Comment arrêter de perdre de l’argent sur les projets pilotes d’IA : trois erreurs et que faire à la place

Au cours des dernières années, le secteur financier s’est précipité pour mettre en œuvre l’intelligence artificielle. Les entreprises achètent de plus en plus de modèles et signent des contrats avec des fournisseurs, mais cela produit peu ou un résultat terrifiant. Selon une étude du MIT publiée l’année dernière, 95% des projets pilotes d’IA d’entreprise n’ont aucun effet mesurable sur les bénéfices des sociétés.

Parallèlement, les dépenses explosent, puisqu’on estime que l’année dernière le monde a dépensé 1,76 trillion de dollars en IA, et qu’en 2026 ce chiffre devrait atteindre 2,59 trillion. Ainsi, l’argent investi et l’argent revenu semblent différer fortement, et les coûts augmentent pratiquement pour rien.

Cependant, le problème n’est pas que la technologie soit faible. Les modèles d’IA deviennent plus intelligents chaque année, à tel point qu’OpenAI a décidé de mettre ses développements en pause afin de ne pas aller trop loin. Ainsi, dans ce cas, le véritable inconvénient est l’absence d’un modèle opérationnel capable d’utiliser efficacement ces technologies.

L’illusion d’avoir un pilote

L’ampleur de l’intégration de l’IA est telle que presque chaque fintech ou société financière traditionnelle a récemment lancé au moins un projet pilote d’IA, par exemple un chatbot pour les clients. Mais quel que soit ce qu’elles lancent, ces récits se terminent généralement de façon assez désagréable.

Tout commence avec une équipe spécifique qui construit une preuve de concept qui fonctionne bien dans des conditions de test contrôlées. Ensuite, après la démonstration, la direction est impressionnée et les autorise à la déployer, mais à un moment donné le projet s’effondre ou s’avère inefficace. Mais pourquoi ?

Bien sûr, tous les projets d’IA internes ne échouent pas, car dans ce cas il n’y aurait plus d’ingénieurs ML, et la technologie serait inutile. Mais j’ai observé ce cycle d’échec tant de fois que j’en connais déjà très bien la racine. En bref, c’est le pilote lui‑même qui, bien que bien réalisé, n’a pas été conçu pour s’adapter à la manière dont l’entreprise fonctionne réellement au quotidien.

En conséquence, un modèle qui fonctionne brillamment en isolement se heurte au circuit opérationnel et rencontre une infrastructure héritée ou des employés qui ne savent même pas comment travailler avec la technologie. Mais aucun de ces obstacles n’est résolu par un algorithme plus performant. Tous ne peuvent être corrigés que par des décisions de direction, ce qui n’est pas du ressort des data scientists.

Certaines erreurs qu’il vaut mieux éviter

Avant d’examiner comment intégrer l’IA plus efficacement dans une entreprise, considérons d’autres erreurs qui peuvent survenir en cours de route.

La première et la plus importante bévue, comme nous l’avons déjà évoquée indirectement, consiste à traiter l’IA comme un supplément sans reconstruire les processus. En fait, de nombreuses entreprises prennent un flux de travail existant et y intègrent simplement un outil d’IA à une étape, sans même se demander si l’IA a du sens dans ce processus.

Ainsi, en tant que manager, je me demanderais d’abord : ce processus était‑il même nécessaire dans votre entreprise ? Si le flux de travail était inefficace avant l’automatisation, il restera tout aussi inefficace après. Il peut même se détériorer, car l’IA peut se souvenir de schémas négatifs et les reproduire.

La prochaine erreur survient lorsque les managers sous-estiment le fardeau de la conformité et de la gouvernance. Les services financiers font face à certaines des pressions réglementaires les plus fortes de tous les secteurs et, par exemple, il est impossible d’automatiser l’ensemble du département de conformité avec l’IA. Il en va de même pour la prestation directe de services et la gestion de portefeuille. Cela semble être une vérité universelle, mais vous serez surpris du nombre de fondateurs qui commettent cette erreur.

Et enfin, mais non le moindre, de nombreuses entreprises oublient de former leurs équipes à la mise en œuvre de l’IA. Lorsque la technologie prend le relais des routines des employés, le premier instinct est souvent de réduire les effectifs, car de nombreuses tâches peuvent être accomplies plus rapidement avec moins de personnes. Bien que cela réduise vos dépenses à court terme, c’est très court‑visionnaire.

Si vous souhaitez une vraie valeur, posez-vous une autre question. Quel travail de niveau supérieur nos équipes peuvent‑elles accomplir maintenant qu’elles sont libérées de la routine ? Sont‑elles prêtes avec leurs compétences et leur motivation actuelles ?

Ce qu’il faut commencer lundi pour plus d’efficacité

Dans un premier temps, auditez vos projets pilotes d’IA suspendus. C’est‑à‑dire, n’introduisez pas de nouvelles idées tant que vous n’avez pas correctement résolu les anciennes. Dans 90 % des cas, le problème est le manque de responsabilité, le fait que personne n’est clairement chargé de le faire évoluer. Il faut donc attribuer la propriété.

Si quelqu’un possède déjà le contrôle de l’IA, l’étape suivante consiste à revoir le processus et à le reconstruire entièrement. Ne vous contentez pas d’ajouter l’IA au flux de travail existant. Mon conseil est de se demander à quoi ressemblerait ce processus si nous le concevions aujourd’hui à partir de zéro, en sachant que l’IA peut réaliser l’analyse primaire. Souvent, la réponse est bien plus simple qu’il n’y paraît.

De plus, n’oubliez pas de calculer les chiffres réels apportés par le modèle d’IA. Si, six mois après le lancement, vous ne pouvez pas préciser les chiffres concernant l’efficacité de votre modèle (par exemple, les heures économisées ou l’augmentation des bénéfices), alors il ne fonctionne pas comme il le devrait, il vaut donc mieux reconsidérer sa valeur.

Et, peut-être surtout, ne licenciez pas les employés, en particulier ceux qui sont responsables et ceux qui ont toujours accompli leur travail honnêtement. Si des personnes apportent plus d’argent à l’entreprise qu’elles n’en gagnent en une année, le licenciement deviendra rapidement un problème pour vous. Et les entreprises qui ne comprennent pas cela perdent leur savoir institutionnel ainsi que la confiance de l’équipe, ce qui finit par coûter beaucoup plus cher.

Dans l’ensemble, 95 % des projets pilotes n’atteignent pas le résultat, non pas parce que la technologie a échoué. Ils n’y parviennent pas parce que l’organisation qui les entoure est restée la même et obsolète. C’est la seule variable qui doit être modifiée en premier.