Pourquoi les déploiements d’IA s’enlisent, et où devrait vivre le cerveau de votre entreprise

Huit problèmes qui enlisent les déploiements d’IA, des licences qui ne changent rien aux pilotes bloqués par la sécurité. La plupart tiennent au processus, aux données et aux responsabilités, y compris à l’endroit où devraient vivre les connaissances de l’entreprise.

  1. Clientèle cible
  2. Processus et responsabilités
  3. Données communes
  4. Travail assisté par l’IA
Donnez une base à l’IA : convenez du client, du processus et des données à utiliser.
L’essentiel

Un consultant RevOps m’a demandé où devraient vivre les connaissances de l’entreprise de son client. Cette question se cache derrière la plupart des déploiements d’IA que je vois s’enliser. Voici les huit problèmes que je rencontre le plus souvent, pourquoi un autre modèle n’en règle aucun, et ce que je lui ai répondu sur la propriété du cerveau de l’entreprise.

  • La plupart des déploiements d’IA s’enlisent sur le processus, les données et les responsabilités. Changer de modèle n’y change rien.
  • Conservez les connaissances de l’entreprise dans une base qui lui appartient, avec des définitions convenues par-dessus, pour que chaque assistant donne la même réponse.
  • Confiez ce travail à une équipe transversale plutôt que de le réserver à l’IT, et changez un processus à la fois.

Où vit le cerveau ?

J’ai récemment échangé avec un consultant RevOps au sujet de l’un de ses clients, un courtier en assurances d’une centaine de personnes. L’entreprise avait déjà des outils d’IA. Ce qui lui manquait, c’était la réponse à une question plus simple : où vit le cerveau ? Où doivent aller toutes les connaissances de l’entreprise, des enregistrements d’appels et tickets de support jusqu’aux e-mails commerciaux, pour que chaque personne et chaque assistant travaillent à partir de la même vision ?

Il m’a aussi demandé si Five Dots pouvait être cet endroit. Ce n’est pas le cas, et c’est voulu. Five Dots fonctionne dans l’environnement IA dont l’entreprise dispose déjà, et aucune donnée métier ne nous est jamais envoyée. Les connaissances doivent vivre dans un endroit que l’entreprise contrôle.

La question m’est restée, parce qu’elle se cache derrière la plupart des déploiements d’IA que je vois s’enliser. Quand je dresse la liste des problèmes que rencontrent les entreprises en déployant l’IA, presque aucun ne concerne le modèle. Passer d’un assistant à un autre ne réglerait pas un seul point de la liste. Tout se ramène au processus, aux données et aux responsabilités, autrement dit à la conduite du changement.

Huit problèmes que je vois sans cesse

Ils se répartissent en trois groupes, et arrivent rarement seuls. Une entreprise dont le CRM est en désordre a généralement aussi des documents de processus que personne n’a mis à jour depuis des années, et les deux rendent l’IA moins fiable. C’est ainsi qu’une équipe finit par vérifier chaque réponse.

Huit raisons pour lesquelles les déploiements d’IA s’enlisent · touchez celles que vous reconnaissez

Processus

Données et instructions

Confiance et responsabilités

Touchez les problèmes que vous reconnaissez pour savoir par où commencer votre lecture.

Le processus n’a jamais changé

Le schéma le plus courant est aussi le plus simple. Une entreprise achète des licences pour tout le monde et attend les gains. Individuellement, les gens rédigent et résument plus vite, et c’est bien réel. Pendant ce temps, la facture mensuelle grimpe, et le processus autour de ces personnes est celui de l’an dernier. Personne ne peut montrer quoi que ce soit en disant : ceci prend désormais deux fois moins de temps.

Le deuxième, c’est la démo qui n’arrive jamais en production. Quelqu’un construit un agent impressionnant, le montre à tout le monde, puis rien ne se passe. Il n’a pas de responsable, il n’a jamais été connecté aux données réelles, et aucune équipe n’a changé sa façon de travailler pour lui faire de la place. Une démo montre que quelque chose est possible. Le processus ne change que lorsque quelqu’un décide qu’il changera.

Le troisième est plus facile à manquer. Dans beaucoup des processus que j’examine, le travail lui-même ne représente qu’une petite part du temps écoulé. Le reste, c’est surtout attendre une validation, un transfert ou une réponse, si bien qu’accélérer le travail change peu de chose. Essayez sur le devis inventé ci-dessous.

Exemple inventé · un devis, du brouillon à l’envoi

Préparer le devis20 min
Attendre la validation de la remise2 jours
Attendre le juridique1 jour

Quelqu’un travailleAttente

Délai du brouillon à l’envoi3 jours et 20 minutesVingt minutes de travail, trois jours d’attente. À l’échelle, le travail serait trop fin pour être visible.

Un copilote posé sur le désordre

Les entreprises veulent un assistant capable de répondre à des questions sur leurs clients, alors que les données en dessous sont réparties entre deux CRM, pleines de doublons, à côté d’une société rachetée qui n’a jamais été intégrée. L’assistant ne peut pas savoir quel enregistrement est le bon. Il répondra quand même, et il aura l’air sûr de lui.

Connecter les agents à tout aggrave encore les choses. Un agent qui a accès à une douzaine d’outils dépense ses tokens à chercher, et la même question posée deux fois peut aller chercher des sources différentes et revenir avec des réponses différentes. Les agents s’en sortent mieux avec un petit nombre d’outils et un seul endroit où prendre leurs données.

Viennent ensuite les instructions. Quand l’IT construit une automatisation, on part souvent des procédures opérationnelles standard. Elles sont fréquemment périmées, ou décrivent comment le processus était censé fonctionner il y a des années. Un agent construit sur de mauvaises instructions fait la mauvaise chose, vite et de façon constante. Avant d’automatiser un processus, asseyez-vous avec les personnes qui le font tourner et écrivez comment il doit fonctionner aujourd’hui.

Les trois problèmes ramènent à la question du consultant. Les agents ont besoin d’un seul endroit où puiser leurs connaissances, avec des données propres et des définitions convenues.

Le cerveau doit vous appartenir

Ma réponse a été que l’entreprise devait le posséder elle-même, plutôt que de le confier à un outil tiers, aussi pratique soit-il. Les jeunes entreprises d’IA vont et viennent, et vous ne voulez pas que le centre de votre activité disparaisse avec l’une d’elles. Vous voulez aussi rester libre de changer de fournisseur d’IA. Si vous passez de ChatGPT à Claude l’an prochain, ou utilisez les deux, vos connaissances ne devraient pas avoir à déménager avec vous.

Le meilleur endroit est le data warehouse ou la base de données que l’entreprise utilise déjà, comme BigQuery ou Supabase. Le vrai travail consiste à tout y faire entrer, et à convenir des règles par-dessus : qui peut voir quelles données, et une zone de préproduction pour tester les changements avant qu’ils n’atteignent tout le monde.

Par-dessus vient une couche sémantique, où l’entreprise écrit ce que signifient ses données. Le revenu récurrent annuel (ARR) se calcule d’une seule façon, si bien que, qu’on pose la question dans Claude, dans HubSpot ou dans un tableau de bord, on obtient le même chiffre.

Vous pouvez commencer dans Notion ou Google Docs, le temps de découvrir ce que les gens demandent. Les documents sont toutefois difficiles à interroger et à tenir à jour ; pour tout ce qui doit être robuste, investissez dans la couche de données. Notre guide pour faire tourner le RevOps sur Claude détaille toute la mise en place.

  • CRM
  • Tickets de support
  • E-mails
  • Transcriptions d’appels
  • Finance
L’outil IA d’un éditeurVos connaissances, dans son produit
  • L’assistant de l’éditeur
  • Claudeaux conditions de l’éditeur
  • ChatGPTaux conditions de l’éditeur
  • Tableaux de bordaux conditions de l’éditeur

Les connaissances se trouvent dans le produit de quelqu’un d’autre. Changez de fournisseur d’IA, ou perdez l’éditeur, et elles doivent déménager.

Pas un chantier réservé à l’IT

Le dernier groupe de problèmes concerne la confiance. Quand l’IA se trompe juste assez souvent, quelqu’un vérifie chaque ligne, et le temps gagné repart directement dans la vérification. Un meilleur prompt règle rarement ce problème. Corriger les données et les définitions, si, et la vérification peut alors s’adapter aux enjeux.

Les revues de sécurité et d’hébergement sont l’autre problème de confiance. Des pilotes au business case clair s’y arrêtent, parce que personne n’a demandé où iraient les données avant la toute fin. Faites entrer la sécurité dès la première semaine, pas la dernière.

Ce qui me ramène au cerveau. J’ai suggéré au consultant de dire à la direction de son client de ne pas laisser l’IT mener ce chantier en solitaire. Les connaissances de l’entreprise sont au centre de tout, et l’enjeu est trop important pour se tromper. Il faut une petite équipe transversale qui les construit ensemble, les entretient et règle en chemin la plupart des questions de confiance.

Niveau de vérificationUn coup d’œil avant de l’utiliser
Qui vérifieLa personne qui l’utilise

Vérifiez tout à fond, et le temps gagné part en vérifications.

Qui est responsable des connaissances de l’entreprise

  • L’IT ou l’équipe dataLa plateforme et qui y a accès
  • RevOpsLes données commerciales et les définitions
  • Responsables métierLeur propre domaine : finance, juridique, support
  • SécuritéImpliquée dès la première semaine

Par où commencer

Si vous en reconnaissez quelques-uns, vous êtes en bonne compagnie. La plupart des solutions ne sont pas techniques. Ce sont des décisions sur le processus, les données et les responsabilités, et elles sont plus faciles à prendre un processus à la fois. Voici ce qu’il faut avoir en place avant d’introduire l’IA dans l’un d’eux.

Avant d’introduire l’IA dans un processus · cochez ce que vous avez

0 sur 6Commencez par le haut : un processus, cartographié honnêtement.

Sources et lectures complémentaires

Passez à la pratique.

Lancez l’audit GTM gratuit dans l’installation Claude que vous avez déjà.

01 /fr IA et opérations

Faire de Claude votre système RevOps : le guide de mise en place

Comment faire de Claude le système de Revenue Operations de votre entreprise : la stratégie d’abord, un stockage de données neutre, une couche sémantique, des données propres, puis l’automatisation, Slack et la question du CRM.

Haris OdobasicHaris Odobasic17 min de lecture