Lors d'une table ronde organisée au kiosque de HCLTech pendant le Mobile World Congress, la discussion s’est concentrée sur une question à laquelle de nombreuses entreprises font face : que faut-il vraiment pour devenir une organisation axée sur l’IA? Animée par Anand Vardhan Priyadarshi, directeur mondial des ventes, HCLTech, la discussion a rassemblé Dr Darren Shea, leader IA Télécom, PwC, et Adam Spearing, VP de l’IA GTM, EMEA, ServiceNow et Ashish Gupta, VP, partenariats stratégiques, Circles, afin d’explorer comment les organisations passent de l’ambition IA à la réalité opérationnelle.

Ce qui est ressorti n’était pas une conversation sur la technologie en vase clos. Il s’agissait d’une discussion plus large sur la conception organisationnelle, la gouvernance, la préparation des données et la responsabilité du leadership. À travers l’échange, un thème s’est nettement démarqué : le défi n’est plus de savoir si les entreprises doivent adopter l’IA, mais comment le faire de façon évolutive, cohérente et de confiance.

Pourquoi les solutions ponctuelles ne suffisent plus

L’un des messages les plus clairs de la discussion était que de nombreuses organisations abordent encore l’IA en fragments. Plutôt que d’élaborer une stratégie unificatrice, elles déploient souvent des outils dans des domaines isolés en espérant générer des gains rapides.

Shea a illustré les risques de cette approche en disant que plusieurs entreprises ont créé « un jardin sauvage de fleurs » en semant des initiatives IA partout. « C’est beau, mais c’est un peu désordonné », a-t-il dit. Pour Shea, le problème n’est pas le manque d’enthousiasme. Il s’agit d’un manque de structure. Bon nombre d’entreprises reçoivent un mandat exécutif d’utiliser l’IA, de démontrer des économies et un retour sur investissement, mais dans la précipitation à répondre, elles « saisissent » des occasions sans d’abord établir où l’IA créera le plus de valeur.

Son argument était que les entreprises doivent prendre du recul et considérer l’organisation dans son ensemble. Cela commence par comprendre les capacités et les processus, pas seulement choisir des outils. Comme l’explique Shea, plusieurs entreprises découvrent à ce stade que les employés effectuent les mêmes tâches depuis des années sans que personne ne leur ait demandé d’écrire précisément ce qu’ils font. Une fois ce travail cartographié, les doublons deviennent visibles, les tâches inefficaces peuvent être éliminées et les rôles peuvent être redéfinis autour d’activités à plus grande valeur ajoutée.

Spearing a renforcé ce même point sous un autre angle. Il a soutenu que les organisations fonctionnent à « deux vitesses » : elles essaient d’avancer très rapidement à court terme tout en ayant aussi besoin d’une vision stratégique à long terme. « L’IA n’est pas un produit, c’est un cadre. » Cette distinction est importante. Un produit peut s’acheter et se déployer. Un cadre doit être conçu, gouverné et continuellement raffiné.

Ensemble, ces perspectives mènent à la même conclusion. La maturité de l’IA ne se mesure pas au nombre de cas d’utilisation lancés. Elle se définit par la façon dont ces cas d’utilisation s’intègrent dans un modèle opérationnel plus large.

Pourquoi la structure peut accélérer le progrès

Une idée fausse récurrente abordée par les deux intervenants était la croyance qu’une approche plus structurée ralentirait l’innovation. En pratique, soutiennent-ils, c’est souvent l’inverse qui est vrai.

Spearing a affirmé que les organisations doivent réfléchir soigneusement à « la gouvernance, les données et les fondations », car c’est ce qui sous-tend le succès à long terme. Il a décrit le défi comme le fait de décider « quelles technologies je vais permettre dans mon environnement, comment empêcher la prolifération anarchique et comment favoriser la bonne prolifération. » Dans ce sens, la gouvernance n’est pas un frein au progrès. C’est ce qui empêche l’expérimentation de devenir du chaos.

« Structuré ne veut pas nécessairement dire lent », a déclaré Shea. En fait, il a ajouté, « cela veut dire rapide, une fois que tout est en place. » Cette observation est centrale dans le débat actuel des entreprises. Trop souvent, on oppose vitesse et discipline. Pourtant, le vrai risque réside dans le fait d’aller trop vite sans la cohérence nécessaire pour évoluer à grande échelle.

Gupta a lui aussi souligné le besoin de conception délibérée sous l’angle de la livraison, en soutenant que, dans certains cas, la voie la plus efficace est de « repartir à zéro » plutôt que de s’acharner à démêler des vieux systèmes complexes. Pour les entreprises voulant s’orienter IA, cet état d’esprit peut aider les dirigeants à distinguer entre la modernisation qui crée une réelle préparation et celle qui prolonge simplement la dette technique.

Le panel a suggéré qu’un modèle plus utile est celui où les entreprises visent de la valeur à court terme tout en concevant pour des changements à long terme. Cela signifie générer de petits gains, mais le faire dans un cadre clair pour les données, les risques et la propriété. Les entreprises capables de concilier ces deux horizons surpasseront probablement celles qui courent après des victoires isolées sans bâtir la fondation sous-jacente.

La donnée devient l’arène stratégique

Si l’IA est le moteur, la donnée en demeure le carburant. Ce constat n’est pas nouveau, mais la discussion a démontré qu’à l’ère de l’IA agentique, la qualité de ce carburant devient encore plus cruciale.

« Les données, c’est le carburant », a souligné Spearing. « Si on ne lui fournit pas des données fidèles, elle va prendre de mauvaises décisions. » Cet avertissement reflète le changement en cours. Lors de la première vague d’adoption de l’IA générative, de nombreuses préoccupations portaient sur les hallucinations. Dans la prochaine phase, la préoccupation est plus large et opérationnelle. De mauvaises données ne produisent pas seulement de mauvaises réponses. Elles entraînent aussi de mauvaises actions.

Pour bien des grandes entreprises, en particulier dans les télécoms, il s’agit d’un problème de longue date. Spearing a décrit des environnements où il y a « tant de données » et « un tel désordre parmi ces données », avec des systèmes souvent « rassemblés par du ruban adhésif » depuis des années. Les efforts précédents visant à rationaliser ces environnements étaient fréquemment retardés ou dépriorisés. L’IA change maintenant ce calcul.

Gupta a été tout aussi direct sur les répercussions d’un manque de discipline en matière de données. « Si ce n’est pas en ordre, c’est poubelle en entrée, poubelle en sortie », a-t-il dit. Il note que beaucoup d’environnements télécoms ont été bâtis de manière cloisonnée, avec « bien des pansements mis sur plusieurs décennies », augmentant la fragmentation. Selon lui, les organisations ont besoin de technologies « construites à dessein », où les données sont déjà structurées et les capacités de base rassemblées « pour offrir une donnée claire et unifiée dans un endroit simple et organisé ».

Spearing a soutenu que c’est maintenant le moment de mettre la donnée à l’ordre du jour du PDG : « Il faut trier nos données, et ce doit être la priorité. » C’est un indicateur fort du déplacement de la conversation. La modernisation des données n’est plus seulement une question technique. Elle devient une condition stratégique préalable à l’adoption de l’IA.

Shea a partagé le même point de vue, observant que de nombreuses organisations utilisent maintenant l’IA « comme vecteur obligatoire pour les données ». Autrement dit, l’IA ne fait pas qu’exposer les faiblesses de l’environnement de données. Elle suscite enfin l’urgence d’y remédier.

L’entreprise fonctionne selon des workflows, pas des silos

Un autre thème majeur de la discussion était le besoin d’aller au-delà des structures fonctionnelles traditionnelles et de se concentrer plutôt sur les flux de travail qui traversent l’entreprise.

Spearing a fait valoir que bien des organisations comprennent mal la transformation des workflows. Certains processus sont prévisibles et déterministes ; dans ces cas, l’IA peut simplement les accélérer. Mais la véritable transformation, dit-il, s’opère dans « ces workflows non déterministes », où les conditions varient, les exceptions se présentent et les équipes ont historiquement dû traiter ces enjeux à la main.

Il a illustré ce point avec un exemple complexe d’intégration impliquant un grand client télécom d’entreprise. Dans ces situations, le défi n’est pas que de traiter les tâches plus vite. Il faut permettre aux systèmes de synthétiser l’information, de tester des scénarios et de proposer des options lorsque des imprévus surgissent. Comme l’explique Spearing, le but est que le moteur de workflow reconnaisse une situation inconnue et y réagisse intelligemment : « Je suis bloqué ici. Que veux-tu que je fasse? Voici nos options. Allons-nous en A ou en B, ou as-tu une autre idée? »

Cette capacité est cruciale parce que beaucoup d’efforts humains d’aujourd’hui sont consacrés à la gestion des exceptions et à l’intervention d’urgence. Spearing estime que si les organisations peuvent utiliser l’IA pour gérer cette complexité, elles pourront réorienter les gens vers l’amélioration opérationnelle plutôt que la gestion quotidienne des incidents. « Comment améliorer l’entreprise? Comment améliorer la qualité du service? Comment transformer l’expérience client? », a-t-il demandé. C’est là qu’il voit la véritable opportunité pour les dirigeants.

Gupta a élargi cette idée en déplaçant le focus des systèmes internes vers les parcours client. « On est passé d’un système d’enregistrement à des workflows, ou système d’actions », dit-il. De son point de vue, les entreprises devraient commencer non pas par la disposition de leurs systèmes, mais par le processus décisionnel qu’un client cherche à accomplir. « Le consommateur ne pense pas à la réaction de mon MarTech », dit-il. « Ce que le consommateur évalue, c’est l’ensemble du cycle de décision. » Cela signifie que l’information, les recommandations et l’exécution doivent circuler aisément entre le CRM, l’analytique, le catalogue, la facturation et les systèmes de service. Comme le dit Gupta, la question cruciale est « quel workflow ou processus décisionnel client cherchez-vous à résoudre » et ensuite comment les systèmes sous-jacents se rassemblent pour le soutenir.

Il suggère aussi que cette évolution pourrait transformer la structure des entreprises. À titre d’exemple, il mentionne une organisation mûre dont la direction a identifié neuf processus critiques et assigné la responsabilité exécutive pour chacun, transcendant ainsi les silos traditionnels. Si une entreprise fonctionne vraiment selon des workflows, alors la responsabilité de bout en bout des processus pourrait être aussi importante que le leadership départemental traditionnel.

La gouvernance comme gage de confiance

En dépit de l’accent mis sur la transformation, le panel a clairement affirmé que la gouvernance ne peut être une réflexion après coup. Plus les systèmes d’IA deviennent autonomes, plus la gouvernance est essentielle pour la confiance, la responsabilité et l’adoption.

Shea affirme que la gouvernance demeure « un sujet très important » et l’une des principales préoccupations de ses clients. Il note que ce domaine évolue rapidement et que les entreprises en apprennent constamment davantage sur les agents. Une crainte en particulier retient l’attention : « la dérive des agents ». Comme l’a décrit Shea, on craint de « paramétrer l’agent pour une tâche au jour 1, mais qu’au jour 17, il fasse tout autre chose ». Cette possibilité, explique-t-il, « effraie terriblement mes clients ».

Pour cette raison, la plupart des organisations veulent encore des humains dans la boucle. Shea juge cette prudence sensée. Les entreprises aiment l’idée d’agents autonomes agissant en leur nom, mais nombreuses sont celles qui ne sont pas prêtes à leur laisser le contrôle sans surveillance, surtout dans les secteurs sensibles. Dans les réseaux télécoms, par exemple, il signale que les équipes opérationnelles sont particulièrement prudentes. « Le réseau est super parano », dit-il. « La façon la plus rapide de passer de cinq neufs à trois neufs, c’est de lâcher un agent là-dedans. »

Parallèlement, Shea souligne aussi le besoin d’équilibre. Trop de gouvernance peut miner la proposition de valeur aussi sûrement que pas assez. Comme il l’explique, si une entreprise retire cinq personnes d’une équipe et les remplace par des agents, elle ne veut pas que ces mêmes personnes gouvernent les agents. L’enjeu est de créer des contrôles qui inspirent confiance sans neutraliser les gains d’efficacité.

Spearing a soulevé un point complémentaire plus tôt dans la discussion en disant que la gouvernance ne doit pas être réduite à une simple liste de vérification. Selon lui, une gouvernance efficace de l’IA commence par une question stratégique : quel appétit pour le risque a l’organisation et comment le gérera-t-elle à l’échelle de l’entreprise? Lorsque la gouvernance est abordée ainsi, elle peut servir de catalyseur plutôt que de tâche administrative.

Gupta ajoute que la confiance touche autant l’organisation que le consommateur. « Nous sommes les gardiens des données des clients », affirme-t-il, ce qui ajoute « plusieurs couches de complexité et de responsabilité » à tout déploiement d’agents ou d’applications IA. De son point de vue, les organisations doivent avancer graduellement, d’abord avec des copilotes et l’intervention humaine, puis accroître l’autonomie à mesure que la confiance grandit.

Le rôle humain évolue, il ne disparaît pas

Le panel a aussi abordé une des dimensions les plus sensibles de la transformation IA : son impact sur les rôles, les responsabilités et la structure organisationnelle.

Spearing prévoit que les entreprises évolueront de plus en plus des structures départementales vers des organisations bâties autour des processus d’affaires critiques. Il prétend que si une compagnie construisait aujourd’hui une entreprise télécom à partir de zéro, elle ne l’organiserait pas comme l’ont fait de nombreux joueurs établis au fil du temps. Cela crée une opportunité de repenser la propriété et l’amélioration du travail.

En parallèle, Shea a souligné l’anxiété qui émerge déjà chez les couches intermédiaires des organisations. « Il y a beaucoup de confusion. Il y a beaucoup d’angoisse », dit-il. Plusieurs gestionnaires craignent de perdre leur poste, surtout s’ils ne se considèrent pas très techniques. En réponse, il croit que les organisations doivent investir davantage en réassurance et explication, aidant les employés à visualiser ce que pourrait être leur futur rôle dans un modèle hybride humain-machine.

Pour plusieurs, il estime que le travail ne sera pas fondamentalement différent. « Vous gérerez simplement une chose, et non quelqu’un », dit-il. La transition vers des opérations axées IA réduira certains rôles et en reconfigurera d’autres, mais pose aussi un nouveau défi de gestion : les personnes supervisant des systèmes, des exceptions et des effectifs synthétiques, et non plus seulement des équipes humaines.

Gupta met l’emphase sur un besoin similaire d’éducation interne. L’IA peut être imposée d’en haut, dit-il, mais chaque fonction doit quand même « être éduquée et formée à l’utilisation de cette technologie », notamment pour savoir quand lui faire confiance ou la remettre en question. De ce fait, la préparation organisationnelle dépend non seulement des outils et de la gouvernance, mais aussi de l’intuition acquise par le personnel avant que l’organisation puisse véritablement miser sur des modèles agentiques.

C’est pourquoi la gestion du changement ne peut rester à l’écart de la stratégie IA. La conversation technologique doit s’accompagner d’investissements en formation, en éducation et en développement de la confiance à l’échelle de l’organisation.

Une refonte fondamentale s’impose

La discussion au MWC a bien montré que l’entreprise axée IA n’émergera pas de simples expérimentations ou du seul déploiement technologique. Elle se construira plutôt au moyen d’une refonte profonde des workflows, de la stratégie de données, de la gouvernance et de la responsabilité du leadership.

La plus grande révélation du panel est que la maturité IA ne se définit pas par le nombre d’outils lancés par une organisation, mais par l’alignement de ces outils à un modèle d’exploitation cohérent. Cela exige l’appui de la haute direction, de l’exécution disciplinée et la volonté de réinventer des façons de travailler bien établies.

Le tout demeure en évolution, et peu d’organisations ont toutes les réponses. Mais la direction se précise. Les entreprises qui jumellent ambition et structure, expérimentation et confiance seront mieux positionnées pour évoluer de l’activité IA vers de véritables avantages IA.