Enseignements de la table ronde « L’adoption de l’IA dans l’industrie »
À l’ETH AI Center de Zurich, un panel de praticiens s’est réuni pour discuter d’un sujet qui figure aujourd’hui à l’agenda de presque tous les dirigeants : comment transformer le potentiel de l’IA en un impact concret sur l’activité. L’échange entre experts du secteur a rapidement mis en évidence un point : l’écart entre les initiatives d’IA réussies et celles qui échouent est rarement technique. Notre Head of Data, Analytics & AI Markus Grob (ELCA Group) a été invité à ce panel aux côtés de Yannic Kilcher (DeepJudge), Alicia Montoya (Swiss Data Science Center), Jean Voigt (IMTF) et Cedric Klinkert (Unique). Leur perspective commune offre un regard ancré dans la pratique, au-delà de l’engouement actuel.
Une affirmation a particulièrement marqué l’auditoire : « Si personne ne se plaint, c’est probablement que ça fonctionne. » À première vue contre-intuitive, elle met en lumière un principe fondamental d’une IA réussie : la vraie valeur provient souvent d’une intégration fluide plutôt que d’une sophistication visible.
1. Une intégration fluide dans les workflows
Les systèmes d’IA créent de la valeur lorsqu’ils s’effacent dans les processus existants. Dans de nombreuses organisations, les initiatives échouent parce qu’elles introduisent des frictions au lieu de les supprimer. On demande aux utilisateurs de changer leurs habitudes, de changer d’outils ou d’adapter leurs processus de travail, ce qui ralentit considérablement l’adoption.
À l’inverse, les déploiements réussis intègrent les capacités d’IA dans les systèmes que les collaborateurs utilisent déjà. Le traitement de documents, l’aide à la décision ou l’automatisation sont intégrés si profondément que l’utilisateur interagit avec le résultat, et non avec la technologie elle-même. C’est là que l’IA devient un véritable multiplicateur de productivité.
2. Mesurer ce qui compte vraiment
Un autre enseignement clé abordé lors du panel concernait la difficulté de mesurer correctement l’adoption de l’IA. Les tableaux de bord traditionnels donnent souvent une image incomplète. Comme l’a souligné un participant : « Une métrique ne vous montre que ce qu’elle a été conçue pour voir. »
Dans les architectures modernes, les usages les plus avancés intègrent l’IA par API dans les routines quotidiennes. Si le tableau de bord d’adoption ne mesure que l’utilisation passant par l’interface utilisateur, il conduit à des conclusions trompeuses, par exemple en sous-estimant l’adoption ou en surestimant l’engagement.
Pour les dirigeants, cela signifie que les cadres de KPI doivent évoluer en même temps que la technologie. Mesurer la création de valeur exige de comprendre comment l’IA est réellement intégrée dans les processus, et pas seulement la fréquence à laquelle un utilisateur se connecte à un système.
3. Stimuler l’adoption par la recommandation
Les métriques seules ne suffisent pas à stimuler l’adoption. L’un des signaux les plus puissants évoqués durant le panel était la recommandation par les utilisateurs. Comme il a été dit : « Quand quelqu’un est vraiment satisfait de quelque chose, il en parle. »
Ce mécanisme de diffusion informel l’emporte souvent sur des stratégies de déploiement structurées. Lorsque les utilisateurs recommandent activement une solution à leurs collègues, l’adoption s’accélère naturellement à travers les équipes et les départements.
Les organisations qui réussissent avec l’IA encouragent activement cette dynamique en se concentrant sur l’expérience utilisateur et des bénéfices tangibles plutôt que sur l’exhaustivité des fonctionnalités.
4. Créer de la valeur à tous les niveaux de l’organisation
Un autre thème récurrent était l’importance de s’adresser à différents groupes de parties prenantes. Les initiatives d’IA réussissent souvent aux niveaux opérationnels, mais peinent à s’imposer au niveau de la direction.
Le panel a évoqué plusieurs exemples où les décideurs n’étaient pas directement confrontés à la valeur des solutions d’IA. Sans ce lien, même des projets réussis risquent de perdre leur élan.
Cela souligne la nécessité de concevoir des cas d’usage qui trouvent un écho à tous les niveaux, des analystes qui manipulent les données au quotidien jusqu’aux dirigeants responsables de l’orientation stratégique.
5. Penser à long terme
Enfin, les initiatives d’IA réussies exigent une perspective de long terme. De nombreuses organisations attendent des résultats immédiats, mais un impact significatif met souvent 12 à 18 mois à se concrétiser.
Comme cela a été souligné durant la discussion : « C’est un cheminement continu. Les choses évoluent vite : on ne peut pas faire les choses une seule fois et considérer qu’elles sont terminées. »
Cette évolution continue reflète la nature même de l’IA. Les modèles s’améliorent, les coûts changent et les réglementations évoluent. Les organisations doivent donc construire des capacités plutôt que des projets isolés.
Pour les dirigeants, les implications sont claires. Le succès de l’IA ne tient pas avant tout au choix du bon modèle, mais à la mise en place des bonnes conditions organisationnelles.
Chez ELCA, nous accompagnons nos clients dans l’intégration de l’IA au cœur de leurs processus, en assurant l’adoption à tous les niveaux et en générant un impact durable sur l’activité. Nous vous invitons à contacter nos experts.