Adoption de l’IA : Gartner appelle les DSI à former et à cibler les bons cas d’usage
Formation, hiérarchisation des cas d'usage et garde-fous sont les trois piliers identifiés par Gartner pour réussir le déploiement de l'IA en entreprise lors de son IT Symposium/Xpo.
L’arrivée massive des outils d’IA dans l’entreprise, souvent par des outils qui viennent du grand public, est un vrai défi pour les DSI. C’est ce qu’a récemment rappelé Gartner IT Symposium/Xpo, un évènement auquel ont assisté nos collègues de CIO Dive (groupe Informa TechTarget dont fait partie LeMagIT).
Pour Guy Fruda, directeur de l’expérience client chez Deloitte qui a participé à une table ronde lors du Symposium, la formation est pourtant la condition sine qua non pour tirer de la valeur de l’IA.
« Si vous ne formez pas les gens à s’en servir, c’est comme si vous me donniez un burin, un marteau et un bloc de marbre en me disant : “Fais-en quelque chose.” Vous ne voudrez pas voir le résultat, et encore moins l’acheter », a-t-il plaisanté.
Selon Gartner, pour déployer l’IA à grande échelle, les dirigeants doivent hiérarchiser les cas d’usage, créer des programmes de formation – ciblés en fonction des publics – et encourager l’expérimentation. Le tout en mettant en place des garde-fous pour encadrer les risques liés à la sécurité et à la fiabilité des résultats.
Se focaliser sur les cas d’usages à réelle valeur métier
« Nous n’avons pas cherché à faire de grands chantiers techniques. Nous avons essayé de faire des démonstrateurs simples, utiles, qui parlent aux métiers », résume Philippe Minier, DSI du groupe qui partageait ses conseils lors de la journée de l’AUFO (club utilisateur d’Oracle) à Paris début novembre.
« Nous avons essayé de faire des démonstrateurs simples, utiles, qui parlent aux métiers. »
Philippe MinierDSI de Kaufman & Broad
Au Gartner IT Symposium/Xpo, May Yap, la DSI du fabricant américain d’appareils électroménagers, électriques et électroniques Jabil, a partagé sur scène une expérience similaire.
« Nous avons mis en place ce que nous appelons un AI and Data Council, où j’ai sélectionné des responsables seniors de chaque fonction – business, opérations, RH, finances et juridique », explique-t-elle.
« Nous devons toujours garder en tête le cas d’usage », insiste May Yap. « Il faut savoir à quel problème concret ou à quelle opportunité métier nous cherchons à répondre. »
« Les cas d’usage qui améliorent directement la productivité sont ceux qui convainquent le plus vite », acquiesce Guy Fruda. « Si vous recevez vingt appels par jour pour réinitialiser des mots de passe, pourquoi ne pas confier cela à un agent qui pourra automatiser ces tâches répétitives ? », illustre-t-il.
Former les collaborateurs, encadrer les usages
Pour favoriser l’adoption de l’IA, Deloitte a également intégré des modules de formation dans son programme de développement, Deloitte University.
Le groupe propose également une formation spécifique sur l’IA agentique (en fait des assistants), destinée à aider les salariés à comprendre quels outils utiliser et dans quel contexte.
« Nous avons cherché à offrir aux employés un moyen d’apprendre et d’expérimenter sans mettre en danger nos données », explique Guy Fruda. « Nous avons créé notre propre agent, appelé Sidekick. L’idée est qu’il soit protégé par davantage de pare-feu, afin que chacun puisse le tester et l’utiliser sans craindre pour les données de Deloitte ou celles de nos clients. »
Maintenir la vigilance face aux erreurs de l’IA
L’un des plus grands défis reste la fiabilité des réponses générées par les grands modèles de langage. Pour Art Thompson, DSI de la ville de Détroit, également présent au Symposium, il est essentiel de vérifier systématique les outputs de l’IA.
« Je suis plutôt du côté des prudents », admet-il. « Mais l’enjeu, c’est de s’assurer que tout le monde partage une compréhension commune de ce qu’est réellement l’IA. » Par exemple en comprenant que l’IA générative est une IA probabiliste, qui peut halluciner et qui doivent donc être relues, à la différence d’autres formes d’IA, déterministes, comme le prédictif.
