Pourquoi le terme IA ne suffit plus aux acheteurs

Acheter de « l’IA » vous en dit trop peu sur ce que vous achetez. Le routage alimenté par l’IA, les insights alimentés par l’IA et le contenu alimenté par l’IA peuvent figurer côte à côte dans un budget tout en remplissant des fonctions très différentes. Ils exigent des responsables, des contrôles et des réponses distincts lorsque quelque chose tourne mal. Les PDG et les CTO ont besoin d’une classification qui mette ces différences en évidence.

Les libellés généraux créent un problème d’information lors des achats et des revues de stack. Plusieurs produits peuvent porter le même badge « alimenté par l’IA » alors que chacun apporte quelque chose de différent à un processus métier. Les descriptions techniques ne répondent qu’à une partie de la question. Les dirigeants doivent aussi connaître la capacité métier, la manière dont le système la fournit, qui le supervise et ce qu’un résultat incorrect pourrait affecter.

Commencez par la tâche : quatre capacités d’IA utiles

Une décomposition pratique comporte quatre capacités : génération, augmentation, insights et orchestration. Ces termes classent la tâche qu’un système exécute, ce qui rend les discussions d’achat plus concrètes pour les responsables marketing, CX et service. Un acheteur peut identifier le travail acheté et l’endroit où il s’insère dans un processus existant.

La génération s’applique lorsque la fonction principale de la machine est de produire un artefact. Parmi les exemples figurent le contenu personnalisé, les données de test synthétiques et les designs générés par machine. La question clé est de savoir si la production de cet artefact constitue en elle-même la capacité achetée. Cela permet de maintenir la classification centrée sur le rôle du résultat dans le workflow.

L’augmentation décrit un logiciel qui aide une personne à effectuer un travail tout en laissant cette personne responsable de la tâche. Un représentant du service peut utiliser un système pour rédiger une réponse, ou un analyste peut en utiliser un pour prototyper un modèle. Le logiciel peut modifier la vitesse, l’échelle ou la qualité du travail. L’humain reste responsable du workflow et de son résultat.

Les insights alimentent une décision. Le scoring de propension et le risque d’attrition, par exemple, peuvent éclairer une action avant qu’elle ne se produise, tandis qu’une analyse peut expliquer un travail déjà réalisé. Le résultat immédiat est une information utilisée par un autre acteur, qui peut être une personne ou un autre système.

L’orchestration coordonne l’activité entre systèmes, outils ou agents. Ici, un agent désigne un logiciel capable de sélectionner ou d’exécuter des actions en vue d’un objectif dans le cadre d’autorisations définies. La supervision humaine peut aller de l’approbation d’actions individuelles à l’autorisation d’exécution sans approbation de routine. Les questions à se poser lors de l’achat sont les suivantes : que coordonne le système, quelles décisions peut-il prendre et à quels endroits les personnes peuvent-elles intervenir.

Les systèmes réels peuvent combiner ces capacités ; les catégories fonctionnent donc mieux comme composants que comme types de produits exclusifs. Le next-best-action, par exemple, peut combiner un modèle d’insights avec une orchestration qui agit sur la recommandation obtenue. Décrire les deux rôles en dit davantage à un acheteur sur le workflow et crée une base pour décider comment chaque partie doit être contrôlée.

La capacité est la première ligne du contrat

La capacité seule ne suffit pas à compléter la classification. Deux systèmes peuvent exécuter la même tâche métier par des mécanismes techniques différents, avec des niveaux de supervision humaine différents et des conséquences différentes lorsqu’un résultat est erroné. Ces différences influencent les tests, l’approbation et la responsabilité. Les dirigeants doivent donc examiner le mécanisme, la supervision, la responsabilité et l’échec en plus de la capacité.

Prenons une fonctionnalité de ligne d’objet alimentée par l’IA. Elle peut utiliser un modèle génératif pour produire du texte tout en apportant de l’augmentation lorsqu’un responsable marketing examine la formulation proposée et reste responsable de la campagne. Le mécanisme décrit comment le travail est effectué. La capacité décrit ce que ce travail apporte au processus métier.

La supervision ajoute une autre dimension. Un responsable marketing qui examine chaque ligne d’objet proposée avant l’envoi dispose d’une structure de contrôle différente de celle d’un workflow qui envoie automatiquement des variantes générées. Les deux déploiements peuvent utiliser le même mécanisme de génération. La différence réside dans l’endroit où le jugement humain intervient dans le processus et dans la personne qui approuve le résultat.

La conséquence d’un échec complète la vision opérationnelle. Une ligne d’objet incorrecte pourrait contenir une affirmation hors marque ou factuellement erronée, avec un impact métier qui dépend de l’endroit et de la manière dont elle est utilisée. Les dirigeants doivent définir ce qui peut mal tourner, ce que l’erreur pourrait affecter et qui doit réagir. Les workflows aux conséquences plus élevées peuvent alors recevoir des contrôles adaptés aux décisions et aux résultats exposés au risque.

Ensemble, ces dimensions forment un contrat capacité-échec : une description opérationnelle de ce que fait le système, de la manière dont il le fait, de la façon dont les personnes le supervisent, de qui est responsable du résultat et de ce qui se passe lorsqu’il échoue. Ici, « contrat » désigne une définition opérationnelle partagée ; cela ne signifie pas nécessairement un document juridique. Les équipes achats, technologie, risque et métier peuvent utiliser la même description tout en conservant des responsabilités distinctes. Une ligne budgétaire IA acquiert alors une signification opérationnelle précise.

La décomposition modifie les décisions de stack et de responsabilité

Lors d’un audit de stack, les dirigeants peuvent réétiqueter les outils selon la capacité et le workflow qu’ils prennent en charge. Des produits décrits différemment par les fournisseurs peuvent augmenter le même workflow de service ou fournir des insights pour la même décision. Ce chevauchement justifie un examen plus attentif de l’usage, des engagements contractuels et du besoin métier. La classification seule ne prouve pas une redondance et ne garantit pas une baisse des dépenses.

La même approche rend aussi la responsabilité plus précise. La question « À qui appartient l’IA ? » peut couvrir les achats technologiques, les données, le risque, le marketing, le service et d’autres fonctions. Attribuer la responsabilité à un workflow défini resserre la décision : qui approuve son travail, surveille les défaillances, contrôle son budget et répond de ses résultats. Cela peut aussi préserver une responsabilité partagée lorsque plusieurs dirigeants contrôlent différentes parties du workflow.

Par exemple, un CTO peut être responsable de l’infrastructure et de la sécurité tandis qu’un responsable marketing est responsable de l’approbation des campagnes et des conséquences pour la marque. Un contrat capacité-échec peut consigner ces deux responsabilités sans imposer chaque décision à un unique responsable IA à l’échelle de l’entreprise. Il donne aussi à un DAF une description plus claire de ce que finance une ligne budgétaire. Le workflow déployé et ses décisions deviennent l’unité de responsabilité.

Les achats doivent demander le contrat

Un badge « alimenté par l’IA » peut déclencher cette décomposition lors d’un achat ou d’un renouvellement. Les acheteurs peuvent identifier laquelle des quatre capacités chaque partie d’un produit fournit et consigner séparément son mécanisme technique. Ils peuvent ensuite préciser la supervision humaine, le responsable comptable du résultat et la conséquence métier d’un résultat incorrect. Un déploiement mixte peut être consigné comme plusieurs capacités connectées.

Ces questions structurent aussi l’évaluation. Un système d’insights qui éclaire une décision humaine doit être testé par rapport à cette décision, tandis qu’une orchestration qui exécute des actions sans approbation de routine exige des contrôles différents. Un mécanisme génératif utilisé pour l’augmentation déplace l’attention vers l’endroit où une personne examine ou accepte son résultat. Les preuves requises doivent suivre le workflow et le coût de l’échec.

Cela donne aux dirigeants un ensemble compact de questions d’achat : quelle capacité cela exécute-t-il ? Comment exécute-t-il cette tâche ? Qui examine ses actions ou peut les arrêter ? Qui est responsable du résultat, et que se passe-t-il lorsqu’il est erroné ? Ces questions relient la promesse d’un produit à une décision opérationnelle sans exiger que chaque acheteur devienne architecte de modèles.

Points clés

Classer la capacité métier : Étiquetez les systèmes d’IA selon la tâche qu’ils exécutent parmi la génération, l’augmentation, les insights et l’orchestration. Les produits mixtes peuvent nécessiter plusieurs libellés de capacité pour décrire le workflow avec précision.
Définir le contrat opérationnel : Consignez pour chaque système sa capacité, son mécanisme technique, sa supervision humaine, le responsable comptable du résultat et les conséquences d’un échec. Les achats, la technologie, le risque et les responsables métier peuvent utiliser cette définition pour mettre en place des contrôles appropriés.
Attribuer la responsabilité aux workflows : Utilisez les classifications par capacité pour identifier les outils qui se chevauchent et clarifier la responsabilité des budgets, des approbations, du suivi et des résultats. Une responsabilité au niveau du workflow préserve aussi la responsabilité partagée entre fonctions.
Faire du contrat un élément des achats : Les acheteurs peuvent exiger des fournisseurs et des sponsors internes qu’ils précisent les capacités, la supervision, la responsabilité et les conséquences d’un échec lors des achats et des renouvellements. L’évaluation et les contrôles peuvent alors refléter les décisions que le système prend et le coût des erreurs.