Blog Planview

Rejoignez la conversation sur le travail connecté

L'intelligence artificielle, Transformation

L'IA n'est pas une fonctionnalité que l'on active simplement. C'est une capacité que l'on acquiert.

Trois éléments distinguent les équipes qui tirent valeur de celles qui stagnent.

Publié le , par Chris Gallivan
L'IA n'est pas une fonctionnalité que l'on active simplement. C'est une capacité que l'on acquiert.

Note de l'éditeur : Chris Gallivan est responsable principal de l'adoption des produits chez Planview, où il accompagne les clients afin de les aider à développer de véritables capacités grâce à Planview Anvi®. Depuis qu'il a rejoint Planview en 2022, il a travaillé directement avec des équipes confrontées au défi consistant à passer de la simple activation de l'IA à son activité, en les aidant à définir le contexte, à élaborer des invites réutilisables et à passer de la phase de test à celle de l'intégration. Les patterns présentés dans cet article sont tirés de cette activité.

***

Chaque déploiement d'IA se déroule toujours de la même manière. Une personne ouvre l'assistant pour la première fois et saisit une question. La réponse n'est pas celle qu'ils espéraient. Ils envoient donc un e-mail à l'équipe : « Ça ne marche pas. »

Nous avons constaté ce phénomène chez l'un de nos clients. Leur première consigne tenait en quatre mots : « Montrez-moi mes données financières. » En l'absence de précisions sur les données financières concernées, les destinataires ou la période couverte, cette réponse n'était pas exploitable.

Quelques semaines plus tard, cette même organisation a décrit l'IA comme le fondement sur lequel repose tout le reste de sa plateforme.

Il s'agissait du même produit. Ce qui a changé, c'est ce qu'ils avaient construit autour.

C'est entre le premier jour et quelques semaines plus tard que se joue la valeur de l'IA. Si vous jugez l'IA à l'aune de ses performances dès le premier jour, vous serez toujours le premier à acheter et le dernier à en tirer profit.

Regardez le micro-webinaire : « Ne jugez pas l'IA à l'aune de ce qu'elle fait le jour 1 »

Une fonctionnalité est activée. Une capacité est mise en place.

Une fonctionnalité est quelque chose que l'on active. Il suffit d'actionner l'interrupteur : soit ça marche, soit ça ne marche pas.

Une capacité, c'est autre chose. Vous devez effectuer une activité pour l'activer. Considérez l'IA comme une nouvelle recrue, et non comme un nouveau bouton.

Personne ne s'attend à ce qu'un nouveau collaborateur connaisse vos acronymes, vos particularités en matière de reporting ou les chiffres auxquels la direction accorde sa confiance dès son premier matin de travail. Vous les intégrez, et ils deviennent de plus en plus utiles chaque semaine.

Les acheteurs ont été habitués à s'attendre à certaines fonctionnalités. Presque tous les outils d'IA sont proposés sous la forme d'une fenêtre de discussion, et celle-ci semble aboutie. Un champ de texte vide signifie que vous pouvez poser n'importe quelle question et obtenir la réponse. Les organisations mettent donc ce système en place et croient en son succès.

Cet espoir a un prix. Une première réponse peu convaincante est difficile à surmonter. Les gens essaient l'IA, obtiennent un résultat médiocre et n'ont plus envie de s'en servir à nouveau. Voilà à quoi ressemble le déroulement des épreuves le premier jour.

Ce que vous mettez en place autour de l'IA a son importance

Trois éléments distinguent les équipes qui tirent valeur de celles qui stagnent.

Contexte : Expliquez-lui ce que représente votre organisation

L'IA analyse vos données. Il ne prend pas en compte vos conventions.

Un client a suivi l'état d'avancement dans un champ personnalisé que ses équipes mettent à jour manuellement. L'IA n'avait aucun moyen de le savoir ; ses réponses ne correspondaient donc pas aux chiffres sur lesquels leurs équipes s'appuyaient.

Ce qu'ils ont demandé était simple. Ils voulaient que le système comprenne « ce que signifient ces champs » au sein de leur organisation. La solution résidait dans le contexte, et non dans un nouveau produit.

Des suggestions qui deviennent des actifs

Les meilleures consignes ne sont pas rédigées une fois pour toutes, puis oubliées. Elles sont rédigées par les personnes qui effectuent l’activité, puis peaufinées et réutilisées.

De plus, ce sont rarement celles que l'on avait prévues. Les cas d'utilisation les plus pertinents que nous ayons observés ont été mis en évidence après quelques jours d'utilisation réelle, et n'avaient pas été identifiés dès le départ.

Un dialogue, et non des demandes ponctuelles

Les équipes qui tirent de la valeur de cette technologie considèrent l'IA comme un partenaire avec lequel elles entretiennent un dialogue, et non comme un simple distributeur automatique.

Un utilisateur a réparti ses contrôles de validation sur trois ou quatre étapes au lieu de les regrouper en une seule opération massive. Il a ensuite comparé ces résultats aux chiffres de production. Sa conclusion : « Ils avaient raison. »

L'honnêteté fait partie de la capacité

Context ne se contente pas simplement de corriger les réponses. Cela rend leur transmission plus sûre.

Chez l'un de nos clients, l'IA a fourni les mêmes chiffres corrects, que ce soit avec ou sans contexte organisationnel. Pour replacer cela dans son contexte, il a ajouté une précision : la métrique de santé en question n'avait été définie que pour 2% des projets.

Sans cette réserve, ces chiffres donnent une image complète de la situation. Imaginez-les intégrés dans une présentation destinée au comité de pilotage. Un chiffre précis correspondant à 2% du portefeuille, présenté comme représentant l'ensemble du portefeuille, est pire que l'absence totale de chiffre.

Ainsi, pour développer un système basé sur l'IA, il faut notamment lui apprendre à reconnaître quand dire « c'est fin ». Un assistant qui connaît les limites de vos données est un assistant à qui vous pouvez confier une décision.

À quoi ressemble une bonne progression après le premier jour ?

Au lieu d'évaluer l'efficacité de l'IA en fonction de sa première réponse, demandez-vous si les utilisateurs continuent à s'en servir.

Chez l'un de nos clients, les équipes ont continué à poser des questions tous les jours pendant neuf jours après un atelier pratique, week-ends compris. C'est surtout après l'événement lui-même que l'activité a été la plus intense, et non pendant celui-ci.

Neuf jours constituent un premier indicateur de la popularité croissante d'un outil, mais pas une preuve. Mais c'est tout le contraire d'une session unique qui aboutit à la décision d'abandonner un outil.

Leur commanditaire a qualifié cette évolution de « passage d’une approche axée sur les tests et la validation à une intégration de ceux-ci dans votre mode de fonctionnement ».

Les tests constituent un point de départ, et non une fin en soi. La valeur apparaît lorsque l'IA joue un rôle précis dans l'activité de votre équipe.

Trois choses à faire ce mois-ci

  1. Choisissez un vrai métier. Un rapport récurrent, une synthèse d'état, un contrôle de validation. Une activité qu'une personne pratique déjà chaque semaine.
  2. Notez le contexte. Quels sont les champs importants, quelle est la signification de vos termes et où les données sont-elles insuffisantes ?
  3. Mettez-le en place pendant deux semaines avec les personnes qui effectuent l’activité. Conservez les suggestions qui méritent leur place.

Tout cela ne nécessite pas la création d'un nouveau produit. Il vous suffit de vous appuyer sur l'IA dont vous disposez déjà.

J'ai récemment approfondi cette approche lors du micro-webinaire intitulé « Ne jugez pas l'IA à l'aune de ce qu'elle fait le jour 1».

Si vous avez besoin d'aide pour mettre en place des solutions basées sur l'IA, renseignez-vous auprès de votre représentant Planview sur les services d'accompagnement Planview Anvi.

Articles similaires

Rédaction du contenu Chris Gallivan Principal Product Adoption Manager at Planview

Chris helps enterprises move AI from pilot to everyday use. At Planview he leads customer adoption of Anvi, the company's AI assistant, and works at the point where the people building the AI meet the people trying to use it: running customer cohorts, tracing what the AI actually did when it got an answer wrong, and carrying that evidence back to the teams who build it. Chris's mission is to make enterprise AI trustworthy enough to keep using. Most adoption efforts fail not because the model is weak but because one wrong number spends the trust that ten good answers earned, so he focuses on the craft that closes that gap: measuring reliability instead of assuming it, designing the prompts and agents that hold up at scale, and giving leaders a clear view of where to trust the machine and where to check it. He came to this through a decade in value stream management and flow, where he learned that durable change comes from instrumenting the work, not from training people harder. He writes about these ideas in his newsletter, Uncommon Sensemaking.