Agents IA : Pourquoi la qualité des données conditionne le succès ?

La plupart des conversations autour des agents d’IA se concentrent sur leur phase de conception et de déploiement. Les questions qui reviennent le plus souvent sont toujours les mêmes : l’agent est-il capable de trouver la bonne information au bon moment ? Peut-il formuler les recommandations les plus pertinentes ? Est-il en mesure d’exécuter les bonnes actions ? Et surtout, fonctionnera-t-il de manière fiable, sécurisée et à grande échelle ?

Bien sûr, ces interrogations sont essentielles. Elles conditionnent le succès du lancement d’un agent et déterminent la confiance que les utilisateurs lui accorderont. Mais une fois l’agent déployé, une autre question devient rapidement plus importante : que se passe-t-il ensuite ?

C’est à ce moment-là que de nombreux projets ou pilotes d’IA commencent à perdre de leur dynamique. Non pas parce que la technologie est faible ou parce que l’idée était mauvaise, mais parce que certaines organisations traitent le lancement d’un agent comme la fin du jeu, alors qu’en réalité, il s’agit du début du changement.

Et c’est là que je pense que nous devons être honnêtes à propos de l’adoption de l’IA.

Il s’agit toujours d’adoption, le mot est littéralement là dans le titre, et je vais utiliser une expression qui avait l’habitude de m’agacer mais qui prend tout son sens aujourd’hui, en particulier lorsqu’on aborde ce sujet : « C’est la même chose, mais en différent ».

Ce qui est identique

À bien des égards, adopter l’IA n’est pas différent de l’adoption de n’importe quelle solution métier sur étagère ou conçue sur mesure. S’agisse-t-il d’une implémentation de Microsoft Dynamics, d’un nouveau flux de travail, d’un nouveau modèle de reporting ou d’un processus métier repensé, les fondamentaux restent les mêmes. Les collaborateurs devront comprendre ce qui change, pourquoi il est important que cela change, comment cela s’intègre dans leur façon de travailler, comment lui faire suffisamment confiance pour l’utiliser et, à terme, comment créer de nouvelles habitudes autour d’elle.

La différence

Les systèmes d’information traditionnels sont conçus autour d’exigences définies, de processus testés et d’un lancement planifié. Une fois déployés, les organisations ont souvent le sentiment que le travail est accompli. Je sais que je simplifie ici, mais ce processus procure un sentiment d’aboutissement.

L’IA ne se comporte pas ainsi.

Un agent d’IA peut avoir été créé pour un processus fixe avec un résultat fixe, mais l’outil d’IA qui a créé cet agent (un outil avec lequel l’utilisateur peut également interagir) a la capacité de s’insérer au travers des activités existantes, de révéler de nouvelles possibilités et de modifier la manière dont les collaborateurs abordent des tâches qu’ils accomplissent déjà au quotidien. Il peut rédiger, résumer, comparer, questionner, extraire, recommander et, dans certains cas, agir. Cela signifie que l’adoption ne peut pas simplement consister à enseigner aux gens sur quel bouton appuyer.

C’est une transformation d’une tout autre ampleur.

Lorsque nous avons travaillé avec Hitachi Rail sur l’adoption de Copilot, cela est devenu très clair. Le défi ne consistait pas simplement à expliquer ce que Copilot ou les agents pouvaient faire. Le défi était d’aider les collaborateurs à relier cette capacité au travail réel : la tâche répétitive, le processus lent, l’activité à forte intensité documentaire, le suivi de réunion, pour ne citer que quelques exemples.

L’adoption commence lorsque quelqu’un perçoit une raison légitime de l’utiliser.

Mais percevoir la valeur une fois ne suffit pas (en tout cas, cela ne suffit pas pour moi). L’adoption se produit lorsque ce premier déclic se transforme en un comportement répété.

Créer des habitudes devient alors essentiel.

Une formation ponctuelle transforme rarement la manière dont les gens travaillent. Oui, elle peut susciter une prise de conscience, et oui, elle peut éveiller l’intérêt. Elle peut même susciter de l’enthousiasme. Mais les habitudes se forgent par la répétition, le renforcement et la pertinence. Les collaborateurs ont besoin d’opportunités sûres pour essayer, échouer, s’améliorer et essayer à nouveau. Ils ont besoin de prompts simples qu’ils peuvent utiliser immédiatement. Ils ont besoin d’exemples proches de leur rôle au quotidien. Ils ont besoin de la permission d’expérimenter sans avoir le sentiment de devoir devenir des experts au préalable.

Ce dernier point est très important et me touche personnellement. De nombreux utilisateurs hésitent parce qu’ils ont peur de se tromper. Ils remettent en question leurs prompts, l’exactitude des réponses, le fait de savoir s’ils peuvent faire confiance au résultat, et même s’ils devraient utiliser l’IA pour cette tâche en premier lieu. Alors, ils prennent du recul.

Une bonne démarche d’adoption réduit les hésitations en renforçant la confiance. Les utilisateurs doivent comprendre comment l’outil fonctionne, comment valider ses résultats et là où il peut véritablement apporter de l’aide. Tout aussi important, ils doivent se sentir à l’aise pour expérimenter sans crainte de l’échec.

En prenant tout cela en compte, cela signifie que l’apprentissage n’est pas une activité secondaire dans l’adoption de l’IA. Il EST la stratégie d’adoption elle-même, et l’IA peut elle-même devenir une partie prenante de ce parcours d’apprentissage.

Les utilisateurs peuvent lui demander d’expliquer des concepts, de challenger leur réflexion, d’améliorer leurs prompts, de comparer des approches, de créer des exercices pratiques ou de les aider à réfléchir à la manière dont ils ont travaillé. En d’autres termes, les collaborateurs n’apprennent pas seulement AU SUJET de l’IA. Ils apprennent AVEC l’IA.

Cela crée une boucle d’adoption d’un autre type :

Il n’y a pas de véritable fin du jeu ici. L’adoption de l’IA n’est pas un parcours linéaire allant de la sensibilisation à la formation, puis au lancement et à l’aboutissement final. Les outils évolueront, les agents s’amélioreront, les processus changeront, de nouveaux cas d’usage apparaîtront. Certaines idées s’avéreront précieuses. D’autres non, mais l’organisation doit continuer d’apprendre.

La collaboration et le partage de connaissances sont fondamentaux.

D’après mon expérience, l’adoption s’accélère lorsque les collaborateurs apprennent les uns des autres. Un collègue partageant un prompt utile peut s’avérer plus puissant qu’une diapositive de formation formelle. Un champion expliquant comment il a utilisé un agent pour gagner du temps dans un flux de travail réel peut susciter plus de conviction qu’une démonstration générique. Une communauté qui partage ses réussites, ses erreurs, ses questions et ses exemples crée la dynamique qui maintient l’adoption en vie.

Un agent ne doit pas devenir un objet intelligent conçu ailleurs et remis aux utilisateurs à la toute fin. Les utilisateurs doivent comprendre à quoi il sert, où il s’insère, ce qu’il peut et ne peut pas faire, et comment leurs retours d’expérience façonneront son avenir au fil des itérations pour maintenir sa pertinence. Sinon, même un agent bien conçu risque de devenir un outil de plus sous-utilisé.

Une fois tout cela mis en œuvre, l’adoption de l’IA prendra une toute autre dimension.

Les utilisateurs proposeront d’eux-mêmes de nouveaux cas d’usage parce qu’ils comprendront désormais ce qui est possible. Les équipes se réuniront pour examiner leur manière d’utiliser l’IA et se poseront des questions telles que : « Un agent peut-il rendre ce processus meilleur, plus efficace et plus fluide ? ». La réflexion des collaborateurs évoluera, passant de « L’IA peut-elle m’aider pour cette tâche ? » à « Comment pourrions-nous repenser cette façon de travailler maintenant que l’IA est disponible ? ».

L’adoption de l’IA ne consiste pas à convaincre les gens d’utiliser un outil. Elle consiste à donner aux collaborateurs les moyens d’être suffisamment à l’aise, curieux et confiants pour continuer à améliorer la manière dont le travail est accompli, individuellement et collectivement.

Les organisations qui réussiront avec les agents et les outils d’IA ne seront pas celles qui traiteront leur adoption comme un simple plan de communication post-déploiement. Ce seront celles qui intègreront l’adoption au cœur même de la façon dont l’agent est introduit, appris, testé, amélioré et partagé.

Parce qu’un agent déployé n’est pas le résultat final : c’est une meilleure façon de travailler qui l’est.

Howard Jones