Pourquoi les entreprises n'arrivent pas à déployer l'IA à grande échelle pour créer de la valeur

L’intelligence artificielle (IA) devient une priorité stratégique pour l’ensemble des secteurs d’activité. Les organisations investissent dans l’IA générative, l’automatisation et l’analyse avancée afin d’améliorer les processus décisionnels, la productivité ainsi que la performance de l’entreprise.

Pourtant, plusieurs d’entre elles ont du mal à obtenir des résultats mesurables de l’IA.

Bien que les projets pilotes et les preuves de concept réussissent souvent sur le plan technique, le déploiement de l’IA à l’échelle des unités d’affaires, des fonctions et des opérations s’avère beaucoup plus complexe. Les initiatives en IA demeurent souvent isolées et peinent à être adoptées à grande échelle ou à générer une valeur commerciale durable.

À mesure que l’adoption de l’IA progresse, les organisations découvrent que les obstacles au déploiement à grande échelle sont plus souvent de nature organisationnelle que technique. La valeur recherchée n’est pas toujours clairement définie, les modèles opérationnels ne soutiennent pas toujours les nouvelles méthodes de travail fondées sur l’IA et le personnel n’est pas toujours prêt à utiliser l’IA de manière efficace dans leurs tâches courantes.

Les organisations accélèrent l’adoption de l’IA, mais les résultats tardent souvent à venir.

Voici certaines conclusions de l’étude La voix de nos clients CGI :

• 43 % des organisations ont mis en œuvre l’IA générative (+17 pts sur 12 mois)
• 49 % ne peuvent pas quantifier les résultats de leurs mises en œuvre de l’IA

À mesure que l’adoption de l’IA s’accélère, les organisations cherchent de plus en plus à obtenir une valeur commerciale concrète de leurs investissements. Plusieurs d’entre elles vont au-delà de l’expérimentation pour intégrer l’IA à leurs processus d’affaires et de TI, où les exigences en matière de productivité, de résilience et de rendement du capital investi sont beaucoup plus élevées.

Parallèlement, les dirigeants doivent composer avec plusieurs priorités liées à la transformation : déployer l’IA à grande échelle de manière sécuritaire et responsable; moderniser les fondations de données et de technologies; repenser les modèles opérationnels; et coordonner la mise en œuvre à l’échelle de l’entreprise. L’écart entre l’adoption de l’IA et la création de valeur se creuse souvent lorsque l’évolution de ces priorités ne se fait pas au même rythme, ce qui complique la quantification des résultats ainsi que leur pérennisation à grande échelle.

Pour déployer l’IA à grande échelle, les organisations doivent l’intégrer à leur fonctionnement, à leurs processus décisionnels et à leur façon de créer de la valeur.

Voici quelques-unes des mesures prises par celles qui réussissent le déploiement de l’IA :

• aligner les initiatives d’IA sur les priorités d’affaires;
• définir et évaluer la valeur commerciale;
• établir la gouvernance et les responsabilités en amont;
• renforcer l’état de préparation de la main-d’œuvre et la maîtrise de l’IA;
• moderniser les modèles opérationnels pour une collaboration humain-IA;
• gérer la complexité et la dette technique existantes;
• mettre en place des fondations évolutives de données et technologiques.

Ces capacités fournissent la structure nécessaire pour soutenir l’adoption de l’IA de manière uniforme au sein des équipes, des fonctions et des activités.

Pour réussir un déploiement à grande échelle, les organisations doivent aussi mettre en œuvre l’IA dans l’ensemble des processus d’affaires, des processus décisionnels et des activités courantes. L’objectif n’est plus de prouver l’efficacité de l’IA, mais bien de s’assurer qu’elle puisse être adoptée, gouvernée et maintenue à long terme dans l’ensemble de l’entreprise.

Plusieurs organisations commencent par les cas d’utilisation de l’IA plutôt que les résultats d’affaires, ce qui creuse un écart entre la stratégie en matière d’IA et sa mise en œuvre.

À mesure que les initiatives d’IA prennent de l’ampleur, les dirigeants éprouvent souvent de la difficulté à cibler les investissements qui créent une valeur mesurable et ceux qui génèrent une activité sans toutefois produire de résultats concrets.

Voici certains des principaux défis.

• Un trop grand nombre de cas d’utilisation en concurrence pour le financement.
• Le succès est évalué selon les initiatives de déploiement plutôt que selon les résultats.
• La difficulté à quantifier le rendement du capital investi.
• Les processus décisionnels fragmentés à l’échelle de l’organisation.
• Un alignement inadéquat entre les priorités d’affaires et technologiques.

Ces défis découlent généralement d’enjeux de transformation plus vastes. Comme mentionné dans l’article Pourquoi le casse-tête numérique ne peut pas se résoudre seul, les organisations peinent souvent à faire des liens entre les investissements dans les technologies et les résultats d’affaires lorsque la stratégie, les modèles opérationnels et la mise en œuvre évoluent de façon indépendante.

Le fait de définir la valeur tôt dans le processus, d’établir les responsabilités et d’évaluer les répercussions sur les activités de façon continue offre la visibilité nécessaire pour prendre des décisions éclairées quant au déploiement à grande échelle.

L’adoption de l’IA exige des organisations qu’elles changent leurs méthodes de travail, leurs processus décisionnels et la collaboration entre les équipes.

À mesure que l’IA est intégrée aux processus d’affaires, l’état de préparation de la main-d’œuvre, l’agilité du modèle opérationnel et l’alignement du leadership deviennent des facteurs essentiels d’une adoption réussie.

Voici certains des principaux obstacles :

• compréhension limitée de l’IA et préparation insuffisante des équipes;
• manque de confiance à l’égard des recommandations générées par l’IA;
• réticence à changer les processus existants;
• imputabilité ambiguë entre les humains et l’IA;
• décalage entre les priorités technologiques, opérationnelles et d’affaires;
• faible taux d’adoption malgré des solutions performantes sur le plan technique.

L’état de préparation de l’organisation va au-delà des compétences de la main-d’œuvre. Il comprend également l’agilité du modèle opérationnel, l’alignement des fonctions d’affaires et de TI ainsi que la capacité à adapter la gouvernance, les processus et les structures décisionnelles afin de soutenir des méthodes de travail fondées sur l’IA.

L’étude La voix de nos clients CGI démontre que seulement 25 % des organisations décrivent leur modèle opérationnel comme étant très agile, ce qui met en lumière l’écart entre l’ambition en matière d’IA et l’état de préparation organisationnel.

La gestion du changement joue un rôle essentiel pour combler cet écart. La communication, la formation, la mobilisation de la main-d’œuvre, la compréhension de l’IA et l’alignement du leadership influencent la manière dont le personnel adopte l’IA et s’adapte aux nouvelles méthodes de travail, en plus d’aider à identifier les domaines où l’intervention humaine demeure essentielle.

Plusieurs initiatives d’IA réussissent en environnements contrôlés, mais rencontrent des difficultés lorsqu’elles sont déployées au sein des unités d’affaires, des fonctions et des activités.

À mesure que l’adoption de l’IA se généralise, les organisations doivent renforcer leur gouvernance, leur supervision, leur sécurité et leur cohérence opérationnelle, tout en coordonnant l’IA dans des environnements complexes où coexistent des systèmes existants, des partenaires d’écosystème et des exigences réglementaires en constante évolution.

Voici certains des principaux obstacles :

• fragmentation des données et des environnements technologiques;
• incohérences liées à la gouvernance et à la gestion des risques;
• enjeux réglementaires, de sécurité et de conformité;
• réutilisation limitée des capacités d’IA;
• absence de normes et de contrôles à l’échelle de l’entreprise;
• déploiement des initiatives à grande échelle avant d’établir l’état de préparation de l’organisation.

En l’absence de bases adéquates, même les projets pilotes réussis demeurent isolés et difficiles à pérenniser. Une adoption à long terme repose sur des données fiables, une gouvernance d’utilisation responsable de l’IA, des plateformes évolutives et des processus opérationnels reproductibles. Un déploiement de l’IA réussi à l’échelle de l’entreprise est fondé sur des données adaptées à l’IA, car elles assurent la confiance, l’accessibilité et l’évolutivité.

Trois dimensions de la préparation assurent le déploiement à l’échelle d’une entreprise.

1. Préparation de l’entreprise ou du mandat

Les initiatives d’IA sont alignées sur les priorités stratégiques, des résultats mesurables et des responsabilités clairement définies. La valeur commerciale ou du mandat est définie tôt dans le processus et fait l’objet d’un suivi en continu.

2. Préparation de l’organisation

Les employés, les dirigeants et les modèles opérationnels sont prêts à adopter des méthodes de travail fondées sur l’IA. La compréhension de l’IA, son adoption par les équipes, l’alignement des fonctions d’affaires et des TI ainsi que l’agilité du modèle opérationnel favorisent un changement durable.

3. Préparation des fondations

En intégrant des données fiables, des plateformes évolutives, une gouvernance responsable de l’IA, des mécanismes de sécurité et une coordination de l’écosystème dès la conception, les organisations se dotent des éléments de base qui favorisent l’adoption de l’IA à l’échelle de l’entreprise.

Ensemble, ces capacités aident les organisations à aller au-delà des initiatives d’IA isolées pour devenir des organisations propulsées par l’IA, car elles intègrent l’IA à même les méthodes de travail, les processus décisionnels, les activités de l’entreprise et, surtout, la valeur mesurable.

Passer de l’adoption de l’IA à la création de valeur exige une approche structurée qui relie la stratégie, la mise en œuvre et l’amélioration continue.

Voici les sept priorités sur lesquelles les organisations doivent se concentrer.

1. Définir les priorités stratégiques en matière d’IA

Identifier les décisions, les processus et les résultats d’affaires susceptibles d’apporter une valeur ajoutée.

2. Établir des cadres de gestion de création de valeur mesurable

Définir les critères de réussite tôt dans le processus, établir les responsabilités concernant les résultats et évaluer les répercussions sur les activités de façon continue.

3. Renforcer la connaissance de l’IA et la préparation des équipes

Préparer les dirigeants et les employés à bien travailler dans les environnements d’IA.

4. Intégrer la gouvernance et la confiance

Établir, dès le départ, des pratiques d’utilisation responsable de l’IA, des mécanismes de supervision et des responsabilités claires.

5. Moderniser les modèles opérationnels

Harmoniser les rôles, les processus et les structures décisionnelles afin de favoriser la collaboration entre les humains et l’IA, en plus d’accroître l’agilité organisationnelle.

6. Renforcer les infrastructures des données et de l’IA

Concevoir des plateformes fiables et évolutives qui favorisent l’adoption à l’échelle de l’entreprise.

7. Déployer à grande échelle en fonction des données probantes

Ne déployer les initiatives d’IA à plus grande échelle qu’une fois leur valeur, leur gouvernance et l’état de préparation de l’organisation démontrés.

Nous aidons les organisations à combler l’écart entre l’adoption de l’IA et la création de valeur en surmontant les obstacles courants au déploiement des initiatives d’IA à grande échelle.

Nos solutions intelligentes basées sur l’IA s’appuient sur des cas d’utilisation probants, des données spécialisées fiables et des capacités propres à chaque secteur pour aider les organisations à générer plus rapidement une valeur de leurs investissements en IA. Grâce à nos services-conseils en IA, nous accompagnons les organisations dans l’harmonisation de leur stratégie, de leur gouvernance, de leurs modèles opérationnels, de l’état de préparation de leur main-d’œuvre et de leurs fondations technologiques pour générer des résultats d’affaires mesurables.

Notre approche s’appuie sur des alliances mondiales couvrant l’ensemble de l’écosystème de l’IA, de l’infonuagique, des données et des technologies afin d’aider les organisations à aligner l’adoption de l’IA sur les investissements dans les technologies, les priorités d’entreprise et les environnements technologiques existants.

Voici un aperçu de nos services :

• Services-conseils en IA et création de valeur

Nous aidons les organisations à aligner les investissements en IA sur les résultats d’affaires, à mettre en place des cadres de mesure de la valeur et à privilégier les initiatives en fonction des retombées mesurables.

• Littératie en matière d’IA et état de préparation organisationnel

Nous aidons les dirigeants et les employés à développer leurs compétences, à gagner en confiance et à transformer le modèle opérationnel dans le but d’adopter efficacement l’IA à grande échelle.

• Gouvernance, confiance et fondements d’entreprise

Nous aidons les organisations à mettre en place des pratiques d’utilisation responsable de l’IA, à renforcer la gouvernance et à jeter les bases requises pour favoriser une adoption sécuritaire et évolutive de l’IA.