Andrew Sales, Directeur des produits, Scaled Agile – Série d’entretiens

Andrew Sales, Directeur des produits et Methodologiste en chef chez Scaled Agile, est un leader expérimenté en Lean, Agile et DevOps qui a passé plus de deux décennies à aider les entreprises à transformer leur façon de livrer de la valeur. Dans son rôle actuel, il guide la stratégie produit et l’évolution du cadre Scaled Agile (SAFe), en travaillant avec des organisations mondiales pour adopter des pratiques agiles à l’échelle de l’entreprise. Avant de rejoindre Scaled Agile, Sales a occupé des postes de direction et de conseil chez CA Technologies, Rally Software et Pearson, où il a conseillé des organisations en Europe, au Moyen-Orient et en Afrique sur des initiatives de transformation agiles dans les services financiers, les télécommunications, la vente au détail, les logiciels et l’éducation.

Scaled Agile, Inc. est l’entreprise derrière le cadre Scaled Agile, mieux connu sous le nom de SAFe, un cadre largement adopté pour aider les entreprises à appliquer les principes Lean, Agile et DevOps à grande échelle. Grâce à son cadre, à ses programmes de formation, à ses programmes de certification, à son réseau de partenaires et à sa plate-forme SAFe Studio, Scaled Agile soutient les organisations qui cherchent à améliorer l’alignement, la vitesse de livraison, la qualité des produits, l’engagement des employés et l’agilité commerciale. L’entreprise rapporte que SAFe a été adopté par plus de 20 000 entreprises dans le monde et que plus d’un million de professionnels ont été formés au cadre.

Quelles leçons tirées des transformations à grande échelle ont le plus directement influencé la création de SAFe natif pour l’IA ?

Au cours des 15 dernières années, nous avons vu plus de 20 000 organisations adopter SAFe pour résoudre un défi fondamental : coordonner le développement de produits complexes à l’échelle de l’entreprise. Une leçon est restée remarquablement constante : les principes Lean et Agile continuent de fonctionner. Ce qui change, c’est la façon dont ces principes doivent être appliqués à mesure que la technologie évolue.

L’IA ne rend pas ces principes obsolètes ; elle change les contraintes. Les équipes deviennent plus petites, plus augmentées par l’IA et de plus en plus axées sur la direction du travail plutôt que sur l’exécution de chaque tâche. Les cycles de décision se compressent, et l’interaction entre le jugement humain et l’exécution de l’IA devient centrale dans la façon dont la valeur est créée.

SAFe natif pour l’IA s’appuie sur la base éprouvée de SAFe tout en évoluant le modèle opérationnel pour cette nouvelle réalité. Il préserve l’accent sur la valeur client, la collaboration transversale, l’alignement du portefeuille et l’amélioration continue, tout en introduisant de nouvelles façons de gouverner l’IA, de gérer les données comme un actif stratégique et d’établir la responsabilité dans les organisations dotées de l’IA.

Pourquoi les cadres Agile traditionnels ne sont-ils plus suffisants pour l’ère de l’IA ?

Les cadres Agile traditionnels restent incroyablement précieux. Ce qui a changé, c’est l’environnement dans lequel ils opèrent.

Pendant des années, les organisations étaient limitées par la rapidité avec laquelle elles pouvaient concevoir, construire et livrer des logiciels. L’IA modifie dramatiquement cette équation. Comme l’a récemment déclaré l’un de nos clients, ils ne sont plus limités par la rapidité avec laquelle ils peuvent construire des choses ; ils sont limités par la rapidité avec laquelle ils peuvent déterminer si ces solutions créent une valeur significative, sont sûres à déployer et s’alignent sur les objectifs commerciaux.

Le goulet d’étranglement a changé de production à jugement. Des sorties à résultats.

Les organisations ont maintenant besoin de modèles opérationnels qui les aident à évaluer continuellement la valeur, à gouverner l’IA de manière responsable et à coordonner le travail entre les personnes et l’IA. C’est une évolution au-delà des pratiques Agile traditionnelles, et non un remplacement pour elles.

Quelles sont les plus grandes erreurs que les entreprises font lorsqu’elles tentent de mettre à l’échelle les initiatives d’IA ?

La première erreur consiste à traiter l’IA comme un problème de mise à l’échelle. La plupart des entreprises ont déjà accès à plus de capacités d’IA qu’elles n’en utilisent efficacement.

La deuxième erreur consiste à superposer l’IA sur les flux de travail existants sans remettre en question si ces flux de travail devraient exister en premier lieu. L’automatisation de processus inefficaces produit rarement une transformation.

Une troisième erreur consiste à traiter l’IA comme une initiative d’innovation isolée plutôt que comme une capacité organisationnelle. L’adoption durable de l’IA nécessite des changements dans la stratégie, la gouvernance, le développement de produits, les pratiques opérationnelles et le leadership, et non simplement le déploiement d’une autre plate-forme technologique.

Les organisations qui ont le plus d’impact réaménagent la façon dont le travail se déroule. L’IA devient partie intégrante du modèle opérationnel plutôt qu’un outil supplémentaire que les employés sont censés utiliser.

Quel écart remplit l’architecte de valeur IA, et comment cela modifie-t-il la dynamique d’équipe ?

L’IA réduit considérablement le coût de création de solutions, mais elle ne réduit pas le coût de résolution du mauvais problème.

L’architecte de valeur IA existe pour aider les organisations à découvrir des opportunités pour exploiter l’IA tout en s’assurant qu’elles restent axées sur les résultats commerciaux. Ce rôle aide à équilibrer la valeur client, la faisabilité technique, le coût, la gouvernance, les considérations juridiques et la responsabilité éthique avant que les organisations n’investissent dans le développement de capacités alimentées par l’IA.

Au lieu de devenir une autre couche d’approbation, le rôle d’architecte de valeur IA crée un alignement entre les dirigeants, les équipes de produits et les organisations techniques afin que les décisions concernant l’IA soient à la fois plus rapides et mieux informées. Il fournit un mécanisme pratique pour équilibrer l’innovation avec la responsabilité tout en gardant la valeur commerciale mesurable au centre de chaque investissement dans l’IA.

Comment équilibrez-vous la vitesse d’innovation avec une surveillance responsable de l’IA ?

La gouvernance ne devrait pas être quelque chose qui se produit après l’innovation. Elle devrait être intégrée au modèle opérationnel afin que l’innovation puisse se produire de manière sûre et continue.

Les grandes entreprises ont toujours eu besoin d’équilibrer la vitesse avec la responsabilité. L’IA accroît l’importance de cet équilibre, car les systèmes d’IA introduisent de nouvelles considérations autour de la qualité des données, de la transparence, des préjugés, de la conformité et de la responsabilité organisationnelle.

SAFe natif pour l’IA rend la gouvernance explicite plutôt qu’implicite. Il intègre la gouvernance dans la prise de décision au niveau du portefeuille, élève la gestion des données comme une préoccupation de premier plan, garde l’humain dans la boucle et introduit une clarté de rôle autour de la responsabilité de l’IA. Lorsque la gouvernance est intégrée dans la façon dont les organisations fonctionnent, elle devient un facteur d’innovation plutôt qu’une contrainte.

Comment les structures d’équipe d’entreprise vont-elles changer au cours des cinq prochaines années ?

Nous voyons quatre changements majeurs émerger dans les organisations à haut rendement.

Tout d’abord, les personnes se concentrent de plus en plus sur la définition de l’intention et des résultats souhaités plutôt que sur l’exécution de chaque tâche manuellement.

Deuxièmement, les cycles d’apprentissage et d’expérimentation deviennent dramatiquement plus rapides à mesure que l’IA accélère l’exploration et les commentaires.

Troisièmement, l’innovation devient plus distribuée car l’IA réduit le coût de l’expérimentation à travers l’entreprise.

Enfin, les équipes deviennent de plus en plus augmentées par l’IA, l’IA agissant comme un participant actif à la livraison plutôt que comme un simple outil de productivité.

À l’avenir, les équipes natives pour l’IA seront probablement définies moins par la taille de l’équipe et plus par la façon dont elles orchestrent efficacement la collaboration entre l’expertise humaine et la capacité de l’IA.

Pourquoi la préparation des données est-elle toujours un obstacle majeur, et quels facteurs les organisations devraient-elles privilégier ?

Les données restent l’un des plus grands obstacles à la réalisation de l’IA à l’échelle de l’entreprise, car l’IA n’est efficace que que avec les informations sur lesquelles elle est construite. Les données fragmentées, la gouvernance incohérente et les flux de travail qui n’ont pas été conçus pour un environnement natif pour l’IA continuent de maintenir de nombreuses organisations bloquées en mode pilote plutôt que de mettre à l’échelle l’IA à travers l’entreprise.

Des recherches de l’Institut Return on AI ont constaté que 55 % des dirigeants mondiaux citent le manque de données prêtes pour l’IA comme le plus grand inhibiteur pour réaliser de la valeur à partir de l’IA. Cela renforce ce que nous voyons dans la pratique : avant d’investir lourdement dans de nouvelles applications d’IA, les organisations doivent traiter les données comme un actif stratégique géré, avec une propriété claire, une gouvernance, des normes de qualité et de confiance. L’IA met à l’échelle les informations qu’elle reçoit, qu’elles soient bonnes ou mauvaises.

C’est pourquoi SAFe natif pour l’IA intègre la gestion des données comme un élément structurel du modèle opérationnel plutôt que de la traiter comme un prérequis ou comme la responsabilité de quelqu’un d’autre. La préparation des données n’est pas simplement un défi pour l’informatique ; c’est un défi de leadership et de modèle opérationnel qui affecte directement la capacité d’une organisation à générer de la valeur commerciale à partir de l’IA.

Comment SAFe natif pour l’IA aide-t-il les organisations à passer de la mesure des sorties à la mesure des résultats ?

L’IA rend-il dramatiquement plus facile de générer des sorties. À mesure que l’exécution devient plus rapide et moins coûteuse, la sortie seule devient une mesure de progrès beaucoup plus faible. L’avantage concurrentiel réel se déplace vers la mesure de savoir si ces sorties créent des résultats commerciaux significatifs.

SAFe natif pour l’IA est construit autour d’un cycle de développement de produits axé sur les résultats. Il fournit les rôles, les pratiques et la gouvernance nécessaires pour connecter continuellement les investissements dans l’IA à une valeur commerciale mesurable.

La même recherche de l’Institut Return on AI soutient ce changement : les organisations qui mesurent et communiquent régulièrement la valeur de l’IA au niveau de la direction et du conseil d’administration signalent des rendements de l’IA nettement plus élevés. SAFe natif pour l’IA aide à faire de cette discipline axée sur les résultats une partie continue de la façon dont l’entreprise fonctionne.

Quels facteurs les organisations devraient-elles prendre en compte lorsqu’elles décident de passer à SAFe natif pour l’IA ?

Le SAFe de base reste le bon modèle opérationnel pour de nombreuses organisations. SAFe natif pour l’IA n’est pas destiné à le remplacer ; il l’étend pour les organisations dont les modèles opérationnels sont de plus en plus façonnés par l’IA.

Les organisations devraient considérer où l’IA crée des opportunités significatives pour réaménager le travail plutôt que de simplement automatiser les activités existantes. Ils devraient évaluer si leur gouvernance, leurs pratiques de leadership et leurs capacités de données sont prêtes à soutenir l’IA à l’échelle de l’entreprise.

Avant tout, ce n’est pas une décision tout ou rien. SAFe natif pour l’IA comprend des conseils d’adoption afin que les organisations puissent évoluer de manière incrémentale, en adoptant des pratiques SAFe natives pour l’IA.

Chaque organisation commence à partir d’un point différent, et SAFe natif pour l’IA est conçu pour soutenir cette évolution.

Quelle est la véritable entreprise native pour l’IA en 2030 ?

D’ici 2030, les organisations les plus performantes ne penseront plus à l’IA comme un problème technologique, mais comme une opportunité commerciale. Elle deviendra intégrale à la façon dont ils travaillent, restent compétitives et livrent de la valeur à leurs clients.

Les dirigeants humains définiront de plus en plus l’intention, prendront des décisions stratégiques, exerceront leur jugement et resteront responsables des résultats. Les agents d’IA effectueront davantage d’analyses, de coordination et d’exécution qui nécessitaient précédemment un effort humain important.

Ce qui séparera les leaders de l’industrie ne sera pas l’accès à l’IA, car tout le monde aura accès à des capacités d’IA puissantes. Le facteur de différenciation sera la qualité de leur modèle opérationnel : la façon dont ils orchestrent efficacement les personnes, l’IA, les données, la gouvernance et l’apprentissage continu pour livrer des résultats commerciaux mesurables à grande échelle.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Scaled Agile.