Pourquoi l'IA est la priorité de tous, mais le plan de personne

L’IA est aujourd’hui omniprésente. Il est impossible d’ouvrir un journal, de parcourir LinkedIn, d’assister à un événement professionnel ou de participer à une réunion sans entendre parler de l’IA, de son impact potentiel et de la nécessité de la mettre en œuvre au sein de son organisation. Le message est clair : l’IA n’est plus une option. Les organisations subissent une pression croissante pour l’adopter, poussées par la crainte d’être laissées pour compte si elles ne parviennent pas à suivre le rythme de l’évolution rapide de la technologie.

Pourtant, malgré l'enthousiasme et les nombreuses expérimentations, peu d'entreprises disposent d'une feuille de route claire. Beaucoup explorent des cas d'usage et lancent des projets pilotes, mais rares sont celles qui ont défini une stratégie cohérente pour maximiser l'impact de l'IA à l'échelle de l'entreprise. Résultat : l'IA reste souvent une somme d'initiatives isolées plutôt qu'un levier de transformation créateur de valeur mesurable. 

La responsabilité des initiatives d’IA varie considérablement d’une organisation à l’autre. Dans les grandes entreprises, la direction est généralement assurée par des postes tels que le directeur de l’IA, le directeur du numérique, le directeur technique ou le responsable de la transformation. Dans les organisations de taille moyenne, en revanche, la responsabilité tend à être plus décentralisée, celle-ci étant souvent déterminée par la structure de l’entreprise, les rôles individuels, l’intérêt personnel pour l’IA et l’expertise technique disponible.

Les services informatiques sont rarement les principaux moteurs de l’adoption de l’IA. Cela est logique, car la mise en œuvre de l’IA relève fondamentalement d’un effort de transformation de l’entreprise plutôt que d’un simple projet technologique. L'implication de l'IT est indispensable, mais la direction du projet se situe souvent ailleurs.

Clarifier la responsabilité est essentiel. Sans cela, l'IA devient l'initiative de tous et la responsabilité de personne, avec à la clé des efforts fragmentés, un manque d'engagement et des solutions impossibles à déployer à grande échelle.

Pour se préparer à l'IA, beaucoup d'organisations lancent de petites initiatives de productivité. Souvent sans cadre stratégique, ce qui donne des projets isolés plutôt qu'une transformation coordonnée. C'est compréhensible : l'IA évolue vite, et il est difficile de prévoir quels cas d'usage créeront le plus de valeur. L'expérimentation reste donc un excellent moyen d'apprendre, de développer des compétences et de repérer des opportunités.

Les premiers pilotes peuvent produire des résultats rapides et des enseignements précieux. Mais s'attarder trop longtemps dans cette phase comporte des risques. Quand chaque équipe avance de son côté, les efforts se fragmentent, les ressources se dispersent et il devient difficile de généraliser les initiatives réussies.

Une feuille de route IA claire relie les projets à des objectifs métier plus larges. Elle aligne les investissements, priorise les opportunités à forte valeur et trace le chemin de l'expérimentation à l'adoption à l'échelle de l'entreprise. Les pilotes sont souvent le point de départ, mais le succès durable suppose d'aller au-delà des cas isolés.

Outre l’importance de l’appropriation, nous identifions d’autres éléments qui auront un impact sur l’adoption de l’IA:

• L’absence de vision stratégique globale et de feuille de route. Les initiatives en matière d’IA sont souvent fragmentées, centrées sur les outils et portées par des individus plutôt que par la stratégie d’entreprise. Les organisations peinent à relier l’adoption de l’IA à des objectifs à l’échelle de l’entreprise, à des modèles opérationnels évolutifs et à des feuilles de route de transformation claires.
• Gouvernance, maturité en matière d’IA et création de valeur réaliste. De nombreuses organisations ne disposent pas de la maturité en matière d’IA ni de la gouvernance nécessaire pour prendre des décisions éclairées dans ce domaine. Cela conduit à des investissements précipités, à des attentes irréalistes, à des expérimentations fragmentées et à une difficulté à distinguer la véritable valeur métier du battage médiatique autour de l’IA.
• Leadership, transformation des effectifs et gestion du changement. Au-delà de la maîtrise de l’IA, les dirigeants sont confrontés à des questions fondamentales concernant la redéfinition des rôles, les structures organisationnelles, la gestion de la performance, les modèles de rémunération et la gestion des craintes des employés face à l’obsolescence. L’adoption de l’IA nécessite une gestion structurée du changement à tous les niveaux : personnel, processus et systèmes.
• Érosion des compétences, jugement et expertise humaine. À mesure que l’IA automatise les tâches opérationnelles, les organisations risquent de priver leurs collaborateurs d’occasions de développer leur expertise, leur esprit critique et leur jugement professionnel. L’un des principaux défis consiste à veiller à ce que les collaborateurs continuent à acquérir et à entretenir les compétences nécessaires pour superviser, remettre en question et orienter les résultats générés par l’IA.
• Culture, état d’esprit et gestion de l’incertitude. Les organisations doivent développer une culture qui favorise l’apprentissage continu, l’évolution technologique rapide et la complexité croissante des activités. Pour réussir, il faut s’adapter à l’accélération de l’innovation tout en évitant la paralysie causée par l’incertitude et le nombre écrasant d’options offertes par l’IA.

Le rôle de la fonction finance varie d'une organisation à l'autre, mais elle est plus souvent suiveuse que pionnière. Ce sont généralement les ventes, le marketing, la conformité ou le développement produit qui prennent les devants. Le niveau de maturité IA de la finance reste donc relativement faible.

Aujourd'hui, les applications de l'IA en finance visent surtout à gagner en efficacité : traitement des factures, gestion du crédit, premières analyses pour le contrôle de gestion et le reporting. Il s'agit en grande partie d'automatiser les tâches routinières et d'augmenter la productivité.

Le premier frein est l'exigence de précision et de fiabilité. Les professionnels de la finance évoluent dans un environnement où les erreurs ont de lourdes conséquences, ce qui renforce la peur de se tromper. S'y ajoutent la mauvaise qualité des données, leur cloisonnement en silos, une gouvernance des données insuffisante, des processus peu standardisés, des capacités limitées en prévisions et en scénarios, ainsi que la complexité des systèmes hérités et des processus manuels.

La culture joue aussi un rôle. Les professionnels de la finance accordent une grande importance au contrôle, à la précision et à la confiance, ce qui peut les rendre réticents à s'appuyer sur des recommandations générées par des algorithmes. Et quel que soit le degré d'avancement de l'IA, les directeurs financiers et leurs équipes restent responsables en dernier ressort des contrôles financiers, de la conformité et de l'exactitude des rapports.

Des signes de changement apparaissent toutefois. Les équipes finance s'impliquent de plus en plus dans les initiatives d'IA : gains de productivité, génération de rapports, préparation et nettoyage des données. L'adoption n'en est qu'à ses débuts, mais la familiarisation croissante renforce peu à peu la pertinence et l'acceptation de l'IA dans les organisations financières.

Le débat sur l’IA ne porte plus sur la question de savoir si les organisations doivent adopter l’IA, mais sur la manière dont elles peuvent transformer leurs ambitions en matière d’IA en une valeur commerciale mesurable.

D’après notre expérience, les organisations qui réussiront sont celles qui iront au-delà de l’expérimentation et définiront clairement les responsabilités, les objectifs et la gouvernance. L’avantage concurrentiel ne viendra pas de l’utilisation de l’IA en soi, mais de son utilisation ciblée et de son intégration dans les processus métier et les méthodes de travail quotidiens.

Notre conseil principal est simple : commencez dès maintenant, apprenez rapidement et adaptez-vous en permanence. Communiquez ouvertement sur vos ambitions, vos initiatives et vos progrès afin d’instaurer la confiance et l’engagement au sein de toute l’entreprise. Abordez l’IA comme une transformation des flux de travail, en combinant automatisation et expertise humaine à un rythme que les équipes peuvent adopter en toute confiance.

Les organisations les plus performantes trouvent un équilibre entre structure et expérimentation, en conservant une feuille de route claire tout en laissant une marge de manœuvre à l’innovation. En fin de compte, le succès de l’IA ne dépend pas de la technologie en soi, mais de la capacité d’une organisation à la convertir  en valeur commerciale durable.