Partie 1
Cinq choses que les organisations apprennent sur elles-mêmes en se mettant à l’intelligence artificielle.
Premier article d’une série de six.
En comité de direction, un dirigeant pose une question simple à son DSI : combien de collaborateurs utilisent déjà l’intelligence artificielle chez nous ? La réponse honnête est qu’on ne sait pas.
Il n’y a là ni négligence ni défaillance. Aucune organisation n’a jamais été conçue pour répondre à cette question. On ne mesure parfois pas davantage l’usage réel de l’intranet, du portail RH ou de la gestion documentaire, et cela n’avait jusqu’ici posé de difficulté à personne. L’intelligence artificielle est simplement le premier sujet pour lequel cette question se pose à voix haute, en réunion, devant des instances qui attendent une réponse.
Nous observons cette scène, à quelques variantes près, dans la plupart des organisations qui abordent sérieusement le sujet, publiques comme privées. Nous l’avons d’ailleurs vécue nous-mêmes. Et elle dit quelque chose d’intéressant sur ce qui se joue réellement.
Un sujet que l’on aborde pas toujours par le bon bout
L’intelligence artificielle est parfois présentée comme un sujet d’équipement. Il faudrait choisir un outil, négocier des licences, former quelques équipes, puis mesurer un gain de productivité. Deux discours dominent le marché et entretiennent ce cadrage. Le premier vient des éditeurs et des intégrateurs : il propose une solution. Le second vient du monde juridique : il rappelle la réglementation européenne et propose de la conformité.
Les deux sont utiles et l’un comme l’autre répondent à un vrai besoin. Simplement, aucun des deux ne parle de ce qui occupe réellement les semaines d’un dirigeant : l’organisation de ses équipes, la soutenabilité de ses coûts, la qualité du service rendu, et sa capacité à tenir des engagements devant un conseil, un comité d’investissement ou une assemblée délibérante.
Ce n’est rien reprocher à personne : chacun décrit honnêtement la part du sujet qu’il sait traiter. Il reste qu’entre ces deux réponses subsiste un espace, et que c’est souvent là que se trouve la question que l’organisation se pose vraiment.
Un produit de contraste
L’image qui nous paraît la plus juste est celle de l’imagerie médicale. Un produit de contraste n’ajoute rien au corps qu’il traverse. Il rend simplement lisible une circulation qui existait déjà, avec une netteté qu’aucun examen classique ne permettait d’obtenir.
L’intelligence artificielle agit de la même façon dans une organisation …
Un exemple le montre bien. Une direction souhaite automatiser le traitement de ses demandes d’intervention. En trois semaines de travail, elle constate qu’il n’existe pas de définition partagée de ce qu’est une demande d’intervention : chaque équipe en a sa propre acception, les délais ne se comptent pas de la même manière, et deux applicatifs en conservent la trace. Cela ne l’avait jamais empêchée de travailler, et souvent de bien travailler. Mais l’automatisation, elle, demande une définition unique. Ce qui pouvait rester implicite doit désormais être écrit.
C’est exactement cela que nous appelons un révélateur. Et il en revient cinq, assez régulièrement, qui forment le sommaire des cinq articles à venir.
Premier révélateur : l’usage réel
L’IA est déjà présente. Des collaborateurs s’en servent chaque semaine pour rédiger, reformuler, préparer une synthèse. Ils n’en ont pas forcément parlé, non par dissimulation, mais parce que la question ne leur a jamais été posée, comme on ne demande pas à quelqu’un quel traitement de texte il utilise.
Ce qui mérite attention n’est pas tant cet usage que l’absence de moyen de l’observer. La plupart des organisations découvrent à cette occasion qu’elles pilotent leurs outils numériques sans visibilité sur leur usage effectif. C’est un constat largement partagé, et il ouvre une opportunité utile bien au-delà du sujet de l’IA.
Deuxième révélateur : la décision
Vient ensuite la première demande d’autorisation. Une direction souhaite tester un outil. Elle écrit à la DSI, qui oriente vers le délégué à la protection des données, qui estime la question d’abord stratégique et renvoie vers la direction générale, laquelle demande l’avis de la DSI. Quelques semaines plus tard, le sujet s’est enlisé, ou l’outil a été essayé sans attendre.
Chacun a fait correctement son travail. Il se trouve seulement que personne n’avait reçu mandat de trancher ce type de question, parce qu’elle ne s’était jamais posée sous cette forme. Les circuits de décision reposaient sur des usages éprouvés, ce qui suffisait tant que les choix restaient réversibles et peu exposés. L’IA fait évoluer ces deux paramètres, et invite donc à écrire ce qui allait de soi.
Troisième révélateur : la donnée et le système d’information
Le premier cas d’usage un peu ambitieux rencontre souvent la même limite. La démonstration tournait sur un échantillon préparé ; le passage au réel suppose d’accéder à une base dont une partie des documents n’est pas indexée, à un applicatif métier sans interface d’échange, et parfois à des données détenues par un prestataire dont le contrat n’en prévoit pas la restitution.
Le système d’information apparaît alors tel qu’il s’est construit : par additions successives, chacune justifiée au moment où elle a été décidée, et reliées entre elles au fil des besoins. C’est l’histoire de presque toutes les organisations, et elle s’explique parfaitement. L’IA a seulement pour effet de la rendre lisible d’un seul coup d’œil.
Quatrième révélateur : l’organisation, ses processus et ses compétences
C’est sans doute le révélateur le plus riche, et celui qui apparaît en dernier. Pour savoir ce que l’IA peut prendre en charge, il faut savoir ce qui se fait réellement, étape par étape, avec ses règles et ses exceptions.
Deux constats émergent alors, qui sont les deux faces d’un même sujet. Le premier porte sur ce qui se fait : les processus réels sont rarement décrits, les pratiques varient d’une équipe à l’autre, et l’on connaît mal le temps que consomme chaque étape. Le second porte sur ceux qui les font : les fiches de poste et les référentiels de compétences ont été écrits à un moment donné et le travail a évolué depuis, comme il évolue toujours.
Rien de tout cela n’est anormal. C’est même le signe d’organisations vivantes, qui se sont adaptées plus vite que leurs documents de référence. L’intérêt de la démarche est ailleurs : elle offre une occasion rare de remettre ces documents en phase avec la réalité. Et elle amène immédiatement la question la plus intéressante du sujet, celle que l’on gagne à se poser avant de signer quoi que ce soit : une fois du temps libéré, à quoi souhaitons-nous le consacrer, et avec quelles compétences ?
Cinquième révélateur : la valeur
Reste le moment d’acheter, puis celui d’évaluer. Formuler un résultat attendu vérifiable, s’agissant d’IA, est réellement difficile : la réponse d’un modèle n’est ni juste ni fausse au sens d’un calcul. Les cahiers des charges décrivent donc souvent un outil plutôt qu’un résultat, et il devient malaisé de départager des offres qui affirment toutes la même performance.
Dix-huit mois plus tard, la question de savoir ce que la solution a effectivement apporté reste ouverte, faute d’avoir fixé un point de référence au départ. C’est une difficulté ancienne, que l’IA ne fait qu’accentuer, et à laquelle il existe des réponses simples pour peu qu’on y pense à temps.
Pourquoi c’est une bonne nouvelle
Présenté ainsi, le tableau pourrait sembler décourageant. Nous le lisons exactement à l’inverse.
Si l’intelligence artificielle met en lumière des questions antérieures, alors chaque chantier ouvert à cette occasion garde sa valeur même si le projet IA évolue ou s’interrompt. Une cartographie de processus, une doctrine écrite, un référentiel de données documenté, des fiches de poste à jour, la capacité à mesurer l’usage de ses outils : rien de tout cela ne se périme avec la prochaine version d’un modèle, ni avec le prochain changement d’éditeur.
Cette lecture a un autre mérite. Sur le terrain de l’outil, une organisation avance face à des interlocuteurs qui maîtrisent une technologie qu’elle découvre et qui ont mené cent consultations comparables. Sur le terrain de son propre fonctionnement, de ses processus et de ses équipes, personne ne la connaît mieux qu’elle. Ramener la conversation du premier terrain vers le second n’est pas une posture : c’est ce qui permet de décider en confiance.
L’ordre compte
Reste la méthode, et elle tient en peu de mots : comprendre ce qui se passe déjà, décider ce que l’on autorise et ce que l’on vise, agir de manière à ce que cela tienne, puis mesurer et ajuster.
L’ordre inverse (acheter d’abord, cadrer ensuite) est celui que suivent la plupart des organisations, et il se comprend : l’outil est concret, le cadrage l’est moins, et les attentes sont pressantes. Il a simplement pour effet de faire découvrir les cinq révélateurs un à un, en cours de projet, au moment où l’on a le moins de temps pour s’en occuper.
Les cinq articles qui suivront reprennent chacun l’un d’eux. Nous y décrirons ce que les organisations rencontrent concrètement, ce qu’il en coûte de laisser la question ouverte, et ce que l’on gagne à s’en saisir. Un article par mois, dans l’ordre où les questions se posent réellement.
La question de départ n’est donc pas de savoir si votre organisation est prête pour l’intelligence artificielle. Elle est plutôt de savoir ce que l’intelligence artificielle pourrait vous apprendre sur elle … et ce que vous souhaitez en faire.
Cet article est le premier d’une série de six publiée conjointement par Ifingo France (www.ifingo.fr ) et Calia Conseil (www.caliaconseil.fr ) , dans le cadre de leur offre commune d’accompagnement sur l’intelligence artificielle. Piloter votre IA avec vous : humaine, maîtrisée, durable.
Vous souhaitez confronter ces constats à votre propre situation ? Écrivez-nous, nous vous proposerons un échange d’une heure, sans engagement. contact@ifingo.com et contact@caliaconseil.fr .