Gagner avec l’IA commence par l’intelligence propriétaire

De nombreuses entreprises gèrent l’IA comme une série d’expériences isolées plutôt que de s’engager dans une transformation globale

La plupart des PDG affirment que l’IA est une priorité stratégique. Ils approuvent les budgets, lancent des projets pilotes, mettent en place des groupes de travail dédiés à l’IA et tiennent le conseil d’administration informé des progrès réalisés. Ces activités sont utiles, mais elles ne reviennent pas à transformer une entreprise. Il existe une grande différence entre gérer un portefeuille de projets d’IA et bâtir une entreprise axée sur l’IA.

Les entreprises qui rencontrent des difficultés tentent généralement d’améliorer leurs processus existants à l’aide de l’IA, au lieu de se poser une question plus importante : « À quoi ressemblerait ce processus si l’IA avait été disponible dès le départ ? » Cette distinction est essentielle. L’ajout de l’IA à un ancien flux de travail peut générer de légers gains de productivité, mais cela modifie rarement la manière dont l’entreprise se positionne face à la concurrence. La refonte du flux de travail peut transformer les structures de coûts, la rapidité de prise de décision, l’expérience client, voire créer des modèles économiques entièrement nouveaux.

De nombreuses organisations dispersent également trop leurs investissements. Elles peuvent mener des dizaines de projets pilotes dans différents services, mais aucun d’entre eux n’est suffisamment ambitieux pour générer un apprentissage organisationnel significatif. Chaque équipe développe quelque chose de différent. Les données restent fragmentées. Les connaissances restent confinées au sein des différentes unités opérationnelles. En conséquence, l’entreprise génère de l’activité plutôt qu’une dynamique.

Cela explique pourquoi de nombreux dirigeants se sentent frustrés. La technologie évolue à un rythme fulgurant, mais leurs entreprises n’en tirent pas de résultats commerciaux à la hauteur. Le problème ne réside généralement pas dans les modèles d’IA eux-mêmes, mais dans le modèle opérationnel qui les entoure. Si les processus, les mécanismes d’incitation, la gouvernance et les données restent inchangés, l’IA ne peut pas déployer toute sa valeur.

Pour les équipes de direction, la véritable question n’est plus de savoir si l’IA fonctionne. Cette question a, pour l’essentiel, trouvé sa réponse. La question importante est de savoir si l’entreprise est prête à repenser la manière dont le travail est effectué. Cela nécessite des décisions qui vont au-delà de la technologie. Cela concerne la conception de l’organisation, les priorités en matière de direction, l’allocation des capitaux et la culture d’entreprise.

Les entreprises qui se forgent un avantage durable considèrent l’IA comme un programme de transformation de leur activité, dont la technologie est au cœur.

Selon la dernière enquête menée par Bain auprès des PDG, environ 80 % des PDG sont insatisfaits du rythme de leurs efforts de transformation en matière d’IA. Cette même étude estime qu’environ 85 % des entreprises ne mettent pas en œuvre efficacement leurs programmes d’IA. Ces chiffres suggèrent que la plus grande opportunité ne réside pas dans l’attente d’une IA plus performante, mais dans l’amélioration de la mise en œuvre.

L’avantage d’une IA durable réside dans la mise au point d’une intelligence propriétaire que les concurrents ne peuvent pas reproduire

Toutes les entreprises ont désormais accès à des modèles d’IA de plus en plus performants. Cela signifie que le modèle en lui-même est de moins en moins un facteur de différenciation. Le véritable avantage concurrentiel réside dans tout ce qui est développé autour de ce modèle.

Les organisations les plus performantes créent une « intelligence propriétaire ». Il s’agit de la combinaison de trois atouts que les concurrents ne peuvent pas facilement reproduire : des données internes uniques, des processus de travail qui intègrent des années de savoir-faire opérationnel, et des systèmes d’apprentissage qui s’améliorent à chaque utilisation de l’IA.

Les données propriétaires comprennent les interactions avec les clients, l’historique opérationnel, les résultats commerciaux, les dossiers de service, les informations relatives à la chaîne d’approvisionnement, ainsi que tout autre ensemble de données généré dans le cadre des activités courantes de l’entreprise. Les modèles d’IA publics ne peuvent pas créer ces informations. Celles-ci appartiennent à l’entreprise, et leur valeur s’accroît à mesure que l’organisation apprend à les exploiter efficacement.

Le deuxième élément concerne les flux de travail codifiés. Toute entreprise prospère développe des méthodes de travail qui produisent de meilleurs résultats que celles de ses concurrents. Traditionnellement, une grande partie de ce savoir-faire réside chez les collaborateurs expérimentés. L’IA permet aux organisations de recenser ces processus, de les structurer et de les intégrer dans des agents logiciels capables d’exécuter des tâches de manière cohérente tout en préservant le savoir-faire institutionnel. Cela réduit la dépendance vis-à-vis de l’expertise individuelle et met les meilleures pratiques à la disposition de l’ensemble de l’entreprise.

Le troisième élément est l’architecture d’apprentissage. Il s’agit souvent de l’investissement le plus négligé. Une architecture d’apprentissage crée des boucles de rétroaction entre les personnes et l’IA, de sorte que chaque déploiement améliore les déploiements futurs. Le système collecte en permanence des données de performance, évalue les résultats, affine les flux de travail et met à jour les connaissances de l’organisation. Au fil du temps, l’IA gagne en précision, les collaborateurs deviennent plus efficaces et l’entreprise développe des capacités que ses concurrents ont du mal à reproduire.

Cela crée un effet cumulatif. Des données de meilleure qualité améliorent les performances de l’IA. Une IA plus performante aide les collaborateurs à prendre de meilleures décisions. Les collaborateurs optimisent les processus de travail en s’appuyant sur ces résultats. Ces processus optimisés génèrent des données encore de meilleure qualité. Ce cycle se répète en continu.

Pour les équipes de direction, cela modifie la manière dont les investissements dans l’IA doivent être évalués. Il est relativement facile d’acquérir le dernier modèle d’IA en date, car les concurrents peuvent faire de même. En revanche, le développement d’une intelligence propriétaire exige de la patience, des compétences internes, une gouvernance rigoureuse et un investissement à long terme. Ces atouts s’inscrivent dans les fondements stratégiques de l’entreprise et continuent de créer de la valeur bien au-delà du déploiement initial de l’IA.

C’est pourquoi l’intelligence propriétaire doit être considérée comme un atout commercial plutôt que comme une initiative informatique. Les entreprises qui investissent régulièrement dans des données exclusives, le savoir-faire organisationnel et l’apprentissage continu se forgent des avantages qui ne cessent de se renforcer au fil du temps. Les concurrents peuvent certes acquérir des technologies similaires, mais ils ne peuvent pas reproduire facilement les années d’expérience opérationnelle accumulées et ancrées dans l’ensemble de l’entreprise.

Un véritable leadership en matière d’IA se caractérise par des engagements stratégiques à long terme plutôt que par des projets à court terme axés sur des projets pilotes

Les entreprises qui misent sur l’IA ne dépensent pas nécessairement plus que les autres. Elles prennent simplement des décisions différentes. Au lieu d’évaluer chaque initiative à l’aune de son rendement financier pour le trimestre en cours, elles investissent dans des capacités qui continueront à créer de la valeur pendant des années.

Cela nécessite un engagement de la part de la direction. La transformation par l’IA ne doit pas devenir un simple programme technologique de plus, en concurrence avec des dizaines d’autres priorités. Elle doit s’inscrire dans l’orientation stratégique de l’entreprise. Le conseil d’administration, le PDG et l’équipe de direction doivent partager une vision commune des domaines dans lesquels l’IA va profondément transformer la rentabilité de l’entreprise. Une fois cette orientation clairement définie, les investissements deviennent beaucoup plus ciblés.

De nombreuses organisations abordent encore l’IA par le biais de petites expériences. Les projets pilotes sont utiles pour acquérir des connaissances, mais ils ne doivent pas devenir la stratégie à part entière. Si chaque unité opérationnelle mène des projets indépendants avec des objectifs, des données et des technologies différents, l’entreprise ne parvient jamais à développer des capacités communes. Les progrès restent isolés au lieu de s’étendre à l’ensemble de l’entreprise.

Les organisations qui créent de la valeur durable misent de manière ciblée sur un petit nombre de domaines. Elles identifient quelques secteurs d’activité dans lesquels l’IA peut améliorer de manière significative la croissance du chiffre d’affaires, la rentabilité, l’expérience client ou la rapidité opérationnelle. Elles consacrent ensuite les ressources nécessaires à la refonte de ces domaines, plutôt que de se contenter d’apporter de légers ajustements aux processus existants.

Cela modifie également la manière dont les décisions d’investissement sont prises. Certaines des infrastructures d’IA les plus précieuses peuvent ne pas générer de retombées financières immédiates. La mise en place d’une base de données de haute qualité, la création d’une couche d’orchestration d’entreprise, le développement de systèmes d’évaluation et la refonte des flux de travail nécessitent tous des investissements avant de produire des résultats commerciaux mesurables. Les entreprises qui se concentrent uniquement sur le retour sur investissement à court terme sous-investissent souvent dans ces fondements et freinent ainsi leur propre progression.

L’engagement de la direction est tout aussi important. Les collaborateurs sont très attentifs à la manière dont les dirigeants consacrent leur temps. Si les discussions sur l’IA n’ont lieu que lors des revues budgétaires ou des réunions techniques, les collaborateurs en concluent rapidement que l’IA n’est qu’une initiative éphémère de plus. Lorsque les PDG utilisent activement l’IA, posent des questions pertinentes, examinent régulièrement les progrès réalisés dans ce domaine et communiquent une vision claire à long terme, l’organisation réagit différemment. L’IA s’intègre alors dans la prise de décision quotidienne, au lieu de rester un projet secondaire.

Pour les dirigeants, le défi consiste à trouver le juste équilibre entre patience et urgence. La technologie évolue rapidement, mais le développement des capacités organisationnelles prend du temps. Les entreprises qui font preuve d’un engagement à long terme tout en apprenant en permanence ont plus de chances de se forger des avantages qui conserveront toute leur valeur même à mesure que les modèles d’IA continuent de s’améliorer.

L’IA agentique offre des avantages cumulés

L’IA agentique marque un tournant majeur dans la manière dont les logiciels créent de la valeur. Les logiciels traditionnels suivent des instructions prédéfinies. L’IA générative produit du contenu et répond à des questions. L’IA agentique va plus loin en planifiant des tâches, en prenant des décisions dans des limites définies, en interagissant avec plusieurs systèmes d’entreprise via des interfaces de programmation d’applications (API), en conservant le contexte tout au long d’activités de longue durée et en menant à bien des tâches avec une intervention humaine limitée.

Cela est important car les processus métier impliquent rarement une seule action. La plupart nécessitent plusieurs étapes, décisions, validations et interactions entre différents systèmes. L’IA agentique est capable de coordonner ces activités tout en préservant le contexte tout au long du processus. À mesure que les organisations déploient davantage de ces systèmes, elles commencent à relier les tâches individuelles au sein de flux de travail opérationnels plus larges.

L’implication stratégique est que les performances s’améliorent au fil du temps. Chaque déploiement génère de nouvelles données opérationnelles. Chaque tâche menée à bien fournit un retour d’information qui contribue à améliorer les performances futures. Les organisations affinent leurs processus, renforcent la gouvernance, améliorent les évaluations et identifient de nouvelles opportunités d’automatisation. Ces améliorations s’accumulent au lieu d’être remises à zéro à chaque projet.

C’est l’une des raisons pour lesquelles l’IA se distingue des précédentes vagues de technologies d’entreprise. Lors des transitions antérieures, les entreprises qui adoptaient tardivement l’informatique Cloud ou les plateformes de données modernes pouvaient souvent rattraper leur retard en investissant de manière plus audacieuse. Avec l’IA agentique, l’avantage se construit grâce à l’apprentissage continu. Les organisations qui commencent plus tôt à mettre en place ces systèmes d’apprentissage peuvent progresser plus rapidement, car chaque déploiement renforce le suivant.

Cela ne signifie pas pour autant que la rapidité doive primer sur la discipline. L’IA agentique fonctionne avec une plus grande autonomie, ce qui renforce l’importance de la gouvernance, de la surveillance, de la sécurité et d’une définition claire des responsabilités. Les entreprises ont besoin de cadres d’évaluation permettant de mesurer les performances techniques et les résultats commerciaux, la conformité ainsi que les risques opérationnels. Une gouvernance solide permet aux organisations de développer l’IA en toute confiance, sans compromettre la fiabilité ni la confiance.

Pour les dirigeants, la priorité n’est pas de déployer le plus grand nombre possible d’agents d’IA. La priorité est de créer un environnement dans lequel chaque agent contribue à renforcer le système. Cela nécessite des données interconnectées, des flux de travail standardisés, une évaluation continue et un suivi de la part de la direction. Lorsque ces éléments fonctionnent en synergie, l’IA devient progressivement plus performante, plus efficace et plus utile à l’échelle de l’entreprise.

Les organisations qui en prennent conscience dès le début considèrent l’IA comme une capacité opérationnelle à long terme plutôt que comme un ensemble d’outils indépendants. Cette distinction permettra de démarquer de plus en plus les entreprises qui parviennent à acquérir un avantage concurrentiel durable de celles qui se contentent de mener des expérimentations en continu.

Sept décisions stratégiques permettent de distinguer les organisations les unes des autres

Une transformation réussie vers l’IA n’est pas le fruit d’une seule décision décisive. Elle résulte d’une série de choix mûrement réfléchis qui se renforcent mutuellement au fil du temps. Sept décisions distinguent systématiquement les organisations qui développent des capacités durables en matière d’IA de celles qui ne mènent que des actions à court terme.

La première décision concerne l’approche à adopter. Les entreprises de premier plan engagent des capitaux sur plusieurs années, car elles considèrent l’IA comme un axe stratégique plutôt que comme un ensemble d’investissements devant se justifier au sein d’un seul cycle budgétaire. Le PDG explique personnellement pourquoi l’entreprise prend ces engagements et quels sont les résultats attendus à long terme.

La deuxième décision concerne le choix des domaines cibles. Plutôt que de lancer des initiatives d’IA dans tous les services, les organisations qui réussissent se concentrent sur trois à cinq domaines d’activité dans lesquels l’IA peut transformer en profondeur la rentabilité. Cette concentration permet d’acquérir une expertise plus approfondie, de renforcer l’apprentissage organisationnel et d’avoir un impact commercial plus important que si les ressources étaient réparties entre des dizaines de projets sans lien entre eux.

La troisième décision concerne les données. Les données propriétaires deviennent un atout stratégique. Les entreprises investissent dès le début dans la création d’une couche sémantique commune, qui établit des définitions métier cohérentes à l’échelle de l’entreprise. Cela permet aux systèmes d’IA de s’appuyer sur des informations fiables plutôt que sur des interprétations contradictoires entre les services.

L’architecture technologique constitue le quatrième choix à faire. De nombreuses entreprises sont tentées de s’appuyer entièrement sur la plateforme d’un seul fournisseur de technologies. Si les modèles et les logiciels externes restent importants, la couche d’orchestration qui relie les données, les flux de travail et les agents d’IA doit rester sous le contrôle de l’entreprise. Cette capacité interne permet de préserver la flexibilité et de réduire la dépendance vis-à-vis d’un fournisseur particulier.

La cinquième décision porte sur le modèle opérationnel. L’IA ne doit pas se contenter d’automatiser les tâches existantes. Les organisations doivent repenser leurs flux de travail et redéfinir les responsabilités de leurs collaborateurs dans le même temps. Cela nécessite souvent de modifier les mécanismes d’incitation, les structures organisationnelles et la collaboration entre les différents services. Sans ces changements, l’IA a tendance à améliorer les processus existants plutôt qu’à en créer de nouveaux, fondamentalement plus performants.

La sixième décision consiste à mettre en place un système d’apprentissage dès le départ. Chaque déploiement d’IA devrait permettre d’améliorer les déploiements futurs grâce à un retour d’expérience structuré, à une mémoire organisationnelle partagée, à des évaluations de performance et à une visibilité entre les équipes. Les entreprises qui reportent la mise en place de ces capacités ont souvent du mal à se développer, car chaque nouveau projet démarre avec des connaissances limitées issues des mises en œuvre précédentes.

En fin de compte, tout est une question de gouvernance. Les organisations ont besoin d’une gouvernance qui permette à la fois de gérer les activités courantes et d’orienter la transformation de l’entreprise. Il s’agit là de deux responsabilités distinctes. La gouvernance opérationnelle se concentre sur la gestion des risques, tandis que la gouvernance de la transformation veille à ce que l’entreprise continue à développer ses capacités en matière d’IA de manière rigoureuse. Une responsabilité claire de la direction est essentielle dans les deux cas.

Ces sept décisions s’articulent entre elles, car elles se renforcent mutuellement. Les investissements à long terme permettent d’obtenir des données de meilleure qualité. Des données de meilleure qualité améliorent les performances de l’IA. Une IA plus performante permet de repenser les flux de travail. La refonte des flux de travail favorise un apprentissage organisationnel plus solide. La gouvernance garantit que les progrès restent durables à mesure que l’adoption s’étend.

Pour les dirigeants, la leçon à retenir est que l’avantage concurrentiel résulte rarement d’une seule décision exceptionnelle. Il découle plutôt de la prise systématique, année après année, de décisions qui renforcent les capacités globales de l’entreprise en matière d’IA.

Il est essentiel de développer des capacités internes en matière d’IA plutôt que de se fier uniquement à des prestataires externes ou à des solutions toutes faites.

De nombreuses grandes entreprises ont, pendant des années, externalisé le développement de logiciels ou se sont fortement appuyées sur des plateformes de logiciels en tant que service (SaaS). Cette stratégie s’avérait souvent judicieuse, car elle permettait de réduire les coûts, d’accélérer le déploiement et de permettre aux équipes internes de se concentrer sur les activités opérationnelles plutôt que sur l’ingénierie logicielle.

L’IA modifie ce calcul.

Les organisations ne peuvent pas acheter de connaissances propriétaires auprès d’un fournisseur. Les prestataires technologiques externes peuvent fournir des modèles d’IA performants, une infrastructure cloud et des outils de développement, mais ils ne peuvent pas mettre au point les systèmes spécifiques qui relient les données propriétaires, le savoir-faire opérationnel et les processus métier d’une entreprise. Ces capacités doivent être développées en interne.

L’un des atouts internes les plus importants est la couche d’orchestration d’entreprise. Cette couche coordonne la manière dont les agents d’IA accèdent aux données, exécutent les flux de travail, communiquent entre les systèmes et appliquent les règles spécifiques à l’entreprise. Comme elle reflète le modèle opérationnel unique de l’organisation, elle devient un facteur de différenciation concurrentielle. Confier le contrôle total de cette couche à un seul fournisseur limite la flexibilité stratégique et accroît la dépendance à long terme.

Cela ne signifie pas pour autant que les entreprises doivent tout développer elles-mêmes. L’objectif est de déterminer quelles capacités constituent un avantage concurrentiel et de conserver la maîtrise de ces capacités. Les modèles de base, les services cloud et de nombreux outils de développement peuvent continuer à provenir de partenaires externes. Les systèmes qui définissent le fonctionnement de l’entreprise doivent rester sous le contrôle de celle-ci.

Le renforcement des capacités internes nécessite également d’investir dans les ressources humaines. De nombreuses organisations ont réduit leurs effectifs en ingénierie logicielle au cours des deux dernières décennies, car il est devenu plus facile d’acheter des logiciels d’entreprise que de les développer. À mesure que l’IA prend une place centrale dans les opérations commerciales, les entreprises auront besoin d’ingénieurs expérimentés, d’architectes de données, de spécialistes de l’IA, de professionnels de la cybersécurité et de dirigeants d’entreprise qui comprennent comment ces disciplines fonctionnent ensemble.

Cette évolution modifie également le rôle des responsables technologiques. Les directeurs des systèmes d’information, les directeurs techniques, les directeurs des données et les directeurs de l’IA doivent aller au-delà de la simple gestion des achats technologiques. Leur responsabilité consiste de plus en plus à développer des capacités internes permettant à l’organisation de s’adapter à mesure que les technologies d’IA continuent d’évoluer.

Pour les conseils d’administration et les équipes de direction, il s’agit en fin de compte d’une question de résilience stratégique. Les marchés technologiques évoluent rapidement, les fournisseurs modifient leurs tarifs, les produits s’améliorent ou disparaissent, et la dynamique concurrentielle change. Les organisations dotées de solides capacités internes sont en mesure de s’adapter plus efficacement à ces changements, car elles maîtrisent les systèmes qui revêtent le plus d’importance pour leur activité.

Les entreprises qui développent ces capacités aujourd’hui ne cherchent pas à devenir des éditeurs de logiciels. Elles veillent à ce que l’IA renforce leur propre position concurrentielle, plutôt que de devenir une capacité contrôlée principalement par des prestataires externes.

Ramp montre comment l’apprentissage organisationnel partagé peut devenir un avantage concurrentiel durable

L’un des principaux défis liés à l’adoption de l’IA réside dans le fait que, si la productivité des collaborateurs augmente souvent, celle de l’organisation, elle, ne suit pas. Les collaborateurs découvrent de meilleures façons d’utiliser l’IA, mais ces améliorations restent au niveau individuel. L’entreprise en tire des succès ponctuels au lieu de développer une capacité institutionnelle.

Ramp a été confrontée précisément à ce problème. Après avoir atteint un taux d’adoption de 99 % des outils d’IA au sein de l’entreprise, la direction a constaté que les gains de productivité commençaient à stagner. La limite ne résidait pas dans la qualité des modèles d’IA. Le problème tenait à l’absence d’un système commun capable de relier les outils entre eux, de préserver le contexte et de partager les flux de travail efficaces entre les équipes.

Plutôt que de demander aux collaborateurs de consigner manuellement les bonnes pratiques, Ramp a développé Glass, une couche interne de productivité basée sur l’IA, conçue pour capturer le savoir-faire de l’entreprise. Lorsqu’un collaborateur met au point un meilleur processus de travail, ce savoir-faire peut être mis à la disposition des autres. Au lieu de recommencer chaque interaction avec l’IA sans contexte historique, le système conserve une mémoire organisationnelle durable qui améliore le travail futur.

Cela modifie la manière dont les entreprises doivent envisager la productivité. L’objectif n’est pas simplement d’aider les individus à travailler plus vite. Il s’agit de permettre à l’organisation d’apprendre plus vite que ses concurrents. Toute interaction réussie avec l’IA doit renforcer les capacités collectives de l’entreprise, plutôt que de rester l’apanage d’un seul collaborateur ou d’un seul service.

Cela permet également de répondre à un défi courant lié à l’adoption de l’IA dans les entreprises. À mesure que les organisations étendent leur utilisation de l’IA, différentes équipes créent souvent des instructions, des flux de travail et des outils d’automatisation distincts. Au fil du temps, les doublons se multiplient, les connaissances se fragmentent et la qualité varie d’une unité opérationnelle à l’autre. Une infrastructure partagée réduit ces problèmes en garantissant la cohérence, tout en permettant aux équipes de continuer à améliorer leurs processus.

Un autre point important réside dans le fait que la mémoire organisationnelle prend de plus en plus de valeur au fil du temps. Les collaborateurs changent de poste, de nouveaux employés rejoignent l’entreprise et les priorités commerciales évoluent. En l’absence de systèmes permettant de préserver les connaissances opérationnelles, un savoir-faire précieux risque de se perdre. Les plateformes d’IA qui conservent le contexte et les processus de travail efficaces aident les organisations à assurer la continuité tout en améliorant sans cesse leur exécution.

Pour les dirigeants, cela vient renforcer un principe important. Les taux d’adoption élevés ne doivent pas être considérés à eux seuls comme l’objectif final. L’adoption n’est qu’un point de départ. L’opportunité la plus importante réside dans la mise en place de systèmes où l’apprentissage de chaque collaborateur contribue à l’amélioration de l’ensemble de l’entreprise.

Ramp a atteint un taux d’adoption de 99 % des outils d’IA avant de constater la nécessité de disposer d’une infrastructure d’IA partagée. La direction en a conclu que « la productivité interne constitue un avantage concurrentiel, et qu’une organisation ne confie pas cet avantage à un fournisseur ». Cette perspective reflète une décision stratégique plus large visant à conserver la maîtrise des systèmes qui génèrent un avantage concurrentiel durable.

L’apprentissage itératif tiré des échecs initiaux est essentiel pour mettre en place des déploiements d’IA robustes et évolutifs

De nombreuses organisations considèrent les projets d’IA qui échouent comme la preuve que cette technologie n’est pas encore au point. Les entreprises de premier plan adoptent une approche différente. Elles considèrent les premiers revers comme des sources précieuses d’informations permettant d’améliorer les futurs systèmes.

Bradesco illustre parfaitement cette approche. La première conception d’IA agentique de la banque reposait sur un petit nombre d’agents volumineux et extrêmement complexes. Au cours des tests bêta, l’équipe a constaté que cette architecture était trop lente, trop coûteuse et difficile à faire évoluer en toute sécurité. Plutôt que de persévérer avec une conception présentant des limites évidentes, l’équipe a pris la décision de repenser l’architecture.

Cette décision a entraîné un retard d’environ cinq mois dans le programme. Dans de nombreuses organisations, un tel retard pourrait être considéré comme un échec. Bradesco l’a quant à lui considéré comme un investissement visant à établir des bases plus solides. L’architecture repensée est finalement devenue la plateforme sur laquelle reposeront les futurs déploiements d’IA au sein de l’organisation.

Les résultats à long terme ont justifié cette décision. La banque utilise désormais une IA en contact direct avec la clientèle dans plusieurs interactions bancaires essentielles, au service de 22 millions de clients. Atteindre une telle envergure a nécessité bien plus que des modèles d’IA avancés. Cela a exigé une volonté de tester rapidement les hypothèses, d’évaluer les résultats en toute honnêteté et d’apporter des améliorations structurelles avant d’étendre le déploiement.

Cette approche a des implications plus larges pour la direction générale. Les projets d’IA devraient intégrer dès le départ une évaluation structurée, plutôt que de se fonder sur des hypothèses formulées lors de la phase de planification. Les tests bêta, la mesure des performances, les examens de gouvernance et les retours d’expérience des utilisateurs devraient tous être considérés comme des éléments essentiels du processus de développement. Ces activités permettent de réduire les risques opérationnels tout en améliorant les performances à long terme.

Les organisations ont également besoin d’un environnement dans lequel les équipes peuvent signaler les problèmes sans craindre que les revers ne soient automatiquement interprétés comme un manque de performance. Lorsque les ingénieurs, les dirigeants et les équipes produit identifient les faiblesses à un stade précoce, les entreprises peuvent apporter des améliorations avant que les systèmes ne soient profondément intégrés aux opérations critiques. Cela permet d’obtenir, au fil du temps, une IA plus fiable et plus évolutive.

Une autre leçon à retenir est que le déploiement à grande échelle de l’IA nécessite autant de capacités organisationnelles que de capacités techniques. Chaque refonte permet d’améliorer les pratiques d’ingénierie, les processus de gouvernance, les méthodes de déploiement et la confiance de la direction. Ces améliorations rendent les futures initiatives en matière d’IA plus rapides et plus efficaces, car l’organisation a déjà appris à relever des défis similaires.

Pour les dirigeants, l’objectif n’est pas d’éliminer les échecs. L’objectif est de veiller à ce que chaque échec soit source d’enseignements qui renforcent les déploiements futurs. Les organisations qui améliorent en permanence leur architecture, leur gouvernance et leur modèle opérationnel seront mieux à même de déployer l’IA de manière responsable à mesure que la technologie continue d’évoluer.

Bradesco a accepté de procéder à une refonte d’environ cinq mois après que des tests bêta ont mis en évidence des faiblesses architecturales. Cette décision a permis à la banque de déployer une IA orientée client sur l’ensemble de ses services, au service de 22 millions de clients, démontrant ainsi l’intérêt d’une itération rigoureuse plutôt que de précipiter la mise en production des systèmes.

Les PDG doivent mener personnellement les transformations liées à l’IA en faisant preuve d’un engagement visible, d’une implication éclairée et d’une définition stratégique des priorités

Toute transformation majeure d’une entreprise finit par devenir un enjeu de direction plutôt qu’un enjeu technologique. L’IA ne fait pas exception. Les entreprises qui progressent le plus rapidement sont dirigées par des PDG qui participent activement à l’élaboration de la stratégie, à la prise de décisions d’investissement et à la compréhension de la manière dont l’IA transforme leur activité.

Confier entièrement la gestion de l’IA à la direction technique crée un décalage entre les capacités techniques et la stratégie d’entreprise. L’IA a des répercussions sur le développement des produits, l’expérience client, les finances, les opérations, les affaires juridiques, les ressources humaines et l’allocation des capitaux à long terme. Ces décisions nécessitent l’implication de la direction, car elles influencent l’orientation de l’ensemble de l’entreprise.

On observe trois comportements de direction qui reviennent systématiquement dans les entreprises qui vont de l’avant.

Le premier élément est l’engagement personnel. Cela va bien au-delà de la simple approbation des budgets ou de la participation aux réunions trimestrielles. Les PDG s’informent activement sur l’IA, consacrent du temps à l’utilisation des outils d’IA, posent des questions pertinentes et expliquent directement à leurs collaborateurs pourquoi l’IA est importante. Leur implication montre clairement que l’IA est au cœur de l’avenir de l’entreprise et ne constitue pas une simple initiative ponctuelle.

Le deuxième élément est une approche ciblée et rigoureuse. Les dirigeants qui réussissent évitent de lancer des initiatives d’IA à la moindre occasion. Au contraire, ils identifient un petit nombre de domaines dans lesquels l’IA peut améliorer de manière fondamentale la compétitivité et y concentrent leurs ressources. Cela permet aux équipes de développer une expertise plus approfondie tout en générant un impact commercial mesurable.

Le troisième axe consiste à investir dans l’apprentissage organisationnel. Chaque décision relative à l’architecture, à la gouvernance, aux données et aux processus de travail doit renforcer les capacités à long terme de l’entreprise. L’objectif n’est pas simplement de mener à bien un projet d’IA. Il s’agit de garantir que les projets futurs soient plus rapides, moins coûteux et plus efficaces, grâce aux enseignements précieux que l’organisation aura déjà tirés.

Cette approche de direction influe également sur la culture d’entreprise. Les collaborateurs sont plus enclins à adopter de nouvelles méthodes de travail lorsqu’ils constatent que les dirigeants participent eux-mêmes à cette transformation. L’engagement visible des dirigeants renforce la crédibilité, car les collaborateurs comprennent que l’IA modifie le mode de fonctionnement de l’ensemble de l’organisation.

Les conseils d’administration jouent également un rôle important. Les discussions sur l’IA ne doivent pas se limiter aux points d’avancement des projets et aux démonstrations technologiques. Les administrateurs doivent régulièrement se demander si les investissements dans l’IA renforcent la position concurrentielle de l’entreprise, améliorent ses capacités organisationnelles et créent des atouts que les concurrents ne peuvent pas facilement reproduire. Ces échanges contribuent à maintenir une discipline stratégique à mesure que les investissements dans l’IA prennent de l’ampleur.

Pour les PDG, la responsabilité va au-delà de la simple mise en œuvre. Ils définissent les priorités, fixent le rythme du changement, allouent les ressources et instaurent le climat de confiance nécessaire pour que les collaborateurs adhèrent à la transformation. Les entreprises parviennent rarement à développer de solides capacités en matière d’IA sans un leadership cohérent de la part de leur direction.

Adecco démontre qu’une mise en œuvre de l’IA centrée sur l’humain renforce la confiance, accélère l’adoption de cette technologie et favorise la croissance de l’entreprise

L’une des principales préoccupations liées à l’IA concerne son impact sur les salariés. Les entreprises qui abordent l’IA avant tout comme un moyen de réduire leurs coûts se heurtent souvent à de la résistance, à des incertitudes et à une adoption plus lente.

Denis Machuel, PDG d’Adecco, a d’emblée fait de l’IA une priorité personnelle dans le cadre de son leadership. Plutôt que de considérer l’IA comme un projet technologique géré par des spécialistes, il a consacré son temps à comprendre cette technologie et à faire valoir son importance au sein de l’ensemble de l’organisation. Son implication visible a permis de souligner que l’IA occupait une place centrale dans la stratégie à long terme de l’entreprise.

Le principe directeur de Machuel était simple : l’IA doit s’inscrire dans une démarche collaborative avec les personnes. Cette philosophie a influencé la manière dont cette transformation a été conçue et mise en œuvre.

Plutôt que de remplacer les recruteurs par l’IA, Adecco a repensé le processus de recrutement en collaboration avec ses collaborateurs. Les recruteurs ont participé à la conception de flux de travail basés sur une IA « agentique », de sorte que les systèmes d’IA se chargent des tâches répétitives et à fort volume, tandis que les recruteurs continuent de prendre les décisions nécessitant un jugement professionnel, la gestion des relations et l’expérience. Cette approche a permis de positionner l’IA comme un outil qui renforce les capacités des collaborateurs, plutôt que de réduire leur valeur.

La formation est également devenue une priorité stratégique. Plutôt que de proposer une formation générique sur l’IA, l’entreprise s’est concentrée sur un apprentissage adapté à chaque poste, permettant aux collaborateurs de comprendre en quoi l’IA allait améliorer leur propre travail. Cela a rendu l’adoption de cette technologie plus concrète, car chacun pouvait immédiatement constater comment l’IA facilitait l’accomplissement de ses tâches quotidiennes.

La manière dont les dirigeants communiquent leur stratégie en matière d’IA a également son importance. Adecco a présenté l’IA comme un levier de croissance plutôt que comme un programme de réduction des effectifs. Ce message a encouragé les collaborateurs à considérer l’IA comme une opportunité d’acquérir de nouvelles compétences et de contribuer à l’expansion future de l’entreprise. La confiance s’est renforcée, car cette transformation était associée à la croissance de l’entreprise plutôt qu’à une réduction des effectifs.

Cette approche illustre une leçon de leadership plus générale. L’adoption des technologies est couronnée de succès de manière plus systématique lorsque les collaborateurs comprennent à la fois l’objectif stratégique et leur propre rôle au sein de cette stratégie. Les organisations qui associent leurs collaborateurs dès le début à la refonte des processus de travail parviennent souvent à renforcer leur engagement, car ce sont les personnes qui effectuent le travail qui contribuent à définir la manière dont l’IA est mise en œuvre.

Pour les dirigeants, la transformation par l’IA doit être considérée à la fois comme une initiative technologique et comme une stratégie en matière de ressources humaines. Il ne suffit pas d’investir uniquement dans les systèmes. Les entreprises doivent également investir dans la communication, le développement du leadership, la formation professionnelle et la conception organisationnelle. Ces facteurs influencent la rapidité avec laquelle l’IA génère une valeur commerciale mesurable.

Adecco vise à ce que l’IA agentique génère 50 % du chiffre d’affaires de l’entreprise d’ici fin 2026. Denis Machuel, PDG d’Adecco, a publiquement souligné que l’IA devait être mise en œuvre « avec les personnes, et non contre elles », et s’appuie sur ce principe pour orienter la stratégie de transformation de l’entreprise tout en renforçant la confiance des collaborateurs et l’engagement de l’organisation.

Les mesures prises par la direction permettent de déterminer si une organisation s’engage réellement dans une transformation axée sur l’IA

Toutes les équipes de direction affirment que l’IA est importante. Cela ne constitue plus un facteur de différenciation. La véritable question est de savoir si cette conviction modifie la manière dont l’entreprise répartit son temps, ses capitaux, ses talents et son attention. Une stratégie n’a de sens que lorsqu’elle influence les décisions quotidiennes.

Réfléchissez à la manière dont l’IA est abordée au niveau du conseil d’administration. Si la plupart des discussions tournent autour du nombre de projets pilotes en cours, il se peut que l’organisation continue de mesurer l’activité plutôt que l’impact sur l’entreprise. Une discussion plus utile porte sur les processus clés qui ont été repensés, les enseignements tirés par l’entreprise et la manière dont ces enseignements renforcent les déploiements futurs.

Les agendas des dirigeants constituent un autre indicateur important. Les PDG qui consacrent personnellement du temps à l’utilisation d’outils d’IA acquièrent une compréhension directe tant des atouts que des limites de cette technologie. Cette expérience améliore la prise de décision, car les discussions stratégiques s’appuient sur des connaissances pratiques plutôt que sur des rapports de seconde main. Elle démontre également que l’adoption de l’IA commence au plus haut niveau.

L’allocation des capitaux est tout aussi révélatrice. De nombreux investissements fondamentaux dans l’IA ne génèrent pas de retombées financières immédiates. La mise en place d’une infrastructure de données de haute qualité, de capacités d’orchestration d’entreprise, de cadres d’évaluation et de systèmes d’apprentissage organisationnel nécessite souvent des investissements soutenus avant que des résultats commerciaux mesurables ne se manifestent. Les entreprises qui protègent systématiquement ces investissements à long terme sont généralement mieux placées pour développer des avantages concurrentiels durables.

Chaque déploiement entraîne des résultats inattendus. La question essentielle est de savoir si la direction considère ces moments comme de simples points de situation de routine ou comme des occasions d’améliorer l’architecture, la gouvernance, les flux de travail et les processus métier. Les entreprises qui tirent rapidement les leçons de leurs revers renforcent leurs performances futures au lieu de répéter les mêmes erreurs.

La cohérence des données constitue un autre indicateur concret du niveau de préparation de l’organisation. Si le directeur financier, le directeur commercial et l’équipe chargée des données définissent tous le terme « client » différemment, les systèmes d’IA hériteront de ces incohérences. Une IA fiable repose sur des définitions métier partagées, une gouvernance cohérente et des données d’entreprise fiables. Sans ces fondements, même les modèles d’IA les plus avancés auront du mal à produire des résultats fiables.

La dépendance vis-à-vis des fournisseurs mérite également l’attention de la direction. Les fournisseurs de technologies externes restent des partenaires précieux, mais les entreprises doivent prendre conscience des conséquences stratégiques d’une dépendance excessive à l’égard d’une seule plateforme. Les dirigeants doivent se demander dans quels délais ils pourraient changer de fournisseur si les tarifs venaient à évoluer de manière significative, et quelles capacités organisationnelles seraient perdues au cours de cette transition. La réponse à cette question révèle dans quelle mesure l’avantage concurrentiel de l’entreprise reste sous son propre contrôle.

Enfin, les dirigeants doivent déterminer si leur stratégie en matière d’IA reflète une conviction ou une certaine prudence. Les organisations qui répartissent leurs investissements entre des dizaines d’initiatives sans lien entre elles réduisent souvent les risques à court terme, mais diminuent également leurs chances de se démarquer de manière significative de la concurrence. Des investissements concentrés sur un petit nombre de domaines stratégiquement importants sont plus susceptibles de générer des avantages commerciaux durables, car ils permettent à l’organisation d’accumuler des connaissances et des capacités.

Le message général est clair. La transformation par l’IA ne se définit pas par des annonces, des budgets ou le nombre d’outils déployés. Elle se définit par les décisions que les dirigeants prennent de manière répétée au fil du temps. Ces décisions façonnent le modèle opérationnel de l’entreprise, ses priorités d’investissement, ses capacités organisationnelles et sa position concurrentielle.

Pour les conseils d’administration et les équipes de direction, le défi consiste à évaluer l’IA en s’appuyant sur des faits plutôt que sur des intentions. La manière dont les dirigeants consacrent leur temps, la façon dont ils allouent les capitaux, les indicateurs qu’ils mesurent, leur réaction face aux revers et leur capacité à développer des compétences qui s’améliorent au fil du temps fournissent une image bien plus précise de la transformation que n’importe quelle présentation ou document stratégique. Les entreprises qui alignent systématiquement leurs actions sur leur stratégie à long terme en matière d’IA sont celles qui ont le plus de chances de développer une intelligence propriétaire que leurs concurrents ne peuvent pas facilement reproduire.

Dernières réflexions

Le débat sur l’IA va désormais au-delà de la simple question de son adoption. La question n’est plus de savoir si votre entreprise doit ou non recourir à l’IA. La question est de savoir si l’IA est en train de devenir un élément fondamental du fonctionnement de votre entreprise et de sa capacité à rester compétitive.

Toutes les organisations ont désormais accès à des modèles d’IA de plus en plus performants. Cela uniformise les conditions de concurrence sur le plan technologique plus rapidement que ne l’avaient prévu de nombreux dirigeants. Ce qui permettra aux entreprises de se démarquer au cours de la prochaine décennie, ce n’est pas l’accès à de meilleurs modèles, mais leur capacité à mettre en place des systèmes capables de s’améliorer en permanence grâce à des données propriétaires, au savoir-faire de l’organisation et à une exécution rigoureuse.

Cela nécessite des décisions de direction différentes. Cela implique d’investir dans des capacités avant même que les retombées financières ne soient pleinement visibles. Cela implique de repenser les processus de travail plutôt que de se contenter de les automatiser. Cela implique de considérer les données, l’ingénierie logicielle et l’apprentissage organisationnel comme des atouts stratégiques plutôt que comme des fonctions de soutien opérationnel.

Mais surtout, cela exige des PDG et des conseils d’administration qu’ils montrent l’exemple. La transformation par l’IA ne peut être déléguée à un seul service, car son impact s’étend à tous les aspects de l’entreprise. La stratégie, les opérations, les finances, l’expérience client, les ressources humaines, la gouvernance et la technologie font désormais toutes partie d’un même débat.

Les entreprises qui agissent avec détermination aujourd’hui se dotent de capacités qui se renforcent à chaque déploiement. Elles mettent en place des structures qui apprennent plus vite, agissent plus vite et s’adaptent plus vite. Ces avantages deviennent de plus en plus difficiles à reproduire, car ils sont ancrés dans le mode de fonctionnement même de l’entreprise, et non pas uniquement dans la technologie.

Pour les dirigeants, cela se traduit par un choix stratégique clair. La première voie consiste à poursuivre le déploiement de projets pilotes d’IA et à mesurer les gains de productivité à court terme. La seconde consiste à développer une intelligence propriétaire qui s’enrichit au fil du temps et renforce l’entreprise à chaque décision, chaque processus et chaque interaction avec les clients.

Les organisations qui opteront pour la deuxième option ne resteront probablement pas dans les mémoires pour avoir été les premières à adopter l’IA. On se souviendra d’elles pour avoir développé des activités qui se sont fondamentalement améliorées, car elles ont compris qu’un avantage concurrentiel durable découle de ce que l’organisation crée autour de l’IA, et non de l’IA elle-même.