Si vous dirigez une organisation aujourd'hui, les propositions en IA arrivent probablement plus vite que vous ne pouvez les évaluer. Certaines viennent de fournisseurs, d'autres d'équipes enthousiastes, d'autres encore d'un conseil d'administration qui demande quelle est votre stratégie en IA. Beaucoup arrivent avec une démo impressionnante.
Il est facile de tomber sous le charme d'une démo. Le plus difficile vient ensuite, dans l'espace entre un prototype convaincant et un outil sur lequel les gens comptent au quotidien. C'est là que beaucoup d'initiatives en IA s'enlisent : le projet pilote a « fonctionné », mais personne ne peut dire ce qui a changé, à qui il appartient ni s'il est sécuritaire de le déployer à plus grande échelle.
Je conçois et je bâtis des solutions d'IA multi-agents, et je détiens les certifications Microsoft AI Transformation Leader et AI Agent Builder. La leçon la plus utile de ce travail n'est pas technique. Les initiatives qui réussissent sont celles où les leaders ont posé quelques questions simples avant d'engager l'argent.
Voici les cinq que je poserais.
1 Quel travail, ou quelle décision, sera différent, et pour qui?
Pourquoi c'est important. « Nous devons utiliser l'IA » n'est pas un énoncé de problème. L'IA est une capacité, pas un résultat. Un projet pilote a besoin d'un travail précis ou d'une décision précise à améliorer, et d'un groupe précis de personnes dont le quotidien va changer.
« Ça va nous rendre plus efficaces », ou « Nos concurrents le font déjà. »
« Nos analystes passent environ deux jours à assembler chaque rapport trimestriel à partir de cinq sources. Nous voulons une première version produite en quelques heures, qu'ils révisent et finalisent ensuite. »
2 À quoi ressemble « assez bon », et qui le vérifie?
Pourquoi c'est important. Les résultats de l'IA sont probabilistes. Elle se trompera parfois, et parfois avec beaucoup d'assurance. Ce n'est pas automatiquement rédhibitoire; les gens font des erreurs eux aussi. Mais il faut décider d'avance à quel point le résultat doit être bon, comment les erreurs seront détectées et ce qu'une erreur coûte.
« Le modèle est très précis », sans définir ce que précis veut dire pour cette tâche.
« Nous avons un ensemble de cas réels passés dont nous connaissons la bonne réponse. Nous allons mesurer le projet pilote par rapport à ces cas, et chaque résultat sera révisé par une personne qualifiée jusqu'à ce que les résultats justifient une révision plus légère. »
Dans mon propre travail, c'est là que va l'essentiel de l'effort de conception : décider ce que l'IA fait, ce qu'une personne vérifie et quels garde-fous rendent les résultats assez fiables pour être révisés et dignes de confiance.
3 De quelle information aura-t-elle besoin, et avons-nous le droit de l'utiliser?
Pourquoi c'est important. Une solution d'IA n'est utile que dans la mesure du contexte auquel elle a accès. Des questions pratiques surgissent vite : où se trouve l'information, est-elle à jour, qui a le droit de la consulter et peut-elle sortir de votre environnement? Les obligations en matière de protection des renseignements personnels, comme la Loi 25 au Québec, ainsi que les contrats clients et les politiques internes, ne prennent pas de pause pour un projet pilote.
« On s'occupera des données une fois le projet pilote approuvé. »
« Voici les sources nécessaires, voici à qui appartient chacune d'elles, et nos équipes de protection des renseignements personnels et de sécurité ont confirmé ce qui peut être utilisé et où ça peut être traité. »
4 Qui devra travailler autrement, et qu'est-ce qui rendra cela possible?
Pourquoi c'est important. Un projet pilote en IA réussi est une initiative de changement, pas seulement un projet technologique. Si les personnes censées utiliser l'outil ne lui font pas confiance, ne le comprennent pas ou ne voient pas comment il les aide, elles vont le contourner. L'outil sera « déployé », puis discrètement ignoré.
« On va former tout le monde au lancement. »
« Les analystes qui vont l'utiliser nous aident à définir le niveau de qualité attendu. Leur gestionnaire parraine le projet de façon visible, et nous avons convenu de la façon dont leur rôle passe de l'assemblage des rapports à leur révision et à leur amélioration. »
C'est la même leçon que la gestion du changement enseigne sur n'importe quel programme : les organisations ne changent pas; ce sont les personnes qui changent, une à la fois. L'IA ne fait pas exception.
5 Que se passe-t-il après le projet pilote?
Pourquoi c'est important. Beaucoup de projets pilotes sont conçus pour réussir en tant que projets pilotes, pas pour devenir des opérations. Avant de commencer, il vaut la peine de savoir ce qu'un succès déclencherait, et ce qui vous ferait arrêter.
« Si ça fonctionne, on va le déployer à grande échelle. »
« Si le projet pilote atteint le niveau de qualité attendu et que les analystes l'utilisent après huit semaines, il passe en production avec ce responsable, ce budget d'exploitation et ce modèle de soutien. S'il ne l'atteint pas, on arrête et on garde ce qu'on a appris. »
Demandez aussi ce que coûtera son exploitation, pas seulement sa construction. Les coûts d'IA basés sur l'utilisation, la surveillance, les mises à jour et le soutien continuent bien après le départ de l'équipe du projet pilote.
Ce que les cinq questions ont en commun
Aucune de ces questions ne porte sur les modèles, les requêtes ou les fournisseurs. Elles portent sur le jugement : quel problème vous résolvez, comment vous saurez que ça fonctionne, quels risques vous acceptez, qui doit changer et ce que vous ferez du résultat.
L'IA est un puissant multiplicateur de force, mais elle multiplie tout ce qu'on lui donne.
Y compris des objectifs flous, une information de piètre qualité et une responsabilité mal définie. Les leaders qui tirent une réelle valeur de l'IA sont rarement ceux qui ont les démos les plus impressionnantes. Ce sont ceux qui ont exigé des réponses claires avant le début du projet pilote.
Une vérification d'une page avant de dire oui
| Question | Vous êtes prêt quand... |
|---|---|
| Qu'est-ce qui sera différent, et pour qui? | Vous pouvez nommer le travail, les personnes et le changement en une phrase |
| Qu'est-ce qui est « assez bon », et qui vérifie? | Il existe un niveau de qualité mesurable et un réviseur désigné |
| Quelle information, et en avons-nous le droit? | Les sources, leurs responsables et les contraintes de confidentialité sont confirmés |
| Qui travaille autrement, et comment? | Les futurs utilisateurs ont contribué au projet pilote et ont un parrain visible |
| Que se passe-t-il après? | Les critères de succès et d'arrêt, le responsable et les coûts d'exploitation sont convenus |
Si une proposition ne peut pas encore répondre à la plupart de ces questions, ça ne veut pas dire que l'idée est mauvaise. Ça veut dire que la prochaine étape est une définition plus précise du problème, pas un plus gros budget.
Parlons-en
Si vous évaluez une initiative en IA et que vous souhaitez un regard externe sur ces questions, LinkedIn est le meilleur endroit pour me joindre.