Les petites équipes gaspillent leur plus grand atout en IA
Facteur de réussite de l’IA: La refonte des processus de travail est cruciale pour une mise en œuvre réussie de l’IA, bien plus que le budget ou la technologie.
Avantage des petites équipes: Les petites équipes facilitent naturellement la collaboration, évitant ainsi les processus lents auxquels sont confrontées les grandes organisations.
Importance de la collaboration: Une adoption efficace de l’IA nécessite le travail d'équipe et une refonte des processus de décision, et pas seulement de nouveaux outils.
Quelque part en ce moment, un fondateur regarde une facture et se demande ce qu'il a payé. Le travail a eu lieu. Il ne peut tout simplement pas le voir pour l'instant.
J'ai envoyé cette facture. Empêtré depuis des semaines dans un travail auquel je croyais, sans rien de concret à montrer au client pour qu'il puisse qualifier cela d'avancée. Silencieusement, vous savez qu'il remet en question votre valeur. Ce qu'il ne voit pas, c'est le seul travail qui compte vraiment.
Le travail qu’on ne peut pas mettre sur un diaporama
Vingt heures par mois. Chaque heure apparaissait sur une facture, et si le fondateur m'avait arrêté à mi-parcours pour me demander quelle valeur j'avais créée, je ne suis pas sûr d'avoir pu donner une réponse qui justifiait le coût.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Nous testions des outils les uns contre les autres, mettions de côté des processus que l'équipe utilisait depuis des années, et nous tentions de nous mettre d'accord sur ce que « mieux » signifiait vraiment. Certains jours, nous passions trois heures à découvrir qu’un outil que nous pensions adapté était incapable de faire la seule chose dont nous avions besoin.
Ce n'est pas un progrès que l'on peut montrer sur une diapositive. Et de l'autre côté de cette facture, un fondateur observe son budget diminuer, la trésorerie s’amenuiser, et la consommation grimper. Il n'est pas le seul.
L'an passé, des entreprises de taille moyenne ont abandonné en moyenne une initiative d’IA chacune, pour un coût de plus de 4 millions de dollars par projet, car elles n’ont pas perçu de valeur assez rapidement.
De notre côté de la facture, nous fonctionnions comme une équipe distribuée à travers plusieurs villes, chacun responsable d'une partie du produit, essayant de résoudre des problèmes qui se multipliaient à mesure qu'on les regardait de plus près. L’entreprise avait besoin de rapidité. Le produit exigeait de la qualité. Les outils n'étaient pas éprouvés. Chaque correction qui solutionnait un problème pour une personne en créait un autre pour quelqu’un d’autre.
On ne démêle pas cela avec une checklist ou un plan projet. On y parvient en intégrant chaque point de vue dans la même conversation, en rendant visibles tous les compromis, et en trouvant les options qui maximisent les gains sans simplement transférer les problèmes ailleurs.
C’est lent. Ça ne se photographie pas bien. Et c'est la seule façon que cela fonctionne.
Ces problèmes se multiplient parce que chaque membre de l’équipe résout une équation différente, et les anciennes règles pour équilibrer ces différences ne s’appliquent plus. Le développeur a besoin d'intégration sans retouche. Le designer veut un contrôle créatif sans ralentir la chaîne de production. Le fondateur cherche à tout faire pour moins cher, plus vite.
Derrière chacun de ces besoins se cachent des dizaines de petits compromis, et chacun d’entre eux en impacte un autre. Satisfaire le fondateur, c’est rogner sur la qualité. Satisfaire le designer, c’est ralentir toute la chaîne.
Le travail que nous faisions, ce travail invisible, lent et frustrant, consistait à trouver la version de chaque décision qui maximisait les bénéfices pour l’ensemble du système, sans simplement déplacer les dégâts.
La seule variable qui prédit réellement le succès de l’IA
Si l’on manque cela, on multiplie les problèmes plus vite qu’on ne peut les résoudre. McKinsey a interrogé près de 2 000 dirigeants dans 105 pays et testé 25 facteurs censés prédire si l’IA aura un impact réel sur l’entreprise. Le facteur unique le plus déterminant n’était pas le budget, l'implication de la direction ou le choix technologique. C’était le fait que l’organisation ait fondamentalement repensé ses processus.
Ensuite, en deux jours, nous avons livré ce qui aurait pris, avec l’ancien processus, des semaines et trois ou quatre personnes. Pas une ébauche ni un prototype. Un livrable complet, relu, validé, qui résolvait des problèmes contournés depuis des mois par l'équipe.
Le plus difficile n’a pas été de produire le travail. C’est qu’on en produisait tellement, si vite, que l’ancienne question – que doit-on couper pour rester dans le budget et livrer dans les temps ? – n’avait plus de raison d’être.
Les compromis qui dominaient toutes les réunions de planification n’étaient quasiment plus pris en compte. Il fallait alors se demander où investir la valeur de notre temps, notre collaboration, nos contributions individuelles. Le travail n’est pas seulement devenu plus rapide. Il a rompu le rythme dans lequel l’équipe évoluait depuis des années.
L’avantage structurel des petites équipes qu’elles ignorent
Les grandes organisations ne peuvent pas faire ce que nous avons fait. Elles ne peuvent pas réunir tous les acteurs autour de la même table pour discuter des compromis en temps réel. Elles mettent donc en place des processus censés s’en approcher : comités de gouvernance, chaînes de validation, pôles d’expertise, postes dédiés à l’IA.
Tout cela coûte cher, prend du temps, et n’est conçu que pour simuler ce qu’une petite équipe réalise naturellement.
L'ironie, c’est que la plupart des petites équipes ne le voient pas ainsi. Elles regardent le mode d’emploi des grandes entreprises et supposent que c’est cela, la véritable adoption de l’IA. Elles nomment un responsable. Elles achètent des outils et créent des processus. Et ce faisant, elles abandonnent le seul avantage structurel qu’elles possédaient réellement.
L'année dernière, S&P Global a estimé que 42 % des entreprises ont abandonné la plupart de leurs initiatives en intelligence artificielle, plus du double du taux de l’année précédente.
La célèbre étude du MIT selon laquelle 95 % des expérimentations d’IA en entreprise n’apportent pas de retours mesurables est souvent utilisée pour discréditer ces initiatives, mais dans la réalité, elles ne faillissent pas parce que la technologie ne fonctionne pas, elles échouent parce que les entreprises essaient de l’imposer à leur fonctionnement actuel. Elles sautent l’étape lente et peu valorisée de repenser la façon dont les gens collaborent, où les décisions sont prises et à quoi ressemble l’excellence lorsque les outils changent tout.
Vous n’avez pas besoin d’embaucher un spécialiste de l’IA. Vous n’avez pas besoin d’un centre d’excellence ni d’un plan formel de gestion du changement. Vous n’avez pas besoin de devenir plus grand ou plus structuré pour que l’IA fonctionne.
Ce dont vous avez besoin est déjà présent à l’appel : les personnes qui connaissent le travail, qui ressentent les arbitrages, qui savent à quoi ressemble un bon résultat depuis leur position.
Nous avons déjà vécu cela. Chaque grande révolution technologique, du PC à Internet en passant par le cloud, a exigé la même chose : du temps pour apprendre, de la place pour expérimenter, et la liberté de remettre en question ce que l’on croyait acquis.
L’IA n’est pas différente, elle est simplement plus rapide. Ce n’est pas un problème qu’une seule personne peut résoudre pour tout le reste de l’organisation. C’est une compétence que toute l’équipe doit acquérir, comme elle a appris à maîtriser chaque outil auparavant. Donnez-leur le temps et l’espace pour avancer ensemble.
Ce n’est pas un problème de technologie. Ça ne l’a jamais été.
