Selon Gartner, « au moins 30 % des projets d’IA générative seront abandonnés après la phase de proof of concept d’ici à la fin de 2025 en raison de la mauvaise qualité des données, de contrôles des risques inadéquats, de coûts croissants ou d’une valeur commerciale mal définie ». Si ces nouveaux outils intelligents représentent un potentiel de transformation révolutionnaire, pour nombre d’entreprises qui ont déjà investi dans cette technologie, les premiers modèles déployés tardent à générer une véritable valeur ajoutée. Voici quelques conseils pour réussir l’adoption de l’IA…
À ce stade initial, la plupart des initiatives d’IA générative nécessitent des investissements considérables. Or, les entreprises ayant opté pour un déploiement précipité réalisé sans le cadre approprié, sans gouvernance ni garde-fous, rencontrent beaucoup de difficultés pour réussir leur transformation et générer un retour sur investissement. Un tel manque de préparation peut également être pénalisant sur le plan de la cybersécurité et des coûts techniques.
Identifier un objectif précis
Il est naturel de vouloir adopter les dernières technologies, mais il faut le faire correctement. Les DSI et autres responsables technologiques doivent commencer par se poser les bonnes questions et identifier des objectifs à atteindre avant toute décision quant aux technologies et aux méthodes à adopter pour y parvenir.
L’IA peut être un levier de valeur pour certains cas d’utilisation bien précis, mais l’automatisation et certaines approches mieux rodées conviendront davantage à d’autres. Il est donc important de s’interroger sur le « pourquoi » si l’on veut se donner les moyens de prendre de telles décisions en connaissance de cause. Dans tous les cas, trois facteurs clés doivent être pris en compte.
L’adoption par les utilisateurs
Elle est le principal indicateur de réussite pour toute implémentation d’une nouvelle technologie. Toutefois, cela ne signifie pas qu’il faut déployer un nouvel outil d’IA générative rapidement à tous les employés. Dans la plupart des cas, il est préférable de commencer par un déploiement plus modeste aux objectifs étroitement définis.
Tout d’abord, il convient de cibler un cas d’utilisation important pour un groupe spécifique, comme l’automatisation de la relecture et de la synthèse de documents pour le département juridique ou la conception d’un bot de support technique pour rendre l’équipe commerciale plus autonome. La priorité doit être d’ajouter de la valeur au cas d’utilisation concerné. Une fois des résultats concrets obtenus et le taux d’adoption souhaité atteint, l’élargissement de l’adoption de la solution, par d’autres équipes et dans d’autres domaines d’application, sera possible.
Pour une expérience réussie, il convient de suivre les indicateurs d’adoption par phase, mais aussi de dialoguer régulièrement avec les différentes équipes. Ainsi, si l’adoption est faible dans un groupe en particulier, une discussion avec les responsables sur les obstacles rencontrés et une réflexion commune sur des moyens de les surmonter sont essentielles. Elles permettront en effet une plus grande utilisation des outils, si les barrières sont abaissées. En outre, une baisse de l’adoption est inévitable à l’entrée de chaque phase de la mise en œuvre, le temps que les utilisateurs se familiarisent avec les nouvelles fonctionnalités disponibles. Le maintien des efforts est donc crucial à moyen ou long terme pour parvenir aux résultats escomptés.
Une bonne gouvernance des processus est essentielle dès le départ pour s’assurer que les modèles sont correctement entraînés avec des données de haute qualité. « Capturer, classifier et nettoyer » doit devenir le credo des responsables.
L’exemple des managers
Tous les managers d’une entreprise, des RH au service juridique, en passant par l’équipe IT et la R&D, ont un rôle clé à jouer pour contribuer à l’adoption et à l’impact de l’IA générative en aidant leurs équipes à intégrer ces nouveaux outils dans leurs workflows et à faire évaluer certaines de leurs pratiques professionnelles.
Une étude récente de BCG met en avant trois comportements caractéristiques des managers les plus efficaces dans ce domaine : montrer l’exemple en s’investissant pleinement dans l’IA générative, être attentif aux besoins de leurs équipes et créer un environnement d’expérimentation, croire au « pourquoi » et en montrer l’importance. Ces comportements créent un cercle vertueux dans l’adoption de ces nouvelles technologies. L’humain est en effet adepte de la reproduction et d’imitation, ainsi, si les responsables montrent l’exemple, une adoption complète de l’ensemble des équipes est plus probable. Or, celle-ci est essentielle pour que tirer le plein potentiel des transformations induites par l’implémentation de nouveaux outils.
Un accompagnement complet et des programmes durables
Les employés doivent disposer des bonnes ressources pour adopter de nouvelles façons de travailler. En matière d’accompagnement, il est essentiel d’être complet. C’est pourquoi la mise en place d’une série d’initiatives de formation centrées sur l’IA générative est importante pour maintenir l’accompagnement et limiter les latences dans l’adoption de ces outils.
L’IA suscite un engouement certain et largement justifié. Dans ce moment de l’histoire technologique inédit et riche en promesses, il reste essentiel, quelle que soit l’innovation, de prendre le temps de la réflexion avant de se lancer. En commençant par le « pourquoi » et en se concentrant sur l’adoption par les utilisateurs et un accompagnement concerté des employés, les responsables technologiques peuvent éviter les écueils les plus fréquents de cette technologie, en démontrer la valeur commerciale et mettre en place des programmes d’IA durables à l’impact significatif.
Finalement, la transformation et l’adoption de nouvelles technologies est un travail de longue haleine, dans lequel tout le monde a son rôle à jouer. C’est pourquoi le changement doit être pleinement réfléchi et inclure tous les employés et toutes les équipes. Avec cette implication, l’implémentation de ces nouveaux outils aura plus de chance de réussir et, ainsi, permettre aux organisations de réaliser des retours sur investissement plus importants, tout en tirant profit au maximum des capacités de l’IA générative.
_____________________________
Par Jean-Christophe Vitu, VP Solutions Engineer, chez CyberArk
puis