Les pionniers ont identifié les écueils de l'IA. Grâce à leurs efforts, des stratégies reproductibles voient le jour, prêtes à être mises en œuvre rapidement.
Cela fait près de quatre ans que l'annonce de ChatGPT a donné le coup d'envoi de la course au succès dans le domaine de l'IA. Mais comme nous l'avons appris lors du sommet « Application Innovation & Business Solutions » organisé par Gartner à Londres la semaine dernière, seules 5 % des technologies d'IA ont atteint le stade de la production.
Lorsque l'équipe de SnapLogic s'est rendue au Gartner App Summit aux États-Unis, à Las Vegas, en juin, elle a pu constater que les entreprises passaient de la phase d'expérimentation de l'IA à celle de la mise en production, le contexte, l'exécution et la gouvernance s'imposant comme des exigences essentielles.
Nous sommes désormais en septembre, et d’après ce que nous avons entendu à Londres, ces exigences n’ont pas changé, mais le marché se montre de plus en plus précis quant à la manière de les mettre en œuvre. Les entreprises ont mené leurs projets pilotes ; elles recherchent désormais des méthodes reproductibles pour créer de la valeur à tous les niveaux de la pile technologique.
La puissance du modèle n'est qu'un facteur parmi d'autres pour la réussite de l'IA
Les analystes de Gartner ont souligné qu’une grande partie des discussions autour de l’IA en est encore au stade exploratoire et se concentre de manière trop restrictive sur les capacités des modèles d’IA. Il est logique que les professionnels s’intéressent à ces modèles, car ils constituent un nouvel élément à prendre en compte, mais ils sont loin d’être le seul facteur déterminant pour la réussite (ou l’échec) de l’adoption de l’IA.
On peut se demander si l’ le workflow ’est réellement adaptée à l’IA, mais aussi si les utilisateurs lui feront confiance, ou si les équipes chargées de la gouvernance donneront leur feu vert. Ce sont précisément toutes ces questions auxquelles David Holton, directeur informatique de la Cambridge & Counties Bank, a dû répondre avant de pouvoir commencer à coordonner des agents pour accélérer l’intégration des clients dans le cadre du financement d’actifs.
On pourrait penser, à première vue, qu’il est paradoxal que le premier client de référence en Europe pour la plateforme « AgentCreator » de SnapLogic provienne d’un secteur aussi strictement réglementé que celui de la banque, mais en réalité, cela va de pair avec ce que Jason Wong et Brent Stewart nous ont expliqué lors de leur discours d’ouverture. Loin d’être un frein, ont-ils affirmé, la gouvernance est en réalité un catalyseur de l’adoption.
C'est une bonne gouvernance qui permet à l'adoption de l'IA de prendre de l'ampleur, en déployant cette technologie à l'échelle de l'organisation, bien au-delà des environnements de test restreints dans lesquels se déroulaient les premières démonstrations.
La gouvernance est source de confiance
Le lien essentiel entre la gouvernance et l'adoption réside dans la confiance. La gouvernance définit les conditions préalables ; une bonne gouvernance rend leur réalisation visible, afin que chacun puisse avoir confiance dans le résultat. Cela implique notamment de ne pas chercher à remplacer les travailleurs humains par des agents d'IA, mais de se concentrer sur la manière d'optimiser le processus afin de favoriser la collaboration entre les deux.
La question qui se pose alors est la suivante : « Dans quelle mesure une équipe composée d’humains et d’IA peut-elle accomplir davantage ensemble que chacun de ses membres ne le pourrait seul ? »
Il s'agit du « modèle du centaure » de l'IA — un humain chevauchant et guidant une machine puissante — transposé à l'échelle d'équipes ou d'organisations entières.
C'est en quelque sorte ce qui a toujours constitué l'argumentaire positif en faveur de l'automatisation : non pas une « réduction des effectifs » présentée sous un euphémisme, mais la capacité à créer davantage de valeur en automatisant tout ce qui détourne les collaborateurs de ce qu'ils font le mieux.
Nous avons vu la même séquence décrite par Gartner se reproduire à maintes reprises lors de nos échanges avec nos propres clients. En effet, les recommandations de Gartner correspondent étroitement aux lignes directrices que nous avons tirées de cette expérience concrète de mise en œuvre de l’IA en production chez nos clients. Ma collègue Sinem les a détaillées plus en profondeur, mais en voici un aperçu général :
- L'intégration manuelle de type « point à point » n'est pas évolutive
- La préparation des données avant tout : la base sans laquelle les initiatives en matière d'IA finissent par s'enliser
- Inversez l'ordre : commencez par l'adoption, puis passez au déploiement
- Considérer le MCP et l'orchestration des agents comme un enjeu de gouvernance
Ces recommandations vont dans le sens de ce qu’ont souligné les analystes de Gartner au cours de ces deux jours, notamment en ce qui concerne le cycle d’évaluation rapide des organisations performantes. Nous avons appris que les exemples d’adoption les plus réussis, comportant de nombreux cas d’utilisation différents en production, se caractérisent par une grande souplesse permettant aux personnes extérieures au service informatique central de proposer des cas d’utilisation, dans la lignée du paradigme du « citoyen intégrateur ».
Bien sûr, cette flexibilité n'est possible que grâce à une gouvernance et à des lignes directrices solides. Mais une fois ces exigences initiales satisfaites, les cas d'utilisation font l'objet d'une analyse et d'une évaluation continues.
C'est la meilleure pratique recommandée par Gartner pour clore les initiatives qui n'ont pas de perspective de mise en production.
Je vais répéter ce dernier point, car un murmure de surprise s'est fait entendre dans la salle à ce moment-là : si un projet d'IA ne laisse pas entrevoir clairement la possibilité d'une mise en production dans les 90 jours, il est temps de l'abandonner et de passer à autre chose.
C'est le seul moyen de sortir de la situation actuelle, où 90 % des technologies d'IA en sont encore au stade pilote.
Une période de quatre-vingt-dix jours peut sembler incroyablement courte au regard des normes historiques applicables aux projets informatiques d'entreprise, et l'abandon pur et simple de cette initiative peut paraître précipité. Pourtant, ce cycle rapide est précisément l'élément clé que les retardataires n'ont pas encore pleinement intégré.
L'intérêt de l'IA ne réside qu'en partie dans la rapidité de mise en œuvre ; il tient en grande partie à la capacité à explorer rapidement de nouvelles possibilités ou à identifier ce qui peut désormais être amélioré. Le meilleur moment pour lancer des projets d'IA, c'était il y a un an ; le deuxième meilleur moment, c'est maintenant. Définissez clairement le périmètre, lancez le projet, observez les résultats, tirez-en les leçons, puis passez à autre chose.
Mieux encore, lancez plusieurs de ces cycles en parallèle. Les expériences ne se soldent jamais par un échec ; au pire, elles nous apprennent ce qui ne fonctionne pas. Veillez simplement à tirer les leçons qui s’imposent dès le début et à ne pas vous enliser dans une voie qui ne mène nulle part.
Un problème bien formulé est un problème à moitié résolu
Bien sûr, la mise en production n'est qu'une partie du processus. Le résultat final doit également répondre aux exigences métier du processus concerné par l'automatisation. C'est là qu'intervient la condition mentionnée plus haut, qui consiste à définir rigoureusement le périmètre des projets.
L'IA peut apporter de la valeur à tous les niveaux, qu'il s'agisse d'un grand projet RAG au sein d'une entreprise ou d'améliorations tactiques mises en œuvre par des experts dans un domaine spécifique. Les processus informatiques d'entreprise, cependant, ne sont généralement conçus que pour la première approche, à savoir celle des grands projets menés de manière descendante. Le type d'adoption ascendante, pilotée par les métiers, incarnée par la seconde approche, dépasse le champ d'expérience de la plupart de ces équipes.
Le problème, ici, est que lorsque les humains constituent la couche d’intégration entre différents systèmes et sous-tâches, ils excellent à masquer les failles et à contourner les obstacles. Cependant, ces modifications apportées sur le terrain au processus sont rarement répercutées en amont dans la documentation. Lorsqu’il s’agit d’automatiser certaines parties du processus, cet écart entre le « processus tel qu’il est décrit » et le « processus tel qu’il est mis en œuvre » peut faire échouer les tentatives d’automatisation de ce processus.
C'est là l'autre raison pour laquelle le service informatique d'une entreprise ne peut pas être le seul responsable des projets d'IA. Outre son rythme d'évolution effréné, qui la rend tout à fait inadaptée au type d'évaluations technologiques rigoureuses auxquelles le service informatique est habitué, l'IA doit également être mise en œuvre dans des contextes bien moins stériles et bien moins bien définis que les architectures immaculées du passé.
Les données non structurées, les savoirs tacites et les processus décisionnels qui n'ont jamais été formalisés impliquent que le cahier des charges lui-même doit être un document vivant, en constante évolution, afin de s'adapter aux changements du monde réel.
Les « meilleures pratiques » deviennent les pires pratiques
Et c'était là le troisième thème qui revenait sans cesse au fil des conversations lors du Sommet : rien de tout cela n'est figé. Bien sûr, l'IA (modèles, interfaces et outils) évolue sous nos yeux, à un rythme si rapide qu'il peut être difficile de suivre le rythme du changement. Mais tout le reste évolue également, de l'infrastructure technologique aux processus métier eux-mêmes.
Dans ce contexte, il est pratiquement impossible de prévoir l’avenir à plus court terme avec une quelconque précision, mais nous pouvons nous efforcer de mettre en place des composants standard durables, reliés entre eux de manière flexible, qui permettront une itération très rapide. Cela vaut aussi bien pour la technologie traditionnelle que pour les méthodes de travail qui y sont associées et pour les personnes qui en dépendent.
Il ne s'agissait pas simplement d'analystes de Gartner exprimant leurs opinions depuis la scène. Les participants ont également pu écouter des professionnels ayant mis en œuvre tout ou partie de ces recommandations, puis se sont dispersés dans le hall d’exposition pour échanger leurs propres expériences. En tant que fournisseurs, c’est toujours un privilège de prendre part à ces conversations, mais les participants ont vraiment apprécié d’entendre des témoignages concrets. Pas seulement les chiffres bruts du succès, mais aussi ce qu’il a fallu pour y parvenir, ainsi que les rebondissements qui ont ponctué notre parcours.
C’est ce que nous entendons lorsque nous affirmons disposer de guides opérationnels reproductibles : il ne s’agit pas de « boîtes noires » à accepter telles quelles, mais d’un ensemble de composants réutilisables, associés à une expérience durement acquise sur ce qui fonctionne, ce qui ne fonctionne pas (pour l’instant) et les facteurs (tant humains que technologiques) qui doivent être pris en compte.
Mais la bonne nouvelle, c’est que ces modèles reproductibles commencent à voir le jour et à faire leurs preuves dans la pratique. Un cas isolé peut être le fruit du hasard, mais un cas d’utilisation de l’IA spécifique à un secteur d’activité, qui a déjà été déployé en production à deux reprises et qui est en cours de mise en œuvre dans deux autres environnements clients au moment même où j’écris ces lignes, constitue le signe le plus probant qui soit à l’heure actuelle.
Nous aborderons certaines de ces histoires plus en détail lors de notre tournée mondiale « IntegrateAI 2026 », qui fera étape dans les villes suivantes :
- Dallas, Texas, le 6 octobre
- San Francisco, Californie, le 28 octobre
- Londres, Royaume-Uni, le 17 novembre
Nous espérons qu'il y en a une suffisamment proche pour que vous puissiez y assister. À bientôt !
