Analyse
Par Mo Kahlain
En collaboration avec 
Nora Inocta· agent IA
8 min de lecture
Partager Envoyer par courriel LinkedIn X PDF
En bref
Cet article présente notre façon de voir une entreprise adopter l’IA pas à pas, à un rythme que ses équipes et ses opérations peuvent absorber. C’est notre lecture actuelle, tirée de ce que nous observons sur le terrain, et nous continuons de l’affiner.
La première idée porte sur le chemin de l’IA, de chaque employé jusqu’au client. Nous voyons trois phases : l’IA comme outil pour chaque personne, ensuite l’IA dans les processus que les équipes partagent, et seulement après, l’IA au service des clients.
La deuxième idée porte sur la circulation du savoir en IA dans l’entreprise. Quelques spécialistes explorent une boîte à outils plus large. Les ambassadeurs mettent à l’épreuve les outils les plus prometteurs sur un travail réel, et les utilisateurs reçoivent des outils standards encadrés par des règles claires. Ce que les équipes rencontrent remonte. L’innovation a de la place, et les opérations continuent.
Une entreprise donne accès à l’IA à ses employés. Certains expérimentent tout de suite. D’autres attendent des consignes. Les responsables de service ont toujours des objectifs à atteindre. Qui transforme les essais utiles en travail fiable ?
Si vous dirigez une entreprise, cette question mérite sans doute autant d’attention que le budget technologique. Nous voyons deux mouvements dans la réponse, et nous trouvons plus simple de les regarder un à la fois.
Comment l’IA passe de chaque employé au client
Nous voyons trois phases, dans l’ordre de ceux que l’IA touche : d’abord chaque personne, puis les équipes, puis les clients. Chaque phase bâtit la littératie, la gouvernance et la culture dont la suivante a besoin.
La recherche va dans un sens semblable. Le modèle de maturité en IA du MIT CISR compte quatre étapes. La première porte sur la formation des employés et l’adoption de politiques d’IA. La vente de services fondés sur l’IA n’apparaît qu’à la dernière[1]. Son enquête de 2022 auprès de 721 entreprises portait surtout sur l’IA analytique. Les entreprises des deux premières étapes avaient un rendement financier inférieur à la moyenne de leur secteur, et celles des deux dernières, nettement supérieur. Il s’agit d’une association, pas d’une preuve qu’un même ordre convient à toutes les entreprises.
Phase 1 : Personnel. L’IA comme outil pour chaque personne
Dans la première phase, tout le monde reçoit les bases. Nous aimons qu’il y ait une courte politique d’IA et un manifeste sur la façon dont l’entreprise l’utilise, lus par tous. Chacun sait quelles données il peut utiliser et quand une personne devrait réviser un résultat. Les employés reçoivent des outils de base approuvés et une formation adaptée à leur maturité. L’équipe technologique peut offrir à un petit groupe de spécialistes un bac à sable encadré pour explorer.
C’est aussi un bon moment pour nommer des ambassadeurs : des personnes de chaque service qui connaissent le travail et inspirent confiance. Dans une entreprise de 40 personnes, le réseau peut compter trois personnes.
La crédibilité compte autant que l’enthousiasme. Les travaux de Battilana et Casciaro sur 68 initiatives de changement montrent que les relations informelles jouent un rôle qui varie selon le changement[2]. Deux questions aident : qui utilise déjà bien l’IA dans son travail quotidien, et vers qui les collègues se tournent-ils quand un changement arrive ? Les réponses peuvent désigner des personnes différentes. Nous aimons donc poser la question à l’équipe avant de regarder l’organigramme. Les ambassadeurs réussissent mieux avec du temps réservé et l’appui d’un dirigeant capable de lever les obstacles.
Le progrès de cette phase se voit dans l’usage : qui utilise les outils approuvés, à quelle fréquence et pour quel travail.
Phase 2 : Interne. L’IA dans les processus que les équipes mènent ensemble
Dans la deuxième phase, l’IA passe des tâches individuelles aux flux qu’une équipe exécute ensemble. Certains de ces flux utilisent un agent sur les données de l’entreprise, et une personne traite toujours les exceptions.
Nous trouvons utile que ce travail existe d’abord sur papier. Quand personne ne peut dessiner le processus actuel, le cartographier passe en général avant toute IA. On ne peut pas automatiser ce qu’on ne comprend pas.
Les besoins d’affaires rejoignent alors une IA qui fonctionne, en boucle courte : comprendre le travail, expérimenter un changement, le tester, l’améliorer. Un analyste d’affaires qui connaît l’IA relie le responsable du processus et les experts techniques. Certaines équipes d’IA avancées font ce lien grâce à des ingénieurs déployés chez le client (forward-deployed engineers, ou FDE). Palantir décrit des ingénieurs qui travaillent directement avec les équipes clientes pour mettre les solutions en œuvre[3]. Dans une plus petite entreprise, ce soutien technique peut être à temps partiel.
Prenons un processus fictif de préparation des propositions. L’ambassadeur repère où la préparation bloque. L’ingénieur traite les obstacles techniques. Le responsable du processus vérifie la portée et les prix avant d’autoriser la nouvelle façon de faire.
Nous comparons le résultat au processus actuel : le délai total et les reprises, révision humaine comprise. Nous prévoyons une voie pour les exceptions et nous arrêtons les essais qui ajoutent plus de travail qu’ils n’en retirent.
Phase 3 : Externe. L’IA au service des clients
C’est la première phase où une erreur sort de l’entreprise. L’IA rejoint les clients, par exemple par un agent ou une intégration de service. La pleine gouvernance de l’IA passe avant le lancement.
Si nous la plaçons en dernier, c’est pour une raison précise. Une entreprise qui a bâti la culture à l’interne est bien mieux placée pour servir ses clients avec l’IA. Elle a appris à maintenir la qualité et à soutenir la technologie. Idéalement, les phases 1 et 2 sont assez ancrées dans l’entreprise avant que l’IA sorte de ses murs pour servir les clients. Nous le disons souvent ainsi : atteignez vos clients avant que les phases 1 et 2 tiennent, et ce n’est pas l’IA qui échoue. C’est l’entreprise.
C’est notre séquence par défaut, pas une règle scientifique universelle. L’exploration des besoins clients et des essais de produits encadrés peuvent commencer plus tôt, en parallèle. Ce qui décide du passage à l’IA en contact client, c’est la capacité de l’entreprise à la livrer de façon responsable.
Comment le savoir en IA circule dans l’entreprise
Dans les trois phases, le changement a besoin d’un canal qui n’engorge pas les opérations. Tout le monde ne teste pas tout, et tout le monde ne travaille pas avec les mêmes outils.
Quelques spécialistes disposent d’une boîte à outils technique plus large et explorent à l’intérieur de limites claires. Ils partagent les outils les plus prometteurs avec les ambassadeurs, qui les mettent à l’épreuve sur un travail réel, parfois en discussion avec un client quand c’est pertinent. Ensemble, ils valident de petites preuves de concept. C’est seulement ensuite qu’un outil rejoint la boîte à outils standard des utilisateurs au quotidien, encadrée par des règles claires.
Les personnes comptent autant que les outils. Les spécialistes que nous cherchons sont très investis dans leur propre travail et ouverts à l’IA pour le repenser. Les ambassadeurs, eux, sont passionnés à la fois par les outils et par leur travail.
Nous aimons cet équilibre. L’innovation a de la place pour naître en haut, sans trop de contraintes, et le risque reste faible là où travaillent la plupart des employés.
Le canal fonctionne dans les deux sens. Ce qui est validé descend vers les équipes sous forme de règles. Ce que les équipes rencontrent remonte par les ambassadeurs jusqu’aux spécialistes et à l’équipe technologique. Celle-ci vérifie les accès et les résultats, puis approuve ce qui entre en service et en assure le suivi et le soutien.
John P. Kotter, de la Harvard Business School, propose ce type de réseau, qui complète la hiérarchie pour que le changement avance sans interrompre les opérations[4]. Les travaux sur l’organisation ambidextre abordent la même tension entre exploration et exécution[5]. D’après notre expérience, il faut ajuster la charge des ambassadeurs en conséquence. Ils ne peuvent pas devenir le service de soutien de leurs collègues en plus de leur travail habituel.
Les questions qu’un dirigeant peut se poser
- Tout le monde a-t-il les bases : une politique, des outils approuvés et une formation à son rythme ?
- Avons-nous des ambassadeurs de confiance dans chaque service, avec du temps réservé pour ce rôle ?
- Avons-nous des spécialistes à l’aise dans ce rôle, très investis dans leur travail et ouverts à l’IA pour le repenser ? Et des ambassadeurs passionnés à la fois par les outils et par leur travail ?
- Avons-nous cartographié un processus interne choisi pour sa valeur d’affaires, et suivons-nous le délai total et les reprises une fois que l’IA le change ?
- Ce que nous apprenons circule-t-il dans les deux sens, des spécialistes vers les équipes et dans l’autre sens ?
- Les phases 1 et 2 sont-elles assez ancrées pour amener l’IA chez nos clients, avec la pleine gouvernance de l’IA avant le lancement ?
Sources
- Peter Weill, Stephanie L. Woerner and Ina M. Sebastian, Building Enterprise AI Maturity, MIT CISR, December 2024.
- Julie Battilana and Tiziana Casciaro, Change Agents, Networks, and Institutions, Academy of Management Journal, 2012.
- Palantir, A Day in the Life of a Palantir Forward Deployed Software Engineer, November 2020.
- John P. Kotter, Accelerate!, Harvard Business Review, November 2012.
- Charles A. O’Reilly III and Michael L. Tushman, Organizational Ambidexterity: Past, Present, and Future, Academy of Management Perspectives, 2013.
Recevez la prochaine note de terrain par courriel. S'abonner au Signal
