Sarah Philipp, Responsable mondial de l’adoption et de la mise en œuvre de l’IA chez Altimetrik – Série d’entretiens

Sarah Philipp, Responsable mondial de l’adoption et de la mise en œuvre de l’IA chez Altimetrik, se concentre sur l’aide aux organisations pour combler le fossé entre l’innovation rapide de l’IA et l’adoption réelle dans le monde du travail. Son travail se concentre sur la création de programmes de littératie en IA, de stratégies d’activation des flux de travail et d’initiatives de formation basées sur les rôles qui aident les employés et les managers à intégrer l’IA générative dans les opérations quotidiennes. Chez Altimetrik, elle a contribué à façonner les programmes d’adoption d’entreprise autour de technologies telles que ChatGPT Enterprise, le SDK OpenAI Agents et les flux de travail d’IA à grande échelle, tout en co-créant « LAByrinth », une plateforme de simulation de projet basée sur l’IA générative conçue pour les ingénieurs et les responsables de programme techniques. Avant de rejoindre Altimetrik, elle a passé des années à diriger les initiatives d’éducation des clients et de mise en œuvre sur des plateformes SaaS telles que Nudge Coach, lui donnant une solide base dans les systèmes d’apprentissage, l’activation comportementale et la transformation numérique. Sa carrière reflète une tendance croissante dans l’IA d’entreprise où le succès dépend de plus en plus non seulement de la mise en œuvre de modèles, mais également de la confiance, de la capacité et de la productivité des employés avec les outils d’IA dans leur travail quotidien.

Altimetrik est une entreprise de génie logiciel numérique et de solutions de données qui se concentre sur l’aide aux entreprises à moderniser les systèmes hérités et à étendre l’IA générative à travers les opérations commerciales. L’entreprise opère dans des secteurs tels que les services financiers, les soins de santé, la fabrication, la vente au détail et les sciences de la vie, en combinant l’ingénierie de produits, la modernisation du cloud, les infrastructures de données et les services de déploiement d’IA. Altimetrik s’est positionnée comme un partenaire majeur de mise en œuvre d’IA d’entreprise grâce à des collaborations avec OpenAI, avec un fort accent sur l’IA agente, l’orchestration des flux de travail, la gouvernance et les systèmes d’IA prêts pour la production. Son laboratoire d’IA ALTI sert de centre d’innovation interne où l’entreprise conçoit des applications d’IA d’entreprise allant des assistants intelligents aux flux de travail multimodaux et aux opérations commerciales natives d’IA. Ces dernières années, Altimetrik a étendu ses activités de manière agressive grâce à des partenariats et des acquisitions, renforçant ainsi son empreinte d’ingénierie mondiale et ses capacités de livraison d’IA d’entreprise.

Vous avez construit votre carrière à l’intersection de la transformation d’entreprise, de la conception d’apprentissage et de la technologie émergente — quelle expérience charnière vous a d’abord convaincu que l’adoption responsable de l’IA dépendrait autant de la mise en œuvre humaine que de la capacité technique ?

Je suis généralement une personne qui adopte les choses tardivement. Je suis sceptique de l’hype et obstiné quant à la façon dont je fais les choses. C’était vrai avec l’IA. J’étais un adopteur tardif et j’ai avancé très lentement au début.

Ce qui a changé pour moi, c’est d’entendre, dans un langage très humain et non technique, comment les autres personnes utilisaient réellement l’IA dans leur vie quotidienne et leur travail. Une fois que j’ai pu la relier à des points de friction personnels et réels, la curiosité a suivi.

Cette expérience a renforcé quelque chose que j’ai vu dans tous les efforts de transformation dont j’ai fait partie : l’adoption commence rarement avec la capacité seule. Elle commence avec la pertinence, la confiance et le sens. Les gens ont besoin de voir d’abord comment ils s’insèrent dans le changement et c’est pourquoi l’adoption responsable de l’IA dépend autant de la mise en œuvre humaine que de la préparation technique.

Dans votre rôle de responsable de la mise en œuvre de l’IA à l’échelle mondiale chez Altimetrik, comment définissez-vous une adoption réussie de l’IA générative à l’échelle de l’entreprise au-delà des pilotes et des expériences de preuve de concept ?

Une adoption réussie à l’échelle de l’entreprise ne vit pas dans des silos. L’un des modèles les plus courants que nous voyons est l’adoption compartimentalisée. Une équipe devient très avancée dans sa maturité en IA, tandis qu’une autre équipe dans la même organisation n’a pas encore de stratégie claire et peut même utiliser des outils fragmentés ou des comptes personnels. Ce type d’adoption inégale crée de l’incohérence et des risques.

Le véritable succès arrive lorsque une organisation construit des habitudes partagées, des normes partagées et des façons de travailler connectées. Cela nécessite à la fois une gestion du changement de haut en bas et de bas en haut. De haut en bas, la direction doit établir la direction, établir la gouvernance et créer de la clarté sur ce que signifie une adoption responsable et précieuse. De bas en haut, les employés ont besoin de comprendre comment l’IA s’intègre dans leur travail quotidien, où elle résout de vrais problèmes et comment l’utiliser de manière confiante dans leur rôle.

Le véritable signe de maturité est lorsque les flux de travail fonctionnent sans heurt d’un bout à l’autre et d’une équipe à l’autre, et non seulement dans des poches isolées.

De nombreuses organisations investissent dans des outils d’IA générative mais ont du mal à les exploiter. Quels sont les écarts d’exécution les plus courants que vous voyez entre l’ambition et l’impact commercial mesurable ?

La propriété de la gouvernance est souvent peu claire. Qui est responsable de la documentation de ce qui est utilisé, de la version des invites ou des flux de travail, de la surveillance de la qualité et de la traçabilité de l’endroit où l’IA est réellement utilisée dans l’entreprise ? Sans cette clarté, les organisations se retrouvent avec une utilisation éparpillée et très peu de discipline opérationnelle.

De nombreuses organisations n’ont pas décidé de quel type d’utilisation d’IA elles veulent encourager. Visent-elles des habitudes d’invocation spécifiques aux rôles, des cas d’utilisation de productivité individuelle comme le brainstorming et la rédaction, ou des agents conçus pour des flux de travail définis ? Si cela n’est pas clair, la mise en œuvre reste vague et l’impact devient difficile à mesurer.

Il y a également souvent une déconnexion entre le lancement et le travail réel. Les entreprises investissent dans des outils avant d’avoir identifié les moments où l’IA peut supprimer les frictions, améliorer la qualité ou accélérer l’exécution de manière significative. L’ambition est facile, mais la mise en œuvre nécessite de la spécificité.

Vous travaillez en étroite collaboration avec les équipes de direction — à quoi ressemble la maîtrise de l’IA efficace au niveau de la direction, et comment le comportement de la direction influence l’adoption dans l’ensemble de l’organisation ?

Cela ressemble à la modélisation, à la curiosité et à une mentalité de débutant. Cela ressemble à des dirigeants qui sont vulnérables dans une salle avec des personnes qui leur rendent des comptes.

Les dirigeants qui font la plus grande différence sont ceux qui démontrent une mentalité de débutant. Ils sont prêts à apprendre publiquement. Ils sont à l’aise en disant : « Je suis encore en train de comprendre cela moi-même. » Ce type de vulnérabilité compte plus que les gens ne le réalisent, car cela donne à tout le monde la permission de s’engager sans avoir à se sentir comme des experts d’abord.

Le comportement de la direction fixe le ton. Si les dirigeants traitent l’IA comme une expérience secondaire, l’organisation le fera également. Si ils modélisent une utilisation réfléchie, posent des questions pratiques et investissent visiblement dans l’apprentissage, l’adoption devient culturellement plus sûre. La confiance est tout aussi importante que la capacité lorsqu’il s’agit de mettre à l’échelle l’IA dans l’entreprise.

Quelle est la définition d’un cadre d’expérimentation structuré pour l’IA générative dans la pratique, et comment les entreprises peuvent-elles encourager l’innovation sans créer de fragmentation ou d’exposition au risque ?

Nous voulons commencer par des points de friction réels dans les flux de travail, et non par des suggestions aléatoires. Les équipes devraient être encouragées à identifier les tâches répétitives, les goulets d’étranglement de décision ou les lacunes de connaissances existantes. À partir de là, les organisations peuvent donner la priorité aux expériences en fonction de la pertinence commerciale, de la faisabilité et du risque.

Les environnements les plus sains sont ceux où les gens peuvent essayer des choses en toute sécurité, partager ce qui fonctionne et éviter de réinventer la roue en isolement.

Vous avez co-créé LAByrinth, une plateforme de simulation de projet d’IA générative conçue pour donner aux ingénieurs une expérience pratique de construction avec des outils d’IA dans un environnement sécurisé et guidé. Qu’est-ce qui a inspiré sa création, et comment l’apprentissage basé sur la simulation accélère-t-il la capacité d’IA réelle dans le monde réel ?

J’ai toujours aimé les formes d’apprentissage expérientiel et pratique. Plus précisément, le type de mentorat « par-dessus l’épaule » qui existe dans les environnements d’atelier d’art.

Lorsque Martin Gaida et moi avons commencé à échanger des idées pour cette structure de formation, le projet entier a fini par être très amusant à créer. Cela ressemblait à la création d’une énigme pour les gens à résoudre. C’est ainsi que j’ai su que nous étions sur la bonne voie. Les gens sont plus susceptibles de s’engager dans du nouveau matériel lorsqu’ils le trouvent intéressant et se sentent soutenus.

L’apprentissage basé sur la simulation accélère la capacité parce qu’il comble l’écart entre la théorie et l’application. Cela donne aux gens un endroit sûr pour pratiquer leur jugement, et non seulement pour mémoriser des concepts. Et avec l’IA, cela compte énormément, car la capacité réelle ne consiste pas seulement à savoir ce qu’un outil peut faire. Cela consiste à savoir comment l’utiliser de manière réfléchie et sûre.

Comment les entreprises devraient-elles aborder la formation continue de la main-d’œuvre de manière différente à l’ère de l’IA générative par rapport aux vagues précédentes de transformation numérique ?

De manière collaborative et créative. Avec des outils comme Notebook LM et Figma make, il existe de nombreuses façons de créer du contenu engageant et frais. Nous aimons les présentations, mais nous aimons également créer des cahiers de travail interactifs, des vidéos animées et d’autres méthodes de livraison du programme.

Personnellement, j’apprends mieux avec des infographies et d’autres visuels.

L’IA responsable est souvent présentée autour de la gouvernance et de la conformité. D’un point de vue de mise en œuvre, à quoi ressemble l’adoption responsable dans les flux de travail quotidiens ?

Consulter les personnes qui utilisent réellement les outils pour savoir ce qui les rend utiles, puis s’assurer que tout le monde qui utilise les outils sait ce que signifie réellement la politique. Comment cela se traduit-il dans la façon dont ils utilisent l’IA au quotidien ?

L’adoption responsable signifie un modèle avec un humain aux commandes. L’IA peut aider à la rédaction, à la synthèse, à l’analyse ou à l’accélération, mais les gens possèdent toujours le jugement, la vérification de la qualité et la décision finale. Cette responsabilité humaine est essentielle.

Aussi important, l’adoption responsable dépend de la confiance. La discrétion vient de l’expérience. C’est pourquoi les organisations ont besoin d’espaces à faible risque et non jugés où les employés peuvent pratiquer et construire une véritable maîtrise. Lorsque les gens acquièrent suffisamment d’expérience pratique pour prendre des décisions judicieuses, l’utilisation responsable cesse d’être abstraite et commence à devenir habituelle.

À mesure que l’IA générative évolue rapidement, comment les organisations peuvent-elles concevoir des programmes de formation qui restent adaptables plutôt que de devenir obsolètes dans les mois qui suivent ?

C’est un défi, mais il existe de nombreux outils exceptionnels.

L’erreur la plus importante est de construire la formation entièrement autour du paysage actuel des outils.

On nous demande souvent si nous proposons une formation indépendante des outils, et la réponse est oui. Absolument. Nous nous concentrons sur les compétences en IA durables, puis enseignons aux gens comment appliquer ces compétences dans les outils que l’organisation utilise actuellement. Cette approche donne aux programmes une durée de vie beaucoup plus longue.

La formation adaptable doit également être modulaire. Fractale. Au lieu de traiter la formation comme un événement unique, les organisations devraient penser en couches : littératie de base, application basée sur les rôles, expérimentation avancée et mises à jour continues à mesure que les outils et les priorités changent.

En regardant vers l’avenir, quels changements pensez-vous qui définiront la prochaine phase de l’adoption de l’IA d’entreprise au cours des deux prochaines années ?

Basé sur les rôles et les agents. Les entreprises adoptent déjà l’utilisation d’agents. Ces organisations veulent s’assurer que leurs équipes techniques sont formées de manière à construire et à gérer ce type d’utilisation de l’IA.

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