Intégrer l'IA dans une entreprise qui n'a pas encore commencé
Par où commencer, comment choisir les premiers cas d'usage, et ce qui distingue les projets qui aboutissent de ceux qui s'arrêtent après la démonstration.
Écrit par les consultants de Lick & Shannon Partners. Nous intervenons en amont des outils : cartographier les processus, chiffrer ce qu'il y a à gagner, et décider de ce qui mérite un projet. Le choix de la technologie vient après, et il est rarement le sujet difficile.
Le problème n'est presque jamais la technologie
Les outils disponibles aujourd'hui traitent correctement une grande partie des tâches de bureau. Pourtant, la plupart des projets d'IA en entreprise s'arrêtent après la démonstration. Ce n'est presque jamais parce que la technologie n'a pas tenu.
Les trois causes que nous rencontrons, dans cet ordre :
- Le processus n'était pas décrit. On automatise une tâche que personne ne sait expliquer, et l'outil reproduit une pratique qui variait d'une personne à l'autre.
- Le gain n'avait pas été chiffré. Sans mesure du coût actuel, il n'existe aucun moyen de dire si le projet a réussi — donc il ne se défend pas au budget suivant.
- Personne n'était responsable de l'adoption. L'outil est déployé, la formation est faite, et six mois plus tard trois personnes l'utilisent.
Ces trois causes sont des sujets d'organisation, pas de technologie. C'est la raison pour laquelle un cabinet de conseil en stratégie a quelque chose à faire ici, et pas seulement un intégrateur.
Partir du processus, pas de l'outil
La question « quel outil d'IA choisir » arrive trop tôt. La bonne première question est : quel processus vous coûte le plus cher aujourd'hui, et pourquoi ?
Un processus se décrit par ce qu'il consomme : combien de personnes, combien de temps, combien de fois par mois, avec quel taux d'erreur et quel coût de reprise. Tant que ces chiffres n'existent pas, tout arbitrage est une opinion.
Ce travail a un effet secondaire régulier, et il est instructif : dans une part notable des cas, la mesure montre que le processus n'a pas besoin d'intelligence artificielle. Une automatisation classique, ou simplement la suppression d'une étape devenue inutile, suffit — pour un coût sans commune mesure.
Les quatre étapes d'une intégration qui aboutit
- 1.Cartographier et mesurerDeux semaines. On liste les processus, on mesure le temps réellement passé, et on repère les écarts entre le processus décrit et le processus vécu. Le livrable est une liste de candidats chiffrés.
- 2.Choisir un premier chantier qui prouve quelque choseNi le plus gros, ni le plus facile : celui dont le résultat sera visible par ceux qui devront adopter la suite. Un premier chantier réussi finance politiquement les suivants.
- 3.Déployer avec un responsable nomméUne personne, pas un comité, responsable de l'adoption et pas seulement de la mise en service. Avec du temps dégagé pour ça.
- 4.Mesurer à six mois, et décider de la suiteOn reprend les chiffres du départ. Si le gain n'est pas là, on le dit et on arrête — c'est ce qui rend crédible la poursuite quand il est là.
Ce qui fait échouer les projets IA
Au-delà des trois causes de départ, quatre schémas d'échec reviennent régulièrement :
- Le projet vitrine. Un cas d'usage choisi parce qu'il se présente bien, sur un processus marginal. Il fonctionne, il ne change rien, et il consomme le budget de la première année.
- L'outil sans règle d'usage. Les équipes utilisent déjà l'IA de leur côté. Sans cadre, les données sensibles partent, et le jour où on veut structurer, l'entreprise a déjà pris des habitudes.
- Le temps gagné qui disparaît. Un gain de productivité qui n'est pas réaffecté n'est pas un gain : il se dissout dans le quotidien et devient indémontrable.
- Le pilotage par la technologie. Quand c'est l'éditeur qui décide de la feuille de route, elle suit son catalogue, pas vos priorités.
Cette page décrit une méthode. Elle ne dit pas quels sont vos processus les plus coûteux, ni si votre premier chantier doit être un cas d'IA ou une simple automatisation — c'est précisément ce qu'un diagnostic tranche, chiffres en main.
Demander un diagnostic IA
Deux semaines pour cartographier vos processus et sortir une liste de cas d'usage priorisés.
Pour aller plus loin