L’IA crée de la valeur quand les méthodes de travail évoluent

L’activité liée à l’IA peut laisser une entreprise largement inchangée

Une entreprise peut acheter des licences d’IA, mener des projets pilotes et donner aux employés un accès à des chatbots tout en laissant son activité largement inchangée. Pour les PDG et les conseils d’administration qui examinent des retours décevants, la question immédiate est de savoir ce qui a changé : qui prend les décisions, comment le travail circule et où les personnes consacrent leur temps. L’adoption d’une technologie crée une opportunité de modifier ces dispositions. La direction doit décider si elle veut l’utiliser.

Des retours business décevants doivent être considérés aux côtés des risques plus larges de l’IA. Chercheurs et responsables technologiques débattent de la possibilité que des systèmes de plus en plus performants échappent au contrôle humain, tandis que les déplacements d’emplois, la désinformation et la concentration du pouvoir technologique entre les mains d’un petit nombre d’entreprises exigent également de l’attention. Les dirigeants peuvent traiter directement la valeur business par leurs choix d’investissement et les changements apportés à l’organisation. Ce sujet mérite sa place dans les discussions de la direction sur l’IA.

Cette préoccupation pratique est apparue lors d’un panel à Tokyo avec des PDG japonais, réuni par Nikkei, le journal économique et financier japonais. Un conseiller participant à la discussion a entendu la frustration suscitée par le fait que des investissements et des expérimentations substantiels produisaient moins de valeur que ce que les dirigeants attendaient. Le panel a abordé les talents, la conception organisationnelle et les responsabilités des conseils d’administration et des PDG, autant de choix qui déterminent ce que les entreprises retirent de la technologie. Environ une semaine plus tard, une conversation à Singapour a aidé le conseiller à expliquer cet écart.

Des retours décevants soulèvent une question sur le changement business

La frustration observée à Tokyo apparaît aussi dans une récente enquête de Bain & Company auprès de PDG du monde entier. Bain est un cabinet de conseil qui a un intérêt commercial à accompagner les entreprises dans leur transformation par l’IA, de sorte que ce constat émane d’une entreprise qui bénéficie de la demande pour ce type de travail. L’enquête a comparé les résultats déclarés aux attentes propres des PDG.

Pour expliquer pourquoi une activité importante peut produire des retours décevants, le conseiller s’est appuyé sur la conversation de Singapour. Un haut responsable public du numérique qui y intervenait a déclaré : « Le déploiement n’est pas la transformation. » Le déploiement consiste à rendre la technologie disponible et à la mettre en usage. La transformation consiste à modifier le travail qui l’entoure : l’ordre des tâches, qui a l’autorité pour décider et comment l’information parvient aux personnes ou aux systèmes qui en ont besoin.

Cette distinction change la manière dont les dirigeants doivent interpréter l’activité décrite plus haut. Dans le récit du conseiller, les licences donnent accès, les projets pilotes permettent aux équipes d’expérimenter, et l’extension de l’accès aux chatbots à des milliers d’employés élargit la participation. Ces étapes peuvent être utiles, mais leur ampleur montre à quel point la technologie a été largement introduite. Pour comprendre le résultat business, les dirigeants doivent aussi examiner ce que les employés font désormais différemment.

Un projet pilote peut montrer que l’IA exécute une tâche alors même que les employés continuent de faire passer le travail par les mêmes étapes, de demander les mêmes validations et de traiter l’information de la même manière. L’intervenant de Singapour a également observé qu’ajouter un chatbot à un processus défaillant laisse ce processus défaillant. Une nouvelle interface peut rendre la séquence plus facile à utiliser, mais elle ne peut pas, à elle seule, supprimer une étape inutile ni clarifier une responsabilité floue. Corriger ces problèmes exige des décisions sur la manière dont le travail est organisé.

Modifier l’organisation du travail peut signifier supprimer ou réordonner des étapes du workflow (les tâches qui composent un processus), redistribuer les droits de décision (l’autorité de prendre certaines décisions) ou changer la manière dont l’information circule. Ces choix influencent aussi l’endroit où les employés consacrent leur temps. Les conseils d’administration peuvent donc examiner séparément le déploiement et le changement business, en se demandant à quel point l’IA est utilisée et comment cet usage modifie la manière dont l’entreprise produit un résultat. Selon le conseiller, une grande partie de l’activité IA en entreprise aide encore les employés à accomplir des tâches familières de manière familière, avec un peu plus de rapidité.

L’efficacité et la différenciation exigent des tests différents

Si une grande partie de l’activité IA accélère le travail existant, les dirigeants doivent distinguer cet objectif de changements plus ambitieux. Lors du panel Nikkei, le conseiller a proposé trois étapes : Improve, Innovate et Build. Ce framework donne aux dirigeants un vocabulaire pour choisir le changement business qu’ils veulent obtenir avant de décider comment le concrétiser.

Improve est important parce qu’accomplir des tâches utiles plus efficacement peut améliorer l’économie du travail. Le conseiller estime qu’une grande partie des efforts des entreprises reste à ce stade, en rendant des tâches inchangées un peu plus rapides. Un gain de productivité peut justifier un investissement même lorsque des concurrents peuvent obtenir un bénéfice similaire avec la même technologie. Les dirigeants doivent donc évaluer séparément l’efficacité et l’avantage concurrentiel durable.

En matière d’avantage concurrentiel, le conseiller s’attend à ce que les entreprises se différencient davantage via Innovate et Build, là où l’IA transforme l’activité ou rend possible une nouvelle offre. Les entreprises peuvent poursuivre délibérément l’efficacité ou choisir des parties de l’activité qui nécessitent une remise en question plus profonde. Ces étapes rendent ce choix explicite sans imposer de séquence obligatoire. L’accumulation de projets Improve ne produit pas automatiquement les résultats associés à Innovate ou Build.

Choisir un workflow problématique avant de décider du rôle de l’IA

Une fois que les dirigeants ont choisi leur niveau d’ambition, ils doivent sélectionner un travail où cela peut avoir un impact. Le conseiller recommande de se concentrer sur une poignée de domaines susceptibles de modifier de manière significative l’économie de l’entreprise ou l’expérience client. Selon lui, des centaines de cas d’usage déconnectés peuvent disperser l’attention sur de nombreuses petites tâches, tandis qu’une concentration sur un travail à fort enjeu donne aux dirigeants la marge nécessaire pour traiter les décisions organisationnelles impliquées. C’est le problème business qui doit définir le périmètre.

Identifier ce problème commence par une friction : retard, coût excessif, erreur ou mauvaise expérience client. Chaque symptôme désigne un travail qui mérite d’être examiné, mais les dirigeants doivent encore en comprendre la cause. Introduire l’IA là où le symptôme apparaît peut laisser intacte la difficulté sous-jacente. Examiner la cause aide l’entreprise à décider à quoi le succès doit ressembler dans les faits.

Le succès donne ensuite à la refonte un objectif clair. Si le retard est le problème, le résultat doit décrire comment le travail parvient à son terme plus rapidement ; si l’expérience client est en cause, il doit expliquer ce qui s’améliore pour le client. Ce n’est qu’ensuite que l’entreprise doit décider du rôle de l’IA. Une formule entendue à Singapour, sans attribution, résumait cette séquence : « Commencez par un workflow problématique, pas par un modèle. »

Commencer par un modèle encourage à chercher les tâches qu’il peut exécuter, tandis que commencer par un travail problématique ouvre l’ensemble du processus à l’examen. Le conseiller demande aux dirigeants d’aller plus loin : « Si nous concevions ce processus aujourd’hui, en sachant ce que l’IA peut faire, ressemblerait-il encore en quoi que ce soit à cela ? » Cette question invite les dirigeants à reconsidérer les étapes existantes, les responsabilités d’approbation, la circulation de l’information et le temps des employés. Elle transforme une décision technologique en une décision sur la manière dont l’entreprise doit fonctionner.

Examiner le travail de cette manière devrait guider une refonte fondamentale des domaines sélectionnés. Les équipes peuvent expérimenter la contribution de l’IA tandis que la direction reste responsable du résultat économique ou client visé. L’expérimentation a alors un objectif, avec la possibilité d’apprendre à mesure que la conception évolue. L’expérience répétée sur des travaux à fort enjeu peut devenir une capacité que l’organisation emporte dans sa prochaine refonte.

L’avantage concurrentiel se développe par l’apprentissage organisationnel

L’expérience compte parce que, selon le conseiller, une hausse des dépenses à elle seule peut laisser les résultats décevants sans solution. Les entreprises en tête sur l’IA développent des données propriétaires, des workflows repensés, un apprentissage organisationnel et une expérience dans la décision de l’endroit où les personnes et les machines travaillent le mieux ensemble. Les données propriétaires sont des informations détenues par l’entreprise que les concurrents ne peuvent pas facilement obtenir ; l’apprentissage organisationnel est la connaissance construite à travers les décisions et leurs conséquences. Le conseiller voit dans ces capacités des sources d’avantage que les concurrents ne peuvent pas acheter facilement.

Ces capacités peuvent se renforcer mutuellement à mesure que l’entreprise transforme son travail. Un workflow repensé donne aux équipes de l’expérience avec de nouvelles responsabilités et de nouvelles façons de répartir les tâches, ce qui éclaire les décisions ultérieures. Les données détenues par l’entreprise peuvent soutenir de nouveaux apprentissages, tandis que ces apprentissages aident l’entreprise à améliorer son usage des données et ses workflows. Leur valeur augmente à travers leur utilisation dans les opérations propres de l’entreprise.

L’accès aux modèles offre un autre type de ressource, car les concurrents peuvent obtenir la même technologie. Le conseiller affirme : « Vous pouvez acheter le même modèle que votre concurrent utilise. » Il ajoute ensuite : « Vous ne pouvez pas acheter plusieurs années d’apprentissage sur la manière de repenser votre entreprise autour de celui-ci. » Un accès partagé peut donc coexister avec des niveaux d’expérience très différents dans la mise au travail de la technologie.

Pour les dirigeants, la question pratique est de savoir si chaque effort en IA crée des connaissances qui améliorent les choix ultérieurs. Une expérimentation apporte davantage lorsque les équipes peuvent utiliser ce qu’elle enseigne dans la refonte suivante. Cela exige de prêter attention aux conséquences des changements dans l’information, les responsabilités et la manière dont les tâches sont réparties. Certaines des leçons les plus importantes concernent le travail que les personnes devraient conserver.

Choisir délibérément le travail que les humains doivent conserver

Choisir le travail confié aux personnes exige une décision délibérée sur leur contribution. Le conseiller demande aux PDG : « Que voulons-nous délibérément que les humains continuent de faire ? » Cela remet en cause l’hypothèse selon laquelle toute tâche que la technologie peut automatiser devrait l’être. Cela inscrit le rôle souhaité des personnes dans la conception dès le départ.

À mesure que les machines deviennent capables de rechercher, résumer, analyser, rédiger et coordonner, le conseiller met l’accent sur le jugement humain, la créativité, l’empathie, la supervision et les relations. Ces contributions donnent aux dirigeants des critères pour répartir le travail, même si leur importance varie selon la tâche et l’organisation. Les dirigeants peuvent supprimer les tâches mécaniques qui entravent un travail humain à forte valeur tout en préservant les responsabilités que ce travail exige. La répartition doit découler de ce que l’entreprise a besoin que les personnes fassent bien.

Ces choix affectent directement les employés, c’est pourquoi le conseiller appelle aussi à les accompagner face aux craintes liées à l’IA. Les dirigeants doivent aider les personnes à dépasser ces craintes et à envisager ce qui devient possible à mesure que les tâches évoluent. Cet accompagnement s’inscrit dans l’approche qui part du problème, parce que les employés participent au travail repensé et en vivent les conséquences. Les décisions concernant leurs rôles exigent l’attention de la direction tout au long de la mise en œuvre.

La gouvernance, c’est-à-dire les règles qui encadrent l’autorité et la supervision de l’IA, rend ces décisions explicites. Les dirigeants doivent identifier où l’IA peut agir de manière autonome, où la participation humaine reste nécessaire et où l’IA doit être tenue à l’écart. À mesure que les capacités évoluent, ils doivent revoir ces limites tout en continuant à considérer les effets sur les personnes et la société. Chaque limite doit préciser clairement qui peut agir, qui doit participer et qui reste responsable du résultat.

Principaux enseignements pour les dirigeants

• Mesurer le changement business : les PDG et les conseils d’administration doivent évaluer comment l’IA modifie les décisions, les workflows et le temps des employés. Les achats de licences et l’activité des projets pilotes mesurent le déploiement ; les résultats business révèlent si ce déploiement crée de la valeur.
• Examiner les workflows en parallèle des retours : plus de 80% des PDG de l’enquête de Bain menée auprès de 100 personnes ont déclaré des résultats de transformation IA inférieurs à 70% de leurs attentes. Les conseils d’administration qui examinent des retours décevants peuvent analyser les étapes d’approbation, l’autorité de décision et les flux d’information afin d’identifier les obstacles que la technologie laisse non résolus.
• Définir l’ambition de l’investissement : les PDG peuvent utiliser Improve, Innovate et Build pour distinguer les gains d’efficacité des changements du cœur de métier ou des nouvelles offres. Chaque investissement a besoin d’un objectif explicite, car accélérer le travail existant ne crée pas automatiquement un avantage concurrentiel durable.
• Partir d’une friction à fort enjeu : les responsables métier peuvent sélectionner une poignée de workflows où les retards, les coûts, les erreurs ou la frustration client affectent matériellement les résultats. Définissez le résultat souhaité, repensez le processus, puis déterminez le rôle de l’IA.
• Intégrer l’apprentissage à la mise en œuvre : les entreprises développent un avantage en IA grâce à des données propriétaires, des workflows repensés et une expérience dans la répartition du travail entre personnes et machines. Les responsables de projet peuvent réinvestir les enseignements de chaque refonte dans les décisions d’investissement et d’exploitation suivantes.
• Définir les rôles humains et les limites de l’IA : les PDG doivent identifier où le jugement, la créativité, l’empathie, la supervision et les relations comptent le plus. Les responsables de la gouvernance peuvent ensuite préciser où l’IA agit de manière autonome, où les personnes participent et qui reste responsable, en réexaminant ces limites à mesure que les capacités évoluent.