China Widener, Vice-présidente, US Tech, Media & Télécommunications leader chez Deloitte – Série d’entretiens

China Widener est la vice-présidente de Deloitte et dirige l’industrie des technologies, des médias et des télécommunications (TMT) aux États-Unis. Elle siège également au conseil d’administration de Deloitte aux États-Unis.

Elle offre une perspective distinctive sur l’avenir de l’industrie TMT, avec un intérêt particulier pour l’évolution de l’IA agente – des systèmes intelligents capables de prise de décision autonome – et leur impact transformateur sur l’ensemble de l’entreprise. Elle est passionnée par l’aide aux clients pour débloquer tout le potentiel de l’IA agente pour accélérer l’innovation, améliorer l’efficacité opérationnelle et créer de nouvelles sources d’avantage concurrentiel, tout en maintenant un engagement ferme en faveur d’une IA fiable.

China a co-écrit des articles sur l’IA, les cadres technologiques pour les entreprises, l’analyse des modèles de livraison et la fermeture du fossé des talents. Elle est une conférencière et une animatrice très demandée et son expérience dans le domaine de la technologie et sa progression de carrière ont été présentées dans plusieurs podcasts et publications.

Deloitte est l’un des plus grands cabinets de services professionnels au monde, offrant des services d’audit, de consulting, de fiscalité, de conseil en risques et de conseil financier à des organisations dans presque tous les secteurs. Avec un réseau mondial s’étendant sur plus de 150 pays, Deloitte travaille avec des sociétés multinationales, des gouvernements et des entreprises émergentes pour relever des défis complexes, impulser la transformation numérique et améliorer la performance opérationnelle. Le cabinet est particulièrement connu pour son expertise dans des domaines tels que le conseil en technologie, l’analyse de données, la cybersécurité et la conformité réglementaire, aidant les clients à s’adapter à des marchés en constante évolution tout en maintenant une gouvernance solide et des stratégies de croissance à long terme.

Les recherches de Deloitte montrent que la plupart des organisations sont toujours bloquées en mode pilote. Quelle est la plus grande méconception que les dirigeants ont sur ce qu’il faut pour mettre à l’échelle l’IA à l’échelle de l’entreprise ?

Les organisations essaient souvent de « greffer l’IA » sur des processus existants, alors que la mise à l’échelle nécessite en réalité de réarchitecturer la façon dont le travail est effectué. La plus grande méconception que je constate est que la mise à l’échelle de l’IA est principalement un défi technologique. En réalité, la technologie est souvent la partie la plus facile. Ce que les dirigeants tendent à sous-estimer, c’est le degré de changement de modèle opérationnel requis – des flux de travail et des droits de décision aux talents, aux incitations et à la gouvernance. 

Le passage des cas d’utilisation isolés à l’orchestration à l’échelle de l’entreprise peut être débloqué lorsque les personnes, les processus et la technologie évoluent ensemble. Sans cet alignement, même l’IA la plus avancée reste bloquée en mode pilote.

Pourquoi de nombreuses initiatives d’IA ne parviennent-elles pas à livrer un ROI mesurable, même lorsque la technologie sous-jacente est solide ?

Le véritable ROI vient lorsque l’IA est intégrée dans des processus de bout en bout, et non traitée comme une expérimentation isolée. La plupart des initiatives d’IA ne échouent pas parce que la technologie ne fonctionne pas – elles échouent parce que l’entreprise n’est pas configurée pour en capter la valeur.

Les cas d’utilisation déconnectés, la mauvaise intégration des flux de travail et le suivi de la valeur peu clair empêchent l’IA de se traduire en un impact mesurable. Ce qui manque souvent, c’est l’orchestration. La valeur de l’IA n’est pas seulement verticale – dans une seule capacité ou fonction – mais également horizontale, s’étendant sur des processus, des équipes et l’ensemble de l’entreprise. Lorsque les organisations ne relient pas ces couches, elles se retrouvent avec des poches de progrès qui ne parviennent jamais à s’étendre.

La valeur vient de l’alignement de la technologie sur les flux de travail et les résultats commerciaux, de sorte que l’IA puisse fonctionner à l’échelle de l’entreprise, et non seulement dans des silos. C’est alors que vous passez de l’expérimentation à une véritable transformation et commencez à réaliser une valeur durable et transversale.

À quel moment une entreprise doit-elle cesser d’expérimenter et s’engager dans une transformation d’IA à l’échelle de l’entreprise, et quels sont les signaux qui indiquent qu’elle est prête ?

Les organisations devraient aller au-delà de l’expérimentation lorsqu’elles sont prêtes à intégrer l’IA dans des processus de bout en bout. C’est un changement de paradigme, passant d’une collection de pilotes sur mesure à une transformation stratégique ancrée dans une feuille de route claire pour la valeur et la façon de la capter.

Cela signifie aligner les parties prenantes autour de priorités partagées, définir où l’IA peut avoir le plus grand impact sur les fonctions et mettre en place la bonne gouvernance et le bon modèle opérationnel pour exécuter contre cela. Sans cette clarté, les organisations restent bloquées avec des pilotes difficiles à mettre à l’échelle ou à reproduire.

En résumé, le succès reposera sur le passage d’une expérimentation fragmentée à une stratégie coordonnée à l’échelle de l’entreprise – où la valeur est clairement définie, priorisée et réalisée de manière systématique.

Comment les dirigeants devraient-ils repenser le ROI dans le contexte de l’IA, en particulier lorsque les avantages s’étendent au-delà des économies de coûts pour inclure la productivité, la réorganisation de la main-d’œuvre et l’avantage stratégique à long terme ?

C’est à dire qu’il faut penser au ROI de l’IA comme à plus qu’une simple économie de coûts. Lorsque vous passez à une équation de valeur plus large qui inclut les gains de productivité, la transformation de la main-d’œuvre et de nouvelles voies de croissance, c’est alors que vous débloquez la véritable valeur de l’IA. Même si l’efficacité est importante, l’impact plus large vient souvent de la réorganisation des rôles, de l’accélération de la prise de décision et de la possibilité de nouveaux modèles commerciaux. Le défi est que ces avantages ne se reflètent pas toujours dans les indicateurs financiers traditionnels ou les cycles de P&L à court terme. La clé est d’adopter des approches de mesure plus holistiques qui combinent les résultats financiers, opérationnels et de main-d’œuvre. En fin de compte, l’objectif est d’évaluer l’IA non seulement comme un levier de coût, mais comme un moteur d’avantage concurrentiel à long terme.

L’une des défis mis en évidence est le fossé entre la visibilité et l’action. Pourquoi les organisations ont-elles du mal à opérationnaliser les informations générées par l’IA ?

Le fossé entre l’insight et l’action est un problème d’exécution, et non d’analyse. Les organisations peuvent parfois générer des insights, mais des droits de décision peu clairs, des flux de travail mal alignés et un manque de responsabilité empêchent l’action. La gouvernance est la clé. Fermer ce fossé nécessite d’intégrer l’IA et de comprendre l’impact sur les flux de travail, les pratiques, les politiques et les chemins d’exécution.

Enterprise AI Navigator met l’accent sur l’« agentification » des tâches. Comment les dirigeants devraient-ils décider quels processus sont les mieux adaptés pour les agents d’IA par rapport aux flux de travail humains ?

Différents processus nécessitent des niveaux d’automatisation différents ; une transformation efficace consiste à faire les bons choix. La question clé n’est pas si déployer des agents d’IA, mais où ils créent la plus grande valeur.

Cette valeur peut être évaluée de deux manières principales : l’« adéquation » organisationnelle et l’impact financier. Pour certaines organisations, l’alignement sur les flux de travail, la culture et les méthodes de travail existantes sera la priorité, faisant de l’« adéquation » le meilleur point de départ. Pour d’autres, la focalisation sera sur les rendements financiers mesurables, où la compréhension de la portée et de l’échelle de la création de valeur deviendra le principal moteur. La capacité à évaluer les deux dimensions permet une prise de décision plus éclairée et stratégique.

Il est important de noter que tous les processus ne doivent pas être « agentifiés ». Certains nécessitent un jugement humain, de la confiance ou de la créativité. L’objectif est un modèle hybride, où les humains et les agents sont conçus pour se compléter intentionnellement.

De nombreuses organisations investissent lourdement dans les outils d’IA mais ne réaménagent pas les flux de travail. Quelle est l’importance de la réorganisation organisationnelle pour atteindre un véritable impact d’IA ?

La réorganisation organisationnelle n’est pas optionnelle ; elle est centrale pour atteindre l’impact de l’IA. Les entreprises qui investissent dans des outils sans réaménager les flux de travail voient généralement des gains incrémentiels au mieux. La véritable valeur vient lorsque les organisations repensent les rôles et les responsabilités, les structures d’équipe et la façon dont les décisions sont prises. L’IA ne change pas seulement les tâches : elle change la façon dont le travail s’écoule à travers l’entreprise. Sans alignement structurel, la véritable transformation est limitée.

La gouvernance est en retard par rapport à l’adoption, en particulier avec l’IA agente. Quels sont les risques que les entreprises sous-estiment lorsqu’elles mettent à l’échelle des systèmes plus autonomes ?

Nos recherches montrent que seulement 21 % des organisations ont une gouvernance mature en place pour les agents autonomes. Sans un programme de gouvernance solide et global, de nombreuses entreprises hésitent à déployer ces outils. Cette hésitation conduit souvent à l’émergence de « l’IA de l’ombre », qui introduit des risques non gérés importants. 

En même temps, les organisations sous-estiment souvent le rôle que les employés peuvent jouer dans la gouvernance. Les politiques et les structures de rapport sont critiques, mais elles ne suffisent pas à elles seules. Les employés veulent généralement utiliser l’IA de manière responsable – et lorsqu’ils sont équipés de directives claires, ils deviennent une ligne de défense puissante.

Cela signifie que les organisations devraient se concentrer sur l’éducation de leur main-d’œuvre : ce qui est sûr, ce qui est risqué et comment prendre de bonnes décisions en temps réel. Par exemple, en s’arrêtant pour se demander : devrais-je inclure des données financières sensibles ici ? Ce type de prise de décision quotidienne est où la gouvernance prend vraiment vie. Les employés, lorsqu’ils sont informés et habilités, renforcent activement la posture de risque de l’organisation.

Enfin, la surveillance continue et les tests périodiques sont sous-utilisés mais essentiels. À mesure que nous progressons dans l’ère de l’IA agente, la surveillance continue doit devenir un élément essentiel pour toute organisation qui déploie ces capacités à grande échelle.

Deloitte suggère que Enterprise AI Navigator peut réduire considérablement le temps de stratégie et de conception. Qu’est-ce qui change spécifiquement dans la façon dont les organisations abordent la prise de décision d’IA lorsqu’elles utilisent un système comme celui-ci ?

Enterprise AI Navigator relie les insights financiers, les flux de travail et les insights de la main-d’œuvre dans une feuille de route de transformation unifiée. Ce qui change, c’est le passage d’une prise de décision basée sur l’intuition à une transformation informée par les données, qui reflète une approche disciplinée à utiliser à travers le paysage des parties prenantes. Avec Enterprise AI Navigator, Deloitte peut aider à modéliser des scénarios avant d’investir, prendre des décisions d’IA liées directement à l’impact financier et des flux de travail, et passer d’une expérimentation isolée à une feuille de route d’entreprise cohérente

Cela compressé efficacement les cycles de stratégie et de conception en donnant aux dirigeants une visibilité sur ce qui fonctionnera – avant de le mettre à l’échelle.

En regardant vers les 1 à 2 prochaines années, qu’est-ce qui séparera les entreprises qui réussiront à transformer l’IA en un avantage concurrentiel de celles qui resteront bloquées dans l’expérimentation ?

La division ne sera pas sur qui a adopté l’IA ; elle sera sur qui s’est transformé à cause de cela. Ces dirigeants traiteront l’IA comme un levier de transformation commerciale, et non seulement comme un ensemble d’outils. Cela signifie réaménager les flux de travail et les modèles opérationnels de bout en bout, tout en mesurant la valeur de manière holistique sur les résultats financiers, de la main-d’œuvre et de croissance.

De manière cruciale, ils reconnaîtront que la productivité seule n’est pas la ligne d’arrivée. De nombreuses organisations voient déjà des gains d’efficacité incrémentiels, mais l’avantage concurrentiel vient de l’utilisation de l’IA pour débloquer de nouvelles sources de revenus, remodeler les offres et stimuler la croissance à l’échelle de l’entreprise, et non pas simplement faire le même travail plus vite.

Celles qui traînent derrière continueront à se concentrer sur les outils plutôt que sur les résultats, poursuivant des cas d’utilisation isolés sans les relier à travers l’entreprise. Elles tendront également à sous-investir dans la gestion du changement, la gouvernance et l’orchestration – ce qui rendra difficile la mise à l’échelle de l’impact.

En résumé, les gagnants seront ceux qui passeront d’entreprises dotées d’IA à des entreprises propulsées par l’IA. Ces entreprises intégreront l’IA dans la façon dont l’entreprise fonctionne, grandit et concourt, et non seulement dans la façon dont elle expérimente.

Merci pour cette grande entrevue, les lecteurs qui souhaitent en savoir plus peuvent visiter Deloitte.