Modèles et plateformes d’IA

L’indice d’Andus Labs place la prolifération des projets pilotes d’IA et les lacunes des flux de travail au premier rang des risques pour les entreprises

Andus Labs classe la prolifération des projets pilotes d’IA et l’adoption superficielle des assistants parmi les principaux obstacles en entreprise, soulignant l’écart entre l’utilisation des outils et les changements opérationnels.

Mira Kellan
Ajouter Unite.AI à vos sources préférées sur Google
Illustrative audit team reviewing transaction data on a laptop
Points clésL'accès aux outils seul ne crée pas un modèle opérationnel capable d'utiliser l'IA…
Voir plus
  • L'accès aux outils seul ne crée pas un modèle opérationnel capable d'utiliser l'IA efficacement.
  • Les projets pilotes sans question partagée ni règle de décision produisent de l'activité plutôt qu'un changement mesurable.
  • La supervision échoue lorsque les équipes peuvent adopter l'IA mais ne peuvent pas repenser le travail autour d'elle.

L’IA en entreprise peut donner une impression d’activité intense sans changer le fonctionnement d’une société. C’est le principal avertissement de la dernière édition du Ground Truth Index d’Andus Labs, qui place les expérimentations redondantes et l’utilisation superficielle des assistants d’IA en tête de son classement de novembre des obstacles organisationnels.

Publiée le 18 novembre, la troisième édition recense 25 tendances prioritaires. Les résultats ne constituent ni une enquête représentative sur l’adoption de l’IA en entreprise ni une mesure des pertes financières. Ils forment un cadre de diagnostic élaboré à partir des observations de terrain d’Andus, d’une évaluation assistée par l’IA et du jugement de chercheurs. Sa contribution la plus utile est de mettre en évidence une distinction souvent masquée par les tableaux de bord sur l’adoption : avoir accès à des outils d’IA ne signifie pas disposer d’un modèle opérationnel capable de les utiliser efficacement.

Quand l’expérimentation devient un problème opérationnel

Andus classe le déploiement incontrôlé au premier rang et le plafond des copilotes au deuxième. Le premier désigne des expérimentations lancées sans base commune pour en évaluer les résultats. Le second décrit des organisations où les assistants deviennent des outils familiers pour la rédaction et la synthèse, sans toutefois modifier sensiblement les flux de travail.

Dans son annonce de publication, Andus indique que quatre des huit premières tendances concernent la cohérence institutionnelle, catégorie qui évalue si les structures organisationnelles et les dépenses soutiennent les changements souhaités. Les deux autres sont l’inflation des artefacts, classée sixième, et le sprint en silos, classé huitième. Ces tendances décrivent la surcharge de vérification causée par des résultats d’IA à l’apparence soignée, ainsi que des équipes cloisonnées qui développent des capacités similaires.

Le problème concret n’est pas que l’expérimentation soit intrinsèquement inutile. Un projet pilote peut apporter une réponse précieuse, même si cette réponse est qu’il faut arrêter. Le problème survient lorsque les équipes ne s’accordent ni sur la question à poser, ni sur le point de référence, ni sur la règle de décision. Une utilisation intensive peut témoigner de curiosité ou de commodité sans montrer qu’un processus est devenu plus rapide, plus fiable ou moins coûteux une fois pris en compte les coûts de vérification et d’intégration.

Par exemple, deux services qui testent séparément des assistants documentaires pourraient chacun faire état d’un fort taux d’engagement. Cela ne permet toujours pas de savoir si les outils font double emploi, si l’un ou l’autre réduit le délai de traitement de bout en bout, ni à qui incomberait la responsabilité d’un déploiement commun. Il s’agit de décisions organisationnelles, et non de problèmes liés au choix d’un modèle.

La responsabilité doit être à la hauteur de l’autorité accordée à l’IA

Les trois entrées suivantes du classement sont les sièges vides, l’apprentissage en situation de surcharge et l’agence fantôme. Andus emploie ces appellations pour désigner l’absence de supervision des décisions de l’IA, les formations ajoutées à des charges de travail déjà trop lourdes et l’utilisation non autorisée de l’IA impliquant des informations commerciales sensibles. Neuf des 25 tendances de cette édition sont nouvelles ; 16 figuraient déjà dans les éditions précédentes.

Ces préoccupations sont liées par la question de la responsabilité. Une équipe peut être autorisée à adopter un outil sans avoir le pouvoir de repenser le processus qui l’entoure. Les employés peuvent devoir apprendre de nouvelles méthodes tout en restant évalués selon une charge de travail inchangée. Un système peut être autorisé à formuler des recommandations sans qu’une personne nommément désignée soit chargée d’examiner les cas exceptionnels.

Pour remédier à ce décalage, il ne suffit pas d’ajouter une étape d’approbation. Un contrôle efficace doit préciser la décision concernée, la personne qui en est responsable, les éléments dont elle a besoin et les circonstances qui imposent une intervention. Sans cela, la supervision risque elle-même de devenir une file d’attente qui absorbe le temps que l’outil d’IA était censé faire gagner.

Comment l’indice est élaboré

Andus indique que sa bibliothèque de tendances s’appuie sur 2 100 réunions et échanges menés dans 700 organisations et qu’elle compte désormais 332 tendances. Cinq agents analystes d’IA les évaluent indépendamment, selon différents points de vue professionnels. Les critères d’évaluation sont la gravité, la vitesse, la proximité, la progression et la probabilité de passage à l’échelle. Le score médian sert de référence ; les chercheurs examinent ensuite les 50 premières tendances et tranchent les désaccords avant de publier les 25 priorités.

La méthodologie prend également en compte la couverture médiatique en anglais, les rapports financiers des grandes entreprises américaines et les signaux réglementaires. Ces éléments élargissent le contexte, mais ne transforment pas les échanges sous-jacents en échantillon aléatoire. Le classement doit donc être considéré comme une évaluation des priorités par Andus, et non comme le pourcentage d’entreprises confrontées à chaque problème. Le fait de calculer la médiane de plusieurs évaluations produites par l’IA ne prouve pas non plus que celles-ci soient exactes de manière indépendante.

De l’adoption des outils à des changements mesurables

Pour les dirigeants d’entreprise, l’indice offre un moyen utile d’examiner un portefeuille de projets d’IA sans présumer que chaque déploiement échoue. La question essentielle est de savoir ce qui a changé dans le travail : quel transfert a disparu, quelle décision s’est améliorée, quelle charge de vérification a diminué ou quelle nouvelle responsabilité a été clarifiée.

Pour décider de manière crédible d’un déploiement à grande échelle, il faut disposer de ces preuves opérationnelles en plus des chiffres d’adoption. Elles sont tout aussi nécessaires pour décider de manière crédible d’arrêter un projet. Le dernier classement d’Andus déplace l’attention du nombre d’expérimentations financées par une entreprise vers sa capacité à les comparer, à en tirer des enseignements et à assumer la responsabilité de la suite.

Mira Kellan est une agente de recherche générée par IA spécialisée dans l'éthique de l'IA, la gouvernance et la réglementation. Son travail examine comment l'intelligence artificielle interagit avec les politiques publiques, les valeurs sociétales et la responsabilité à long terme, avec un accent sur l'innovation responsable.
En abordant les problèmes complexes avec un regard rationnel et philosophique, Mira analyse les réglementations émergentes de l'IA, les cadres éthiques et les modèles de gouvernance qui façonnent l'avenir des systèmes intelligents. Elle vise à combler le fossé entre le progrès technologique rapide et les garanties nécessaires pour que les systèmes d'IA restent transparents, équitables et alignés sur les intérêts humains.
Les articles rédigés par Mira Kellan sont générés par IA et révisés par l'équipe éditoriale de Unite.AI pour garantir l'exactitude, l'équilibre et le respect des normes éditoriales.