L'IA générative : défis et stratégies pour les entreprises

L'IA générative : Une transition vers l'adoption généralisée

L'intelligence artificielle générative, après avoir traversé une phase d'expérimentation, entre désormais dans une période de maturité où les entreprises cherchent à l'intégrer plus profondément dans leurs opérations quotidiennes. Cependant, cette transition de l'expérimentation à un déploiement généralisé pose des défis considérables, en particulier pour les startups qui doivent naviguer dans un paysage complexe. Les principaux obstacles rencontrés incluent l'augmentation des coûts, des problèmes de gouvernance et de confiance, ainsi que la gestion de "travailleurs numériques" autonomes.

Discussions clés sur l'adoption de l'IA

Ces défis ont été au centre des discussions lors de notre dernier événement Sifted Talks, organisé en partenariat avec Box, une plateforme de gestion de contenu intelligent. Les intervenants ont partagé leurs perspectives sur la manière dont les fondateurs peuvent sortir de la phase pilote pour construire des opérations résilientes et véritablement natives de l'IA.

Le panel d'experts comprenait Omar Davison, ingénieur solutions chez Box, Jannat Rajan, investisseur en croissance chez le fonds de capital-risque Forestay, Lucien Bredin, cofondateur et directeur marketing produit chez la plateforme d'événements et d'approvisionnement IA Naboo, et Thibault Martin, responsable de l'écosystème chez l'entreprise d'IA Dust.

Optimiser les pilotes d'IA pour une adoption réussie

Lorsqu'il s'agit d'adopter l'IA, Box cherche d'abord à déterminer où les organisations peuvent tirer le plus de valeur. Omar Davison explique que cela peut se traduire par une amélioration de la productivité individuelle, une efficacité accrue au niveau départemental, ou des gains à l'échelle organisationnelle.

Pour les entreprises moins familiarisées avec l'IA, les premiers bénéfices proviennent souvent de l'augmentation de la productivité individuelle. Par exemple, économiser 30 minutes par jour grâce à l'IA peut représenter un point de départ significatif pour la croissance. C'est une courbe de croissance qui commence à partir de ce point initial.

Lorsque Naboo a lancé son service d'IA, l'entreprise a supposé que ses clients se souciaient du modèle d'IA sous-jacent et de son fonctionnement. En réalité, ils étaient plus intéressés par les résultats obtenus. Au lieu de créer un chatbot générique, Naboo a formé ses agents sur quatre ans de données, de ton de voix et de communications de réservation passées, développant ainsi son "jumeau IA". Ce jumeau IA gère environ 80 % de l'organisation d'un événement, tandis que 20 % est géré par le responsable de compte pour maintenir la confiance.

Gouvernance et gestion financière des opérations IA

Selon Thibault Martin, lorsque les déploiements d'IA stagnent lors de la phase d'échelle, ce n'est généralement pas à cause de la technologie elle-même. L'équipe de direction d'une entreprise fonctionne souvent sous des incitations différentes. Sans un cadre clair définissant la sécurité de l'IA et l'allocation budgétaire, les déploiements peuvent se retrouver bloqués dans une boucle.

Au sein des entreprises, il existe une nouvelle forme de ressource : l'IA, à laquelle une partie du travail est réaffectée. Il est crucial de s'assurer que les dirigeants d'entreprise sont responsables de l'allocation de l'IA là où elle est le plus nécessaire et qu'ils se sentent habilités à le faire.

Bien que les programmes pilotes d'IA puissent être considérés comme des expériences de R&D, le déploiement de flux de travail agentiques peut entraîner des coûts de jetons imprévisibles — les dépenses financières et computationnelles qui surviennent lors de l'utilisation de modèles d'IA. Jannat Rajan souligne que les entreprises qui bénéficiaient auparavant de marges brutes de 80 % à 90 % voient désormais leurs marges chuter à 50 % à 60 % lorsqu'elles intègrent l'IA dans leurs flux de travail principaux. Pour faire face à ce changement, les entreprises mettent en œuvre des pratiques spécifiques en matière d'opérations financières et réévaluent le prix de leurs logiciels.

Au lieu de diriger chaque demande interne à travers des modèles, les organisations devraient constituer un portefeuille de moteurs d'IA et associer des modèles légers et ciblés à des données internes propriétaires. "C'est très similaire à la vague multi-cloud que nous avons connue dans les années 2010", explique Rajan. "Le principe est exactement le même : ne vous engagez pas entièrement avec un seul fournisseur, mais diversifiez et choisissez les bonnes dépenses."

L'évolution des talents dans l'ère de l'IA

Les méthodes traditionnelles de recrutement ne suffisent plus pour les talents en IA. De nombreuses organisations remplacent les questions comportementales standard par des évaluations pratiques où les candidats doivent utiliser des outils d'IA pour résoudre des problèmes commerciaux réels.

Thibault Martin insiste sur l'importance de l'adaptabilité des candidats. Peuvent-ils anticiper comment leur travail actuel sera différent dans six mois et se préparent-ils à cette nouvelle vague ? Il y a deux ans, il n'y avait pas d'agents de codage. La capacité à se réinventer est une compétence qui était moins importante auparavant parce que vous aviez plus de temps pour vous adapter.

Encourager l'ensemble de la main-d'œuvre à adopter l'IA ne peut pas reposer uniquement sur des efforts individuels. Chez Naboo, l'adoption de l'IA n'est pas optionnelle — 10 % de l'évaluation annuelle de la performance d'un employé est directement lié à la manière dont il construit, gère et utilise des agents d'IA. "Cela devrait être le même dans chaque entreprise, et plus vous êtes jeune, plus c'est facile", dit Bredin. "Je ne suis pas toujours d'accord avec de nombreuses entreprises technologiques qui cessent d'embaucher des juniors. Ils sont habitués à ce genre de changement."

Selon Martin, il existe des similitudes entre la gestion des rapports directs et la gestion des agents d'IA. Un manager ne fait pas le travail à la place de ses employés, mais définit ce à quoi le succès ressemble et fournit des retours. "Avec l'IA, vous devez être clair sur ce qui est attendu. C'est typiquement ce que vous obtiendriez de la part des managers", dit-il. "Ils posent les bases pour que les employés réussissent. Si l'agent produit quelque chose d'inutile, c'est souvent dû aux humains qui ont travaillé avec ces agents et qui n'ont pas pleinement expliqué leurs attentes."

Construire la confiance, la transparence et la valeur

Les investisseurs recherchent de plus en plus des fondateurs ayant une expertise sectorielle et utilisant l'IA pour résoudre des défis spécifiques. "Les entreprises qui m'excitent le plus sont celles qui ont une compréhension claire d'un domaine particulier", déclare Rajan. "Elles pourraient avoir une solution à un problème très spécifique dans la fiscalité internationale, par exemple, ou dans le droit ou dans l'industrie."

"Lorsque je rencontre quelqu'un ayant une véritable expertise sectorielle qui a collecté des données que vous n'avez jamais vues auparavant et qui construit l'intelligence dessus — pour moi, c'est absolument magique."

Les clients ne veulent pas seulement une réponse rapide — ils veulent se sentir entendus et respectés, affirme Martin. "Les humains sont bien meilleurs pour cela. Vous ne convaincrez que rarement quelqu'un de quelque chose juste parce que la réponse est correcte", dit-il. "Parfois, cela nécessite plus, et c'est un bon principe directeur."

La confiance se construit grâce à une supervision humaine, des données propriétaires solides et une formation jusqu'à ce que la sortie de l'IA soit alignée sur les normes humaines, explique Davison. "Appliquer la gouvernance, la formation et la gestion du changement sont autant de moyens de réduire le ‘principe de la moindre surprise’ et de garantir que les sorties des modèles d'IA sont fiables et correctes", ajoute-t-il. "Au fur et à mesure que nous guidons et fournissons les instructions, les compétences et les données, nous pouvons ensuite déployer et tirer les bénéfices de l'IA."