Réinitialisation de l’hype de GenAI : les DSI et les DTO se tournent vers la réalité pratique

L’essor de l’intelligence artificielle générative en 2023-2024 se refroidit progressivement. Plus que jamais, il est important de trouver un équilibre entre l’optimisme quant au potentiel de l’IA et la prudence face à ses pièges. Alors que de nombreuses initiatives d’IA restent bloquées dans un soi-disant « piège de pilote d’IA », incapable de fournir une valeur commerciale mesurable au-delà du stade du prototype, d’autres continuent de générer une véritable valeur numérique. Ce succès intervient lorsque les DSI et les DTO adoptent une approche équilibrée de la mise en œuvre et de la mise à l’échelle de l’IA au sein des organisations.

Maintenant, l’IA entre dans une période où ses capacités et limites réelles seront réévaluées par les dirigeants technologiques. Au cours de cette période, ils devront agir dans l’incertitude, tout en restant agiles et prêts à faire face à des scénarios imprévisibles. Le rapport de Forrester intitulé The State Of Agentic AI, 2026 met en évidence le défi pratique, indiquant que même si les investissements continuent de croître, la mise à l’échelle est toujours limitée car de nombreuses entreprises manquent de maturité en matière d’orchestration, de gouvernance exécutable et d’identité non humaine.

Il existe six approches pratiques et réalistes que les professionnels peuvent utiliser pour rester pertinents. Ces approches sont ancrées dans la mise en œuvre de l’IA centrée sur l’humain et forment une solide base pour toute organisation.

1. Ancrer l’adoption de l’IA dans les compétences humaines pour une productivité mesurable

Les objectifs des DSI et des DTO sont d’éviter de parier aveuglément sur l’IA et de créer une main-d’œuvre plus intelligente qui profite de ce que l’IA a de mieux à offrir.

Au cours des dernières années, les ingénieurs croyaient que l’IA allait les remplacer et étaient réticents à utiliser des outils d’IA. Aujourd’hui, de plus en plus d’ingénieurs utilisent activement Cursor et Claude Code, car des méthodologies pratiques ont émergé qui alignent les attentes sur les résultats réels.

Ce qui a changé, c’est la prise de conscience que les outils d’IA renforcent l’intelligence des ingénieurs et soutiennent leur travail. Ces outils économisent des quantités considérables de temps, en particulier lors des premières phases de projet. Lors de l’initiation et des phases de preuve de concept, l’IA peut aider les développeurs à aller jusqu’à cinq fois plus vite. Sur des projets de production réels avec des processus bien établis, l’IA peut économiser jusqu’à 25 % de temps. Ces résultats devraient s’améliorer à mesure que les outils d’IA mûrissent et que les équipes adaptent leurs flux de travail.

Ces gains de productivité dépendent également du changement organisationnel. Les adoptants réussis réexaminent les processus, les examens et les flux d’approbation pour s’assurer que les structures existantes ne deviennent pas des goulots d’étranglement qui ralentissent la vitesse que l’IA offre, tout en maintenant la qualité des livrables finaux.

2. Contrôler la sortie de l’IA avant qu’elle ne façonne les décisions

Contrairement à l’intelligence humaine, l’IA n’a pas été enseignée à admettre l’incertitude. Lorsqu’elle est incertaine, elle ne se tourne pas vers une recherche plus approfondie ou une révision humaine, mais présente plutôt des suppositions comme des faits.

Puisque les hallucinations de l’IA sont inévitables, les informations provenant de réponses générées par l’IA devraient être utilisées avec prudence pour la prise de décision et avec encore plus de prudence lorsqu’elles sont utilisées à des fins d’apprentissage. L’apprentissage, dans son sens traditionnel, devrait toujours se faire par le biais d’articles, de livres, de forums et de documentation.

L’IA excelle dans la fourniture de réponses résumées en quelques secondes, ainsi que de listes de sources et de liens que les personnes peuvent utiliser pour apprendre. Cela réduit considérablement le temps nécessaire pour trouver des informations spécifiques. Cependant, les réponses générées par l’IA doivent toujours être vérifiées.

3. Amplifier l’expertise humaine

Les dirigeants organisationnels responsables de la mise en œuvre et de la mise à l’échelle de la technologie devraient communiquer clairement que l’IA est un outil pour étendre les capacités humaines, et non un soutien qui rend la maîtrise facultative. En concevant des flux de travail et des indicateurs de performance qui récompensent l’insight humain renforcé par l’IA, plutôt que l’automatisation aveugle, les dirigeants s’assurent que l’expertise n’est pas perdue. Dans un avenir prévisible, l’avantage concurrentiel appartiendra aux entreprises qui amplifient les compétences de leurs équipes avec l’IA tout en exigeant toujours l’excellence humaine.

4. Considérer l’IA comme un tissu avec les humains en contrôle

L’impact de l’IA augmente lorsqu’elle est intégrée dans la façon dont les équipes travaillent, dont les systèmes interagissent et dont les décisions sont prises. Dans la pratique, l’IA soutient un large éventail d’activités à travers les flux de travail de livraison et opérationnels de l’entreprise. Elle fait un excellent travail avec les tâches basées sur des règles, la reconnaissance de modèles et bien d’autres. Par exemple, elle gère la rédaction, la synthèse, la comparaison, la prévision, la première analyse et les contrôles de qualité. Cela est particulièrement pertinent pour les opérations financières, le triage de support, les opérations de marketing, la recherche interne et la qualité.

Cependant, là où la responsabilité finale et la validation sont requises, ou où des décisions éthiques, juridiques ou de réputation sont en jeu, l’expertise humaine doit rester le gardien des décisions. Les organisations les plus réussies seront celles qui ajoutent la discrétion et l’ingéniosité humaines à l’efficacité de l’IA à travers chaque processus.

5. Faire de l’expertise transversale la nouvelle norme

L’embauche, la formation et la réadaptation à l’ère de l’IA dans les entreprises ne devraient pas se transformer en une préparation de « pousseurs de boutons » dont le rôle se limite à l’exploitation d’outils d’IA.

Les employés ayant une expérience transversale peuvent désormais aborder presque toute tâche avec le soutien de l’IA. La rédaction de spécifications, la planification de l’architecture, la programmation dans différents langages, la gestion du back-end ou du front-end, l’automatisation des tests ou les tâches DevOps peuvent toutes être effectuées en travaillant avec des outils d’IA et en agissant comme réviseur final. Cette approche économise un temps considérable, en particulier pour ceux qui travaillent sur plusieurs domaines ou technologies.

De nombreuses personnes peuvent théoriquement le faire aujourd’hui, mais leur efficacité dépend de l’expérience antérieure. Plus leur expérience technologique est large, plus elles peuvent extraire de la valeur des outils d’IA.

6. Utiliser des spécifications détaillées pour plonger dans le développement assisté par l’IA

La tentation de courir après l’hype de la « programmation vibe » par certaines organisations est compréhensible, mais peu fiable. À la place, le développement basé sur des spécifications donne à l’IA le contexte dont elle a besoin pour produire des sorties fiables. Des spécifications bien définies traduisent l’intention en quelque chose que les outils d’IA peuvent mettre en œuvre.

Les deux principaux avantages du développement basé sur des spécifications sont la cohérence et le contrôle. Lorsque l’IA travaille à partir de spécifications, les sorties sont plus faciles à valider, à intégrer et à gouverner au sein de l’organisation. En même temps, la gestion des risques ne disparaît pas dans le code généré.

Les dirigeants technologiques devraient considérer l’IA comme un multiplicateur de force au sein d’un processus de développement solide. Le développement basé sur des spécifications est une façon pratique de s’assurer que l’IA améliore simultanément la vitesse, la qualité et la responsabilité.

La Réinitialisation Pratique

Cette année et au-delà, l’IA peut commencer à apprendre et à se comporter de manière imprévisible, différente des modèles d’aujourd’hui. Dans cette incertitude, une mentalité de confiance avec prudence conviendra à la plupart des scénarios. Également importante sera l’engagement en faveur d’un apprentissage continu, avec des équipes qui affûtent leurs compétences, remettent en question les sorties de l’IA et s’adaptent à de nouvelles façons de travailler.

Les DSI et les DTO joueront un rôle central dans l’application de pratiques d’IA sans hype pour absorber l’incertitude et traduire le changement en valeur numérique durable. Ils aligneront les processus organisationnels, les incitations et les structures de prise de décision pour réorganiser les opérations de manière à ce que les humains et l’IA jouent chacun à leurs forces.