Relever les défis de la mise en œuvre de GenAI

Le développement de logiciels basés sur l’IA générative (GenAI) améliorera la productivité et l’efficacité du travail – la question est : dans quelle mesure ? La plupart des études de marché sur ce sujet montrent des gains de productivité considérables. Des recherches menées à Harvard ont révélé que les spécialistes, en fonction de la tâche et de l'ancienneté, voyaient un Augmentation de 43% de la productivité. De même, un rapport de Goldman Sachs suggère que la productivité pourrait augmenter de Points de pourcentage 1.5 avec GenAI après dix ans d’adoption généralisée, ce qui équivaut à presque le double du rythme de croissance de la productivité aux États-Unis. Bien que révélateurs, la plupart de ces résultats proviennent de paramètres contrôlés qui ne reflètent pas nécessairement les nuances des cas d'utilisation réels.

Pour mieux comprendre dans quelle mesure GenAI peut améliorer la productivité dans le développement de logiciels, une société leader dans les services de transformation numérique et l'ingénierie de produits a décidé d'enregistrer ses conclusions pratiques et ses idées issues d'un récent projet de mise en œuvre à grande échelle de GenAI avec l'un de ses clients. Ce client souhaitait adopter GenAI dans les processus de travail de 10 équipes de développement réparties sur trois axes de travail, impliquant plus de 100 spécialistes. Ces découvertes concrètes révèlent les différents défis que les entreprises seront confrontées tout au long de leur parcours ; de plus, ils soulignent la nécessité d’une feuille de route à l’échelle de l’entreprise pour étendre l’adoption de GenAI.

Répondre aux attitudes et attentes négatives des spécialistes  

De nombreux défis peuvent retarder le succès d'un projet GenAI, tels que des préoccupations juridiques et réglementaires, un manque de capacité de traitement, de sécurité et de confidentialité, etc. Cependant, l'obstacle le plus important rencontré lors de cette mise en œuvre à grande échelle était l'attitude et les attentes des spécialistes à l'égard des technologies. Lors de la mise en œuvre, la société d'ingénierie a observé que les spécialistes du client avaient certaines attentes concernant GenAI et la manière dont elle augmenterait leur travail. Lorsque ces attentes initiales ne correspondaient pas aux résultats en matière de qualité ou de délai d'exécution, ils développaient des attitudes négatives à l'égard des technologies. En particulier, lorsque la GenAI ne « faisait pas le travail à ma place », selon ses propres termes, elle répondait par des commentaires tels que : « Je m'attendais à mieux et je ne veux plus perdre mon temps. »

Les entreprises doivent changer de perception et passer à une nouvelle culture de travail qui empêche ces attitudes négatives de se manifester et qui entrave l’adoption et l’évaluation précise. Les enquêtes et les évaluations sont un moyen efficace de cartographier et de catégoriser les attitudes et l'engagement perçu de ses spécialistes. À partir de là, les entreprises devraient regrouper les spécialistes en fonction de leurs sentiments à l’égard de GenAI. Les entreprises peuvent ensuite créer des approches de gestion du changement sur mesure pour chaque groupe afin de promouvoir une intégration réussie de l'IA ; par exemple, les spécialistes les plus sceptiques recevront plus d’attention et de soins que les spécialistes neutres.

Tenir compte des complexités des projets du monde réel 

Le deuxième défi le plus difficile consistait à mesurer avec précision l’impact de GenAI sur la productivité tout en tenant compte de la complexité des conditions réelles du projet. Dans des environnements contrôlés, il est plus facile d’évaluer l’influence de GenAI – cependant, comme mentionné précédemment, ces tests ne prennent pas en compte certaines variables et incohérences. Les projets ne stagnent pas. Ils évoluent constamment. Une organisation peut se trouver dans une situation où elle a des spécialistes en rotation en raison des horaires de vacances et des jours de maladie ou de changements soudains de priorités. Les spécialistes ne travaillent pas non plus toujours sur des activités de projet spécifiques où l'impact de GenAI peut être le plus bénéfique, car ils doivent assister à des réunions, répondre à des e-mails et à d'autres tâches en dehors du cadre du sprint qui sont souvent négligées dans les mesures de productivité. Ces incohérences et variables doivent être prises en compte lors de la mesure objective de l'impact de GenAI sur le développement de logiciels.

D'autres bonnes pratiques incluent l'intégration d'outils de gestion des tâches dans les flux de travail pour voir combien de temps les tâches restent dans chaque statut afin de déterminer la productivité et l'efficacité des spécialistes non techniques. De même, les solutions de business intelligence peuvent collecter automatiquement des points de données, réduisant ainsi les erreurs et permettant de gagner du temps. De plus, les organisations peuvent atténuer la complexité des conditions réelles des projets et garantir une évaluation plus précise de l'impact de GenAI sur la productivité en employant des pratiques approfondies de nettoyage des données.

Feuille de route à l’échelle de l’entreprise : mesurer avec précision 

Cette mise en œuvre à grande échelle de GenAI a également mis en évidence la valeur d'une feuille de route à l'échelle de l'entreprise qui marque le début et la fin de l'intégration. Les entreprises doivent noter qu'un élément crucial de cette feuille de route consiste à définir les mesures qu'elles utiliseront pour les étapes de référence et de reporting final. Des dizaines de mesures différentes peuvent aider à évaluer l'impact de GenAI sur la productivité, y compris, mais sans s'y limiter, la rapidité, le débit, le temps moyen de retouche et de révision du code, les taux d'échec et d'acceptation de la révision du code, le temps consacré à la correction des bogues, etc.

Après avoir défini ces indicateurs, les entreprises doivent les classer en catégories objectives et subjectives. Les entreprises peuvent également utiliser les données d'outils de suivi des tâches comme Jira pour obtenir des mesures objectives. De même, ils doivent maintenir et respecter des flux de qualité, des mises à jour des tâches en temps opportun et une réalisation minutieuse des étapes. N'oubliez pas que les mesures subjectives, telles que les enquêtes spécialisées et pilotes, aideront les entreprises à comprendre les niveaux d'adoption et les corrélations avec les mesures objectives. Du point de vue de la fréquence, les mesures doivent être routinières et programmées, et non éparses et aléatoires. En outre, les résultats du projet mettent l'accent sur l'utilité de mesures telles que l'impact quotidien moyen, la compétence perçue, les changements de performances, la couverture de travail, l'utilisation des outils d'IA et le flux de travail ininterrompu pour mesurer la progression de l'adoption.

Suite de la feuille de route à l’échelle de l’entreprise : développement de l’apprentissage et de la culture à grande échelle 

En plus de mesurer efficacement l’impact de GenAI, un autre élément essentiel d’une feuille de route réussie est qu’elle favorise l’apprentissage continu et la maîtrise de l’IA à travers différentes stratégies de formation et de coaching. Ces initiatives favoriseront à terme une culture d’apprentissage à l’échelle de l’entreprise, permettant l’adoption de l’IA à grande échelle dans toute l’entreprise. Diverses stratégies incluent la création de groupes de travail qui se concentrent sur où et comment l'entreprise peut tirer parti de GenAI, ainsi que l'encouragement des individus à partager ce qui fonctionne et ce qui ne fonctionne pas. En outre, il est utile de définir des priorités de croissance et de développement accompagnées de parcours d’apprentissage au niveau individuel et en équipe.

Une autre façon pour les entreprises de créer une culture qui adopte facilement les nouvelles technologies GenAI consiste à mettre en évidence des cas d’utilisation à gain rapide. Ceux-ci démontreront la puissance de GenAI à l’organisation dans son ensemble et aux sceptiques réticents. Les entreprises doivent également établir des directives de sécurité et des règles d’engagement avec l’IA pour permettre aux équipes d’expérimenter et d’explorer de nouvelles approches sans exposer l’entreprise à des risques. De même, les organisations doivent faire respecter les normes industrielles et autres bonnes pratiques tout en abordant la gestion du changement parmi les individus et les équipes au niveau des tâches et des outils.

Garder les gens au centre 

Les deux principaux enseignements de cette mise en œuvre concrète sont les suivants : premièrement, GenAI peut générer des gains de productivité substantiels dans le cadre d'une stratégie et d'une feuille de route adaptées ; deuxièmement, une telle intégration comporte un élément humain indéniable que les entreprises doivent prendre en compte. GenAI transformera à jamais la façon dont ces spécialistes effectuent leurs tâches quotidiennes. Il est également probable que GenAI puisse effrayer certains spécialistes, ce qui pourrait engendrer une résistance à l'adoption. En fin de compte, la clé d'une mise en œuvre réussie de GenAI reste l'humain. Il est crucial pour les entreprises d'en saisir toute la profondeur, car ce sont les humains qui mettent en œuvre la technologie et en libèrent la valeur pratique.