En 2022, Eficio avait publié un livre blanc sur les aspects organisationnels et humain de l’implantation de l’IA au sein des organisations. (téléchargeable ici). Ce livre blanc mettait l’accent sur plusieurs aspects clés, notamment l’importance de la formation, les aspects organisationnels et inciter au changement pour assurer une adoption réussie de l’IA. Ce livre blanc soulignait également la nécessité de surmonter les barrières culturelles et organisationnelles, comme la pensée en silo, les méthodes de travail traditionnelles, et la rigidité. Pour une adoption réussie de l’IA, il est crucial de passer à une collaboration interdisciplinaire, à une prise de décision basée sur les données et à une culture agile, expérimentale et adaptable. Les dirigeants doivent préparer et motiver la main-d’œuvre pour ce changement, en fournissant une vision claire et en anticipant les barrières au changement.
Cet article-ci propose maintenant une démarche méthodologique à la gouvernance et au déploiement de l’IA dans une organisation. Le résultat final sera une feuille de route IA (Roadmap IA).
Méthodologie de Gouvernance et de Déploiement de l’IA en Entreprise
Introduction : Pourquoi une Feuille de Route pour l’IA ?
Une feuille de route pour le déploiement de l’IA est essentielle pour transformer une intention stratégique en valeur d’affaires concrète. Sans cadre clair, les initiatives IA restent fragmentées, opportunistes et difficiles à pérenniser. Une feuille de route permet d’aligner l’IA sur la stratégie de l’organisation, de prioriser les cas d’usage à fort impact, de structurer les investissements et de maîtriser les risques liés à la gouvernance, à l’éthique, à la sécurité et à la conformité. Elle crée un lien explicite entre vision, création de valeur et exécution.
Au-delà de la technologie, la feuille de route IA est un outil de transformation organisationnelle. Elle planifie la montée en maturité des données, des compétences et des processus, et facilite le passage des projets pilotes à l’industrialisation. Les organisations qui réussissent en IA ne traitent pas l’IA comme une expérimentation isolée, mais comme un levier stratégique structuré, piloté et mesurable dans le temps.
Quels sont les types de projets d’Intelligence Artificielle?
Avant de démarrer des actions en IA, il est important de comprendre que nous faisons face à différents types d’IA et que ces types d’IA appellent des interventions différentes.
IA Générative : Une Porte d’Entrée Accessible
L’IA générative représente une forme d’IA accessible, où des modèles préexistants sont adaptés à des applications générales. Ce type de projet est généralement plus facile à adopter et ne requiert pas une infrastructure sophistiquée.
IA Intégrée aux Solutions Logicielles (COTS)
L’intégration d’IA dans des produits logiciels commerciaux (COTS) est plus complexe. Elle nécessite une évaluation des interactions entre l’IA et les systèmes existants ainsi qu’une compréhension de la valeur ajoutée pour des cas d’usage spécifiques.
Développement de Solutions IA “Maison”
Ce type d’IA nécesite un niveau de maturité plus élevé et exige une gouvernance des données robuste, des compétences techniques poussées, et une infrastructure solide pour assurer la qualité, la sécurité et la conformité des données.
Chaque type de projet d’IA pose des défis uniques et nécessite une préparation distincte, reflétant la diversité et la complexité croissantes du domaine de l’intelligence artificielle.
Mise en place d’un programme IA
Le diagramme suivant présente la démarche Eficio qui permet d’entamer son parcours en IA.
Mise en place d’un programme IA
Pourquoi est-il essentiel de définir une intention claire et des principes directeurs avant de déployer l’intelligence artificielle dans une organisation ?
Trop d’organisations font face à une prolifération de micro-initiatives en IA, menées de façon isolée, et à une dispersion des investissements sans coordination à l’échelle de l’entreprise. Malgré le déploiement de multiples outils et solutions AI, les retombées demeurent limitées et la transformation d’affaires attendue ne se matérialise pas. Cette situation illustre l’importance, dès le départ, de définir et de communiquer clairement l’intention stratégique que l’organisation se donne en matière d’IA. Sans cette intention partagée, il devient difficile de structurer une feuille de route cohérente, d’aligner les efforts et de mobiliser les équipes autour d’une vision commune.
La première étape de la mise en place d’une feuille de route IA est donc de définir l’intention de l’organisation face à l’IA. Cette intention doit être alignée sur les axes stratégiques de l’organisation. Par exemple, voulons nous aligner les investissement en IA sur l’expérience client ? Sur l’innovation produit/service? Ou sur l’excellence opérationnelle ? Si nous voulons améliorer notre excellence opérationnelle, sur quelle capacité d’affaires ou processus à enjeux ?
Il nous faut aussi définir des principes en IA. Ils servent à deux fins :
- Crédibilité externe. Les clients et partenaires ont besoin de clarté sur votre approche en matière de sécurité, de gouvernance et de transparence de l’IA, surtout lorsque l’IA traite des contenus sensibles de l’entreprise.
- Confiance interne. Vos employés se posent des questions. L’IA va-t-elle remplacer mon emploi ? Dois-je devenir un expert technique en IA ? Qu’adviendra-t-il de mon équipe ? Sans réponses explicites, la crainte se propage plus rapidement que l’adoption.
L’IA est la technologie la plus marquante que la plupart des gens auront connue au cours des 15 à 20 dernières années. Il faut donc l’aborder sous l’angle de la gestion du changement, car au final, l’IA est une extension de l’activité humaine. Le message aux employés sera important : L’AI augmentera leurs capacités et non pas que leurs jobs disparaitront. C’est un message d’autonomisation (« Empowerment ») plutôt que « utilisez l’IA sinon… » qu’il faut promouvoir.
Exemple de principe IA :
- Partenariat humain-IA : L’IA prend en charge les tâches routinières, libérant les employés pour se concentrer sur l’innovation et les relations;
- L’IA comme amplificateur de capacités : L’IA ne doit pas seulement accélérer des tâches existantes, elle doit ouvrir la voie à des possibilités auparavant inaccessibles;
- Sécurité, confidentialité et confiance des données : Les systèmes doivent imposer des contrôles d’accès stricts, même avec des agents autonomes, le tout dans une gouvernance qui assure la qualité et la confidentialité des données
- Les données comme actif stratégique : Une stratégie IA réussie commence par une gestion sécurisée des données : collecte fiable, organisation réfléchie, application rigoureuse des droits d’accès et mises à jour continues
Une fois établis, ces principes IA et l’intention doivent être communiqués de façon structurée aux intervenants internes et externes.
Idéation (Comment organiser une session d’idéation efficace pour définir des cas d’usage IA ?)
L’idéation est un processus crucial permettant de faire ressortir les projets IA les plus porteurs. La clé pour générer des idées de cas d’utilisation réside dans la capacité à aligner ces initiatives avec les priorités stratégiques de l’entreprise tout en exploitant le potentiel transformateur de l’IA.
Pour commencer, les sessions d’idéation doivent rassembler des personnes de différents départements, y compris ceux qui ne sont pas traditionnellement associés à la technologie mais ayant une bonne maitrise des processus d’affaires. Selon le niveau de maturité des participants, il peut être pratique de démarrer la session d’idéation en présentant des cas d’utilisations à succès dans le domaine d’industrie qui nous parle. Cela permet de se donner une compréhension commune ainsi que de faire émerger des idées similaires applicables à notre organisation. Ensuite le Brainstorming permettra de récolter une gamme diversifiée d’insights et de perspectives. L’utilisation de techniques de brainstorming structuré, comme le remue-méninge ou la pensée design (« Design thinking »), peut encourager les participants à penser au-delà des applications conventionnelles de l’IA. L’objectif est de déterminer où l’IA peut non seulement optimiser les processus existants mais aussi créer de nouvelles opportunités de valeur ajoutée. Le Prisme des cas d’utilisation (« Use Case Prism ») de Gartner peut également être utilisé pour identifier la valeur versus la faisabilité/maturité des différentes technologies ou cas d’utilisation.
Comment choisir le bon projet pilote
Pour démontrer le sérieux de la démarche et mobiliser les ressources dans l’exercice d’idéation, il est recommandé d’investir une enveloppe budgétaire discrétionnaire dédiée à la réalisation de 1 ou 2 projets IA dans un temps donné. Ce budget doit être communiqué aux équipes comme un engagement au développement proactif de cette technologie pour la croissance et la performance de l’entreprise. Le sérieux de la démarche, supportée par l’équipe de direction, devient alors plus engagée et nettement supportée si un montant d’investissement est réservé pour la réalisation de projets pilotes. L’entreprise doit être prête à rayer ce montant de R&D en cas d’échec des projets, mais aussi à réinvestir davantage en cas de succès
Le choix d’un premier projet pilote en intelligence artificielle (IA) est crucial car il peut donner le ton pour les initiatives futures et influencer la perception de l’IA au sein de l’organisation. Plus spécifiquement, le choix d’un bon projet pilote est essentiel car il permet de :
-
- Démontrer la valeur de l’IA : Un projet réussi peut démontrer concrètement les bénéfices de l’IA, gagner la confiance des parties prenantes et ouvrir la voie à des initiatives plus ambitieuses.
- Apprendre et s’adapter : Un projet pilote offre une occasion d’apprendre et de comprendre les défis spécifiques liés à l’IA dans votre contexte organisationnel.
- Gérer les Risques : Un projet bien choisi permet de gérer les risques en commençant par une initiative plus petite et moins complexe. L’approche « Fail fast » et jetable peut être pertinente.
- Créer un modèle pour les projets futurs : Le succès d’un projet pilote peut servir de modèle pour les initiatives d’IA futures, en améliorant la démarche grâce aux leçons apprises.
Afin de contrôler les risques et favoriser la sélection de projets ayant les plus grandes chances de succès, il est préférable d’utiliser une approche de « projet à valeur minimale » (MVP) ou de prototypage. C’est un moyen de tester une idée de produit rapidement et à moindre coût en créant des versions extrêmement simplifiées de ce produit.
Les éléments clés à prendre en compte pour sélectionner un bon projet pilote en IA sont:
1. Alignement avec les objectifs stratégiques : Le projet doit être aligné avec les objectifs stratégiques de l’entreprise (Intention IA). Il doit viser à résoudre un problème d’affaires pertinent ou à exploiter une opportunité stratégique, ce qui garantit son importance pour l’entreprise et facilite l’obtention et le soutien des parties prenantes.
2. Viabilité des données : Assurez-vous que vous disposez des données nécessaires pour entraîner et tester votre modèle d’IA. La qualité, la quantité, l’accessibilité et la pertinence des données sont fondamentales pour le succès de tout projet d’IA.
3. Complexité technique et faisabilité : Pour un premier projet, il est conseillé de choisir une application avec un niveau de complexité gérable. Évitez les projets trop ambitieux qui pourraient entraîner des délais ou des coûts imprévus.
4. Impact mesurable : Le projet doit avoir un impact mesurable sur l’entreprise, que ce soit en termes d’efficacité opérationnelle, de réduction des coûts, d’amélioration de l’expérience client, ou d’autres indicateurs de performance clés.
5. Expertise disponible : Assurez-vous que les compétences et l’expertise nécessaires sont disponibles, soit en interne, soit par le biais de partenaires externes. Cela inclut non seulement les compétences techniques en IA, mais aussi la connaissance du domaine concerné.
6. Risques et conformité : Évaluez les risques associés, notamment en matière de sécurité, de confidentialité et de conformité réglementaire. Un projet pilote doit être conforme aux normes de sécurité, éthiques et légales.
7. Possibilité d’extension et d’évolutivité : Considérez le potentiel d’extension et d’évolutivité du projet. Un bon projet pilote devrait offrir la possibilité d’être étendu ou adapté pour d’autres applications au sein de l’entreprise.
8. Engagement des parties prenantes : L’engagement des parties prenantes est crucial pour le succès du projet. Il est important d’impliquer les utilisateurs finaux et les décideurs dès le début du projet pour assurer leur soutien et leur adoption.
Aspects organisationnels et saine gouvernance des données
La réussite des projets d’intelligence artificielle repose d’abord sur la mise en place d’une politique IA claire et structurante. Cette politique exprime en plus de détails l’intention de l’organisation face à L’IA, encadre les usages attendus de l’IA et précise les rôles et responsabilités des différents intervenants : direction, TI, gouvernance des données, sécurité, service juridique et équipes d’affaires.
Sans ce cadre, les initiatives IA se multiplient de façon isolée, avec des risques accrus en matière de cohérence, de sécurité et de création de valeur.
Au cœur de cette politique se trouve la gouvernance des données, fondation indispensable à toute solution IA performante. Des données de qualité, bien classifiées, sécurisées et gouvernées conditionnent la fiabilité des modèles, la conformité réglementaire et la confiance des parties prenantes. À cela s’ajoute la nécessité de mettre en place des mécanismes de gouvernance IA, incluant des cadres de référence (« frameworks ») adaptés, notamment pour l’IA agentique, afin de contrôler les accès, les comportements des agents, les flux décisionnels et l’alignement éthique.
En combinant gouvernance des TI, des données et de l’IA, l’organisation se dote d’un socle solide pour sécuriser, industrialiser et faire évoluer ses projets IA avec succès.
Roadmap IA et gestion de projets IA
Une fois les étapes précédentes réalisées, il suffit de placer dans le temps les différentes actions et projets IA sélectionnées. Cela devient la feuille de route à suivre. Il est recommandé d’avoir un axe de temps qui ne dépasse pas 12-18 mois car la technologie IA et les affaires changent trop vite.
Pour ce qui est de la gestion des différents projets IA, la gestion de projets IA est similaire à beaucoup de projet de transformation numérique avec des spécificités importantes à maitriser. La gestion de projets IA se distingue par la nécessité d’une équipe dotée de compétences spécialisées en IA, une compréhension des données pour entraîner des modèles précis, et une approche agile pour l’expérimentation et l’itération rapides. Des considérations éthiques fortes et une gestion de changement adapté sont requis pour naviguer dans les implications des nouvelles technologies IA. Le processus inclut souvent la création d’un prototype (MVP) pour tester et affiner les solutions, suivi d’une surveillance continue pour assurer une performance constante des systèmes d’IA.
Vous voulez démarrer votre parcours en IA? Vous comprenez l’importance d’une feuille de route structurée?
Contactez-nous pour explorer en plus de détails la mise en place d’un programme IA au sein de votre organisation.
Plus d’articles sur le dossier de l’intelligence artificielle :
Et notre livre blanc que vous pouvez obtenir ici ⬇
Inscrivez-vous à l’infolettre Eficio et soyez le premier à recevoir notre actualité !