Alors que 2026 fonce vers son dernier trimestre, la pression s’accentue pour transformer les ambitions en matière d’IA en résultats concrets. Tout au long du mois d’août, The AI Forecast a exploré à quoi cela ressemble en pratique.
À travers les échanges entre l’animateur Paul Muller et ses invités Mark Ritcey, Varun Puri et Shanea Leven, The AI Forecast a examiné les réalités concrètes de la mise en œuvre de l’IA dans l’ensemble de l’entreprise. Poursuivez votre lecture pour découvrir trois points de vue sur ce qu’il faut pour transformer le potentiel de l’IA en valeur métier significative.
1. Commencez par privilégier le comportement et les résultats plutôt que la technologie
Pour Varun Puri, cofondateur et PDG de Yoodli, l’adoption réussie de l’IA commence par le problème que les gens cherchent à résoudre et le comportement qu’ils souhaitent changer.
« Je dis souvent que nous ne sommes pas une entreprise d’IA. En fait, je me fiche même de savoir si l'IA est une solution. Nous sommes une entreprise spécialisée dans le changement des comportements », a déclaré M. Puri. « La raison pour laquelle les gens ont du mal à mener les conversations qui comptent, c’est qu’ils ne s’entraînent pas. La meilleure manière de s’améliorer est de vous enregistrer, de vous regarder, d'être gêné, puis de recommencer trois fois. »
Dans ce contexte, l’IA devient un moyen de faciliter cette pratique. Elle peut mettre en évidence des axes d’amélioration précis et permettre aux personnes de s’exercer à plusieurs reprises. « L’IA vous apporte des informations intéressantes. Elle fournit des statistiques à l’échelle de l’organisation, mais l’essentiel repose sur la pratique et une meilleure connaissance de soi », a déclaré Puri.
Cette même réflexion axée sur les résultats peut aider les organisations à évaluer le ROI. Puri a proposé un exemple hypothétique : « Supposons que je sois Google. Je dois former 15 000 commerciaux au nouveau pitch Gemini. Dans l’ancien monde, il me fallait six mois pour que tout le monde parle le même langage. Désormais, cela me prend six jours. C’est formidable, nous avons une montée en puissance réduite », a-t-il déclaré. « Est-ce une valeur directe en dollars ? Pas encore, mais mon Dieu, nous pouvons quantifier cela très, très rapidement. »
Pour Puri, la leçon à retenir est qu'il faut d'abord définir le résultat, puis évaluer l'IA selon qu'elle contribue ou non à l'atteindre. Cela pourrait se traduire par une productivité accrue ou une communication renforcée. La technologie est surtout importante lorsqu'elle sert l'objectif plutôt que de devenir l'objectif lui-même.
2. La réussite de l'IA d'entreprise commence par la discipline
Alors que les organisations consacrent des ressources importantes à l’IA, la pression pour avancer rapidement est intense. Mais, pour Mark Ritcey, vice-président du déploiement de l’IA et de l’automatisation chez LatentBridge, la réussite de l’IA d’entreprise commence par une première étape simple : définir le problème métier et mettre en place la structure adéquate autour de celui-ci.
« Je dirais que j’ai certainement vu, expérimenté et mis en œuvre des cas d’usage de l’IA réussis », a déclaré Ritcey. « Et ils concernent de nombreux domaines différents. L’un des plus courants est un chatbot optimisé par l’IA ou un LLM qui répond aux questions relatives aux RH en s’appuyant sur une base de connaissances RH. Il existe des outils d’évaluation du crédit qui analysent les informations financières d’un client ou d’une entreprise, en les agrégeant et en les résumant pour les présenter à un analyste crédit. Ce n’est donc pas la machine ou l’IA qui prend la décision ; c’est en réalité un être humain. »
Dans tous ces exemples, Ritcey voit les mêmes principes fondamentaux déterminer si une initiative d’IA apporte de la valeur. Les organisations doivent commencer par définir clairement un problème, puis mettre en place la structure nécessaire pour transformer une initiative d’IA en quelque chose que les employés peuvent réellement utiliser avec succès.
Ceci devient encore plus important à mesure que les organisations passent des expérimentations d’IA générative aux systèmes de production et à l’IA agentique. M. Ritcey conseille de résister à la tentation de se précipiter immédiatement sur la plus grande opportunité et de se concentrer plutôt sur le développement des capacités nécessaires pour se développer à grande échelle.
Comme l’a dit Ritcey : « il faut apprendre à marcher avant de courir. » L’IA d’entreprise exige le même niveau de rigueur que toute transformation majeure de l’entreprise, auquel s’ajoute une couche de gouvernance pour les systèmes dont les résultats peuvent être imprévisibles. Un travail de cette ampleur ne peut pas être précipité.
3. Lorsque tout le monde peut créer des logiciels, les mesures de sécurité deviennent indispensables
L’IA générative réduit considérablement les obstacles au développement logiciel, permettant aux personnes ayant peu d’expérience traditionnelle en programmation de transformer leurs idées en applications fonctionnelles. Mais pour Shanea Leven, cofondatrice d’ Empromptu AI, la capacité à créer rapidement augmente également les enjeux liés à la mise en production de ces applications.
« Vous pouvez tout à fait créer des applications de production. Il suffit de savoir ce que vous faites », a déclaré Leven.
La difficulté réside dans l’infrastructure qui entoure ces applications. « Si vous développez une application générative et que vous n’intégrez pas l’IA à l’infrastructure de cette application, par exemple pour détecter la dérive ou les cas limites, surveillez-vous le fonctionnement des entrées et vérifiez-vous que les bonnes entrées sont utilisées ? », a demandé M. Leven. « Si vous n’avez pas mis en place tous ces éléments, c’est ainsi que des hallucinations commencent à apparaître. »
Toutefois, avec cette infrastructure en place, l’IA peut élargir le cercle des personnes qui participent au développement logiciel. Prenez l’hypothétique « Debbie, du service comptabilité », par exemple.
« Debbie, du service comptabilité, est une experte en comptabilité », a déclaré Leven. « Et si vous mettez en place une application ou un flux de travail dans le domaine de Debbie, Debbie est la mieux placée pour savoir à quoi ces résultats sont censés ressembler et quels garde-fous peuvent être mis en place. »
Leven qualifie ce groupe croissant de créateurs qui s’appuient sur l’IA de « récemment devenus techniciens ». À mesure que davantage d’employés acquièrent la capacité de créer des logiciels, elle estime que les organisations devront les aider à développer certaines des façons de penser traditionnellement associées aux ingénieurs logiciels et aux chefs de produit.
Élargir l’accès au développement logiciel peut permettre de mobiliser une expertise précieuse au sein d’une organisation, mais un accès accru renforce également l’importance d’une infrastructure et d’une formation communes. Donner à davantage d’employés les moyens de créer donne de meilleurs résultats lorsque les organisations fournissent également des garde-fous pour un développement responsable.
Transformer le potentiel de l’IA en valeur métier
L’IA gagne en maturité, et la réussite dépend de plus en plus de la manière dont les organisations utilisent cette technologie. Ce mois-ci, Ritcey, Puri et Leven ont examiné ce qu’il faut pour transformer le potentiel de l’IA en valeur significative pour l’entreprise. Leurs points de vue indiquent qu’il faut adopter une approche plus délibérée pour tirer une valeur métier significative de l’IA.
Écoutez ces épisodes de The AI Forecast et bien d’autres sur Spotify, Apple Podcasts, et YouTube.
