L’adoption de l’IA réussit lorsqu’elle est intégrée dans des flux de travail à forte friction dirigés par l’informatique.
L’IA ne fait pas avancer les choses lorsqu’elle reste à l’écart. Elle prend tout son sens lorsqu’elle est intégrée directement dans le quotidien, en particulier dans les processus que les gens ont tendance à éviter. Chez Gold Bond Inc, une entreprise de produits promotionnels vieille de 77 ans, le DSI Matt Price n’a pas commencé par le lancement d’un chatbot tape-à-l’œil. Il s’est concentré sur le travail fastidieux, l’entrée manuelle dans l’ERP, la saisie de documents, les résumés d’appels, des tâches que les gens détestent naturellement. Ce sont les points de friction. C’est là que l’IA a fait la différence.
Le déploiement ne s’est pas fait de haut en bas. Price a constitué un petit groupe de confiance d’utilisateurs précoces, de super-utilisateurs. Ils ont trouvé des cas d’utilisation réels au sein de l’entreprise et les ont utilisés pour former tous les autres. La formation a été délibérée, rapide et ciblée. Il n’était pas question d’accumuler des diapositives avec des points de référence. Au lieu de cela, ils ont connecté des outils comme Gemini et OpenAI directement aux systèmes déjà utilisés. Les tests ont été effectués dans un environnement de type « bac à sable ». Des garde-fous et un contrôle humain ont été intégrés dès le départ, en particulier pour tout contenu destiné au public.
Le résultat n’a pas été un battage médiatique, mais un changement de comportement. La participation quotidienne à l’IA est passée de 20 % à 71 %. Près de la moitié du personnel a déclaré avoir économisé jusqu’à deux heures par jour. Il s’agit là d’un effet de levier opérationnel significatif. Il ne s’agit pas d’annoncer l’IA, mais de l’intégrer là où elle remplace les frais généraux et améliore le rythme du travail réel.
Il y a là une leçon à tirer pour les dirigeants. N’essayez pas d’éblouir avec l’IA. Commencez par résoudre les problèmes de flux de travail réels. Identifiez les endroits où les retards s’accumulent ou ceux où les équipes sont noyées dans des tâches lourdes. Intégrez l’IA à ces endroits. Le succès parlera de lui-même.
L’IA s’épanouit dans les complexités opérationnelles telles que les systèmes ERP et les canaux d’interaction avec les clients.
Lorsque le flux de travail est désordonné, les entrées multiples, les formats de fichiers et les systèmes déconnectés, il est facile de perdre du temps et de la précision. Gold Bond est une entreprise qui gère des devis, des commandes et des demandes d’échantillons émanant de plus de 8 500 clients. Ces documents n’arrivent pas proprement. Ils arrivent par le biais de sites web, de courriels, de télécopies, parfois même écrits à la main. C’est là que l’IA gagne sa place.
L’équipe de Price a utilisé Google Cloud pour normaliser les documents entrants. Ensuite, les modèles Gemini et OpenAI extraient les informations, les UGS des produits, les quantités, les détails sur les clients, et les traduisent dans des champs ERP structurés. Ce qui nécessitait auparavant un processus de saisie manuelle est désormais rationalisé en quelques minutes, l’IA se chargeant de la normalisation et de la saisie des données.
Il s’agit d’une meilleure utilisation du temps. Non seulement ils gagnent des heures par transaction, mais ils ont également réduit les erreurs de saisie et les goulets d’étranglement. Il s’agit d’une véritable efficacité opérationnelle. Elle est également évolutive, sans qu’il soit nécessaire d’augmenter les effectifs.
Les dirigeants doivent comprendre que l’IA est particulièrement efficace pour maîtriser la complexité. Lorsque le travail est variable, discontinu et sujet aux erreurs, des modèles d’IA bien entraînés peuvent nettoyer le chaos. Mais les modèles n’ont d’importance que s’ils s’intègrent étroitement à des systèmes tels que les plateformes d’ERP, de CRM et de gestion des commandes. C’est là que les bénéfices viennent, non pas de l’IA elle-même, mais parce qu’elle résout une inefficacité spécifique au sein d’un système d’entreprise critique.
L’intégration de l’IA dans des flux de travail bruyants et fragmentés n’est pas seulement une bonne idée. C’est l’avenir des opérations évolutives. En laissant l’IA faire le ménage dans les coulisses, vos équipes peuvent se concentrer sur l’avenir.
Une stratégie d’IA multi-modèle améliore la performance et la flexibilité des tâches spécifiques
Il n’existe pas de modèle unique en matière d’IA. Les différents modèles ont des atouts différents. Gold Bond l’a compris très tôt et ne s’est pas enfermé dans une plateforme unique. Elle utilise Gemini pour les tâches intégrées de l’espace de travail, ChatGPT pour l’automatisation du back-end, Claude pour l’assurance qualité et des modèles plus petits pour l’expérimentation en périphérie. Chacun joue un rôle en fonction de ses capacités et du contexte.
Cette approche évite les limites de la dépendance à l’égard d’une plate-forme. Elle donne à l’entreprise la possibilité d’évoluer. Au fur et à mesure que des tâches spécifiques deviennent plus complexes (révision de code, interprétation de documents, contrôles de qualité), elle peut échanger ou combiner des modèles en fonction de la précision, de la vitesse et de la fiabilité. Il s’agit d’une allocation plus intelligente des ressources informatiques et des talents.
Du point de vue de la direction, c’est ce type de réflexion sur l’échelle qui est important. Vous voulez que les équipes choisissent le bon outil pour la tâche à accomplir, et non qu’elles forcent tout à passer par un seul pipeline parce que c’est ce qui était déjà sous licence. L’informatique de Gold Bond est suffisamment mature pour gérer l’orchestration, et son personnel est formé pour naviguer entre les plates-formes lorsque cela est nécessaire.
Matt Price, son directeur des technologies de l’information, l’a clairement expliqué : ce n’est pas pour rien que l’entreprise est agnostique sur le plan technologique. Il ne s’agit pas d’une ouverture pour le plaisir, mais d’un moyen de garantir l’adaptabilité de l’entreprise. Les modèles s’améliorent rapidement. Cette stratégie permet d’éviter les blocages. Elle garantit également le meilleur résultat pour chaque travail, sans compromis.
Le déploiement intelligent de plusieurs modèles témoigne d’une sophistication opérationnelle. Il ne s’agit pas d’empiler les outils. Il s’agit de faire correspondre les données d’entrée au modèle le plus qualifié et d’obtenir des résultats sur lesquels l’entreprise peut agir rapidement. C’est de là que vient l’avantage.
L’IA accélère le travail créatif et technique grâce à l’automatisation et au copilotage collaboratif.
L’IA a accéléré des tâches qui étaient auparavant lentes ou répétitives. Chez Gold Bond, la création de présentations prenait des heures. Aujourd’hui, cela prend moins de 30 minutes. Les développeurs utilisent l’IA pour vérifier les scripts NetSuite sur deux modèles avant de les envoyer dans des environnements de test. Les équipes génèrent des formules de feuilles de calcul qui nécessitaient auparavant une construction manuelle. Les concepteurs créent des maquettes de marque à l’aide d’outils génératifs. Tout va plus vite, sans sacrifier la qualité.
Les outils ne remplacent pas les personnes. Ils leur permettent de dépasser les étapes mécaniques et de se concentrer sur la créativité. L’IA comble les lacunes en matière d’exécution. Pour les visuels de produits, les équipes utilisent Recraft pour itérer sur les prévisualisations numériques avant la révision humaine. La documentation interne est élaborée plus rapidement à l’aide de NotebookLM. La rédaction d’e-mails, les résumés d’appels téléphoniques, les révisions préalables de contrats sont désormais réalisés en quelques minutes, et non plus en quelques heures.
Pour les dirigeants, le changement est mesurable. Les équipes ne sont pas seulement plus occupées, elles sont plus efficaces car les ressources sont transférées vers des tâches à plus forte valeur ajoutée. Ce qui nécessitait auparavant plusieurs cycles d’examen ou de coordination est désormais traité en collaboration entre les humains et l’IA en temps réel. Les boucles de décision sont raccourcies. La planification devient exécutable plus rapidement.
Matt Price l’a dit clairement : ils font désormais avancer les concepts plus rapidement, organisent des réunions plus légères et livrent les produits sans accumuler de retard. C’est cela l’impact. Et cela ne s’est pas fait en automatisant tout, mais en identifiant où l’IA pouvait aider et en laissant les compétences humaines gérer les nuances. Il s’agit d’identifier les domaines dans lesquels l’IA peut apporter une aide et de laisser les compétences humaines gérer les nuances.
C’est là que l’IA permet une véritable accélération de l’activité : plus de travail traité sans augmentation des effectifs, et plus d’idées passant de la planification à l’exécution. En tant que leaders technologiques, il nous appartient de promouvoir ce type de transformation axée sur les résultats.
Des tests rigoureux en bac à sable et une surveillance humaine sont essentiels pour un déploiement sûr et efficace de l’IA.
L’IA sans contrôle est risquée. Gold Bond ne met rien en production sans avoir procédé à des tests rigoureux, et c’est ce qu’il faut faire. Chaque processus piloté par l’IA est d’abord exécuté dans un bac à sable, où il est validé par le personnel technique et les experts en la matière. Ce modèle de double approbation garantit que tout résultat assisté par l’IA respecte la logique commerciale, l’intégrité des données et les attentes de l’entreprise avant d’être déployé.
Il ne s’agit pas d’une sécurité théorique, mais d’une discipline opérationnelle. Les systèmes d’intelligence artificielle ont besoin d’une structure. Gold Bond a mis en place des points de contrôle clairs pour évaluer les performances avant d’introduire des changements. Même avec des outils d’IA très fiables, ils ne font pas l’impasse sur l’assurance qualité. Ce type de patience stratégique permet d’éviter que les erreurs ne soient rendues publiques ou qu’elles n’interrompent les systèmes en aval.
Pour les cadres, c’est essentiel. L’IA ne réduit pas les responsabilités, elle place la barre plus haut. Sans validation, les défaillances des petits modèles s’étendront rapidement et créeront des responsabilités dont personne ne veut. Gold Bond prouve que l’IA fonctionnelle a besoin de garde-fous, d’un examen humain et d’une itération contrôlée.
Matt Price, leur DSI, a souligné ce point précis : « Notre équipe technique, ainsi que les experts en la matière, donnent leur accord avant d’expédier les changements ou de les intégrer à la production ». C’est ainsi qu’ils maintiennent la confiance dans la plateforme tout en continuant à innover.
Garder une longueur d’avance ne signifie pas aller vite sans précaution. Il s’agit d’exécuter avec discipline et d’intégrer les personnes dans la boucle au bon moment. C’est ainsi que l’IA atteint sa maturité au sein d’une entreprise : une action délibérée, une surveillance réelle et des cadres reproductibles.
L’adoption efficace de l’IA dans les entreprises traditionnelles dépend d’une gestion intentionnelle et structurée du changement.
L’IA ne s’installe pas toute seule. Surtout dans une entreprise plus ancienne, les gens ont des habitudes, et les habitudes ne changent pas automatiquement. Gold Bond l’a compris. Elle n’a pas mis des outils dans tous les coins en espérant que tout irait pour le mieux. Au contraire, ils ont commencé par une équipe ciblée, un groupe de huit utilisateurs précoces qui ont testé, affiné, puis formé tous les autres. Cette démarche était intentionnelle, structurée et continue.
Ils ont utilisé des outils faciles d’accès, comme Gemini intégré à Google Workspace, afin que les employés puissent commencer là où ils travaillaient déjà. Au fur et à mesure de l’évolution des flux de travail, des modèles plus avancés comme ChatGPT ou Claude sont entrés en jeu. Cela a permis d’atténuer l’intimidation technique et de réduire la résistance.
La gestion du changement n’était pas abstraite. Elle était ancrée dans les cas d’utilisation, les premières réussites et la formation par les pairs. Au fur et à mesure que les gens commençaient à voir l’impact réel, les comportements évoluaient, de manière organique. Matt Price s’est attaché à rendre les choses pratiques, et non théoriques. « Après avoir redéfini certaines attentes, les gens ont commencé à s’y intéresser. Notre adoption a décollé », a-t-il déclaré.
Et cela a fonctionné. Un changement discret s’est produit, l’utilisation de l’IA a bondi de 20 % à 71 % par jour parce que les employés ont commencé à faire confiance à ce que les outils leur fournissaient. Il ne s’agissait pas d’une adoption forcée. Il s’agissait d’une confiance gagnée. C’est ce qui compte à grande échelle.
John Pettit, directeur technique de Promevo, qui a apporté son soutien à la mise en œuvre, l’a clairement expliqué : « Vous devez vraiment changer les idées et les comportements des gens à ce sujet. Pour ce faire, il faut que les dirigeants se concentrent sur les outils, mais aussi sur les personnes qui s’alignent sur la transformation.
Pour les équipes dirigeantes, ne négligez pas cette partie. Le meilleur modèle du monde ne servira à rien si vos employés l’évitent. Le changement se produit grâce à une structure, une formation cohérente et des résultats visibles. C’est ce qui permet de maintenir l’adoption de l’IA au-delà de la phase pilote.
Les contrôles des données et les politiques d’utilisation sont essentiels pour prévenir les abus et gérer l’IA fantôme.
L’exploitation de l’IA sans gouvernance entraîne des risques que la plupart des entreprises ne sont pas prêtes à gérer. Chez Gold Bond, ils ont pris cela au sérieux. Au lieu de laisser l’utilisation de l’IA ouverte, ils ont mis en place des politiques solides dès le départ, la prévention des pertes de données (DLP), l’accès basé sur l’identité et les contrôles de permission centralisés en utilisant LibreChat. Ces mesures ont créé une structure et une visibilité.
Cela permet d’éliminer l’utilisation non autorisée des outils, ce que l’on appelle l’IA fantôme. Il s’agit d’un problème courant, en particulier dans les entreprises où l’enthousiasme prend le pas sur la réglementation. Gold Bond a mis en place un contrôle sur les modèles pouvant être utilisés, sur la manière dont les résultats devaient être examinés et sur les cas où des approbations étaient nécessaires. Cela a permis d’arrêter les problèmes avant qu’ils n’apparaissent.
La vérification est une étape obligatoire. Les résultats utilisés dans les documents destinés aux clients font l’objet de vérifications. Si le modèle tire des données, l’équipe demande la source. Il ne faut pas faire confiance aveuglément à l’IA. Ce niveau d’examen minutieux a transformé la vérification d’une tâche secondaire en une partie essentielle du flux de travail.
Matt Price, directeur de l’information chez Gold Bond, l’a dit clairement : « Vous devez établir la bonne température de confiance, mais vérifier ». C’est cet équilibre, ouvert à la valeur mais strict en matière de validation, qui permet à l’organisation de rester sûre et agile.
Pour les dirigeants, il s’agit d’une responsabilité de leadership. La mise en place d’outils d’IA n’est pas seulement une décision technique, c’est aussi une question de conformité et de gestion des risques. Il n’est pas nécessaire de ralentir l’innovation, mais il faut lui donner des règles. C’est ce qui permet à l’échelle de se produire de manière responsable.
L’IA devrait renforcer la prise de décision humaine plutôt que de la remplacer entièrement
Même les meilleurs modèles ne tiennent pas compte du contexte. C’est pourquoi Gold Bond considère que l’humain dans la boucle n’est pas négociable. L’IA améliore les résultats, mais les décisions finales sont prises par des personnes. Tout ce qui est en contact avec le public ou lié à une logique critique pour l’entreprise est soumis à un examen humain. Il ne s’agit pas de microgérer l’outil. C’est une question de responsabilité.
Les équipes sont formées à poser les bonnes questions au modèle. D’où viennent les données ? Quel est le raisonnement qui sous-tend la conclusion ? Et on attend d’elles qu’elles sondent les résultats avant d’agir. Ce n’est pas parce que l’IA est défectueuse, c’est parce qu’une supervision intelligente rend le système plus fiable. La confiance aveugle dans les résultats synthétiques n’est pas un leadership responsable.
Matt Price a insisté sur ce point : « Les solutions agentiques n’ont qu’une portée limitée, il faut toujours des humains dans la boucle. Ce n’est pas de la prudence, c’est de la justesse. Les produits de l’IA ont de la valeur, mais les résultats commerciaux sont toujours la propriété des personnes, et non des modèles.
Les dirigeants doivent aborder l’IA comme une aide à la décision, et non comme une délégation de décision. L’augmentation fonctionne lorsque les humains restent impliqués, pilotent les résultats et s’approprient l’impact. Il ne s’agit pas seulement de maintenir l’implication des personnes, il s’agit d’améliorer les résultats en combinant rapidité et jugement. C’est ce qui permet une exécution fiable et évolutive.
Commencez modestement et procédez par itération pour jeter les bases durables de l’adoption de l’IA.
L’introduction de l’IA dans une organisation ne nécessite pas d’investissements initiaux massifs ni de plan de transformation radical. Ce qui compte, c’est de commencer par des cas d’utilisation spécifiques et gérables, de les tester et de construire à partir de ce qui fonctionne. C’est exactement la façon dont Gold Bond a abordé la question. L’entreprise n’a pas essayé de tout refondre d’un coup. Ils ont choisi des problèmes réels avec une valeur immédiate, puis ils ont affiné, testé et étendu ces solutions étape par étape.
Le DSI Matt Price a clairement indiqué que la simplicité était la clé de la réussite. Au lieu de déployer tous les modèles à la fois, son équipe s’est concentrée sur la mise en place de quelques flux de travail, comme la saisie de données, l’analyse de documents et l’aide à la planification interne. Ces premiers projets ont permis d’établir un historique et de créer une confiance interne. À partir de là, l’adoption s’est développée naturellement, alimentée par la demande plutôt que par la pression.
Les membres de l’équipe ont été encouragés à expérimenter des messages-guides détaillés, à découvrir des cas limites et à se familiariser avec l’itération jusqu’à ce que les résultats aient un sens. Il ne s’agissait pas d’un battage publicitaire, mais d’une logique d’entreprise. Une fois que les équipes ont vu les résultats, comme les heures économisées sur les présentations ou l’intégration plus aisée dans l’ERP, la confiance s’est accrue. L’adoption future s’en est trouvée facilitée et accélérée.
Price a bien résumé la situation : « Fournissez des instructions détaillées, testez-les, jouez avec elles. C’est une approche directe qui fonctionne. Le succès est venu de la pratique, de l’adaptation et de la répétition, et non de l’attente de la solution parfaite.
Pour les dirigeants, il s’agit d’une priorité. Ne surchargez pas votre feuille de route avec des ambitions en matière d’IA qui n’ont pas été testées. Commencez par ce que vous pouvez mesurer, construisez avec ce que vous pouvez prouver et soutenez l’apprentissage à tous les niveaux. L’impact de l’IA s’accroît lorsqu’elle est déployée délibérément et affinée en cours de route. C’est ainsi que l’on construit des capacités durables, de niveau entreprise.
En conclusion
L’IA n’est pas un interrupteur magique. C’est un changement de système. Et comme pour tout changement de système, le succès dépend moins de la technologie elle-même que de la manière dont vous la déployez, de qui en est propriétaire et de son degré d’intégration dans les flux de travail réels. L’approche de Gold Bond fonctionne parce qu’elle est délibérée. Ils n’ont pas couru après le battage médiatique. Ils ont résolu des problèmes.
Pour les dirigeants, la conclusion est claire : dirigez l’IA comme une infrastructure. Construisez avec discipline. Déployez-la par étapes contrôlées. Gardez les humains dans la boucle. Ne vous attendez pas à une transformation instantanée, mais à une amélioration mesurable, processus par processus.
Les entreprises qui gagneront avec l’IA ne sont pas celles qui possèdent le plus d’outils. Ce sont celles qui font le bon usage, qui ont les playbooks les plus pointus et qui comprennent le mieux en quoi l’IA soutient, et non remplace, le travail réel. Dirigez à partir de cette position et les résultats suivront.
