Toutes les notes

L’adoption de l’IA échoue avant les outils

David Legendre · · · 3 min

Vue depuis le fond d’une salle : silhouettes d’un public face à un écran de projection illisible.

Une initiative d’IA peut fonctionner sur le plan technique et avoir peu d’effet sur l’organisation. Le pilote produit des réponses prometteuses, mais ces réponses ne deviennent jamais une partie d’une décision importante.

Avant d’élargir le pilote, je veux comprendre qui porte cette décision et ce qui devrait changer pour que le système puisse la soutenir. La responsabilité, le contexte et l’adoption sont des exigences de conception.

Qui porte le résultat opérationnel?

Un comité peut parrainer un projet. Il faut quand même une personne responsable de la décision ou du processus que le projet doit améliorer.

Cette personne devrait contribuer à définir la réussite et à trancher les compromis qui apparaissent pendant la mise en œuvre. La personne qui suit les jalons du projet n’est pas nécessairement celle qui devra vivre avec le résultat dans les opérations.

Il faut savoir qui maintiendra la capacité, évaluera sa performance et décidera de la marche à suivre en cas d’échec après le départ de l’équipe de projet.

Quel contexte manque-t-il?

Un modèle ne sait pas automatiquement à quelle source l’équipe fait confiance, ce que signifie un terme fournisseur ou pourquoi un cas apparemment simple exige une exception.

Une partie de ce savoir se trouve dans les systèmes. Une autre se trouve chez les personnes qui font le travail. Le rendre explicite peut demander des changements aux données, à la documentation ou au processus lui-même.

Pour un agent qui utilise des outils, le contexte doit aussi inclure des limites : ce qu’il peut lire, les actions qu’il peut poser et les situations qui exigent une révision. Une réponse plausible ne constitue pas une autorisation suffisante pour agir.

Comment les équipes utiliseront-elles le résultat?

Un résultat utile peut arriver au mauvais moment ou en dehors des outils utilisés. Il peut aussi ajouter un travail de vérification que le projet n’avait pas prévu.

Parcourez la tâche complète avec les personnes qui utiliseront le système. Examinez ce qui se passe avant son intervention, la façon de vérifier son résultat et les étapes qui suivent. Incluez les cas incertains et les échecs, pas seulement la démonstration réussie.

Un premier geste concret

Choisissez un processus important, mais bien délimité. Identifiez la personne responsable et les utilisateurs, documentez le contexte nécessaire et décidez comment comparer le résultat à la façon actuelle de travailler.

Développez ensuite le plus petit test utile. Gardez assez de visibilité pour comprendre ce que le système a fait et précisez qui peut approuver, corriger ou arrêter ses actions.

Le résultat doit permettre de décider si la capacité mérite un rôle plus large et ce que l’organisation doit changer avant de le lui confier. Un premier déploiement réussi est la façon, pour la direction, de choisir le prochain investissement — pas une raison d’élargir par défaut.

David Legendre est cofondateur et PDG de Quantumize AI. Il a dirigé des fonctions données en entreprise et construit maintenant des produits d’IA. Son expérience antérieure comprend MTY Food Group, CAE et la Banque Nationale du Canada.

Discuter d’une initiative d’IA

david.legendre@quantumizeai.com

Parler à David