Passer du pilote à une valeur à l’échelle de l’organisation
Chez Ateko, nous voyons souvent des organisations peiner à transformer l’enthousiasme suscité par un projet pilote en valeur à l’échelle de l’entreprise. L’adoption de l’IA est élevée. La plupart des organisations utilisent l’IA dans au moins une fonction. Pourtant, des études suggèrent que jusqu’à 62 % d’entre elles demeurent coincées aux premières étapes d’expérimentation ou de pilotage.
Si votre organisation est encore à ces premières étapes à l’approche de 2026, on peut dire sans se tromper que vous accusez un retard dans la course vers l’adoption de l’IA à grande échelle. Cette série d’articles de blogue a pour but de vous aider à mieux cadrer votre approche pour faire passer l’IA à l’échelle dans votre organisation.
Avant d’aller plus loin, un peu de contexte. Pour dépasser les projets d’IA isolés et atteindre une mise à l’échelle à l’échelle de l’entreprise dans vos écosystèmes Salesforce, ServiceNow et infonuagiques, une approche fondée sur les systèmes est nécessaire. L’ancien réflexe des « projets pilotes à gains rapides » ne vous y mènera pas. En nous appuyant sur les perspectives de l’AI Daily Brief, sur les recherches d’OpenAI sur la mise à l’échelle, et sur notre expérience à aider des clients à déployer des solutions propulsées par l’IA dans des environnements CRM et infonuagiques, nous avons identifié quatre virages fondamentaux nécessaires pour réussir cette transition.
1. Passer d’une logique d’outils à une logique de systèmes
Le virage : Historiquement, nous validions un logiciel en nous demandant si un outil précis convenait à un besoin donné. Nous commencions petit, testions un cas d’usage, puis élargissions. Mais l’IA évolue autrement. Ses capacités changent en quelques semaines, pas en quelques trimestres ou en plusieurs années, et son impact touche toutes les sphères de l’organisation.
L’application : Pour réussir avec l’IA à l’échelle organisationnelle, nous devons faire évoluer notre perspective et passer d’un ensemble d’« outils » à un système intégré. La vraie valeur en entreprise vient des systèmes complets construits autour de l’IA, pas du modèle ou de l’outil précis choisi.
Par exemple, ne vous préoccupez pas trop, au départ, de peaufiner à la perfection la performance d’un prompt génératif dans un assistant IA de plateforme (comme Agentforce de Salesforce ou Now Assist de ServiceNow). Il vaut mieux ajuster ces éléments plus tard, une fois que de vrais utilisateurs auront commencé à utiliser l’outil et à vous donner de la rétroaction.
Vous avez besoin d’un écosystème solide et connecté. C’est ça, le cœur du « système ». Une plateforme de données souple, qu’il s’agisse de Salesforce Data Cloud, de Snowflake ou d’un autre outil, est essentielle pour centraliser et assainir les données importantes. Vous avez aussi besoin de pipelines de données robustes dans votre environnement infonuagique plus large (pensons à GCP, AWS ou Databricks). Si vous ne pouvez pas accéder facilement à des données bien gérées, vous allez constamment vous battre à contre-courant pour faire fonctionner vos projets d’IA.
Questions à vous poser :
- Avez-vous l’alignement de la direction, la gouvernance et l’accès aux données bien en place?
- Évaluez-vous les modèles d’IA de façon isolée, ou dans le cadre d’une stratégie unifiée fondée sur les systèmes et intégrant des boucles de rétroaction?
- Votre stratégie tient-elle compte des données non structurées stockées dans votre environnement infonuagique (AWS/GCP) et de la façon dont elles alimentent votre solution?
- Votre système est-il conçu de sorte que les outils d’IA de plateforme (comme Agentforce de Salesforce) aient accès à vos bases de connaissances internes critiques, et comprennent non seulement qui est le client, mais aussi comment votre entreprise fonctionne? Comment votre solution d’IA interprétera-t-elle les acronymes obscurs propres à votre entreprise ou à votre secteur, et comment pouvez-vous résoudre ce problème à grande échelle?
2. Penser à une nouvelle vitesse
Le virage : Les outils ne restent plus statiques. Cela exige un nouveau rythme d’exploitation qui équilibre vitesse et structure, et qui évolue aussi rapidement que la technologie elle-même.
L’application : Peu importe la plateforme sur laquelle vous bâtissez, cela signifie qu’il faut accepter que les modèles d’IA et les agents qui alimentent vos applications ne sont pas des solutions qu’on « configure une fois pour toutes ».
Cette approche semblera familière à quiconque travaille en intelligence d’affaires. En BI, on construit rarement un tableau de bord, on le met en ligne, puis on n’y touche plus jamais. On travaille de façon itérative : on lance une version, on observe comment l’entreprise utilise les données, puis on ajuste les indicateurs et les vues en fonction de la rétroaction terrain.
Nous devons appliquer ce même état d’esprit à l’IA à grande échelle. Vous ne pouvez pas planifier chaque détail d’avance, tout construire d’un coup, puis lancer un produit fini. Cette approche logicielle plus traditionnelle, en « cascade » (où chaque phase doit être terminée avant que la suivante commence), ne convient pas à l’IA. Il faut plutôt lancer un agent IA, surveiller ses conversations, repérer les endroits où il a besoin de meilleures données d’ancrage (provenant de la plateforme de données de votre CRM, de vos bases de connaissances ou d’autres sources), puis affiner ses instructions. La différence entre un bon agent et un excellent agent repose souvent sur la vitesse de cette boucle d’itération. Ajustez l’agent comme vous affineriez un tableau de bord à forte valeur.
Questions à vous poser :
Votre modèle de gouvernance est-il assez souple pour soutenir des itérations hebdomadaires, ou est-il encore pris dans des cycles de livraison trimestriels?
Traitez-vous vos agents IA comme des applications statiques, ou comme des tableaux de bord agiles qui exigent des ajustements constants?
Avez-vous mis en place une boucle de rétroaction pour surveiller la dérive de vos agents? La dérive, c’est lorsque les réponses d’un agent deviennent graduellement moins exactes ou moins pertinentes au fil du temps, à mesure que vos données et vos conditions d’affaires changent.
Comment gérez-vous la rétroaction? Vos agents peuvent-ils apprendre au fur et à mesure qu’ils sont corrigés par les utilisateurs finaux?
3. Reconnaître que les solutions peuvent venir de partout
Le virage : L’innovation n’est plus uniquement l’affaire des équipes techniques. Elle peut, et devrait, venir de n’importe quelle équipe et de n’importe quel niveau de séniorité. À l’heure actuelle, il n’y a aucun prérequis pour trouver de meilleures façons d’utiliser l’IA.
L’application : Dans un contexte d’intelligence d’affaires, un représentant des ventes qui utilise un assistant IA de plateforme (comme Agentforce) pourrait découvrir un prompt qui améliore radicalement sa capacité à prioriser ses prospects et à consolider les informations clés sur ces contacts.
Comme plusieurs des plateformes IA d’aujourd’hui reposent sur des principes low-code (Salesforce Agentforce et Agent Builder, les capacités IA de ServiceNow, et d’autres), vos administrateurs de plateforme sont désormais vos architectes IA les plus précieux. Ils comprennent le modèle de données mieux que quiconque. Ces champions internes peuvent traduire des capacités générales en contexte organisationnel concret. Nous devons mettre en place des canaux ouverts de collecte d’idées pour capter cette intelligence collective.
Questions à vous poser :
- Avez-vous un mécanisme qui permet au personnel non technique de soumettre des cas d’usage en IA?
- Donnez-vous à vos administrateurs de plateforme les moyens d’agir comme propriétaires de produit IA, en s’appuyant sur les outils low-code offerts dans votre CRM ou votre plateforme de services?
- Comment captez-vous les gains réalisés avec l’IA et comment vous assurez-vous qu’ils sont partagés entre les unités d’affaires qui pourraient en bénéficier?
- Votre entreprise encourage-t-elle activement les collègues, à tous les niveaux, à partager et à discuter de leurs idées et de leurs gains liés à l’IA?
4. Miser sur un ROI qui se cumule
Le virage : Il est facile de voir l’impact de l’IA comme une série d’indicateurs déconnectés. Nous devons plutôt considérer ces résultats comme cumulatifs et liés entre eux, ce qui produit un ROI composé sur plusieurs plans : gains d’efficacité, impact mesurable sur le temps de résolution, et nouveaux revenus.
L’application : Si un agent IA dans un flux de travail de services internes fait gagner 10 minutes sur un billet, c’est un gain isolé. Le ROI composé se manifeste quand ce temps gagné permet à un agent de soutien de prendre en charge un enjeu complexe de priorité 1 consigné dans votre CRM, ce qui mène ensuite à une expansion de contrat suivie dans votre pipeline de ventes.
Quand nous connectons ces systèmes, notamment au moyen de plateformes comme Salesforce, nous nous assurons que les projets à fort effort se traduisent par le ROI qui compte le plus : de nouveaux revenus nets.
Questions à vous poser :
- Mesurez-vous simplement le temps gagné, ou la façon dont ce temps gagné est réinvesti?
- Vos KPI relient-ils les gains d’efficacité dans les services (ServiceNow, Service Cloud) aux revenus dans les ventes?
- Optimisez-vous la rapidité d’exécution de tâches individuelles, ou la valeur totale du flux de travail?
Conclusion
Ces quatre virages de perspective, soit passer des outils aux systèmes, augmenter la vitesse d’exécution, démocratiser la création de solutions et viser un ROI composé, préparent le terrain pour le cadre que nous développerons dans le reste de cette série. Dans les prochains billets, nous explorerons la mise en place de fondations de données, le développement d’une véritable littératie IA au sein des équipes, et la création de produits propulsés par l’IA capables de grandir avec votre organisation.
Nous espérons que ce billet vous offre un cadre de départ utile. Si vous êtes prêt à faire passer vos initiatives en IA du « labo » aux lignes d’affaires, communiquez avec nous. Les leaders de pratique d’Ateko peuvent vous aider à concevoir les systèmes nécessaires pour passer à l’échelle.
