Denis Romanovskiy, Chief AI Officer chez SOFTSWISS – Série d’entretiens

Denis Romanovskiy, Chief AI Officer chez SOFTSWISS, est un dirigeant expérimenté dans le domaine de la technologie, avec plus de 25 ans d’expérience dans la direction de programmes d’ingénierie à grande échelle dans les secteurs du jeu, des logiciels d’entreprise, de l’Internet des objets et des plateformes en ligne à forte charge. Ayant passé les cinq dernières années dans le secteur du jeu en ligne, il a précédemment occupé le poste de Deputy CTO chez SOFTSWISS, où il supervisait la gouvernance technique de plusieurs équipes de produits avec un fort accent sur les plateformes de casino et de paris sportifs avant de prendre son poste actuel pour définir et mettre en œuvre la stratégie d’intelligence artificielle de l’entreprise.

SOFTSWISS est une entreprise de technologie de jeu en ligne basée à Malte, qui propose des solutions clés en main pour les casinos et les bookmakers en ligne, notamment une plateforme de casino, un agrégateur de jeux, une solution de bookmaker et des services gérés. L’entreprise soutient les opérateurs du monde entier avec une infrastructure conçue pour la scalabilité, la conformité et la fiabilité, se positionnant à l’intersection de la technologie de jeu et de l’optimisation impulsée par l’intelligence artificielle.

Après avoir dirigé des programmes techniques à grande échelle dans plusieurs secteurs et définir maintenant la stratégie d’intelligence artificielle d’entreprise chez SOFTSWISS, comment votre expérience dans les systèmes à forte charge et à haute disponibilité a-t-elle influencé votre approche de l’intégration de l’intelligence artificielle dans une organisation de plus de 2 000 personnes ?

Mon expérience dans les systèmes à forte charge et à haute disponibilité m’a enseigné une leçon fondamentale : tout changement complexe à grande échelle nécessite une approche systémique. Vous ne pouvez pas simplement déployer une technologie et espérer qu’elle fonctionne – vous devez concevoir l’ensemble de l’écosystème autour d’elle et vous assurer que les processus, la structure et la technologie fonctionnent tous ensemble.

Nous appliquons exactement ce principe à l’adoption de l’intelligence artificielle chez SOFTSWISS. Cela commence au niveau individuel. Nous expliquons à chaque employé comment utiliser l’intelligence artificielle de manière sûre et efficace – ce qu’elle peut faire, où sont ses limites et quels sont les risques associés. Il est essentiel de faire comprendre que leur responsabilité pour les résultats ne disparaît pas lorsque l’intelligence artificielle entre en scène. L’intelligence artificielle élargit vos capacités, mais la responsabilité reste entre vos mains. Vous êtes toujours responsable de la qualité de la sortie, des décisions et des résultats.

Ensuite, nous passons au niveau de l’équipe, et c’est là que les dynamiques changent. De nouvelles opportunités émergent – cycles de planification plus rapides, vérification automatisée, analyse améliorée – mais aussi de nouveaux risques : dépendance excessive aux sorties de l’intelligence artificielle, érosion de la pensée critique, adoption incohérente au sein de l’équipe. C’est là que les managers jouent un rôle décisif. Ils doivent adapter la façon dont ils examinent les travaux, les questions qu’ils posent et les signaux qu’ils recherchent. Lorsqu’une personne livre un résultat deux fois plus rapide, le rôle du manager est de comprendre si la qualité a été maintenue et si la personne comprend vraiment ce qu’elle a livré.

Cette approche en couches – sensibilisation individuelle, adaptation au niveau de l’équipe, surveillance de la part de la direction – est ce qui nous permet de mettre à l’échelle l’intelligence artificielle dans une grande organisation sans compromettre la stabilité et la fiabilité que notre environnement réglementé exige. Il ne s’agit pas seulement de technologie. Il s’agit de construire le système autour d’elle qui rend l’adoption durable.

Qu’est-ce qui distingue l’intelligence artificielle déployée comme outil de productivité de l’intelligence artificielle intégrée directement dans les infrastructures et les systèmes de prise de décision, et comment cette distinction change-t-elle les résultats commerciaux à long terme ?

L’intelligence artificielle de productivité – assistants de chat et copilotes de code – est là où les gens rencontrent pour la première fois l’intelligence artificielle au travail. Cette étape est importante, et vous ne pouvez pas la sauter. Elle construit la littératie en intelligence artificielle, enseigne aux gens à évaluer les sorties et crée des habitudes d’utilisation responsable dans l’ensemble de l’organisation.

Mais il y a une différence fondamentale entre l’intelligence artificielle qui aide un individu et l’intelligence artificielle intégrée dans la façon dont l’organisation fonctionne. L’intelligence artificielle au niveau des infrastructures – intégrée dans vos systèmes d’entreprise via des plateformes d’intelligence artificielle – fait partie du système de gestion. Elle implique la planification, le contrôle et l’audit. Elle respecte les cadres de gouvernance et se nourrit directement des chaînes de décision.

L’impact est considérable. Les outils de productivité offrent des gains d’efficacité de 20 à 30 % sur les tâches individuelles – précieux, mais incrémentiels. L’intelligence artificielle au niveau des infrastructures accélère les processus entiers de 3 à 5 fois. Et avec le temps, elle façonne l’organisation elle-même – en éliminant certains rôles en partie ou en totalité, en créant de nouveaux et en compressant les flux de travail qui nécessitaient auparavant de multiples transferts.

C’est pourquoi ces deux catégories nécessitent des approches différentes. L’intelligence artificielle de productivité est un défi d’activation. L’intelligence artificielle au niveau des infrastructures est une transformation organisationnelle qui nécessite une planification minutieuse, une gestion du changement et une surveillance continue.

Quels changements architecturaux et culturels sont nécessaires pour passer d’expériences isolées d’intelligence artificielle à une plateforme d’intelligence artificielle centralisée à l’échelle de l’organisation ?

Sur le plan architectural, une plateforme centralisée est essentielle – une plateforme qui offre un accès sécurisé à plusieurs fournisseurs de modèles tout en maintenant une gouvernance des données stricte. Sans cette couche, l’expérimentation échoue à créer de la valeur.

Sur le plan culturel, le changement le plus important est le passage d’une réflexion axée sur l’exécution à une réflexion axée sur la conception. À mesure que l’exécution devient moins coûteuse et plus rapide avec l’intelligence artificielle, l’avantage concurrentiel se déplace vers la façon dont les équipes conçoivent les flux de travail. Les employés doivent concevoir des processus où l’intelligence artificielle gère les opérations répétitives, tandis que les humains restent en contrôle de l’orchestration et de la qualité des décisions.

Comment les grandes entreprises peuvent-elles augmenter systématiquement leur vitesse d’apprentissage lors du déploiement de l’intelligence artificielle, et quels mécanismes opérationnels rendent cela mesurable ?

La vitesse d’apprentissage augmente lorsque l’expérimentation est structurée. Chez SOFTSWISS, nous nommons des champions de l’intelligence artificielle au sein des équipes de produits qui identifient les cas d’utilisation, affinent les meilleures pratiques et les partagent dans l’ensemble de l’organisation. Les ateliers accélèrent encore le transfert de connaissances.

La mesure est liée aux indicateurs de performance clés. Nous suivons des indicateurs tels que le temps de résolution dans le support ou les niveaux d’automatisation dans la révision de code. Si l’adoption de l’intelligence artificielle n’améliore pas les métriques mesurables, elle reste superficielle.

Quels processus hérités limitent le plus souvent l’impact de l’adoption de l’intelligence artificielle dans les entreprises de technologie établies ?

La principale contrainte est la tentative d’intégrer l’intelligence artificielle dans des structures de gestion rigides avec de longs cycles de planification et une allocation de ressources fixe. L’avantage de l’intelligence artificielle est la rapidité, et les modèles de gouvernance obsolètes ralentissent cet avantage.

Un autre facteur limitant est la faible classification des données. Sans des données structurées et bien gérées, l’intégration sécurisée et évolutive de l’intelligence artificielle devient extrêmement difficile.

Pouvez-vous partager des exemples où l’intégration directe de l’intelligence artificielle dans les systèmes principaux a produit des gains mesurables en termes d’efficacité, de revenus ou de performance opérationnelle ?

Dans le support technique, l’intelligence artificielle intégrée dans Jira analyse l’historique des tickets et la documentation pour proposer des chemins de solution, réduisant considérablement le temps de résolution.

Dans les ressources humaines, les assistants automatisés qui gèrent les demandes de congés et d’avantages sociaux économisent des centaines d’heures chaque mois.

Dans le développement, l’automatisation de la révision de code pilotée par l’intelligence artificielle atteint 60 à 80 %, accélérant le cycle de développement de deux à quatre fois. Ces gains sont opérationnellement mesurables et ont un impact direct sur l’efficacité.

Comment concevoir des cadres de gouvernance qui assurent la traçabilité, la sécurité et la responsabilité lorsque l’intelligence artificielle est profondément intégrée dans les flux de travail d’entreprise ?

La gouvernance doit créer un environnement contrôlé plutôt que de restreindre l’innovation. Nous nous appuyons sur des accords de fournisseur d’entreprise et appliquons le masquage des données avant de transmettre des informations aux modèles cloud.

La responsabilité est intégrée dans la conception du système. Les actions pilotées par l’intelligence artificielle fonctionnent dans des fenêtres de rétablissement définies, permettant une annulation humaine. La responsabilité finale repose sur le chef d’équipe qui conçoit et possède le flux de travail.

Quels avantages structurels permettent aux petites équipes natives de l’intelligence artificielle de scaler plus rapidement que les entreprises traditionnelles, et comment les grandes organisations peuvent-elles s’adapter sans perdre de stabilité ?

La différence fondamentale est architecturale. Les entreprises traditionnelles divisent le travail en étapes séquentielles – chaque étape étant propriété d’un rôle séparé, avec des transferts et des files d’attente entre eux. Les équipes natives de l’intelligence artificielle peuvent exécuter à travers toutes les étapes simultanément. Il n’y a pas de files d’attente, pas d’attente pour la prochaine personne dans la chaîne. Le processus entier est automatisé de bout en bout, ce qui leur donne un avantage massif en termes de vitesse.

Pour les grandes organisations, la voie à suivre est progressive. Tout d’abord, construire la littératie en intelligence artificielle et équiper les équipes d’outils d’intelligence artificielle. Donner aux gens le temps d’apprendre, d’expérimenter et d’intégrer l’intelligence artificielle dans leurs flux de travail existants. À ce stade, l’innovation se produit dans les processus actuels, et non à leur place.

Une fois que les équipes acquièrent de l’expérience et de la confiance, vous pouvez fixer des objectifs plus ambitieux – optimiser des processus entiers plutôt que des étapes individuelles. C’est là que commence la véritable transformation, mais cela ne fonctionne que lorsque les gens et les processus sont prêts.

La clé est le rythme. Bouger trop vite et vous brisez la stabilité. Bouger trop lentement et le marché vous dépasse. L’approche appropriée est une progression délibérée et séquentielle – de sorte que l’organisation évolue sans perdre ce qui fonctionne déjà.

Comment l’exploitation dans le secteur du jeu en ligne, avec ses exigences réglementaires et de fiabilité, influence-t-elle la façon dont l’infrastructure d’intelligence artificielle est conçue et déployée ?

Le jeu en ligne est un environnement unique. Il implique de l’argent réel, des transactions en temps réel et une surveillance réglementaire dans plusieurs juridictions. Chez SOFTSWISS, nous opérons sous plusieurs licences – chacune avec ses propres exigences de conformité. Cela signifie que chaque décision technologique, y compris l’intelligence artificielle, doit tenir compte d’un paysage réglementaire complexe qui va bien au-delà de la protection des données standard.

Les marchés réglementés exigent une conformité stricte avec les règles de stockage, de suppression et de traitement des données, y compris le RGPD. Mais dans le jeu en ligne, la portée est plus large – les exigences de lutte contre le blanchiment d’argent, les obligations de jeu responsable, les conditions de licence qui dictent comment les données circulent et où elles peuvent être traitées. L’infrastructure doit garantir que les données sensibles ne sont pas utilisées pour la formation de modèles externes et que chaque décision pilotée par l’intelligence artificielle reste auditable.

En même temps, les normes de fiabilité sont exceptionnellement élevées. Les systèmes fonctionnent 24 heures sur 24 avec des volumes de transactions massifs. Tout système d’intelligence artificielle que nous déployons doit répondre aux mêmes normes – toujours disponible, entièrement auditable et capable de gérer les volumes de données que nous voyons dans les opérations de support et de conformité. Dans cette industrie, une défaillance de l’intelligence artificielle n’est pas seulement un inconvénient – c’est un risque réglementaire et financier.

À mesure que l’intelligence artificielle d’entreprise mûrit, quels seront les capacités qui distingueront les entreprises qui intègrent réellement l’intelligence artificielle dans leur modèle opérationnel de celles qui restent des adoptantes de surface ?

Dans les organisations matures en intelligence artificielle, chaque employé aura l’intelligence artificielle à portée de main – avec un accès sécurisé aux données d’entreprise à travers les systèmes, sans barrières ni demandes manuelles. Les processus seront automatisés de bout en bout, sans files d’attente ni transferts entre rôles. Le travail s’écoulera de manière continue, et non par étapes.

Mais l’automatisation seule ne suffit pas. Ce qui distingue les leaders du reste est la capacité à contrôler le travail piloté par l’intelligence artificielle à grande échelle. Les équipes et les organisations s’adapteront à la surveillance de la qualité automatisée – en détectant les problèmes tôt et en les corrigeant avant qu’ils ne s’aggravent.

Le rôle de l’employé individuel change fondamentalement. Au lieu d’exécuter des tâches, ils définissent les spécifications pour l’intelligence artificielle – en fournissant un contexte suffisant, des objectifs clairs et des méthodes de contrôle de la qualité. Leur valeur réside dans la direction de l’intelligence artificielle et l’optimisation de sa production, et non dans la réalisation manuelle du travail.

Le rôle des dirigeants change également. Les managers et les exécutifs deviennent les architectes de la pensée systémique dans l’ensemble de l’organisation. Leur rôle est de relier les différents flux de travail, les outils et les artefacts en flux de valeur qui résolvent les problèmes des clients mieux que les concurrents ne le peuvent, et non d’optimiser les tâches individuelles – mais de concevoir comment tout se met en place.

Cette profondeur d’intégration – l’intelligence artificielle dans chaque main, les processus automatisés, le contrôle qualité systématique et la direction axée sur la valeur de bout en bout – définira l’avantage concurrentiel à long terme.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter SOFTSWISS.