Comment prouver le retour sur investissement de l’IA lorsque le rendement n’est que de 1 % ?

David Rice : Seulement 17 % des organisations ont déployé des agents d’IA. Le chiffre concernant plusieurs services est d’environ 3 %. JLL a cessé de compter les siens. Dans l’émission d’aujourd’hui, je m’entretiens avec Carlin Power, vice-présidente mondiale de l’activation des technologies d’IA et de plateformes chez JLL, pour comprendre ce que les 97 % restants sont sur le point d’apprendre.

Car JLL n’expérimente pas avec les agents. L’entreprise les exploite en production dans la gestion des installations, les communications de marque et les fonctions centrales à l’échelle de l’entreprise, et les enseignements qui en découlent ne sont pas principalement techniques. La première chose qui a posé problème n’était pas la technologie, mais la discussion sur le retour sur investissement. Comment justifier le coût des éléments désormais indispensables ?

Comment s’asseoir devant son directeur financier et dire : « Nous pourrions obtenir un rendement de 1 % sur cet investissement » ? La réponse de Power a été de replacer la discussion sur la valeur là où elle doit se trouver : dans le compte de résultat qui guide la décision d’investissement. Si un dirigeant cherche à développer l’activité et à augmenter de 20 % la part du portefeuille de ses meilleurs clients, l’IA devient une composante de cette discussion plutôt qu’un marteau à la recherche d’un clou.

La question du début de carrière mérite également une attention particulière dans ce sujet. Les recherches de Stanford tracent une ligne claire. Lorsque l’IA automatise, les recrutements débutants diminuent. Lorsqu’elle augmente les capacités humaines, l’emploi se maintient ou progresse. JLL a fait un choix délibéré, et les stagiaires recrutés récemment ont présenté un travail de synthèse si sophistiqué que, sans en être informée, Power n’aurait pas deviné qu’ils n’en étaient pas à trois ou quatre années de carrière.

Aujourd’hui, nous allons donc voir ce qui distingue les agents qui durent des 40 % de projets que Gartner prévoit de voir annulés d’ici 2027, pourquoi le cadrage du retour sur investissement compte davantage que la technologie elle-même, comment développer la maîtrise de l’IA dans 80 pays sans perdre la pertinence locale, et ce qu’un directeur des ressources humaines qui n’a encore aucun agent en production devrait faire au cours des trois premiers mois de leur déploiement.

Je suis David Rice. Vous écoutez People Managing People et, si votre organisation cherche encore par où commencer avec les agents, cette conversation vous offre un plan concret présenté par quelqu’un qui a déjà largement dépassé cette étape. Entrons dans le vif du sujet.

Bienvenue dans le podcast People Managing People. Comme toujours, je suis votre animateur, David Rice, et je suis aujourd’hui accompagné de Carlin Power. Elle est vice-présidente mondiale de l’activation des technologies d’IA et de plateformes chez JLL. De nombreuses organisations expérimentent les agents d’IA, mais vous en avez effectivement déployé avec succès. Très bien. Alors-

Carlin Power : Oui, c’est le cas…

David Rice : nous allons parler un peu de cela et de certains enseignements que vous en avez tirés.

La première question que je voulais vous poser concernait une enquête de Gartner auprès des DSI que j’avais vue et qui indiquait que seulement 17 % des organisations avaient déployé des agents, quelle qu’en soit la forme.

Carlin Power : Bien sûr.

David Rice : Et je crois que le chiffre pour plusieurs services est de 3 %, ou quelque chose comme ça, n’est-ce pas ? Oui, oui. C’est vraiment très faible.

Carlin Power : Oui.

David Rice : Beaucoup de personnes en sont donc au début de cette démarche. Vous avez lancé, d’après le dernier chiffre que j’ai vu, environ 34 agents. Je pense que vous en avez maintenant davantage.

Carlin Power : Oui. Nous continuons à progresser. Je crois que nous avons simplement cessé de compter.

David Rice : Vous avez cessé de compter… Ma première question est donc la suivante : qu’est-ce que vous savez aujourd’hui que les 97 % restants sont sur le point d’apprendre ?

Carlin Power : Je pense que cela remonte en réalité à certaines décisions que nous avons prises au départ. Nous avons investi dans ce que nous appelons JLL Falcon, qui est un nom de marque sophistiqué pour désigner un ensemble de capacités et d’API d’IA que tous nos développeurs peuvent utiliser de manière rentable afin de déployer des capacités d’IA dans les nouvelles technologies qu’ils construisent, ainsi que dans les technologies existantes déjà présentes sur le marché.

Grâce à cela, et parce que nous avons pu décentraliser l’innovation parmi tous nos ingénieurs, ils ont rapidement développé leurs compétences pour construire et déployer des éléments tels que des agents. Nous avons des agents dans notre activité de gestion des installations qui optimisent les ordres de travail et la manière dont les techniciens sont affectés aux sites pour y effectuer leurs tâches de gestion des installations.

Nous avons des agents de marque qui appliquent notre image de marque à nos présentations PowerPoint et à notre ton de voix pour les communications internes et externes de JLL. Nous avons également déployé, il y a environ un mois et demi, Ask JLL, un ensemble d’agents auxquels les experts de chaque domaine de nos fonctions centrales peuvent recourir pour aider les employés dans l’ensemble de ces fonctions.

Cette décentralisation au sein de toutes ces équipes d’ingénierie nous permet donc de construire des agents pour des problèmes d’entreprise spécifiques, avec des objectifs de retour sur investissement très précis.

David Rice : Est-ce l’une des raisons pour lesquelles vous pensez que cela a fonctionné ? Vous avez mentionné la nature spécifique des solutions. Est-ce en partie parce que vous n’essayez pas de résoudre un problème de manière générale, mais que vous êtes très précis ?

Carlin Power : Oui. Nous avons aussi des agents généraux et des outils d’IA polyvalents. Nous disposons d’un assistant d’IA général que nous appelons affectueusement Pulse. Il examine toutes nos discussions, tous nos courriels et tous nos documents partagés. Il agit un peu comme un assistant administratif et prend en charge une grande partie des tâches administratives et tactiques auxquelles on doit faire face dans un travail de connaissance.

Nous avons donc délibérément déployé certaines capacités générales, mais oui, le véritable retour sur investissement, car ces éléments relèvent davantage de ce que j’appellerais les fonctions indispensables, est différent. Ce sont des capacités dont tous nos employés ont besoin pour que nous puissions rester compétitifs sur le marché.

Tous les agents déployés par nos équipes d’ingénierie logicielle pour soutenir une ligne d’activité ou une fonction centrale donnée résolvent des problèmes spécifiques qui font progresser nos résultats, et cela est aligné jusqu’aux différents niveaux de l’organisation.

David Rice : Revenons au premier agent. Qu’est-ce qui a posé problème sans être technique ? Les autorisations et la responsabilité, ou la description du poste de quelqu’un, en substance ?

Carlin Power : Le premier agent, c’est Pulse. Il est également connu sous le nom d’outils de travail JLL, car nous le fournissons maintenant via un MCP, autrement dit un connecteur vers un agent et des données structurées.

Je ne pense donc pas qu’un problème véritablement technique ait été à l’origine de la difficulté. Il s’agissait plutôt de savoir comment justifier le coût par rapport au retour sur investissement. Comme je vous le disais à propos des fonctions indispensables, c’est une conversation assez difficile lorsque l’on ne constate que des gains d’efficacité de 1 à 3 %. Il est difficile de s’asseoir devant son directeur financier et de dire : « Je pense que nous devrions faire cela, mais nous pourrions obtenir un rendement de 1 %. » Il fallait d’abord déterminer comment exprimer la valeur de ces fonctions indispensables et celle d’un agent donné.

Et fallait-il en faire une norme pour la construction ? Comment faire en sorte que chaque créateur de notre organisation puisse dire : « Je vais fournir cet agent pour résoudre un problème qui nous coûtait auparavant une certaine quantité de travail ou produisait un résultat donné. Désormais, il nous permettra de multiplier par cinq le débit, de créer une nouvelle source de revenus, d’augmenter notre part de marché ou la part du portefeuille d’un client » ?

Dès que les équipes commencent à réfléchir de cette manière, il devient beaucoup plus simple de justifier le retour sur investissement. C’est toutefois le premier point sur lequel on nous a interrogés : « Quand faut-il l’utiliser ? Comment faut-il l’utiliser ? Quel est le retour sur investissement ? » Et nous répondions : « Bonne question. »

David Rice : C’est intéressant que vous évoquiez la normalisation. Y a-t-il eu une harmonisation du vocabulaire, ou une compréhension commune de ce qui constitue un retour sur investissement, pour les personnes qui voulaient réaliser ces projets ? Je peux imaginer que leur imagination puisse parfois s’emballer et qu’il faille leur dire : « Ce n’est pas vraiment une valeur commerciale. »

Carlin Power : Heureusement, nous avons d’excellents professionnels de la finance dans notre organisation. Bien que cette fonction soit centralisée, elle est décentralisée dans la façon dont ses membres sont intégrés à nos lignes d’activité et à nos fonctions.

Notre équipe financière a donc consacré beaucoup de temps à réfléchir à la manière de fournir à nos équipes des cadres leur permettant de construire une discussion sur le retour sur investissement, ou une équation de retour sur investissement. Cela mûrit actuellement. Je ne dirais pas que nous avons la réponse, car si c’était le cas, je démissionnerais pour créer du jour au lendemain un cabinet de conseil pesant un milliard de dollars, comme tout le monde, mais je pense que cela consiste à replacer la discussion sur la valeur là où elle doit se trouver : dans le compte de résultat qui prend la décision d’investissement.

Si un dirigeant affirme : « Nous devons augmenter de 20 % notre part du portefeuille de nos dix principaux clients », l’IA fait désormais partie de la discussion au lieu que nous soyons un marteau à la recherche d’un clou.

David Rice : Gartner prévoit que 40 % des projets d’IA agentique seront annulés d’ici la fin de 2027. Lorsque vous examinez les agents que vous avez construits, qu’est-ce qui vous rend confiante dans leur capacité à être résilients et à perdurer au-delà de cette échéance ?

Carlin Power : Cela revient encore une fois à notre décision de déployer JLL Falcon, ainsi qu’à la prise de décision décentralisée de nos fonctions d’ingénierie, désormais liées aux indicateurs clés de performance des lignes d’activité.

Nous ne construisons rien, ou du moins nous essayons de ne rien construire, qui n’ait pas un retour sur investissement attribuable ou des économies quantifiables. La discussion devient donc très simple : les agents d’IA atteignent-ils leurs objectifs, comme un employé devrait atteindre ses objectifs professionnels ? La technologie et l’agent font-ils ce que nous attendions ? Produisent-ils les avantages escomptés ? Dans le cas contraire, pourquoi, et devons-nous continuer à investir ?

Une discussion périodique visant à décider s’il faut arrêter, poursuivre ou continuer à développer doit donc avoir lieu pour tous les agents déployés dans l’organisation.

David Rice : Vous avez mentionné la prise de décision décentralisée. Est-ce quelque chose que vous aviez intégré dès le départ ? Cela faisait-il partie de vos processus avant tout cela ?

Carlin Power : Le socle de notre stratégie d’IA est notre couche de données d’entreprise. Sous la direction de notre directeur technique, Yao Moran, nous avons consacré les cinq ou six dernières années à développer la maîtrise, l’exactitude, la qualité et la pertinence de toutes nos données, essentiellement dans notre entrepôt de données d’entreprise.

Chaque donnée que nous détenons chez JLL est donc intégrée à cet entrepôt. Un ensemble de capacités de gouvernance définit ensuite ce que sont ces données, à quoi elles sont pertinentes, pour qui elles le sont et comment les utilisateurs peuvent y accéder. Nous disposons ainsi d’une couche de données très robuste à la base, sur laquelle repose JLL Falcon.

Lorsque nous parlons du MCP ou du connecteur, celui-ci se rend directement dans notre entrepôt de données d’entreprise et en extrait les informations pertinentes pour l’utilisateur. C’est notre fonction de mise à l’échelle, tant du point de vue de l’efficacité des coûts que de la pertinence des données.

Nous avons ensuite une stratégie d’IA portée par les utilisateurs et une stratégie d’IA pilotée de manière centralisée. C’est dans cette dernière que se produit la décentralisation dont je parle. Chaque ligne d’activité et chaque équipe technologique de fonction centrale mène des initiatives alignées sur cette stratégie afin d’apporter la différenciation dont nous avons besoin sur le marché.

La stratégie portée par les utilisateurs vise à donner aux employés les moyens d’utiliser nos outils et de développer leur maîtrise interne de l’IA. C’est notre fonction d’accompagnement. Nous avons donc un socle, constitué de nos données, une fonction de mise à l’échelle, constituée de la plateforme JLL Falcon, une fonction de différenciation pilotée centralement, et une fonction d’activation portée par les utilisateurs.

Tout cela contribue à nos trois résultats commerciaux : fournir de la valeur aux clients, libérer l’excellence opérationnelle et stimuler l’innovation. Je pense que c’est au cœur de notre réussite. Et pour répondre à votre question, cette décision de décentralisation était-elle délibérée ? Oui, absolument. L’avons-nous prise immédiatement ? Je ne m’en souviens pas. Mais est-ce là que nous avons abouti ? Tout à fait.

David Rice : J’ai vu des recherches de Stanford qui établissaient une distinction nette : lorsque l’IA automatise des tâches, les recrutements débutants diminuent ; lorsqu’elle augmente les capacités humaines, l’emploi se maintient ou progresse.

Sur vos 34 agents, ou davantage maintenant, de quel côté de cette ligne pensez-vous vous situer ? Était-ce une décision ou le résultat de vos actions ?

Carlin Power : Si une entreprise se concentre sur l’efficacité et la productivité et cherche donc à réduire la main-d’œuvre, notamment en début de carrière, je pense que cela témoigne d’une certaine immaturité de sa stratégie globale d’IA et de son modèle d’implication.

Nous n’avons jamais décidé délibérément d’éliminer 40 % des emplois. Je pense que cette position est trop extrême et qu’elle serait de courte durée. Couper complètement l’accès aux talents en début de carrière peut être très préjudiciable à la réussite d’une organisation.

David Rice : Oui.

Carlin Power : Lundi dernier, j’ai rencontré nos stagiaires des équipes d’approvisionnement et de gestion des achats. Ils présentaient leurs projets de synthèse, dont beaucoup utilisaient nos outils internes et certains laboratoires avancés avec lesquels nous avons des partenariats.

Si le responsable de l’approvisionnement ne m’avait pas dit qu’ils étaient stagiaires, je vous aurais affirmé qu’ils avaient déjà trois ou quatre années de carrière professionnelle, tant leurs connaissances des problèmes complexes d’approvisionnement étaient approfondies et tant ils comprenaient les comptes clients avec lesquels ils travaillaient pour améliorer la quantité d’actifs que nous gérons et le volume de contrats sous notre gestion.

J’ai appris beaucoup de choses. J’ai été impressionnée par ce qu’ils étaient capables d’accomplir en si peu de temps, et encore davantage lorsque, à la fin, notre directeur des achats leur a dit : « Vous avez tous un emploi chez JLL si vous le souhaitez. » C’est un très bon exemple du fait que nous ne devrions pas supprimer ces emplois de début de carrière.

Nous devrions plutôt établir des attentes complètement différentes quant à ce que nous pouvons obtenir des talents en début de carrière. Nous avons donc entièrement repensé notre stratégie autour de projets de synthèse qui créent une réelle valeur dans nos programmes de stages chez JLL.

Je pense qu’il s’agit d’une question de maturité et que les autres entreprises finiront par y parvenir. Je les mettrais en garde contre la suppression de cette première marche de carrière, car c’est précisément de là que viendra une grande partie de leur innovation au cours des trois à cinq prochaines années.

David Rice : Je suis heureux que vous le disiez, car j’ai toujours défendu cette idée. Le projet de synthèse me fait penser à quelque chose qui ressemble davantage à un apprentissage. Nous pensons aux stages et, lorsque j’en ai effectué un à l’université, c’était assez ennuyeux.

Carlin Power : Je répondais au téléphone et je classais des dossiers.

David Rice : Exactement. Ce n’était pas très approfondi. Je n’en suis pas sorti en me disant : « C’était vraiment important ? »

Carlin Power : Oui, ajoutez-le à mon CV.

David Rice : Le modèle de l’apprentissage permet au contraire d’apprendre en réalisant véritablement le travail, à un niveau d’approfondissement qui leur donnait l’impression d’avoir déjà trois ou quatre ans d’expérience.

Carlin Power : Cela m’a vraiment impressionnée et m’a aidée à établir une nouvelle norme, ainsi qu’à expliquer à l’organisation ce que nous devrions attendre de nos talents en début de carrière.

J’espère que cela contribuera également à instaurer, à l’échelle de l’organisation, une compétence selon laquelle nous devrions probablement attendre beaucoup plus de nos professionnels expérimentés. Nous avons expliqué à nos dirigeants comment faire évoluer leur proposition de valeur. Nous leur proposons un atelier de formation en plusieurs modules et leur demandons : lorsque toute votre équipe sera augmentée, renforcée ou remplacée par l’IA, que ferez-vous de cette valeur ? Comment allons-nous la récupérer, que ce soit sous la forme d’un débit plus élevé, de livrables de meilleure qualité, de davantage de temps avec les clients ou de plus de temps pour créer de futures sources de revenus ?

David Rice : Quand on parle de priorité donnée aux personnes, il faut un véritable instrument, sinon ce ne sont que des mots ou un slogan. Comment avez-vous distingué l’adoption de la conformité et des personnes qui contournent simplement l’agent ?

Carlin Power : C’était une autre décision délibérée prise très tôt.

Nous avons consacré une part importante de notre budget à des professionnels de l’engagement et de l’activation qui, dès le début, ont aidé tous nos employés à acquérir un certain niveau de maîtrise de l’IA. Ils leur ont présenté de nouveaux outils, expliqué les fondamentaux du fonctionnement de l’IA générative et la manière dont nous protégeons leurs données et celles de nos clients, et les ont aidés à répondre aux questions qui se posaient, notamment : que se passe-t-il lorsque je téléverse le compte de résultat d’un client dans un outil d’IA générative ?

Nous leur avons expliqué que nos systèmes étaient sécurisés et protégés, tout en les invitant à faire preuve de discernement. Nous les avons également aidés à trouver l’équilibre entre ce qu’ils peuvent confier à l’IA générative et ce qu’ils ne peuvent pas lui confier, selon une méthode de confiance mais de vérification. L’intégration précoce de cette approche a facilité l’adoption accélérée de capacités plus avancées.

Nous construisions des outils, les déployions et formions les collaborateurs à leur utilisation. Nous avons également créé un programme d’ambassadeurs capable d’adapter nos formations aux rôles et profils propres à chaque ligne d’activité et fonction centrale, car nous sommes une entreprise immense opérant dans 80 pays.

De nombreux éléments doivent être pris en compte au niveau local, ce qu’une fonction centrale ne peut pas faire à grande échelle. Nous avons donc dû faire appel aux experts de ces domaines pour établir le niveau de maîtrise supplémentaire dont nos équipes avaient besoin afin de commencer à innover par elles-mêmes.

David Rice : Nous arrivons au terme de notre temps, mais avant de vous laisser partir, j’aimerais vous proposer une hypothèse. Vous avez un directeur des ressources humaines qui n’a encore aucun agent en production, mais dont le conseil d’administration commence à faire pression. Il veut voir des progrès et demande pourquoi rien n’a encore été fait. Il dispose de douze mois et d’un budget. Que doit-il faire au cours des trois premiers mois pour lancer la dynamique, et quelle est la première chose qu’il sera tenté de faire alors que vous pensez qu’il devrait l’éviter ?

Carlin Power : Je pense que la première étape consiste à réunir un groupe de personnes capables d’expérimenter dans toute l’organisation et avec lesquelles vous êtes parfaitement à l’aise. Je ne me lancerais pas forcément immédiatement dans les fonctions centrales, mais je choisirais des experts de vos lignes d’activité et fonctions centrales qui maîtrisent la technologie et peuvent vous aider à définir les cas d’utilisation réels pour lesquels même l’expérimentation produira un retour sur investissement net positif.

Essayer de couvrir tous les domaines et toutes les activités en même temps entraînera beaucoup de coûts. Si vous ne disposez pas en interne de personnes qui connaissent vos différents domaines ou qui sont formées à l’IA, les coûts vont exploser et vous vous retrouverez dans la situation que vous venez de décrire.

Il faut donc construire la réussite autour de quelques cas d’utilisation, les développer, puis réinvestir le retour sur investissement obtenu dans d’autres outils, notamment les outils plus horizontaux ou polyvalents proposés à l’organisation. L’autre élément est la fonction d’activation et de maîtrise. Vos collaborateurs doivent se sentir vraiment à l’aise avec ces outils et vous devez les inciter à les utiliser.

Je cite constamment notre directeur général, Christian Ulbrich, dont je suis très reconnaissante. Il a défini la vision et donné aux collaborateurs les moyens d’utiliser l’IA, tout en fixant des indicateurs clés de performance mondiaux concernant la maîtrise, l’adoption et l’utilisation.

Il n’y avait donc aucune sanction liée à l’utilisation de ces outils. Ce n’était pas : « Vous avez trouvé comment automatiser votre service ? Très bien, nous allons maintenant licencier tout le monde. » Ce récit n’a jamais existé chez JLL. L’objectif était de tirer parti de l’IA pour mieux servir nos clients et nos collaborateurs.

Tous nos dirigeants devaient définir des indicateurs clés de performance liés à cet objectif et montrer eux-mêmes l’exemple. Notre directeur général a été très clair : chacun devait utiliser les outils d’IA et cette utilisation serait mesurée. Si les collaborateurs ne vous voient pas les utiliser, ils ne se sentiront pas à l’aise ni autorisés à s’en servir.

Il voulait que l’innovation vienne du bas vers le haut tout autant que l’exemplarité vienne du haut vers le bas. Pour tout dirigeant membre d’un comité exécutif, je conseillerais donc de montrer lui-même ce comportement et d’aligner les incitations sur les comportements qu’il souhaite voir dans l’organisation.

David Rice : Merci d’être venue dans l’émission aujourd’hui. Carlin Power, mesdames et messieurs. À la prochaine.

Carlin Power : Merci beaucoup.

David Rice : Chers auditeurs, si ce n’est pas déjà fait, rendez-vous sur peoplemanagingpeople.com/subscribe. Inscrivez-vous à la lettre d’information. Vous recevrez ce podcast et tout ce que nous créons directement dans votre boîte de réception.

À la prochaine.