Dans la salle de direction, cela paraît simple : « nous voulons améliorer la qualité, et l'IA y contribue. » Tout le monde approuve. Et pourtant, un directeur entend par là moins d'erreurs dans les résultats, un autre un travail plus rapide et plus cohérent, et un troisième surtout moins de dépendance à l'expérience de quelques seniors. Une même phrase, trois ambitions. Aussi longtemps que cette ambition n'est pas décomposée en ce qui change précisément — quelle tâche, à quel niveau, avec quel contrôle — elle reste un souhait sans direction.
Le changement ne relève pas d'un scénario futur. Il traverse déjà le travail aujourd'hui, à travers trois types d'étapes qui coexistent :
Améliorer la qualité ne signifie donc pas « ajouter de l'IA », mais déterminer précisément dans laquelle des trois catégories une tâche se situe, et organiser l'entreprise de sorte que la deuxième catégorie — le contrôle — se produise réellement. C'est là que cela dérape souvent : les entreprises déploient l'IA pour le résultat, mais ne construisent pas la couche de contrôle qui l'accompagne.
La différence ne se situe presque jamais dans la technique. Elle réside dans la question de savoir qui est habilité à rejeter un résultat produit par l'IA, si cette personne dispose du temps nécessaire pour le faire, et si l'entreprise exige une raison consignée en cas de rejet plutôt qu'un simple ressenti. Les entreprises où cela fonctionne déjà ont explicité ce rôle : quelqu'un est responsable de la qualité de la partie du processus confiée à l'IA, avec le mandat de la renvoyer. Les entreprises où cela ne fonctionne pas encore laissent les résultats de l'IA circuler dans un processus conçu pour un travail humain, sans que personne ne soit désigné pour reconnaître ce nouveau type d'erreurs.
Le test d'ambition consigne cela en quatre couches : la vision (améliorer la qualité), le vision state (ce que cela signifie concrètement par processus), la target (un niveau défini) et le target state (à quoi le travail ressemble alors). Ces quatre couches sont évaluées selon huit dimensions de préparation — de la qualité des données aux droits de décision, en passant par la compétence à évaluer les résultats de l'IA — et le long de cinq confidence gates qui indiquent si l'entreprise est prête à passer à l'étape suivante.
Il en découle une retraduction en capabilities, et pour chaque capability, un rôle :
Cette question des rôles et du mandat revient dans des ambitions connexes : qui souhaite croître sans recruter de personnel supplémentaire trouvera ce que cela requiert dans quelles capabilities sont nécessaires pour croître sans agrandir l'équipe, et qui souhaite réduire la dépendance à quelques personnes clés trouvera le recoupement dans quelles capabilities sont nécessaires pour réduire la dépendance aux personnes clés. Qui recherche surtout la qualité dans l'administration peut lire la traduction vers ce processus spécifique dans quelles capabilities sont nécessaires pour réduire de moitié l'administration grâce à l'IA.
Le résultat n'est pas « l'IA tourne partout ». C'est qu'il existe, par processus, une réponse explicite à trois questions : quelle partie est faite par l'IA, qui approuve ou rejette l'autre partie, et qui continue à tout faire lui-même. Dans un an, vous le constaterez à travers moins de discussions sur la confiance à accorder à un résultat de l'IA, et davantage à travers un rythme fixe où les rejets sont consignés et utilisés pour ajuster le processus. Aucune promesse que le taux d'erreur baisse d'un pourcentage fixe — cela dépend du processus, de la qualité des données sous-jacentes et du nombre d'heures de travail déjà consacrées au contrôle — mais bien une conversation démonstrablement différente lors des réunions de direction.
Si ce changement touche également l'effectif du personnel, des exigences légales propres s'appliquent alors ; cette évaluation ne relève pas de ce test.
Qui souhaite d'abord savoir comment une telle ambition se traduit en étapes mesurables plutôt que de rester une simple intention peut le lire dans comment traduire une ambition de croissance en étapes mesurables, et qui se demande ce que signifie un operating model en langage courant trouvera l'explication dans ce qu'est un target operating model en langage courant.
La question sous-jacente — quel travail dans cette entreprise peut réellement être repris par l'IA, et où un contrôle ou un travail humain reste nécessaire — est traitée tâche par tâche grâce au scan de travail de FTE TO AI. Si vous souhaitez d'abord une vue d'ensemble au niveau de la direction, sans cet approfondissement : le contrôle de préparation gratuit comprend huit questions courtes, une par dimension, et donne une image de là où l'entreprise est déjà la plus avancée et là où l'écart reste le plus important. Le test d'ambition complet, avec les quatre couches et les cinq confidence gates, est en cours de développement.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.