Une stratégie IA performante commence par la gouvernance

La réussite de l’IA dépend de la gouvernance, de l’alignement stratégique et de la valeur ajoutée pour l’entreprise

L’IA évolue rapidement, mais la rapidité à elle seule ne constitue pas une stratégie. De nombreuses organisations augmentent leurs investissements dans l’IA car elles subissent la pression de leurs concurrents, de leurs conseils d’administration ou du marché. Cette pression est bien réelle. Le problème survient lorsque ces investissements sont réalisés avant même que la direction n’ait défini ce que l’IA doit réellement apporter à l’entreprise.

Gartner affirme que l’IA n’est pas simplement une nouvelle mise à jour logicielle. Jorg Heizenberg, vice-président et analyste chez Gartner, l’a décrite comme une évolution comparable à l’arrivée d’Internet. Cela signifie que les dirigeants doivent voir plus loin que les projets individuels liés à l’IA. Ils doivent déterminer comment l’IA soutient l’orientation à long terme de l’entreprise, dans quels domaines elle crée un avantage concurrentiel et dans quels domaines elle ne doit pas être utilisée.

Georgia O’Callaghan, directrice-analyste chez Gartner, a averti que les entreprises ne peuvent pas continuer à augmenter leurs dépenses en matière d’IA sans avoir préalablement défini leurs objectifs et leurs ambitions. L’IA doit permettre de résoudre des problèmes métier pertinents. Elle doit améliorer l’expérience client, accroître la productivité, renforcer la prise de décision ou créer de nouvelles sources de revenus. Si les dirigeants ne sont pas en mesure de décrire clairement les résultats escomptés, il est peu probable que des investissements supplémentaires produisent de meilleurs résultats.

Toutes les organisations ne doivent pas nécessairement évoluer au même rythme. Gartner recommande d’adapter les ambitions en matière d’IA à la capacité de l’organisation à accepter les bouleversements et les risques. Certaines entreprises peuvent opter pour une approche prudente, car elles opèrent dans des secteurs fortement réglementés ou gèrent des infrastructures critiques. D’autres peuvent délibérément accélérer le rythme afin de conquérir de nouveaux marchés ou de redéfinir ceux qui existent déjà. Aucune de ces deux approches n’est automatiquement meilleure que l’autre. L’essentiel est que ce choix soit mûrement réfléchi.

De nombreux programmes d’IA échouent également parce que les décisions technologiques sont prises avant les décisions stratégiques. Les équipes se concentrent sur le choix de grands modèles linguistiques, la création de prototypes ou le test de nouveaux outils d’IA avant même de s’être mises d’accord sur les critères de réussite. Cela génère de l’activité. La direction doit d’abord définir des priorités claires, puis laisser les équipes techniques déterminer la manière la plus efficace de les atteindre.

Cela modifie également la manière dont les organisations mesurent leur réussite. Le retour sur investissement reste important, mais l’IA crée une valeur que les indicateurs financiers ne peuvent à eux seuls saisir pleinement. De meilleures décisions, un service client plus réactif, une productivité accrue des collaborateurs, une meilleure qualité des données et une réduction des risques opérationnels contribuent tous à la performance de l’entreprise. Ces avantages gagnent souvent en importance au fil du temps, à mesure que les capacités de l’IA se développent au sein de l’organisation.

Les données du marché montrent pourquoi ce débat est d’actualité. Selon Gartner, près de trois organisations sur cinq avaient déjà mis en production au moins un service d’IA en 2025. Parallèlement, quatre organisations sur cinq augmentent leurs investissements dans l’IA. L’adoption de l’IA se généralise, mais le simple fait d’investir davantage ne garantit pas de meilleurs résultats commerciaux. Les entreprises qui réussiront seront celles qui relieront directement leurs investissements en IA à leur stratégie d’entreprise, à leur gouvernance et à une valeur mesurable.

Les coûts liés à l’IA sont imprévisibles, ce qui rend indispensable une bonne gouvernance financière dès le départ

L’une des plus grandes erreurs commises par les entreprises est de croire qu’elles maîtrisent le coût de l’IA avant son déploiement. Les projets logiciels traditionnels s’accompagnent généralement de frais de licence et d’infrastructure relativement prévisibles. L’IA bouleverse cette donne.

Georgia O’Callaghan a expliqué que l’une des premières questions posées par les dirigeants est simple : « Combien cela va-t-il coûter ? » Il est souvent difficile d’y répondre, car la tarification de l’IA dépend de variables susceptibles d’évoluer considérablement au fil du temps. Les fournisseurs de services cloud et les éditeurs d’IA facturent souvent en fonction de l’utilisation des processeurs graphiques (GPU) ou du nombre de jetons traités par les modèles linguistiques. Ces deux éléments sont directement liés à la fréquence d’utilisation de l’IA, à la complexité de chaque requête et à l’évolution de l’application après son déploiement.

Cela engendre une incertitude à laquelle de nombreuses organisations n’ont jamais été confrontées auparavant. Une application d’IA performante peut s’avérer plus coûteuse à mesure que son adoption se généralise. De nouvelles fonctionnalités d’IA peuvent également accroître les besoins en ressources informatiques sans signe avant-coureur évident. Si ces coûts ne sont pas suivis de près, une initiative qui semblait financièrement intéressante lors de son développement peut devenir difficile à déployer à grande échelle de manière rentable.

L’étude de Gartner met en évidence un décalage important. Environ 60 % des responsables informatiques craignent que les agents d’IA n’engendrent des coûts imprévus. En revanche, seuls 20 % des responsables des données et de l’IA estiment que des tarifs imprévisibles réduiront la valeur commerciale de l’IA. Cet écart suggère que les équipes techniques et les dirigeants d’entreprise évaluent souvent le risque financier sous des angles différents. Jorg Heizenberg a qualifié cet écart de signal d’alarme, car la gestion des coûts devrait être une responsabilité partagée par l’ensemble des équipes de direction.

Gartner a également constaté que moins de la moitié des entreprises gèrent et optimisent activement leurs dépenses liées à l’IA. Cela engendre des risques financiers inutiles, en particulier lorsque les projets d’IA passent rapidement de la phase d’expérimentation à celle de mise en production.

La solution consiste à intégrer la gouvernance financière dès le début du processus de développement. Gartner recommande de suivre les coûts dès la phase de prototypage plutôt que d’attendre le déploiement. Les équipes doivent évaluer plusieurs modèles, y compris à la fois les grands modèles linguistiques (LLM) et les modèles linguistiques plus petits (SLM), afin de déterminer si des alternatives moins coûteuses peuvent offrir des résultats commerciaux similaires. De nombreuses tâches ne nécessitent pas le modèle le plus volumineux ou le plus coûteux disponible.

Les dirigeants devraient également encourager les équipes produit et d’ingénierie à concevoir des systèmes d’IA en intégrant le coût dès la phase de conception, plutôt que de l’envisager a posteriori. Chaque interaction supplémentaire avec l’IA mobilise des ressources informatiques. Chaque nouvelle fonctionnalité a un impact financier. Comprendre ces compromis dès le début aide les organisations à développer des services d’IA qui restent viables sur le plan commercial à mesure que leur utilisation augmente.

Dans le même temps, les dirigeants doivent éviter de réduire tout débat sur l’IA à la seule question des coûts. La réduction des coûts est certes importante, mais l’objectif est de créer davantage de valeur commerciale que ce que l’organisation dépense pour y parvenir. Cela implique parfois de choisir un modèle plus performant, car il génère des résultats commerciaux nettement supérieurs. Dans d’autres cas, une solution plus simple et moins coûteuse permettra d’obtenir pratiquement le même résultat. Une bonne gouvernance permet aux organisations de prendre ces décisions en s’appuyant sur des données factuelles plutôt que sur des hypothèses.

La valeur de l’IA devrait être évaluée à l’aune de résultats commerciaux plus larges

De nombreuses organisations continuent d’évaluer l’IA principalement en fonction du retour sur investissement. Le retour sur investissement est certes important, mais il ne s’agit que d’un indicateur de réussite parmi d’autres. L’IA transforme la manière dont les décisions sont prises, dont les services sont fournis et dont les personnes travaillent. Ces améliorations génèrent souvent une valeur difficile à quantifier par un simple calcul financier.

Jorg Heizenberg, analyste et vice-président chez Gartner, a fait valoir que les échanges avec les parties prenantes devaient être axés sur la valeur plutôt que sur les coûts. La valeur pour l’entreprise englobe l’efficacité opérationnelle, la qualité du service, la satisfaction client, la productivité des collaborateurs et la réduction des risques. Ces résultats influencent les performances à long terme, même s’ils n’apparaissent pas immédiatement dans les états financiers.

Gartner a illustré ce principe à l’aide de l’exemple du Conseil du Yorkshire du Nord et de son citoyen virtuel, « Dotty ». Le Conseil a retracé le parcours de Dotty au sein des services publics afin d’aider ses agents à comprendre l’impact de la qualité des données sur les résultats concrets. Une simple erreur de saisie, telle que l’inversion de deux chiffres dans une adresse, pourrait envoyer un artisan au mauvais endroit pour installer une main courante destinée à un résident âgé. Cela entraîne immédiatement une perte de temps et des coûts opérationnels supplémentaires. La conséquence plus générale pourrait être que le résident se retrouve sans main courante et subisse une blessure grave. Se limiter à l’examen du coût financier de cette intervention erronée reviendrait à négliger l’impact bien plus important sur la prestation des services, la sécurité publique et la responsabilité organisationnelle.

Cet exemple met en évidence un principe important pour les dirigeants. L’IA génère le plus de valeur lorsqu’elle améliore la qualité des décisions stratégiques. Des données de meilleure qualité, des processus plus efficaces et une meilleure exécution produisent souvent des avantages cumulés dans plusieurs secteurs de l’organisation. Ces gains prennent de plus en plus d’importance à mesure que l’IA est déployée à plus grande échelle.

Cette définition plus large de la valeur modifie également la manière dont les programmes d’IA doivent être pilotés. Les indicateurs de réussite doivent aller au-delà des étapes de mise en œuvre ou des taux d’adoption des technologies. Les équipes de direction doivent définir des résultats commerciaux mesurables avant le lancement des projets. Selon l’organisation, ceux-ci peuvent inclure des délais de réponse plus courts aux clients, une meilleure précision opérationnelle, une réduction des risques liés à la conformité, une productivité accrue des collaborateurs ou une meilleure qualité des décisions.

Les initiatives en matière d’IA qui ne sont évaluées qu’à l’aune de leurs performances techniques ont souvent du mal à conserver le soutien de la direction. En revanche, celles qui démontrent régulièrement leur impact sur les résultats de l’entreprise ont davantage de chances de bénéficier d’un investissement continu et d’un engagement de la part de l’organisation.

Pour les dirigeants, cela implique de poser des questions différentes lors des bilans de projet. Au lieu de se concentrer uniquement sur l’état d’avancement du déploiement ou les coûts d’infrastructure, les discussions devraient porter sur les améliorations constatées, les avantages dont bénéficient les clients ou les collaborateurs, la réduction éventuelle des risques, ainsi que sur la capacité de l’entreprise à prendre de meilleures décisions grâce à l’IA. Ce sont là les indicateurs qui démontrent une valeur durable.

Des investissements importants dans les données, la gouvernance et les compétences constituent les fondements d’une IA performante

Les organisations qui obtiennent les meilleurs résultats en matière d’IA ne sont pas nécessairement celles qui consacrent le plus de moyens aux applications d’IA. Elles investissent dans les capacités qui rendent l’IA fiable, évolutive et utile à long terme.

Selon l’enquête menée par Gartner en 2025 sur la mise en œuvre moderne des données, les organisations les plus satisfaites des résultats obtenus grâce à leurs cas d’utilisation de l’IA ont investi 30 % de plus dans des activités fondamentales que celles qui se sont déclarées insatisfaites. Ces investissements concernaient notamment la gestion des données, la gouvernance et le développement des compétences.

Ce constat met en lumière un enjeu que de nombreuses organisations sous-estiment. L’efficacité des systèmes d’IA dépend entièrement de la qualité des informations dont ils disposent et des processus qui les sous-tendent. Des données de haute qualité, une gouvernance claire et un personnel qualifié ne constituent pas de simples fonctions de soutien. Il s’agit là d’éléments essentiels à la réussite de tout programme d’IA.

La gestion des données garantit que les modèles d’IA reçoivent des informations précises, cohérentes et accessibles. Une mauvaise qualité des données augmente le risque d’obtenir des résultats peu fiables, de prendre des décisions incohérentes et de voir la confiance des collaborateurs et des clients s’éroder. À mesure que les organisations déploient l’IA dans de multiples fonctions métier, ces problèmes deviennent plus difficiles et plus coûteux à corriger.

La gouvernance fournit la structure qui permet à l’IA de se développer de manière responsable. Des politiques claires définissent la manière dont les données sont collectées, consultées, protégées et utilisées. Elles établissent également la responsabilité des décisions prises par l’IA et garantissent que les systèmes fonctionnent dans le respect des exigences légales, réglementaires et organisationnelles. En l’absence de gouvernance, les organisations se retrouvent souvent contraintes de ralentir le déploiement de l’IA par la suite, car les risques n’ont pas été pris en compte suffisamment tôt.

Le talent revêt une importance tout aussi grande. L’IA ne rend pas superflue la présence de personnes expérimentées. Au contraire, elle renforce la valeur des collaborateurs qui maîtrisent les opérations commerciales, les données, la gestion des risques et les besoins des clients. Ces personnes apportent une vision d’ensemble, un esprit critique et une expertise sectorielle que l’IA ne peut remplacer. À mesure que les capacités de l’IA continuent d’évoluer, les organisations qui investissent dans le développement de ces compétences seront mieux placées pour s’adapter et rester compétitives.

Pour les dirigeants, la leçon à retenir est claire. L’IA ne doit pas être considérée comme un ensemble de projets technologiques isolés. Elle doit s’appuyer sur des investissements à long terme dans les compétences clés de l’entreprise. Ces investissements sont peut-être moins visibles que le lancement d’un nouveau produit d’IA ou le déploiement d’un nouveau modèle, mais ils génèrent systématiquement de meilleurs résultats commerciaux.

Des bases solides favorisent également la flexibilité. Les organisations disposant d’un système de gestion des données et d’une gouvernance bien rodés, ainsi que d’équipes qualifiées, sont en mesure d’évaluer plus rapidement les nouvelles technologies d’IA, de les intégrer plus efficacement et de gérer les risques associés avec davantage d’assurance. À mesure que le paysage de l’IA continue d’évoluer, cette capacité devient un avantage stratégique majeur.

La gouvernance devrait devenir un levier de développement qui renforce la confiance, la sécurité et les performances de l’IA

De nombreuses organisations considèrent encore la gouvernance comme un simple exercice de mise en conformité. Cette approche est en passe de devenir obsolète. À mesure que l’IA s’intègre dans les opérations quotidiennes, la gouvernance influe directement sur la valeur qu’une organisation peut tirer de ses données et de ses investissements dans l’IA.

Georgia O’Callaghan, directrice-analyste chez Gartner, a fait valoir que la gouvernance devait être recadrée pour devenir un accélérateur de valeur pour l’entreprise, plutôt qu’une fonction axée uniquement sur la conformité. L’objectif n’est pas simplement de satisfaire les autorités de régulation. Il s’agit de créer un environnement dans lequel les systèmes d’IA puissent fonctionner avec des données fiables, des règles claires et une supervision appropriée.

Cela revêt une importance croissante à mesure que les organisations déploient l’IA générative et des agents IA autonomes. Ces systèmes nécessitent l’accès à de grands volumes d’informations d’entreprise pour fournir des résultats utiles. En l’absence d’une gouvernance adéquate, des informations sensibles risquent d’être exposées à des personnes, des applications ou des modèles linguistiques de grande envergure non autorisées. Parallèlement, les systèmes d’IA peuvent générer des réponses inexactes s’ils reçoivent des données incomplètes, incohérentes ou mal gérées.

M. O’Callaghan a expliqué que les organisations ont besoin d’une gouvernance pour empêcher toute divulgation inappropriée des données, tout en réduisant les inexactitudes, les malentendus et les « hallucinations » de l’IA grâce à une couche contextuelle bien conçue. Lorsque la gouvernance et le contexte fonctionnent de concert, les données gagnent en fiabilité, les résultats de l’IA deviennent plus précis et les organisations peuvent déployer l’IA avec davantage d’assurance.

Ce défi devient de plus en plus pressant, car de nombreuses organisations adoptent l’IA avant d’avoir pleinement préparé leurs environnements de données. Gartner a constaté que 59 % des responsables informatiques estimaient être poussés à adopter l’IA générative avant d’être prêts, tandis que 61 % ont fait état de pressions exercées par la haute direction, les directeurs ou les parties prenantes pour aller de l’avant avec des initiatives d’IA. Ces résultats suggèrent que les pressions externes et internes peuvent encourager un déploiement rapide avant que les capacités de gouvernance n’aient atteint leur maturité.

Pour les dirigeants, la gouvernance doit donc être considérée comme une capacité stratégique plutôt que comme une exigence opérationnelle. Une gouvernance solide réduit les risques, renforce la confiance dans les résultats générés par l’IA et permet aux organisations d’étendre l’utilisation de l’IA à des fonctions métier plus critiques sans compromettre la sécurité ni la confiance.

Les dirigeants doivent également prendre conscience que la gouvernance n’est pas un projet ponctuel. À mesure que les technologies d’IA, les réglementations et les priorités commerciales évoluent, les cadres de gouvernance doivent évoluer en parallèle. Les organisations qui renforcent en permanence leur gouvernance seront mieux à même de saisir de nouvelles opportunités tout en conservant le contrôle de leurs données et de leurs systèmes d’IA.

Une gouvernance moderne de l’IA nécessite un pilotage unifié, des politiques simplifiées et une mise en œuvre automatisée

À mesure que l’IA s’intègre de plus en plus profondément dans l’ensemble de l’entreprise, une gouvernance fragmentée engendre une complexité inutile. Les différents services appliquent souvent des politiques distinctes en matière de données, de cybersécurité, de protection de la vie privée, de conformité et de gestion des risques. Bien que chaque fonction joue un rôle important, une gouvernance disparate ralentit la prise de décision et entraîne des normes incohérentes pour le déploiement de l’IA.

Gartner recommande de regrouper ces fonctions de gouvernance au sein d’une équipe unique chargée de la gouvernance de l’IA. Plutôt que d’agir de manière indépendante, les responsables des risques, des données, de la cybersécurité, des affaires juridiques et de la conformité devraient collaborer dans le cadre d’une structure de gouvernance commune qui aligne les décisions relatives à l’IA sur les objectifs généraux et la tolérance au risque de l’organisation.

Cette approche renforce également la responsabilité. Lorsque les responsabilités en matière de gouvernance sont réparties entre plusieurs équipes qui ne communiquent pas entre elles, les décisions importantes peuvent être retardées ou négligées. Une structure de gouvernance unifiée permet de clarifier les responsabilités, d’accélérer la coordination et d’assurer une prise de décision plus cohérente dans l’ensemble des programmes d’IA.

Gartner prévoit que les organisations qui relient ainsi leurs instances de gouvernance obtiendront un impact commercial supérieur de 10 % à celui des organisations qui continuent à gérer la gouvernance par le biais de fonctions distinctes. Cela illustre l’intérêt d’un processus décisionnel coordonné plutôt que d’un contrôle isolé.

La deuxième recommandation consiste à simplifier la gouvernance elle-même. De nombreuses organisations accumulent des politiques au fil du temps, à mesure que la réglementation évolue et que de nouvelles technologies sont mises en place. Il en résulte des directives qui se chevauchent, ce qui peut semer la confusion chez les collaborateurs et ralentir la mise en œuvre. Gartner recommande de passer en revue les politiques existantes, de supprimer les doublons et de créer un cadre de gouvernance clair qui reflète à la fois la tolérance au risque de l’organisation et son approche en matière d’IA responsable.

La cohérence revêt une importance particulière à mesure que l’IA se développe dans l’ensemble des unités opérationnelles. Les collaborateurs ne doivent pas être confrontés à des règles contradictoires selon le service dont relève une application d’IA donnée. Un cadre de gouvernance unique et bien défini permet à l’innovation de progresser plus efficacement tout en garantissant des mesures de protection appropriées.

La dernière recommandation consiste à intégrer directement la gouvernance dans la technologie grâce à l’approche « policy-as-code ». Cette approche transforme les règles de gouvernance en contrôles automatisés qui sont appliqués dans l’ensemble de l’environnement technologique, au lieu de s’appuyer uniquement sur une surveillance manuelle. Cette application automatisée améliore la cohérence, réduit la charge administrative et aide les organisations à réagir plus rapidement à l’évolution de la réglementation.

Gartner prévoit que d’ici 2028, les organisations utilisant des outils de gouvernance spécialisés réduiront leurs coûts de mise en conformité réglementaire de près de 20 %. Si l’automatisation ne peut se substituer à la supervision de la direction ni à un jugement avisé, elle permet toutefois aux organisations d’appliquer la gouvernance de manière plus cohérente dans des environnements d’IA de plus en plus complexes.

Pour les dirigeants de haut niveau, l’objectif est de rendre la gouvernance évolutive. À mesure que l’adoption de l’IA s’accélère, les processus manuels deviennent de plus en plus difficiles à maintenir. Les organisations qui allient un leadership unifié, des politiques claires et une mise en œuvre automatisée seront mieux armées pour développer l’IA de manière responsable tout en conservant leur agilité opérationnelle et la confiance des autorités réglementaires.

L’IA a besoin d’un contexte métier pour prendre des décisions fiables

Disposer de données de haute qualité est essentiel, mais cela ne suffit plus. Les systèmes d’IA doivent également comprendre la signification de ces données dans le contexte de l’entreprise. Sans ce contexte, même des données précises peuvent conduire à des conclusions erronées.

Jorg Heizenberg, analyste et vice-président chez Gartner, a donné un exemple simple. Si un collaborateur demande à un assistant IA combien l’entreprise compte de clients actifs, la réponse dépend entièrement de la manière dont l’organisation définit le terme « actif ». S’agit-il des clients ayant récemment effectué un achat, des clients disposant d’un abonnement actif ou des personnes ayant récemment consulté le site web de l’entreprise ? Chaque définition est valable dans un contexte commercial différent, mais chacune donne un résultat différent.

Les grands modèles linguistiques sont conçus pour générer des réponses à partir des informations dont ils disposent. Si les définitions métier sous-jacentes manquent de clarté ou présentent des incohérences, l’IA peut fournir avec certitude une réponse qui s’avère techniquement incorrecte pour le cas d’utilisation visé. À mesure que l’IA s’intègre de plus en plus profondément dans les opérations métier, ces malentendus peuvent se propager rapidement au sein des équipes et influencer des décisions importantes.

Pour relever ce défi, Heizenberg recommande de mettre en place ce que Gartner appelle une « couche de réalisation contextuelle intégrée ». Celle-ci relie les définitions métier, les politiques, les métadonnées et les relations, de sorte que tant les personnes que les systèmes d’IA partagent une compréhension cohérente des informations organisationnelles.

De nombreuses entreprises ont déjà mis en place des couches sémantiques afin d’uniformiser l’accès aux données métier. Selon Gartner, cela ne suffit plus à lui seul. Les entreprises associent désormais ces couches sémantiques à des ontologies, des graphes de connaissances et d’autres technologies qui enrichissent la signification métier des données. Ensemble, ces capacités améliorent la qualité, la cohérence et la précision des résultats générés par l’IA.

Pour les dirigeants, cela a des implications directes sur la prise de décision. L’IA est capable de traiter d’énormes quantités d’informations, mais elle ne peut déterminer l’interprétation commerciale pertinente que si ces connaissances ont été définies et gérées. Investir dans la gestion contextuelle des données réduit l’ambiguïté, renforce la confiance dans les analyses générées par l’IA et permet aux collaborateurs de prendre des décisions plus rapidement et avec davantage d’assurance.

Cela revêt une importance particulière à mesure que les agents d’IA commencent à effectuer des tâches métier plus complexes. Ces systèmes fonctionnent de plus en plus avec une intervention humaine limitée, ce qui rend indispensable qu’ils comprennent la terminologie, les politiques et les règles métier de l’organisation avant d’agir. Le contexte devient un atout stratégique qui permet à l’IA de fonctionner avec précision à grande échelle.

L’adoption de l’IA est couronnée de succès lorsque les organisations investissent autant dans les personnes que dans la technologie

La technologie évolue bien plus rapidement que les organisations ne peuvent s’adapter. Cet écart constitue l’un des principaux obstacles à la réussite de la mise en œuvre de l’IA. L’acquisition de nouveaux outils d’IA est relativement simple. En revanche, aider des milliers de collaborateurs à comprendre comment les utiliser efficacement nécessite un engagement et des investissements soutenus de la part de la direction.

Georgia O’Callaghan, directrice-analyste chez Gartner, a averti que les organisations qui investissent dans l’IA sans investir dans leur personnel gaspillent leur argent. Elle a souligné que les efforts liés à la gestion du changement et à la formation aux outils d’IA prennent près de deux fois plus de temps que la mise en œuvre de la solution d’IA elle-même. Cela a des implications importantes en matière de planification, de budgétisation et d’attentes de la direction.

De nombreux programmes d’IA se concentrent principalement sur les étapes clés du déploiement, tout en sous-estimant l’effort organisationnel requis après la mise en œuvre. Les collaborateurs doivent comprendre en quoi l’IA modifie leur travail quotidien, dans quelles circonstances ils doivent s’en remettre aux recommandations de l’IA, dans quelles situations le jugement humain reste indispensable, et comment utiliser l’IA de manière responsable. Sans cette compréhension, l’adoption de l’IA s’en trouve ralentie et les avantages commerciaux escomptés ne se concrétisent souvent pas.

Gartner recommande une approche axée sur « l’état d’esprit, les compétences et les outils ». L’ordre dans lequel ces éléments sont présentés est délibéré. Les dirigeants doivent d’abord s’attaquer aux attitudes des collaborateurs vis-à-vis de l’IA, notamment leurs préoccupations concernant la confiance, la sécurité de l’emploi et le changement organisationnel. Une fois que les collaborateurs comprennent pourquoi l’IA est mise en place, les organisations doivent développer les compétences nécessaires pour travailler efficacement avec cette technologie. Ce n’est qu’une fois ces bases établies que l’attention doit se porter sur la sélection et le déploiement des outils.

Pour les dirigeants, cela met en évidence une responsabilité importante en matière de leadership. La transformation par l’IA ne relève pas uniquement de la fonction technologique. Elle nécessite la participation active des responsables métier, des ressources humaines, des opérations, du service juridique et de tous les services concernés par l’IA. La réussite de cette adoption dépend d’une communication cohérente, du soutien de la direction et de la définition d’attentes claires à l’échelle de l’organisation.

L’apprentissage continu prendra également de plus en plus d’importance. Les capacités de l’IA progressent rapidement, et les collaborateurs auront besoin d’occasions régulières de mettre à jour leurs connaissances et d’acquérir de nouvelles compétences. Les organisations qui intègrent l’apprentissage dans leur modèle opérationnel s’adapteront plus rapidement à mesure que les technologies d’IA continueront d’évoluer.

En fin de compte, l’IA devrait renforcer les capacités humaines plutôt que de les réduire. Les organisations qui tireront le plus grand parti de l’IA seront celles qui sauront associer une technologie de pointe à un personnel capable de l’utiliser de manière responsable, de prendre des décisions éclairées et d’améliorer en permanence les performances de l’entreprise.

L’intelligence artificielle transforme les structures de main-d’œuvre, mais l’expertise humaine reste essentielle à la réussite des entreprises

Le débat sur l’IA et l’emploi se résume souvent à une seule question : combien de postes vont disparaître ? Cette approche est trop restrictive. Une question plus importante consiste à savoir comment le travail lui-même va évoluer et de quelles compétences les organisations auront besoin pour rester compétitives.

Les études de Gartner indiquent que les évolutions en matière d’effectifs ne seront pas uniformes d’un secteur d’activité à l’autre. Selon les conclusions du cabinet, 34 % des directeurs des systèmes d’information (DSI) prévoient de réduire leurs effectifs au cours des trois prochaines années. Dans le même temps, la situation est très différente dans le domaine des données et de l’analyse. Seuls 4 % des responsables des données ont réduit les effectifs de leur équipe au cours de l’année écoulée, tandis que 44 % les ont renforcés.

Ces chiffres montrent que l’IA ne se contente pas de supprimer des emplois. Elle réoriente la demande vers des postes permettant de gérer les données, de réguler les systèmes d’IA, d’évaluer les résultats et de transformer les capacités de l’IA en valeur ajoutée pour l’entreprise. À mesure que les organisations s’appuient davantage sur l’IA, ces compétences prennent de plus en plus d’importance.

Georgia O’Callaghan, directrice-analyste chez Gartner, a souligné que le cabinet ne constate actuellement aucune réduction significative des effectifs des équipes chargées des données et de l’analyse, même si des réductions d’effectifs ont lieu dans d’autres secteurs des organisations. Elle a également observé que certaines entreprises pourraient utiliser l’IA comme prétexte pour justifier des licenciements qui auraient probablement eu lieu indépendamment de l’adoption de l’IA. Cette distinction est importante, car elle permet de séparer la restructuration globale de l’entreprise de l’impact direct de l’IA.

Pour les dirigeants, la planification des effectifs devrait moins se concentrer sur la réduction des effectifs et davantage sur le développement des compétences. L’IA peut automatiser les tâches répétitives, accélérer l’analyse et améliorer la productivité, mais les organisations ont toujours besoin de personnes expérimentées pour définir les objectifs métier, superviser la gouvernance, gérer les risques, interpréter des situations complexes et prendre des décisions stratégiques. Ces responsabilités ne peuvent pas être simplement déléguées à l’IA.

Les organisations les plus performantes repenseront l’organisation du travail au lieu de considérer l’IA uniquement comme un moyen de réduire les coûts. Les collaborateurs consacreront de moins en moins de temps aux tâches routinières et de plus en plus de temps à la résolution de problèmes, à l’interaction avec les clients, à l’innovation et à la prise de décisions à forte valeur ajoutée. Cette évolution permettra aux organisations d’accroître leur productivité tout en tirant mieux parti de l’expertise humaine.

M. O’Callaghan prévoit que les équipes de mise en œuvre évolueront vers des équipes « fusionnelles » basées sur l’IA, au sein desquelles l’expertise humaine et les agents IA travailleront de concert pour obtenir de meilleurs résultats. Dans ce modèle, l’IA se charge des tâches pouvant être automatisées efficacement, tandis que les humains apportent leur jugement, leur créativité, leur sens des responsabilités et leur connaissance du contexte métier. Chacun apporte ses atouts spécifiques, ce qui se traduit par une meilleure performance opérationnelle.

Cette évolution modifie également les priorités des dirigeants. Les dirigeants doivent identifier les compétences qui gagneront en importance au cours des cinq prochaines années et commencer dès aujourd’hui à investir dans celles-ci. Des domaines tels que la gouvernance de l’IA, la gestion des données, la cybersécurité, la réflexion critique et la collaboration interfonctionnelle deviennent des capacités stratégiques plutôt que des compétences spécialisées.

Les organisations qui se forgeront un avantage concurrentiel durable ne seront pas nécessairement celles qui investissent le plus dans l’IA. Ce seront celles qui mettront en place des équipes capables d’utiliser efficacement l’IA, de s’adapter à l’évolution technologique constante et d’associer l’expertise humaine à l’IA afin d’améliorer leurs résultats à long terme.

En conclusion

L’IA entre dans une nouvelle phase. La question n’est plus de savoir si les organisations doivent l’adopter. La véritable question est de savoir si elles sont en mesure de se doter des capacités nécessaires pour la déployer à grande échelle de manière responsable et cohérente.

Les organisations qui tireront le meilleur parti de l’IA ne seront pas nécessairement celles qui disposent des budgets les plus importants ou qui mettent en œuvre cette technologie le plus rapidement. Ce seront celles qui investiront de manière réfléchie dans la gouvernance, la qualité des données, la prise en compte du contexte métier, la rigueur financière et les ressources humaines. Ces capacités permettent à l’IA de passer du stade d’expériences isolées à celui d’un atout à l’échelle de l’entreprise.

Pour les dirigeants, cela implique un changement d’orientation. La stratégie en matière d’IA doit être abordée parallèlement à la stratégie d’entreprise, et non séparément. La gouvernance doit être considérée comme un catalyseur d’innovation plutôt que comme un frein au progrès. Le développement des ressources humaines doit être considéré comme un investissement essentiel, et non comme un coût de mise en œuvre. Chaque initiative en matière d’IA doit avoir un objectif commercial clair, des résultats mesurables et des responsabilités bien définies.

Le rythme des innovations en matière d’IA ne cessera de s’accélérer. Les nouveaux modèles, les nouveaux outils et les nouvelles fonctionnalités apparaîtront plus rapidement que la plupart des organisations ne pourront les adopter. Tenter de suivre chaque avancée n’est guère susceptible de produire des résultats durables. En revanche, la mise en place de bases solides le permettra.

La prochaine génération de leaders du marché se distinguera par sa capacité à allier technologie et rigueur d’exécution. Ces entreprises agiront rapidement là où cela crée de la valeur, mettront en place une gouvernance là où cela réduit les risques et donneront à leurs collaborateurs les moyens de travailler en toute confiance aux côtés de l’IA. C’est cet équilibre qui fera la différence entre les organisations qui se contentent d’utiliser l’IA et celles qui parviennent à en tirer un avantage concurrentiel durable.