants pour entraîner et améliorer l’IA ;

·       la crédibilité de la mission et des valeurs d’AMAS, l’équivalent autrichien de France Travail, a été mise à mal par l’utilisation de son chatbot "Berufsinfomat" qui refusait d’orienter les femmes vers les métiers de l’informatique.

 

A bien des égards, l’IA a des attributs qui la rapprochent du fonctionnement humain. Pour cadrer une IA, l’une des clés serait peut-être de la considérer comme un stagiaire, brillant mais jeune, qu’il faudra accompagner. Pour l’intégrer, il faut la former, la faire monter en compétences, l’encadrer, lui donner du feedback, écrire son plan de développement, créer les conditions de son accomplissement au sein de l’organisation, la faire progresser, lui transmettre des valeurs…. ce que l’on ne dirait pas pour une Machine. Il faut considérer l’IA comme un partenaire qui va générer de la productivité avec vos collaborateurs.

C’est cette articulation avec les équipes qui fera de l’intégration de l’IA une nouvelle force vive de l’entreprise et un avantage concurrentiel.

 

On peut détailler ainsi les principes directeurs de l’organisation à mettre en place :

  •  Management - Analyser en profondeur le volet managérial avant tout lancement d’un cas d’usage.  Tant de questions se posent :

·       quelles sont les conséquences managériales de déployer tel cas d'usage sur une population d'utilisateurs donnée ?

·       quels sont les nouveaux enjeux, pour moi, en tant que manager ?

·       comment accompagner mes collaborateurs dans la transition ? Comment vont-ils s’appuyer sur l’IA et faire évoluer (au moins pour partie) leur travail vers plus de valeur ajoutée ?

·       Quels nouveaux processus de vérification mettre en place ?

  • Encadrement – Nous recommandons de conserver des collaborateurs à des postes même « col bleu » car ils pourront contrôler les résultats de la machine et parfaire son apprentissage. Face à la tentation d’augmenter toujours plus la productivité et de supprimer des postes, il est nécessaire de prendre du recul et de conserver ces compétences au moins dans un premier temps et pourquoi pas dans la durée, pour en faire des garde-fous de la machine

  • Transmission  – Mettre en place des boucles de feedbacks entre l’IA et ses utilisateurs. Ces boucles organisées et systématisées amélioreront la performance de l’IA et optimiseront ses collaborations au sein de l’organisation, la confirmation ou l’invalidation des résultats de IA par l’utilisateur étant essentielle.


2è défi : Intégrer efficacement l’IA dans son système d’informations

L’enjeu d’intégration de software est sûrement le plus intuitif. Il convient de mettre en place un outil omnicanal, avec la bonne organisation compatible avec l’IA, d’avoir l’expertise liée à cet outil, d’être en mesure de l’opérer, de le faire évoluer et de maîtriser les risques qui y sont associés (régulation, complexité, culture et humain).

 

  • Définir la bonne organisation compatible avec l’IA

Pour co-construire, mettre en place et gérer cette IA, il faut mobiliser une équipe pluridisciplinaire (des profils tech, des prospectivistes, des collaborateurs au fait des enjeux business, règlementaires…). Avec les nouvelles organisations en mode produit, beaucoup d’entreprises ont expérimenté les bienfaits de la poly-disciplinarité. Ce principe d’organisation polycompétente est particulièrement pertinent pour les projets d’IA.

 

  • Considérer l’IA comme le nouvel avatar de l’operating system 

Bien définir la répartition des rôles entre les différents acteurs :

·       Qui connaît l’outil ? Qui sait l'opérer à sa guise ? Qui sait le modifier si besoin ?

·       Qui, au contraire, est simple utilisateur et ne maîtrise que l’interface utilisateur ?

·       Qui, enfin, sait y trouver des alternatives ou sait le challenger ?

 

  • Conserver la maîtrise des risques liés à ces projets d’IA 

·       Risque de régulation : ne pas s’installer dans une dépendance excessive vis-à-vis de l’IA et garder de l’expertise en interne, dans un contexte où les exigences en termes de normes et de règlementation sur l’IA pourraient augmenter. Et surtout, rester en veille très active sur ces problématiques pour anticiper les évolutions et non les subir.

·       Risque de complexité : enrichir des architectures techniques dont la seule mise en place a été un défi pour bon nombre d’organisations.

·       Risque culturel et humain : gérer la résistance au changement des employés. Ces projets pourront susciter de la peur et une démotivation qu’il faut anticiper pour y apporter les réponses adaptées.


Cadre méthodologique, guide de bonnes pratiques, référentiel des compétences nécessaires, KPIs à piloter et modèles d’évaluation du succès… de multiples outils doivent être mis en place pour monitorer ces risques.

 

  

3è défi : Trouver le bon mix entre le modèle économique de l’IA généraliste et celui de l’IA plus verticalisée

 

Le modèle économique de l’IA appelle un cash-flow massif pour soutenir la recherche mais les usages grand public gagnent à être abordables pour favoriser leur démocratisation et la collecte massive de données. Même si, nous en sommes persuadés, le modèle économique va largement évoluer, il dépendra probablement de l’adoption massive (et du financement) par les entreprises.

 

On observe 2 modèles économiques d’IA pour les organisations : les IA généralistes et les IA ciblées :

 

  • la mise à disposition des IA généralistes et grand public dans les entreprises peut être onéreuse par rapport à leur valeur ajoutée. Le coût utilisateur mensuel d’IA telles que Copilot ou Bard freinent les passages à l’échelle dans de larges organisations. Il conviendra donc d’analyser finement les usages et les besoins pour sélectionner les populations à équiper dans un premier temps.


  • Tant que les modèles économiques de ces IA généralistes n’évolueront pas (ce qui se fera probablement), le passage à l’échelle semble plus réaliste pour des IA plus spécifiques, plus verticalisées par métier, mieux adaptées aux besoins de l’entreprise et donc, avec des ROI plus assurés. On voit déjà Google développer des IA verticalisées comme AMIE dans la santé.

 

Nous sommes persuadés que les entreprises devront se doter d’un mix réfléchi et équilibré entre les 2 modèles. Elles devront s’équiper d’un nombre restreint d’IA généralistes soigneusement sélectionnées et investir dans des IA ciblées par verticale métier.

 


En conclusion

 

Les technologies doivent être utilisées avec discernement et au service de l’Humain, nous en sommes convaincus depuis toujours et cela est plus évident que jamais sur ces sujets d’Intelligence Artificielle. Il nous faut, aux côtés des entreprises, adapter les modes d’actions pour intégrer cette transformation d’une manière inédite entre incorporation technologique et intégration humaine, car en effet, la valeur générée par cette transformation viendra de l’articulation de l’IA avec les équipes.

 

Nous le constatons auprès de nos partenaires et de nos clients, une telle transformation nécessite la mise en œuvre d’une stratégie construite dans la durée et basée sur une expérience directe et approfondie des outils.

 

Pour que cette “machine-humaine” se développe et s’accomplisse dans votre entreprise, il faut créer les conditions et mettre en place le bon parcours d’intégration. Il y a un certain nombre de questions incontournables à se poser que nous pourrons partager avec vous, autour de l’organisation, des compétences, des méthodes de gestion des risques, du modèle économique, … Mais comme tout bon parcours d’intégration, il devra être personnalisé pour être adapté à la culture, aux valeurs et aux enjeux de votre entreprise.

 

La transformation est en marche et l‘IA est sans conteste une source d’avantages majeurs pour l’entreprise… encore largement à inventer et à découvrir au cas par cas.


[1] McKinsey, 2022

[2] Gartner, 2023


Auteurs :


Claire Gourlier

Associée co-fondatrice Kéa-Euclyd





Melody Guignier

Directrice Kéa-Euclyd



Thomas Laborey

Associé fondateur, Blooming Partners SAS





Comments


bottom of page