L’une des raisons de l’échec de l’IA en entreprise est un déficit organisationnel.
C’est le constat de plusieurs études. C’est ce que j’explique notamment dans cet article sur « Comment intégrer l’IA de façon responsable ».
En effet, l’outil technologique, « le quoi », est souvent adopté sans réflexion suffisante sur le « comment ».
C’est le piège du technosolutionnisme.
Autrement dit, penser que l’instrument technologique représente la solution à tout…
Non. Le préalable à toute innovation réussie est une discipline organisationnelle et une architecture centrée sur l’humain.
Cela limite aussi le Shadow AI. Cette utilisation invisible et « individualiste » de l’IA.
Car une fois le cadre organisationnel posé, les collaborateurs travailleront avec transparence. Ils sont responsabilisés dans leurs pratiques avec l’IA.
C’est du « knowledge management » appliqué à l’IA : sortir du côté « boîte noire » de l’outil pour rendre le travail réalisé avec l’IA documenté et transférable.
L’entreprise pourra ainsi capitaliser sur le travail de chaque collaborateur pour le mettre au service du collectif.
Focus sur knowledge management
Avant d’aller plus loin, arrêtons-nous un instant sur ce concept.
Le Knowledge Management consiste à collecter, structurer, conserver et partager les connaissances des collaborateurs au sein d’une organisation.
Son objectif principal est de connecter les personnes qui cherchent une information avec celles qui la détiennent. Et ce, de façon rapide et facile.
Il permet aussi de limiter la perte de savoirs critiques. Un risque majeur avec l’usage de l’IA (on en reparle plus loin).
Le knowledge management nécessite une culture interne favorable à l’apprentissage, à la transmission et au partage d’expertise.
Ce qui complique la tâche, c’est qu’une connaissance n’est pas une ressource uniforme.
On peut distinguer 3 types de connaissances :
- Connaissances explicites : faciles à formaliser, documenter et transmettre.
- Connaissances implicites : liées à la façon d’appliquer concrètement une connaissance explicite. Par exemple, une méthodologie.
- Connaissances tacites : issues de l’expérience. Elles sont plus intuitives et plus difficiles à formaliser.
Le Cycle du Knowledge Management
Source : Valamis.com
Le site Valamis.com propose 3 étapes principales pour appliquer le knowledge management :
- Discover : identifier les connaissances disponibles dans l’organisation : expertises internes, documents…
- Capture : formaliser ces connaissances pour éviter qu’elles restent uniquement dans la « tête » des collaborateurs. C’est-à-dire, les rendre les connaissances explicites : procédures, guides…
- Process : organiser, trier et actualiser les connaissances afin qu’elles soient fiables, accessibles et exploitables.
- Benefit & Share : diffuser les connaissances aux bonnes personnes pour améliorer la prise de décision.
Comment appliquer le knowledge management à l’usage de l’IA ?
Pour répondre à cette question complexe, je vais m’appuyer sur l’étude Mehdi Elmoukhliss.
Il a proposé un process d’orchestration de l’IA.
C’est le modèle CREW (Composants, Rôles, Environnements, Workflows).
La méthode est très détaillée. Mais une version simplifiée permet déjà de l’appliquer.
Afin d’en simplifier la compréhension, pensez à un jeu de LEGO®.
Celui-ci est un amas d’éléments imbriqués.
Le principe est que vous pouvez retirer une brique sans détruire l’ensemble.
C’est exactement le même principe ici.
Je vais utiliser le terme « brique IA » pour la suite. Cette brique peut représenter un prompt, un agent IA, ou autre.
Source : llmnanban.akmmusai.pro
L’avantage de cette décomposition est aussi d’en assurer la maintenance dans le temps.
Un prompt rédigé aujourd’hui risque d’être obsolète dans deux mois.
Chaque composant IA peut être mis à jour ou retiré sans affecter l’ensemble de votre architecture IA.
Un collaborateur fraichement recruté pourra rapidement utiliser le système IA de l’entreprise. Un avantage décisif pour la productivité.
Voici les éléments clés de ce cadre organisationnel (dans sa version simplifiée pour tester la méthode) :
1. C (Composants)
Définir trois composants essentiels dans chaque projet d’IA :
- Mission : Quel est l’objectif de cette brique IA ?
- Données : Quel type de données est utilisé ? Sont-elles sensibles ou confidentielles ?
- Format de sortie : par exemple, du texte, un document PDF, un tableau, etc.
2. R (Rôles)
Identifier trois rôles clés :
Le Concepteur : C’est le collaborateur qui crée la brique IA.
L’Évaluateur : qui évalue la pertinence de cette brique IA.
Le Validateur : qui confirme qu’il n’y a pas de risque ou de contradiction avec les principes et valeurs de l’entreprise.
Répartir les rôles responsabilise les différents collaborateurs et limite l’usage « individualiste » de l’intelligence artificielle.
3. E (Environnement)
Délimiter trois environnements :
Environnement de Test : C’est l’endroit où le composant IA est testé pour évaluer son intérêt/pertinence.
Environnement Partagé : La brique IA est partagée avec un nombre restreint de collaborateurs. Généralement dans le même département.
Environnement Public : La brique IA est disponible pour l’ensemble des collaborateurs de l’organisation.
Créer des environnements distincts permet notamment de mieux filtrer les usages de l’IA.
4. W (Workflows)
C’est le process suivi par la brique IA pour être exécutée.
Il est évident que le workflow différera selon la complexité de chaque expérimentation.
Mais aussi du type de données manipulées.
Un composant IA qui exploite les bilans financiers de l’entreprise sera logiquement plus encadré qu’un composant qui manipule les contenus du site public de l’organisation.
Ce qu’il faut retenir
En tant que manager ou dirigeant, prenez conscience que vos collaborateurs risquent d’utiliser l’IA sans discernement et dans l’opacité totale. C’est le fameux shadow AI.
Cet usage non supervisé pose des risques majeurs en termes de sécurité informatique, de fuite de données et de conformité.
Vous devez reprendre le contrôle. Et rapidement !
Non pas avec un « super-outil », mais via une organisation rigoureuse.
La barrière pour exploiter l’IA n’est pas technologique. Elle est organisationnelle.
Pour aller plus loin, je vous invite à lire ces articles/ressources :
Comment intégrer l’IA de façon responsable en entreprise ?