Les facteurs humains sont les principaux facteurs d’échec des projets d’IA
La plupart des projets d’IA ne s’effondrent pas à cause d’algorithmes faibles ou d’un code défectueux. Ils échouent parce que les gens évaluent mal ce qu’il faut pour diriger et construire dans cet espace. Le problème n’est pas technique, il est organisationnel. Les dirigeants se lancent dans l’IA sans savoir à quoi ressemble le succès. Ils brûlent leur capital en poursuivant des objectifs vagues, délèguent les décisions à des équipes mal préparées et s’étonnent ensuite de l’échec.
Il est devenu courant d’entendre les dirigeants dire qu’ils veulent « passer à l’IA d’abord ». Cela ne veut pas dire grand-chose si les équipes sont mal alignées, les ressources dispersées ou les attentes éloignées de ce que l’IA peut réellement faire aujourd’hui. Pour bien faire, il faut prendre des mesures pratiques, comme former vos meilleurs talents, attribuer des budgets en fonction de l’impact sur l’entreprise et relier directement la stratégie de l’IA aux objectifs fondamentaux. Vous n’avez pas besoin de séances de brainstorming ou de mots à la mode. Vous avez besoin d’une exécution, guidée par des personnes qui comprennent réellement le problème de l’entreprise et la capacité des systèmes.
Chaque fois que nous entrons dans un nouveau cycle technologique (bases de données, internet, téléphonie mobile), nous constatons le même problème : la technologie progresse rapidement, mais les personnes chargées de la mettre en œuvre mettent du temps à s’adapter. Ce décalage ralentit tout. Plus vite vous le résoudrez, plus vite vous obtiendrez un retour sur investissement.
Jack Gold, analyste chez J. Gold Associates, l’a dit clairement : la courbe d’apprentissage de l’IA est raide, mais pas inconnue. Les problèmes que nous rencontrons aujourd’hui sont des symptômes des mêmes défis que ceux auxquels nous avons déjà été confrontés lors des précédentes mutations technologiques. La différence réside dans le rythme : l’IA évolue beaucoup plus rapidement et il n’est pas question de se laisser distancer.
Les stratégies d’IA d’entreprise doivent se concentrer sur les changements commerciaux transformateurs
L’IA n’est pas une fonction supplémentaire. Vous n’ajoutez pas une couche d’automatisation supplémentaire. Vous introduisez une nouvelle fonction dans votre entreprise, une fonction capable de prendre des décisions, de les exécuter et d’obtenir des résultats qui, traditionnellement, n’appartenaient qu’à des personnes.
Si vous êtes un DSI et que vous cherchez à savoir où investir, regardez au-delà de ce qui est pratique et concentrez-vous sur ce qui est possible. Les systèmes existants n’ont pas été conçus pour ce monde natif de l’IA. Les plateformes et les flux de travail modernes doivent refléter les changements réels. Pensez à la façon dont l’IA reconfigure des équipes entières et des systèmes en contact avec les clients. L’assistance à la clientèle est déjà en train d’être bouleversée. L’IA traite désormais les appels des clients auxquels les humains avaient l’habitude de répondre. Les économies sont réelles, et ce n’est qu’un début.
Sandhya Venkatachalam, partenaire chez Axiom Partners, souligne ce point : L’IA ne consiste plus à améliorer les logiciels existants, mais à remplacer les humains dans les fonctions opérationnelles essentielles. Ce changement exige une visibilité à long terme et de sérieux ajustements du modèle d’entreprise. Il ne s’agit pas d’une mise à niveau superficielle, mais d’une transformation systémique.
Si vous menez encore des essais qui se contentent d’ajouter l’IA à une ancienne infrastructure, vous jouez la carte de la défense. Les entreprises qui tirent leur épingle du jeu sont celles qui utilisent l’IA pour repenser entièrement leurs opérations. La question n’est pas de savoir quelle tâche vous pouvez automatiser. La question est de savoir quelle partie de votre chaîne de valeur l’IA peut prendre en charge, de manière complète et fiable.
Pour réussir l’adoption de l’IA, il est essentiel de donner la priorité aux résultats de l’entreprise plutôt qu’à la technologie elle-même.
On se concentre trop sur la technologie et pas assez sur l’impact commercial. L’IA, l’apprentissage automatique, les grands modèles de langage, tout cela n’a pas d’importance si cela ne crée pas de valeur mesurable. Ce qui compte, c’est le résultat. Si la technologie ne change pas la vitesse à laquelle vous vous déplacez, les économies que vous réalisez ou la qualité de votre fonctionnement, ce n’est que du bruit.
Les cadres doivent cesser d’essayer de comprendre tous les détails techniques et insister plutôt sur la clarté des résultats. Posez des questions simples : Cela améliorera-t-il la conversion ? Cela réduira-t-il les coûts ? Cela permettra-t-il d’étendre les opérations de manière durable ? Si ce n’est pas le cas, ne le faites pas. Trop de DSI et de directeurs techniques se laissent distraire par des projets pilotes et des mesures de productivité au lieu d’aligner chaque initiative sur des objectifs commerciaux plus larges.
Julia Moore et Brad Harrison, deux investisseurs en capital-risque expérimentés, sont du même avis. Mme Moore, associée directrice chez Breakout Ventures, a souligné que les fondateurs qui dirigent des entreprises d’IA prospères réfléchissent à la manière de faire évoluer des secteurs entiers et ne se contentent pas de déployer l’IA pour le plaisir de le faire. M. Harrison, fondateur et associé gérant de Scout Ventures, a renchéri : l’IA ne consiste pas à superposer des outils. Il s’agit de produire des résultats stratégiques qui modifient votre façon de rivaliser et de gagner.
Par conséquent, si vous examinez un investissement dans l’IA, partez de l’impact sur l’entreprise et remontez dans le temps. Vous pouvez toujours trouver des gens pour construire des technologies. Le plus difficile est de comprendre comment cette technologie fait progresser l’entreprise.
Les stratégies d’IA doivent être tournées vers l’avenir et se concentrer sur les besoins de l’industrie de demain plutôt que sur les demandes d’aujourd’hui.
Ce qui fonctionne aujourd’hui ne vaut pas toujours la peine d’être étendu. C’est particulièrement vrai dans le domaine de l’IA, où le rythme du changement est exponentiel. De nombreuses équipes d’entreprise perdent du temps et de l’argent à essayer de créer des outils d’IA personnalisés pour des problèmes qui ont déjà été résolus ailleurs, généralement par des groupes de recherche plus importants et mieux financés. On ne gagne pas en recréant des outils existants. Vous gagnez en identifiant ce qui va suivre et en concevant votre stratégie en fonction de cela.
Beaucoup d’initiatives actuelles sont à courte vue. Les équipes veulent un modèle interne de grand langage ou leur propre version de la recherche. Cette logique est erronée. Ces domaines sont déjà dominés par des acteurs de l’infrastructure qui les ont banalisés à grande échelle. Vous ne les battez pas en construisant votre propre version, vous épuisez les ressources en essayant de le faire.
Sandhya Venkatachalam d’Axiom Partners le résume clairement : La valeur réelle de l’IA réside dans ce qu’elle peut remplacer, et non dans ce qu’elle peut reproduire. Si vous voulez obtenir des résultats significatifs, orientez votre feuille de route vers la construction ou l’investissement dans le changement, le type de changement qui remplace les systèmes obsolètes, et non qui les renforce. Concentrez-vous sur les domaines dans lesquels une transformation complète est possible et qui sont réellement importants pour vos clients ou pour le fonctionnement de votre entreprise.
Les outils d’IA sont mis à jour tous les six mois. Passez votre temps à planifier ce qui va suivre, et non à valider ce qui existe déjà. Les entreprises qui se concentrent sur les technologies d’aujourd’hui s’épuiseront rapidement. Les entreprises qui se concentrent sur la construction d’une architecture adaptative autour du comportement de demain prendront les devants.
Collaborer avec des startups agiles et natives de l’IA accélère l’innovation et la transformation.
La plupart des environnements d’entreprise ne sont pas conçus pour être rapides. La gouvernance prend du temps. Les processus sont superposés. Cela crée des frictions lorsque le rythme de l’IA se mesure en semaines, et non en années. Il s’agit d’une inadéquation structurelle, et c’est l’une des principales raisons pour lesquelles les entreprises prennent du retard dans l’exécution.
Le partenariat avec des startups natives de l’IA permet de contourner ce problème. Ces entreprises sont conçues pour évoluer rapidement. Elles itèrent rapidement, prennent des risques et passent leur temps à résoudre des problèmes spécifiques à l’IA, sans se contenter d’appliquer des outils prêts à l’emploi. Lorsque les entreprises se branchent sur ces startups, elles accélèrent l’adoption réelle. Vous évitez des mois de débats internes et vous apprenez des personnes qui connaissent déjà très bien le problème.
Brad Harrison, de Scout Ventures, l’a constaté dans la pratique. Son entreprise met régulièrement en relation des startups très dynamiques avec de grandes entreprises partenaires, dont Lockheed Martin, L3Harris, IBM et Red Hat. Ce modèle hybride fonctionne : l’échelle de l’entreprise rencontre l’agilité de la startup. Grâce à ces collaborations, les DSI des entreprises ont une vision plus précise des tendances émergentes en matière d’IA, tout en déployant des solutions qui font la différence.
Pour les dirigeants, la décision est simple. Si votre capacité interne ne peut pas évoluer à la vitesse des demandes du marché, ne perdez pas de temps à essayer de la forcer. Identifiez les entreprises partenaires qui apportent une propriété intellectuelle unique, qui évoluent rapidement et qui sont structurées pour supporter le rythme de l’IA. Utilisez les partenariats pour étendre vos capacités sans avoir à supporter tous les risques liés aux coûts et aux délais.
Il est essentiel d’aligner les stratégies d’IA sur des secteurs verticaux spécifiques afin d’obtenir des résultats tangibles et spécifiques au secteur
Les stratégies génériques en matière d’IA ne survivent pas sur les marchés réels. Ce qui fonctionne dans un secteur peut ne produire aucun résultat dans un autre. C’est pourquoi l’alignement vertical est important. Les cas d’utilisation du monde réel sont différents selon qu’il s’agit de la défense, de la fabrication, de la biotechnologie ou de la finance. L’IA conçue pour des tâches générales n’aura pas le même impact que l’IA conçue pour les besoins de votre secteur.
Brad Harrison fait clairement cette distinction dans le domaine de la défense. Son portefeuille d’IA comprend des applications qui fonctionnent dans le monde physique, où la technologie doit être robuste, testée et responsable. Il n’y a pas de place pour les suppositions. Soit vous déployez des systèmes qui gèrent la sécurité, la synchronisation et les performances de manière fiable, soit vous ne les déployez pas du tout. Ce type d’exigence opérationnelle signifie que vous avez besoin d’une IA qui réponde à des critères spécifiques au secteur dès le premier jour, et non pas quelques mois plus tard.
Julia Moore, associée gérante de Breakout Ventures, a souligné le même point dans le secteur des sciences de la vie. La biotechnologie et la pharmacie deviennent rapidement des industries axées sur les données. L’avantage concurrentiel dépend désormais du traitement de grands ensembles de données scientifiques, en biologie, en chimie et en physique, et pas seulement de la gestion des flux de travail. Dans ce domaine, l’IA ne peut pas être générique. Elle doit être adaptée pour extraire des informations de données complexes et en constante évolution.
C’est là qu’une stratégie d’IA verticale se distingue des autres entreprises. Elle tient compte des nuances techniques, des contraintes réglementaires et des variations opérationnelles. Lorsque vous êtes leader dans des secteurs concurrentiels et à haut risque, le déploiement d’une IA alignée sur les exigences spécifiques d’un domaine n’est pas facultatif, c’est la seule façon d’avancer.
La création d’une culture axée sur l’IA est essentielle pour une réussite à long terme
La plupart des équipes dirigeantes affirment soutenir l’IA. Mais lorsqu’il s’agit de s’impliquer réellement, elles sont absentes. De réels progrès sont réalisés lorsque les dirigeants sont intégrés au processus, lorsque les DSI, les directeurs techniques et même les PDG s’engagent directement dans des initiatives d’IA, tirent des enseignements du travail et contribuent à le guider. Ce changement culturel, de l’approbation passive à la participation active, est ce qui sépare les entreprises qui s’adaptent de celles qui stagnent.
La main-d’œuvre est déjà en mouvement. La génération Z et les jeunes équipes natives du numérique sont à l’aise avec les outils d’IA. Ils expérimentent, itèrent, construisent des flux de travail sans attendre de permission. Si les dirigeants ne s’engagent pas au même niveau, il y a un décalage qui bloquera l’adoption en interne. L’influence vient de l’implication. Si vous dirigez des équipes qui déploient l’IA, prenez les devants en vous joignant à l’effort.
Brad Harrison, de Scout Ventures, a souligné le fossé générationnel. Il constate que les équipes dirigeantes sont déconnectées des possibilités que leurs propres équipes d’IA sont en train de découvrir. Son conseil aux dirigeants est simple : passez du temps avec la technologie. Comprenez-la, déployez-la, discutez-en. Ne confiez pas tout à l’équipe qui se trouve deux niveaux plus bas. Même en y consacrant une heure par semaine, vous pouvez changer de perspective et améliorer les résultats internes.
Pour les dirigeants, il s’agit d’être proche de l’innovation. Lorsque les dirigeants sont visibles dans les initiatives d’IA, ils renforcent l’attention et donnent l’exemple de la priorité. C’est ce qui crée une culture de l’IA. Il ne s’agit pas de notes de service ou de stratégie de marque, mais de présence.
Le prototypage et l’expérimentation internes pratiques sont essentiels pour garder une longueur d’avance dans le paysage de l’IA qui évolue rapidement.
Vous ne pouvez pas gérer l’IA à l’aide de documents et de diapositives. Pour rester pertinentes, vos équipes doivent construire, tester et itérer en permanence. Le prototypage permet aux entreprises de déterminer ce qui fonctionne réellement et d’écarter ce qui ne fonctionne pas, sans s’enliser dans de longs cycles. C’est le moyen le plus simple de comprendre où se situe la valeur et où se situe le risque.
John Mannes, partenaire de Basis Set Ventures, a déclaré que son équipe ne se contente pas d’investir ; elle prototype elle-même des solutions, aux côtés des fondateurs. Leurs équipes internes comprennent des scientifiques des données et des ingénieurs en apprentissage automatique qui explorent les outils, testent les plateformes et échouent rapidement. Il ne s’agit pas d’un projet secondaire, mais de la manière dont ils construisent leur crédibilité et leur vision. Cette exposition pratique permet de prendre des décisions plus judicieuses, de réaliser des investissements plus intelligents et d’établir des relations plus solides avec leurs partenaires.
Cela concerne également les chefs d’entreprise. Si vous attendez une feuille de route avant de vous impliquer, vous êtes déjà en retard. Les outils d’IA sont mis à jour tous les quelques mois. Les marchés évoluent rapidement. Chaque semaine passée à attendre une validation est une semaine pendant laquelle quelqu’un d’autre fait avancer la courbe. Créez des équipes qui testent rapidement. Donnez-leur de l’espace pour construire des points de preuve internes. Ne transformez pas l’expérimentation en bureaucratie.
C’est ainsi que vous restez à la pointe du progrès et que vous évitez de courir après les tendances une fois qu’elles sont déjà saturées. Le prototypage interne transforme l’exploration en stratégie. Il permet des boucles de retour d’information rapides et donne à vos décideurs des informations fondées qui peuvent redéfinir les priorités dès le début, avant le déploiement complet.
Réflexions finales
L’IA n’est plus un projet secondaire. Elle est en train de devenir un élément essentiel du fonctionnement, de la concurrence et de l’évolution des entreprises. Mais la plupart des échecs que nous constatons n’ont rien à voir avec une mauvaise technologie, ils sont dus à une direction qui n’avance pas assez vite, à des cultures qui ne s’adaptent pas et à une stratégie qui reste bloquée dans un ancien manuel de jeu.
Les dirigeants n’ont pas besoin de devenir des experts en IA. Ils doivent poser de meilleures questions, se rapprocher du travail et aligner les équipes sur des résultats réels. Les entreprises qui gagnent du terrain ne sont pas celles qui possèdent le plus de modèles, mais celles qui se concentrent sur l’impact, la rapidité et l’exécution.
Il s’agit d’un défi de leadership, et non d’un défi d’outillage. Déplacez votre attention de ce que l’IA peut faire en théorie vers ce qui fait la plus grande différence dans votre entreprise. Associez-vous aux bonnes personnes. Construisez pour demain, pas pour aujourd’hui. Engagez-vous directement. La marge d’erreur se réduit et tout le monde court à toute allure.
