Déployer l’IA générative dans votre entreprise : dix étapes clés

Mettre en place la gen AI au sein de l’entreprise ne peut se faire de façon opportuniste et précipitée. Et pourtant, il est essentiel de ne pas reporter plus longtemps le lancement des premières expérimentations. Voici dix recommandations pour vous accompagner sur ce chemin en ne laissant rien au hasard (surtout quand il est question de sécurité et d’efficacité opérationnelle).

L’emballement actuel autour de l’IA générative plonge les entreprises dans un état de profonde perplexité. Il y a d’un côté la certitude que cette technologie est une avancée majeure et que sa maîtrise apporte de la valeur ; mais en face, il y a aussi le sentiment que son usage peut échapper au contrôle de l’entreprise et que celui-ci peut faire peser des risques financiers, éthiques, commerciaux à ceux qui s’y aventureraient trop rapidement. Conséquence : de nombreuses entreprises préfèrent jouer la sécurité en avançant prudemment, limitant et réduisant le périmètre de ses usages.

Pourtant, un autre risque, plus grand encore, émerge à l’horizon : celui de prendre du retard… Car la valeur future estimée de l’IA générative (près de mille milliards de dollars de gains de productivité annuels d’ici 2032, selon notre étude récente) constitue un appel d’air puissant qui devrait intimer aux plus frileux de reconsidérer leur position : en adoptant une approche raisonnée sur le déploiement et les usages, les gains dépassent largement la valeur des risques perçus. Les entreprises n’ont donc aucun intérêt à se restreindre du côté de l’IA générative : au contraire, leur défi est plutôt de définir le cadre d’une utilisation appropriée qui les mettra à l’abri de potentielles menaces – explosion des coûts, failles de sécurité, risque réglementaire, démotivation des équipes, etc.

Pour les accompagner dans ce travail de structuration, nous leur proposons dix pistes de réflexion qui devraient largement influencer leurs processus de déploiement de l’IA générative. Objectif : maximiser les bénéfices de cette technologie tout en garantissant un cadre sécurisé et efficient.

Ce que les entreprises doivent faire

1) Orienter l’étude d’impact sur la valeur d’apprentissage

Le fait que l’IA générative soit une technologie inédite rend caduques des processus traditionnellement appliqués lors d’une étude d’impact. Par exemple, il semble peu pertinent de consacrer du temps et des ressources pour évaluer la valeur et l’intérêt de la technologie… car celle-ci semble communément admise. De la même façon, sur des cas d’usage très précis, il semble vain de vouloir quantifier les économies réalisées grâce à cette technologie car les entreprises n’ont tout simplement pas le recul et l’information suffisants sur le sujet – et cela vaut aussi pour l’identification des briques technologiques et des processus qui pourraient être remplacés par l’usage de ces outils.

Par conséquent, le cœur de l’étude d’impact se situera davantage sur l’analyse de la valeur d’apprentissage et d’expérimentation de l’IA générative : il s’agira pour l’entreprise d’apprendre à identifier rapidement où et comment cette technologie est susceptible d’apporter des résultats efficaces afin d’en tirer les premiers enseignements. Objectif : façonner un cadre d’utilisation responsable et sécurisée de la technologie au sein de l’entreprise.

2) Commencer avec des cas d’usage simples, orientés vers l’interne

Comme évoqué par Surya Gammadi, vice-président exécutif et président de Cognizant Americas, dans un post récent : « Avant de chercher à initier des cas d’usage qui rapporteront les plus gros bénéfices, les entreprises devraient plutôt commencer par libérer la valeur cachée dans leurs processus existants ». Autrement dit : les entreprises devraient commencer par identifier des cas d’usage relativement simples, et cela même si l’IA générative promet de réaliser des projets révolutionnaires à terme. Par exemple, il peut s’agir de créer un référentiel de connaissances partagées pour les agents des centres d’appel ou d’automatiser des tâches de routine pour les développeurs – des cas d’usage d’autant plus atteignables qu’ils sont à vocation interne. Des applications dirigées vers l’expérience client risquent, elles, d’exposer l’entreprise à davantage de menaces dans la mesure où l’entreprise ne pourra pas contrôler totalement les modalités d’interactions entre les utilisateurs et le contenu produit par le modèle.

3) Ne pas passer trop de temps à comparer les technologies disponibles

Dans un de nos articles, nous pointions la faible différence entre les outils d’IA générative disponibles qui présentent des fonctionnalités comparables. De ce fait, il est inutile pour les entreprises d’investir trop d’énergie dans l’étude des différentes solutions proposées par les géants de la tech car celle-ci n’apporterait pas d’éclairage manifeste et serait bien vite obsolète au regard des évolutions constatées sur le marché.

À la place, nous recommandons aux entreprises de s’appuyer sur des partenariats existants pour lancer des cas d’usage préliminaires. Et, pour celles qui souhaiteraient tester de nouveaux partenaires à cette occasion, la recherche de fiabilité et la validation des capacités d’intégration et d’expérimentation doivent servir de boussole à leur choix.

Si elles souhaitent se tourner vers des acteurs de niche de la gen AI comme certaines startups, nous recommandons cependant de lancer une évaluation plus poussée pour s’assurer que ces fournisseurs offrent les mêmes garanties de sécurité, de confidentialité et de conformité que leurs homologues hyperscalers.

4) Investir dans des compétences externes

Selon le Dr. Vishal Sikka, un des premiers conseillers d’OpenAI et président de Vianai Systems : sur les 8 milliards d’être humains sur la planète, moins de 200 000 se montrent capables d’opérer un système d’IA et seulement 50 000 peuvent expliquer comment des outils de gen AI comme ChatGPT fonctionnent. Ce qui amène la question : avez-vous au sein de votre entreprise les talents nécessaires capables de faire avancer vos projets d’IA générative ?

Malheureusement, les statistiques ne jouent pas en votre faveur… Ce qui signifie que la plupart des organisations devront recourir à un partenaire externe, spécialisé en transformation digitale ou en services technologiques, pour évaluer les différentes plateformes, les introduire au sein de l’organisation et identifier les autres composants technologiques nécessaires pour un déploiement plus large.

5) Concevoir une architecture système progressive

Pour asseoir l’utilisation de l’IA générative, les entreprises devront forcément développer un nouveau socle technologique de bout en bout (stratégie et architecture). Cela signifie que tous les composants critiques du futur projet de gen AI devront être identifiés, que ceux-ci relèvent de l’intégration, du sourcing et de la collecte des données ou de la maintenance. Et à mesure que le temps avance, cette fondation devra pouvoir s’adapter aux différentes évolutions de son environnement, à la maturité grandissante de la technologie, à la montée en compétence de l’organisation, à l’évolution des cas d’usage et aux clarifications réglementaires à venir. Les entreprises doivent donc se projeter sur un cadre d’implémentation suffisamment flexible pour permettre toutes ces adaptations – aux enjeux business comme aux changements du marché et de l’environnement réglementaire.

6) Établir des garde-fous innovants en matière de sécurité

L’IA générative soulève des questionnements inédits en matière de sécurité et de conformité réglementaire. Parmi ceux-ci : « Qui détient la propriété des contenus produits par les modèles d’IA ? », « Quel suivi appliquer sur les données d’entraînement utilisées ? », « Quels accès et quels contrôles peut-on mettre en place pour assurer une utilisation sûre, sécurisée et éthique de cette technologie ? »

Malheureusement, aucune réponse claire n’émerge pour l’instant, et la conclusion n’est certainement pas de suspendre l’utilisation de l’IA générative, ou de réduire son champ d’action.

Puisque les cadres sécuritaires et réglementaires actuels ne permettent pas de répondre à ces enjeux, il importe que les entreprises développent leurs propres politiques et procédures pour établir des garde-fous, souvent en lien avec un partenaire technologique. Elles peuvent aussi atténuer les risques en se concentrant en première intention sur les applications internes qui seront plus faciles à contrôler et suivre. Et pour finir, le plus pertinent pour elle sera probablement de s’adjoindre les services d’un fournisseurs tech expérimenté (de type « hyperscaler »), pourvu que celui-ci présente des références de haut niveau en matière de préservation de la sécurité et de la confidentialité.

7) Créer de nouveaux indicateurs pour mesurer l’impact

Lorsque l’on introduit une nouvelle technologie aussi disruptive que l’IA générative dans une entreprise, l’objectif n’est pas forcément d’obtenir un ROI dès la phase initiale. Le but principal est en effet plutôt de prouver que la technologie fonctionne dans cet environnement et qu’elle a le potentiel pour délivrer de la valeur et de l’impact.

Dans cette optique, pour évaluer l’impact économique de chaque projet, nous recommandons de dépasser les KPIs traditionnels et de créer des indicateurs qui seront à la fois nouveaux et spécifiques au cas d’usage étudié. Par exemple, pour un cas d’usage de knowledge management interne, l’indicateur à retenir ne sera pas forcément celui du nombre de clics ou d’écrans parcourus par un utilisateur avant d’obtenir son information (indicateur « traditionnel ») mais plutôt le temps total passé à examiner ces informations ou le nombre de registres consultés par l’utilisateur (des indicateurs plus orientés vers la finalité du projet, rendus possibles par l’IA générative).

Au-delà des enseignements livrés par les succès de certains cas d’usage, l’entreprise devra également se féliciter… de ses échecs. Car les projets non concluants pourront ainsi livrer des informations précieuses sur les limites de la technologie et le cadre à installer. En tirant de ses propres expériences d’échecs ou de réussite une connaissance exclusive et opérationnelle sur l’IA générative, l’entreprise dispose ainsi d’un capital culturel unique qui lui permettra de s’adapter à toute évolution future de la technologie et du marché.

8) Communiquer tôt et souvent

Lorsque l’entreprise atteint la phase où elle passe des POC et des pilotes à une implémentation plus transversale, les boucles de feedback deviennent indispensables : les commentaires doivent en effet pouvoir être intégrés dès le départ (surtout ceux ayant trait à l’évaluation du cas d’usage) pour garantir à l’entreprise une bonne réactivité sur la solution et l’expérience utilisateur et développer ainsi toute la valeur attendue. Ces mécanismes de feedback peuvent prendre la forme de sondages, de notes, d’évaluations instantanées par les utilisateurs, etc.

Si la communication est souvent le parent pauvre des chantiers de déploiement technologique et des programmes de conduite du changement, elle prend une importance capitale dans un contexte d’IA générative car cette technologie bénéficie d’un degré d’attention inédit – et donc d’un risque accru de fantasme et de désinformation. Il est par exemple indispensable de couper court à toute spéculation concernant les sujets de destruction d’emplois, d’atteinte à la vie privée ou de discrimination par les biais en s’adressant à toutes les équipes, y compris celles qui n’utiliseraient pas cette technologie au quotidien. L’objectif sera alors de communiquer clairement et honnêtement sur ces risques tout en mettant en avant les avantages réels de l’IA générative pour l’entreprise comme pour les équipes : c’est à cette condition que les organisations pourront s’assurer d’une adoption rapide et d’un engagement fort autour de ces outils au fur et à mesure que ceux-ci sont déployés.

9) Ne pas lésiner sur la formation et le développement des compétences

La réussite d’une démarche d’IA générative dépend en grande partie de l’aisance avec laquelle les équipes interagissent avec la technologie. Pour cette raison, un programme complet de formation et de développement des compétences sera nécessaire pour apprendre aux collaborateurs à utiliser ces outils et à identifier la valeur qu’ils peuvent en retirer. Ce programme d’entraînement devra comporter des modules appliqués, concrets et techniques, pour ceux qui seront impliqués dans la mise en place, la maintenance et la conception des systèmes d’IA ; pour les autres équipes, les programmes de formation se concentreront sur les savoirs fondamentaux, à commencer par la description du fonctionnement de la technologie et de ses utilisations possibles.

Pour garantir le déploiement à l’échelle des cas d’usage et des bénéfices de l’IA générative, il est capital d’embarquer tout le monde dans ce programme de formation et de développement des compétences.

10) Apprendre de façon itérative

À ce stade, les entreprises doivent donc principalement se concentrer sur leur courbe d’apprentissage et sur les enseignements qu’elles comptent retirer de leur expérience. Ce qui signifie : identifier ce qui fonctionne et ce qui ne fonctionne pas.

Même si elles sont impatientes de générer des bénéfices à travers des cas d’usage et des applications de grande ampleur, elles doivent comprendre que tout cela s’inscrit dans la durée et dans l’effort, le temps que les équipes se familiarisent avec la technologie et en comprennent les contours. Même s’il y a sûrement de la valeur à retirer dès à présent de ces outils, c’est surtout à travers une approche itérative prudente, cohérente et stratégique que les entreprises pourront extraire des bénéfices réels de l’IA générative, en s’appuyant sur la connaissance et la maîtrise tirés de l’expérimentation.

Le plus grand risque : ne rien faire

Bien qu’elle n’en soit qu’à ses débuts, l’IA générative est appelée à jouer un rôle majeur dans le développement de nombreux secteurs, ce qui implique de s’y préparer : les entreprises qui choisiraient une approche trop prudente et attentiste risquent de se mettre en péril en accumulant trop de retard sur leurs concurrents.

Car même si l’introduction de cette technologie comporte de nombreuses incertitudes (comme c’est le cas dès qu’il s’agit d’une innovation), la valeur attendue de l’IA générative dépasse de loin le risque perçu – les entreprises peuvent d’ailleurs adopter des mesures spécifiques de mitigation tout au long du processus de déploiement. 

Le message est donc clair : l’heure est venue de se lancer résolument dans l’ère de l’IA générative – tout simplement parce que ne pas le faire ou attendre davantage constitueraient la plus grosse menace parmi tous les risques identifiés.

Article traduit et localisé à partir de l'article en anglais, A practical guide to introducing gen AI into the enterprise, écrit par Scott TumSuden, Vice President & Global Managing Partner.