De la validation de concept de l’IA à la production : comment les spécifications centrées sur l’humain transforment les idées en valeur commerciale

La plupart des organisations ne manquent pas d’idées pour mettre en œuvre l’intelligence artificielle (IA). Le véritable défi consiste plutôt à faire passer l’IA du stade de la preuve de concept à la production. Les preuves de concept prometteuses s’enlisent souvent parce que les équipes attendent des spécifications manquantes, c’est-à-dire l’intention validée par l’humain qui guide la mise en œuvre par des personnes ou des agents d’IA. Souvent, la cause profonde est d’une simplicité trompeuse : les équipes se concentrent sur la technologie plutôt que sur le problème d’affaires et développent une solution inadaptée. Une autre lacune tout aussi importante consiste à négliger le contexte humain au sein d’une expérience IA intégrée. Il en résulte ce que nous appelons la « dette d’expérience IA » : des lacunes de conception et des négligences en matière de convivialité qui ralentissent l’adoption d’une IA centrée sur l’humain et égarent les équipes.

Le défi dans la mise en œuvre de logiciels d’entreprise est double : créer la bonne solution et la créer correctement. Pour y parvenir, il faut intégrer l’IA de manière responsable tout au long du cycle de mise en œuvre, de la recherche et des exigences jusqu’à la conception, l’architecture, le développement et le déploiement, tout en apprenant, en s’alignant et en s’adaptant en permanence. Chaque étape est redéfinie par l’IA, et les frontières entre elles deviennent de plus en plus fluides. 

Dans ce billet de blogue, nous nous concentrons sur les premières étapes du cycle : 

• comprendre le problème et le paysage des données;
• traduire les idées en spécifications claires;
• utiliser le prototypage rapide pour assurer l’alignement, la validation par les utilisateurs et la confiance des parties prenantes.

Ces étapes constituent le fondement de tout ce qui suit. Si on les néglige, même la meilleure ingénierie ne pourra pas compenser.

Stimuler le flux grâce à un moteur d’innovation centré sur l’humain   

Les discussions sur l’IA dans la livraison logicielle mettent souvent l’accent sur la nécessité de maintenir la vérification humaine, mais accordent moins d’attention à l’implication du client, de l’utilisateur final et du concepteur d’expérience utilisateur aux côtés du développeur. La plupart des organisations donnent la priorité à la technologie et adaptent ensuite l’expérience humaine. Nous avons choisi une approche différente pour notre cycle de livraison logicielle. Nous avons plutôt mis en place un programme par cohortes, centré sur l’humain, qui concilie valeur commerciale, expérience humaine et solutions techniques. Voici ce que nous avons appris.

Au départ, nous n’avions pas de cadre ambitieux en tête. Nous sommes partis d’un défi stratégique : agir rapidement et à grande échelle, au-delà des simples ateliers, et accélérer la transformation des cas d’utilisation de l’IA en preuves de concept fonctionnelles. Il en est ressorti un cycle itératif axé sur la conception, réunissant des responsables d’affaires, des concepteurs d’expérience utilisateur et une équipe « Lean » spécialisée en IA, articulé autour de trois étapes clés.

Étape 1 – Récit des défis et découverte du parcours client

Nous avons constitué des équipes chargées d’appliquer l’IA à des problèmes commerciaux similaires et avons commencé par l’expérience utilisateur. Au lieu de remplir des formulaires complexes, les responsables d’affaires ont simplement raconté leur défi. Leurs récits ont servi de base pour définir des parcours, préciser les personas, identifier les points faibles et mettre en évidence les occasions permettant à l’IA d’apporter de la valeur ajoutée.

Étape 2 – Prototypage de l’interface utilisateur et alignement de la vision

Notre équipe de conception de l’expérience utilisateur a rapidement traduit chaque parcours utilisateur en maquettes d’interface utilisateur et en prototypes cliquables. Ces supports visuels ont rempli une double fonction : ils ont fourni aux utilisateurs un élément concret leur permettant de vérifier la conformité avec leurs besoins réels, tout en offrant aux dirigeants et aux développeurs une vision commune. Cette vision commune a renforcé la confiance des parties prenantes, permettant ainsi à la mise en œuvre d’être fonctionnelle, fiable et adoptée. 

Étape 3 – Validation de concept de l’IA rapide

Notre équipe d’IA « Lean » a donné vie à chaque validation de concept en l’espace d’un mois, mais son travail a commencé bien avant la sélection des modèles ou l’écriture du code. Lors de la phase de prototypage de l’interface utilisateur, l’investissement essentiel a consisté à faire appel à des développeurs en IA afin de bien cerner le problème commercial et la valeur ajoutée visée. Grâce à une compréhension affinée de l’énoncé du problème, ils disposaient d’un objectif clair par rapport auquel ils pouvaient vérifier les résultats. L’équipe a non seulement testé l’hypothèse de manière efficace, mais elle a également évalué et proposé plusieurs options de mise en œuvre, accompagnées de leurs compromis respectifs, à l’intention des parties prenantes. 

Cette discipline – distinguer un problème qui mérite d’être résolu d’un problème qui mérite d’être résolu avec l’IA – a façonné chaque mission. À partir de là, l’équipe a ancré chaque solution dans la réalité en comprenant le paysage des données, en évaluant la nature du défi et en choisissant la bonne technique d’IA plutôt que de se rabattre par défaut sur l’outil le plus familier. En échelonnant les cohortes, nous avons livré deux à trois nouvelles validations de concept chaque mois. 

La conception centrée sur l’humain donne des résultats inattendus

Nous avons souvent été surpris par les résultats. Dans un cas précis, des modèles de vision existants ont permis de transformer des concepts d’interface utilisateur en solutions qui affichaient des images de référence directement dans les réponses du clavardage.   Il ne s’agissait pas d’innovations planifiées. Elles sont nées du fait de rester au plus près du problème et d’être prêt à remettre en question la voie habituelle menant à une solution.

Ce qui a fait la réussite de ce projet, c’est d’avoir fait appel à des concepteurs d’expérience utilisateur dès le début. En transformant les idées en représentations visuelles de l’expérience humaine visée, nous avons approfondi notre compréhension tant du problème que de la solution. Les concepteurs d’expérience utilisateur nous ont aidés à éviter l’accumulation d’une « dette d’expérience » liée à l’IA. 

De plus, la perspective humaine n’était pas une réflexion après coup. C’était le point de départ. Au fil du temps, des cycles de conception plus courts, une validation précoce par les utilisateurs et la confiance croissante des parties prenantes sont devenus le moteur permettant au programme d’avancer.

De la validation de concept de l’IA à la production : où se trouvent les spécifications?

Bien que nous ayons prouvé notre capacité à innover à grande échelle, nous nous sommes rapidement heurtés à un nouvel obstacle : faire passer les validations de concept en production. Comme on pouvait s’y attendre, la première question posée par l’équipe de mise en œuvre a été : « Où se trouvent les spécifications? » En d’autres termes, où se trouvent les instructions de mise en œuvre? Notre documentation rapide des validations de concept, bien qu’utile, n’était pas un document qu’une autre équipe ou des développeurs pouvaient facilement reprendre et mettre en œuvre.

Plutôt que de revenir en arrière et d’analyser les flux d’utilisateurs ou les règles de gestion pour rédiger des spécifications pour des dizaines de projets, nous les avons générées à l’aide de l’IA. Notre hypothèse était la suivante : « À partir d’une base de connaissances organisée de modèles de conception, un agent d’IA peut générer des récits utilisateurs et des spécifications techniques cohérentes directement à partir de transcriptions de conversations. » 

À l’aide de l’ingénierie contextuelle et de modèles fondamentaux, nous avons construit une base de connaissances autour des modèles de conception pour la mise en œuvre de l’IA, organisée par archétype, allant des agents conversationnels à la détection des anomalies et à l’automatisation intelligente des flux de travaux. Conformément à l’approche d’« intégration dès le départ et non de façon réactive » de CGI, nous avons abordé les questions de sécurité, de protection des données et de gouvernance dès le début, plutôt que d’y réfléchir après coup.

Les spécifications générées par l’IA et celles rédigées par des humains sont complémentaires

Les résultats allaient dans la bonne direction et se sont révélés extrêmement précieux. Ils couvraient les flux types, les exceptions, les composants du système, les diagrammes d’interaction et même des cartes du parcours utilisateur avec des scores de sentiment tirés du texte descriptif, ainsi que des critères d’acceptation et des cas de test initiaux.

Ce que cela nous a appris, c’est que les spécifications générées par l’IA et celles rédigées par des humains sont complémentaires, et non concurrentes. Ensemble, elles constituent l’intention validée par l’humain pour la mise en œuvre. 

L’agent d’IA excelle dans la structuration du pourquoi, du qui, de la séquence et de la manière dont nous savons que nous avons terminé. Cependant, la supervision humaine reste essentielle pour garantir que ce qui est construit reste en phase avec les attentes et les résultats escomptés. L’architecte humain  veille à ce que les résultats générés restent ancrés dans la réalité opérationnelle. À mesure que les flux de travaux de développement agentifs mûrissent, ces spécifications servent les équipes humaines tout en fournissant une intention lisible par les agents d’IA, ce qui double l’importance de l’investissement dans une base de connaissances bien organisée.

Le flux continu de la livraison logicielle

Ce parcours nous amène à utiliser les spécifications de manière innovante, en orientant le développement agentif grâce au développement fondé sur les spécifications et en alimentant des accélérateurs qui génèrent des conceptions d’expérience utilisateur et des scripts de test automatisés. Alors que la « programmation intuitive » repose sur l’intuition (expliquer ce que l’on souhaite en langage clair et laisser l’IA générer le code), le développement fondé sur les spécifications oriente les équipes vers l’ingénierie par l’intention en définissant les exigences avant que le code ne soit écrit ou généré. Si les étapes précédentes visent à créer la bonne chose, le développement piloté par les spécifications vise à la créer correctement, en transformant des spécifications claires en logiciels fiables. Notre billet de blogue associé, Développement fondé sur les spécifications : d’une programmation intuitive par requêtes à une ingénierie guidée par l’intention, explore cette nouvelle étape en détail.

À mesure que les plateformes agentives gagnent en maturité, le rôle de l’architecte évolue : il ne se contente plus de rédiger chaque spécification, mais s’attache désormais à organiser le contexte, notamment en constituant des bases de connaissances, en définissant des lignes directrices et en veillant à ce que les résultats générés par l’IA restent alignés sur la stratégie de l’entreprise.

Leçons clés de notre parcours

• Partir du problème et de l’expérience humaine, et non de la technologie, a tout changé. En commençant par le parcours de l’utilisateur et le récit des défis, nous avons évité d’accumuler une dette d’expérience en matière d’IA et sommes restés concentrés sur la création de la bonne solution.
• La conception a permis d’établir une cohérence que nous n’aurions pas pu obtenir avec des documents seuls. Le prototypage rapide a donné aux utilisateurs un élément à valider dès le début et a permis aux dirigeants de partager une vision commune. C’est cette vision commune qui a transformé l’élan initial en confiance de la part des parties prenantes.
• Construire notre base de connaissances dès le début a porté ses fruits. Des connaissances sélectionnées avec soin, couvrant la sécurité, la protection des données, la gouvernance, l’architecture et les principes de l’expérience utilisateur, ont permis à l’IA de générer les spécifications nécessaires pour la construire correctement.
• L’innovation à grande échelle n’est pas un atelier ponctuel. Elle nécessite un moteur reproductible reliant les problèmes opérationnels, la réflexion conceptuelle et le développement de l’IA, ainsi qu’une volonté de faire évoluer l’approche au fur et à mesure.

Placer l’humain au cœur de nos préoccupations

Notre parcours est loin d’être achevé, et c’est précisément là tout l’intérêt. Nous étendons nos capacités en matière d’expérience utilisateur au prototypage rapide, soutenu par la conception de requêtes, notamment grâce à des programmes de formation et à des séances bihebdomadaires de conception d’expérience utilisateur et d’IA qui renforcent la collaboration entre nos équipes de conception et de développement. 

Nous continuons à faire évoluer notre approche de génération de spécifications grâce à l’orchestration à agents multiples, en trouvant l’équilibre entre l’accompagnement des équipes humaines et la définition d’intentions compréhensibles par les agents d’IA. Bien que le courant du changement soit fort, en restant proches du problème et en plaçant les utilisateurs au centre, la direction à suivre devient plus claire.

Pour mieux comprendre pourquoi cette question revêt une importance particulière pour le conseil d’administration, écoutez l’entretien entre Dave Henderson, chef de la direction technologique de CGI, John Davis et Victor Foulk dans notre balado De l’IA au RCI : Au-delà des tendances – réimaginer la prestation de logiciels pour générer une réelle valeur commerciale.