Le cabinet Gartner déclare que l'absence de contexte et de sémantique sur les données d'entreprise compromettra les performances des agents IA et entraînera d'immenses gaspillages. Hélas, le problème est profond et s'avèrera extrêmement difficile à résoudre. Pour illustration, je propose d'en décrypter trois raisons.

Aussi magique paraisse-t-elle, l'intelligence artificielle n'est évidemment pas capable de miracle. Qu'il s'agisse de manipuler des contenus, comme le font maintenant des millions de personnes chaque jour avec ChatGPT et ses équivalents, ou de développer des robots capables d'exécuter des actions en totale autonomie dans un environnement professionnel, elle ne peut « raisonner » correctement que si elle possède des indications précises sur la signification de la matière sur laquelle elle s'exerce.

En pratique, cette exigence correspond à une nécessité impérative que tous les artefacts qu'elle est amenée à manipuler – données présentes dans les gisements existants ou exposées à travers des services (API ou interface graphique), notamment – soient décrits en détail et que leurs relations réciproques soient documentées. Les schémas qu'entretiennent les responsables aujourd'hui ne suffisent pas, une couche de contexte est critique dans la gouvernance afin d'éviter erreurs, biais et autres hallucinations.

Le constat est à peu près incontestable. Or mes observations sur le terrain, en particulier autour des référentiels d'information disponibles, m'incitent à penser que la tâche sera ardue dans beaucoup de firmes et que les obstacles prêts à se dresser sur la route de ceux qui veulent profiter au maximum de l'IA agentique seront nombreux.

Il faut d'abord remarquer que, très souvent, les collaborateurs ont perdu le réflexe de la documentation (souvent sous des prétextes absurdes, dont celui de l'agilité). L'agencement des systèmes et leur structure interne n'existent alors que dans la tête de ceux qui les conçoivent et les construisent… et sont donc hors de portée de tout automate. À ce syndrome s'ajoute évidemment la perte de connaissance du patrimoine historique (celui datant de plusieurs décennies), pourtant toujours au cœur de l'activité.

Ce défaut est en outre aggravé par la rapidité avec laquelle se succèdent les générations d'employés dans les organisations modernes. Quand ils changent de poste ou de société (entre autres pour les prestataires) tous les trois ou quatre ans, il est d'autant plus difficile de reconstituer une documentation cohérente et exhaustive. Au mieux, elle est éparpillée et découpée en strates temporelles qu'il faudrait réconcilier afin d'en tirer une description utile pour les besoins des modèles d'intelligence artificielle.

Il reste enfin un dernier sujet, assez délicat, à considérer. Quand bien même des dictionnaires de données sont mis en place et régulièrement alimentés, la qualité de leur contenu est potentiellement douteuse. L'indigence atteint parfois des sommets, par exemple quand l'anglais est imposé et introduit des contresens ou incohérences qui seront catastrophiques pour les tentatives d'automatisation susceptibles de les appréhender sans intégration d'une dimension culturelle propre à chaque auteur.

En conséquence, le chantier de gouvernance de l'information, sous tous ses aspects, devrait constituer une priorité absolue dans les entreprises qui entendent exploiter les opportunités de l'IA et il ne faudra pas lésiner sur les moyens afin de le mener à bien. On pourrait d'ailleurs arguer qu'il serait tout autant indispensable pour une meilleure maîtrise stratégique : comment des dirigeants peuvent-ils gérer sereinement des entités dont les membres ne possèdent pas une vision claire des concepts qu'ils manipulent ?

La question de l'impact de l'intelligence artificielle sur l'emploi – conduira-t-elle à une augmentation ou à une réduction des effectifs dans les entreprises qui l'exploitent ? – figure désormais au cœur de multiples débats. Gartner a mené l'enquête et penche plutôt pour la croissance. Mais, en réalité, personne ne sait prédire l'avenir.

Le cabinet a interrogé 350 hauts responsables de grandes structures, dans le monde entier, qui, selon ses termes, expérimentent ou ont déjà déployé des capacités d'activité autonome, ce par quoi elle entend qu'elles recourent à des agents IA, des outils d'automatisation intelligente et autres technologies avancées dans le but de permettre à des machines d'exécuter des opérations de bout en bout sans aucune intervention humaine… ou de procurer aux employés plus d'indépendance dans leurs tâches.

Sans surprise, alors que la plupart des projets ont pour principal objectif d'optimiser leur efficacité, 80% des organisations consultées engagent des coupes dans leur masse salariale. Pourtant, et c'est l'enseignement majeur de cette étude, il n'existe pas de corrélation flagrante entre ces baisses et un retour sur investissement : elles sont aussi nombreuses dans les firmes qui mesurent des bénéfices concrets grâce à leur utilisation de l'IA que dans celles qui constatent une stagnation ou une dégradation.

Les analystes de Gartner concluent de cette observation que les entreprises qui réussissent leur transition vers l'autonomie sont celles qui ne se focalisent pas sur l'idée de remplacer leurs collaborateurs par des algorithmes – et espéreraient de la sorte dégager une marge de manœuvre budgétaire… qui ne s'avère malheureusement pas créatrice de valeur – mais celles qui admettent que l'intelligence artificielle ne doit être considérée que comme un moyen d'« augmenter » la performance des individus.

Dans cette perspective, ils estiment que, contrairement aux discours dominants, la tendance devrait s'orienter vers une progression des emplois, d'ici à 2028 ou 2029, avec des besoins de nouvelles compétences afin de piloter, contrôler et étendre les processus autonomes… ainsi que de présence renforcée dans les moments où la confiance joue un rôle clé. Les organisations qui tirent leur épingle du jeu dans cette course sont donc celles qui investissent dans les formations adéquates.

Naturellement, derrière cette vision optimiste, Gartner n'examine, pour l'essentiel, que la phase actuelle de mise en place des principes et des premières initiatives. Ce qu'il adviendra une fois l'IA généralisée et banalisée sera probablement une autre histoire…

En dépit de leur adoption immodérée de l'IA pour leurs besoins personnels, une enquête de Gartner révèle que la moitié des américains (et pourquoi en serait-il autrement ailleurs ?) préfèrent interagir avec les marques ne recourant pas à l'intelligence artificielle générative dans leurs messages, leurs contenus et leurs publicités.

Au-delà de cette défiance, la généralisation de la technologie a des conséquences plus globale sur la confiance accordée à toutes les entreprises, qu'elles mettent en œuvre ou non l'IA. En effet, les citoyens prenant progressivement l'habitude d'être dupés par les informations qu'ils reçoivent, ils sont désormais 61% à s'interroger sur la fiabilité des données sur lesquelles ils fondent leurs décisions et, de manière générale, 68% se posent la question de la réalité de ce qui leur est présenté dans leur quotidien.

Signe de maturité rassurant… mais probablement problématique pour les directions marketing les moins préparées, le scepticisme devient la règle dans la relation aux contenus. Ainsi, une proportion croissante de personnes ne croient plus automatiquement ce qu'elles voient et, plus significatif encore, elles ne sont plus qu'un peu plus d'un quart à se fier à leur instinct pour en juger de la véracité. La vérification factuelle, via différentes sources indépendantes, s'ancre dans les comportements.

Face à cette évolution sociologique, les recommandations de Gartner semblent élémentaires. En premier lieu, de toute évidence, la transparence est impérative. Il faut absolument expliquer sans ambiguïté aux clients et autres visiteurs quand l'intelligence artificielle est utilisée, dans quel but et de quelle façon, et offrir une alternative facile d'accès. Ensuite, afin de satisfaire leur nouvelle soif de contrôle, il restera à les orienter activement vers les éléments de preuve nécessaires (objectifs, bien sûr).

Enfin, une fois la confiance instaurée, les réticences à l'IA dans le marketing ne pourront être levées qu'à la condition de ne l'employer que dans des contextes où son bénéfice est visible pour le consommateur. Les expérimentations de gadgets qui ne sont d'aucune aide, uniquement destinées à démontrer une supériorité technologique ou à procurer l'illusion de modernité, n'ont plus leur place aujourd'hui dans l'entreprise. Ces applications sont maintenant réservées aux usages privés de ChatGPT et consorts.

Les agents d'assistance automatisée représentent un des cas d'usage les plus courants de l'intelligence artificielle générative et la motivation principale de ces implémentations réside aujourd'hui presque toujours dans la réduction des coûts du service aux clients. Mais Gartner prévient : ces espoirs d'économies seront anéantis à moyen terme.

Dans cette période de recherche d'efficacité opérationnelle à toute force de la part de nombreuses entreprises, notamment dans le secteur financier, l'IA est fréquemment abordée comme un outil capable de remplacer des milliers d'employés. Ces derniers étant considérés implicitement comme la première (parfois seule) variable d'ajustement de la rentabilité, à défaut de progression significative des revenus, les dirigeants croient alors tenir une martingale susceptible de répondre à tous leurs problèmes.

Or, selon les analystes de Gartner, il s'agit d'une stratégie à courte vue car la perception actuelle du prix de la technologie est faussée. Entre les besoins de puissance de calcul en hausse constante – nécessitant toujours plus d'infrastructures mais consommant également une énergie chaque jour plus onéreuse – et l'inéluctable transition des fournisseurs vers un modèle de rentabilité – alors qu'ils ne font aujourd'hui payer qu'une fraction du coût réel de leurs services –, en passant par la sophistication croissante des applications, exigeante en ressources diverses, la facture va bientôt devenir salée.

En pratique, les projections du cabinet aboutissent à un prix moyen de résolution (d'une demande) dépassant 3 dollars à l'horizon de 2030, supérieur à celui offert par certaines officines délocalisées, avec des interlocuteurs humains. Il n'est certes pas question de qualité à travers ces statistiques triviales mais les erreurs de l'IA risquent de générer autant de mécontentement que les centres de contact traditionnels au rabais.

Autre facteur à prendre en compte dans ce contexte précis, des législations sont en cours d'élaboration un peu partout afin d'instaurer, notamment dans les domaines sensibles, un droit du consommateur à dialoguer avec une personne. Les tentatives d'élimination des effectifs en place pourraient alors se retourner contre leurs instigateurs, qui seraient contraints de reconstituer d'importantes équipes de téléopérateurs en vue d'absorber un afflux de sollicitations de clients encouragés par la réglementation.

La conclusion que tirent les analystes de ces perspectives ne consiste évidemment pas à remettre en cause le recours à l'intelligence artificielle dans le service client mais plutôt à s'interroger sur sa finalité. L'objectif de réduction des coûts est certes le plus séduisant à court terme mais il repose sur un mirage. Il vaudrait donc mieux miser sur la création de valeur et, en particulier, l'optimisation de l'expérience utilisateur.

La recommandation vaut à mon avis d'être étendue à plus grande échelle. Les annonces tonitruantes qui émergent ces derniers mois, vantant les gains obtenus grâce à l'IA et chiffrés en millions d'économies réalisées, en général à travers des licenciements massifs, me paraissent éminemment suspectes. En effet une bonne partie de l'équation économique des initiatives mises en œuvre est soigneusement masquée ou esquivée, les paramètres fluctuants dans le temps (à la hausse) étant les plus dangereux.

Le conseil global à retenir serait ainsi d'envisager en priorité l'introduction de l'intelligence artificielle dans des contextes de transformation radicale et de limiter drastiquement ou, à tout le moins, approcher avec prudence et circonspection les investissements dans des projets relevant seulement de l'amélioration continue.

La traditionnelle saison des symposiums IT du cabinet Gartner, dont l'édition européenne vient de s'achever à Barcelone, semble avoir été consacrée essentiellement – sinon exclusivement – à l'intelligence artificielle. Un exercice prospectif mené dans ce domaine propose ainsi quatre scénarios pour la future collaboration entre IA et employés.

En guise d'introduction, faisant fi (ou s'accommodant ?) de ceux qui dénoncent une bulle prête à éclater, les analystes estiment que rien ne laisse entrevoir une apocalypse pour le monde du travail… mais prédit tout de même le chaos, à partir de 2028-2029, dans un contexte où 32 millions de postes seront bouleversés chaque année. Les entreprises devront apprendre à adapter leurs métiers à de nouvelles conditions et, dans de nombreux cas, profondément reconfigurer leurs approches existantes.

À l'instar de tous les Cassandre de la révolution à venir, Gartner insiste sur l'impératif de penser non pas à un modèle dans lequel l'intelligence artificielle prend l'ascendant sur l'humain mais plutôt de viser une démarche d'abord centrée sur les personnes, intégrant leur relation avec la machine. En perspective, la performance de l'organisation serait alors mesurée par la qualité de la coopération entre les deux. Mais on va le voir, ces messages rassurants n'interdisent pas des options extrêmement radicales.

La réflexion aboutit à quatre cibles possibles, distribuées sur deux axes, selon, d'une part, que le travail reste inchangé (mais est effectué différemment) ou qu'il doit changer et, d'autre part, que les individus restent aux commandes, avec une assistance, ou qu'ils laissent l'IA prendre les choses en main. Et de souligner que, quel que soit le choix ou la préférence de chaque entreprise pour sa trajectoire, elle sera probablement contrainte de se préparer à naviguer parmi les quatre hypothèses, toutes réalistes.

Au bas de l'échelle (dans mon interprétation), figure la formule la plus répandue aujourd'hui : les agents intelligents sont conçus pour aider les salariés – qui continuent à opérer comme auparavant – à accomplir leurs tâches mieux et plus rapidement.

La situation évolue ensuite dans deux directions. L'une, évidente et naissante dans les centres d'appel, voit l'IA réaliser la plus grosse part de l'activité, laissant à quelques humains le soin de traiter ce qu'elle ne sait pas prendre en charge. L'autre, plus futuriste, propose une véritable synergie débouchant sur une réinvention complète du travail.

Enfin, et le fait s'avère incontournable, le paysage inclut également le principe de la firme, ou, a minima, du département, autonome, sans humain ou presque.

Quand les analystes de Gartner jouent sur les mots entre apocalypse et chaos, en laissant croire que la transition sera suffisamment progressive pour que le personnel puisse s'adapter et ne reste pas sur le carreau, ils n'évoquent que le volet de l'emploi. Car les ruptures envisagées seront aussi éprouvantes pour les entreprises elles-mêmes, qui devront à la fois prendre garde à l'équilibre de leurs effectifs (humains ou non) et au contrôle dont elles disposent sur leurs outils d'intelligence artificielle…

La tendance ressemble à une vraie chasse au trésor mythique : bien que les incertitudes économiques pèsent sur les projections du second semestre, Gartner anticipe tout de même une croissance de presque 8% des dépenses informatiques des entreprises sur l'année 2025, principalement consacrée à des objectifs sans aucune matérialité.

Le coupable d'une situation qui devient rapidement ubuesque ? L'intelligence artificielle, bien sûr ! De tout temps, et parfois jusqu'à l'absurde, les directions des systèmes d'information ont été tenues de justifier leurs budgets par leur contribution aux résultats de l'entreprise. Avec cette nouvelle lubie technologique, qui, décidément, prend des proportions dangereuses, il n'est plus question d'explication autre que l'acquisition des derniers gadgets à la mode… pour préparer un avenir plein d'inconnu.

Comment interpréter autrement les estimations que nous proposent les analystes de Gartner ? L'augmentation totale (de 7,9% précisément) est déjà élevée, il s'avère qu'elle prend en compte un certain ralentissement conjoncturel sur les domaines des services et des logiciels, tandis que les infrastructures devraient progresser de plus de 40%. Pourquoi ? Parce que les dirigeants des grands groupes estiment que l'IA définira leur compétitivité future et qu'il leur faut donc s'équiper en conséquence, maintenant.

L'erreur est aussi incompréhensible que dramatique. En dehors de quelques rares exceptions, déployer aujourd'hui des centres de production spécialisés pour l'intelligence artificielle n'a aucun intérêt : les organisations en sont principalement au stade expérimental, sans avoir identifié des cas d'usage présentant un modèle économique global positif, donc sans savoir quels seront leurs besoins réels à moyen terme. Et les matériels qu'elles achètent actuellement seront obsolètes dans quelques mois.

Pire, la perception qu'a Gartner du marché de l'IA générative (celle qui focalise l'attention pour l'instant) suggère sa descente dans ce que le cabinet qualifie de puits des désillusions, quand les promesses initiales commencent à être mises en doute en raison de résultats peu concluants sur le terrain. Cette évolution naturelle des innovations technologiques s'accompagne (logiquement) d'une réduction plus ou brutale des mises en œuvre, risquant de laisser ainsi les nouveaux serveurs sous-exploités.

La dérive paraît d'autant plus irritante que d'autres domaines auraient grand besoin d'argent frais. Sans même parler de la modernisation indispensable des systèmes historiques, il serait judicieux, même pour faciliter l'adoption de l'IA, d'éliminer les obstacles à l'accès aux données hébergées dans les « data centers » et verrouillées dans des silos étanches. Il serait certainement plus facile de calculer un retour sur investissement pour de tels projets que pour une infrastructure dont nul ne peut dire à quoi elle servira. À moins que la notion de RoI soit devenue soudain caduque ?

Quand Gartner présente une liste de 12 technologies disruptives émergentes que les entreprises devraient prioriser au cours des 5 prochaines années, mon attention est spécialement attirée par l'une d'entre elles, susceptible de redessiner le paysage du secteur financier : l'application composable (par l'intelligence artificielle).

Le principe, en soi n'est pas totalement nouveau et il se retrouve régulièrement, en particulier, dans les grandes tendances identifiées chaque année par le cabinet. Mais, alors que sa concrétisation peine jusqu'à maintenant à se matérialiser, l'apparition et la progression rapide de l'IA générative lui donne peut-être une nouvelle occasion de s'exprimer…, en fournissant au passage aux entreprises qui s'y intéresseront (enfin !) une opportunité de se différencier dans un monde en pleine mutation.

Bien que le changement n'en soit encore, évidemment, qu'à ses prémices, il commence à se manifester dans les esquisses d'agents intelligents ou bien dans le recours à l'IA pour la création logicielle, expérimentés ici et là. Derrière ces deux orientations, s'impose l'idée de demander à un robot, en langage naturel, d'exécuter une tâche plus ou moins complexe (ponctuellement dans un cas, de manière programmatique dans l'autre) en lui laissant toute latitude de rechercher et assembler les services nécessaires.

Cependant, avant d'atteindre un tel objectif, il faudra d'abord remettre en question les pratiques toujours en vigueur à ce jour dans l'ingénierie logicielle, chez les éditeurs de solutions professionnelles, du point de vue des analystes de Gartner, mais également, selon moi, dans tous les grands groupes, notamment de l'industrie de la finance où le système d'information constitue une composante critique de fonctionnement.

Car si les robots (RPA) de première génération peuvent se contenter de piloter les outils existants à travers leur interface graphique, en simulant un utilisateur humain, cette approche se révèlera rapidement trop limitée pour réaliser toute les promesses de la « composabilité ». L'obligation de redéfinir les services de l'organisation sous leur forme élémentaire, en totale indépendance les uns des autres, ne sera alors plus une option à envisager après l'automatisation des processus mais un impératif de survie.

Dans une perspective plus technique, les API ouvertes ne seront plus seulement une exigence réglementaire ou un support d'une stratégie de banque ou d'assurance « enfouie », elles deviendront les briques indispensables pour donner aux clients et aux collaborateurs la faculté de gérer leurs activités comme ils le souhaitent, à travers des commandes simples, à la portée de tous, sans avoir à se conformer aux structures et parcours rigides édictés par des concepteurs à la vision forcément étroite.

Les acteurs qui ont compris, parfois depuis des années (surtout dans la FinTech), que ce genre d'architecture représentait une garantie pour l'avenir, ne serait-ce qu'en raison de sa flexibilité, sont dès aujourd'hui bien positionnés pour se placer en pointe d'une nouvelle ère des services financiers, libérant les clients de contraintes indues. Les autres n'ont que peu de temps devant eux pour tenter de revenir dans la course, tellement l'ampleur du chantier qui les attend, trop longtemps repoussé, est énorme.

Fidèle à sa ligne établie depuis quelques années, Gartner prédit que, à l'avenir, les entreprises emploieront majoritairement des modèles d'intelligence artificielle spécialisés plutôt que les grand modèles de langage qui ont le vent en poupe aujourd'hui. Encore faudra-t-il que, au préalable, elles mettent en place les fondations nécessaires…

Le raisonnement tenu par les analystes est parfaitement logique. Les outils génériques disponibles actuellement sur le marché sont performants dans des domaines communs – notamment ceux qui captent l'attention du grand public – mais ils montrent rapidement leurs limites quand ils sont exploités dans un contexte professionnel où les expertises sont primordiales. Or ces baisses de pertinence se traduisent par une fréquence croissante des hallucinations, repoussoir absolu pour les institutions financières.

Le remède consiste à intégrer les connaissances du champ d'application envisagé afin de transformer le robot omniscient (mais de manière superficielle) en un assistant hautement qualifié dans un métier déterminé. Plusieurs méthodes permettent déjà de réaliser cet exercice d'affinage sur les solutions existantes, entre « RAG » (pour « Retrieval-Augmented Generation » ou « Génération Augmentée de Récupération ») et autres techniques de mise au point affutée lors de la création des modèles.

Au-delà des seuls gains de qualité et de justesse, les approches personnalisées apportent d'autres bénéfices substantiels. La réduction de leur périmètre de compétences s'accompagne d'exigences plus modestes en termes de puissance de calcul, induisant une meilleure maîtrise des coûts d'exploitation et de leur impact environnemental, ainsi que la faculté de les déployer sur les terminaux des utilisateurs (les téléphones des clients…). La maintenance est également plus facile à assurer.

En revanche, la conception de tels modèles est loin d'être triviale. Pour les grands groupes historiques, en particulier, la première difficulté résidera dans la mise à disposition des données indispensables à leur entraînement. On retrouvera là le même obstacle qui handicapaient les générations précédentes de scientifiques des données et autres analystes de l'information. Avant d'envisager de les mettre au service de l'IA, il faut les identifier, les trier, les rendre accessibles, les préparer, les organiser… Naturellement, ces chantiers requièrent de recruter des équipes expérimentées.

C'est le défi sous-jacent, confirmé par les déboires des années récentes, qui me fait douter de la prédiction de Gartner, au moins pour les entreprises possédant un système d'information complexe et stratifié. De nombreuses initiatives ont été lancées par le passé dans le but d'extraire les données stratégiques de leurs silos étanches et d'en faire la matière première d'une nouvelle ligne d'activité. Malheureusement, les résultats sont, au mieux, mitigés et probablement insuffisants pour un usage avec l'intelligence artificielle. Les analystes du cabinet évoquent l'hypothèse d'un futur marché ouvert des modèles spécialisés : ses gagnants seront ceux qui seront sortis de cette impasse.

Le mois dernier, le cabinet Gartner révélait que, selon une enquête menée auprès de 200 hauts responsables d'entreprises (les « CxO », en anglais, qui rendent directement compte au directeur général), plus de la moitié d'entre eux (56%) ont des velléités de quitter leur position actuelle dans les deux années à venir (et un quart d'ici six mois).

Ce niveau d'infidélité, qui touche particulièrement les plus anciens en poste, est probablement lié à la pression croissante qu'ils subissent, entre la demande d'en faire toujours plus, les attentes de plus en plus importantes vis-à-vis de leur département et le stress qu'entraînent leurs responsabilités. Pour les analystes qui partagent l'étude, spécialistes des ressources humaines, l'objectif est donc d'envisager des moyens de réduire le phénomène, en renforçant la fidélité de ces individus volages.

Pour ce qui me concerne, je propose d'explorer les impacts d'une telle situation, qui n'est, à mon avis, pas très récente, sur les stratégies des entreprises. Alors que celles-ci requièrent d'adopter une perspective à long terme, déjà mise à mal par les exigences des investisseurs et leur focalisation sur les résultats trimestriels, il va être difficile de compter sur un comité exécutif dont la moitié des membres pensent à leur prochain emploi pour se projeter dans des évolutions à cinq ou dix ans… et les défendre.

Les candidats au départ plus ou moins imminent ne sont pas les seuls à peser sur le sujet. Outre ceux qui cherchent à ne pas faire de vagues en attendant de prendre leur retraite prochainement, une bonne partie des responsables prennent grand soin de leur curriculum vitæ, se tenant prêt pour toute éventuelle opportunité qui se présenterait. Ils sont naturellement enclins à éviter de prendre des risques excessifs et préfèrent maintenir un profil intact, sans grand relief… mais, surtout, sans taches.

Tous ces facteurs conduisent à la réalité de la plupart des grands groupes aujourd'hui : leurs visions stratégiques ne portent aucune transformation majeure et leurs plans se réduisent à un assemblage de recettes éculées, visant essentiellement à améliorer l'efficacité opérationnelle. Quelles que soient les menaces à l'horizon – obsolescence technologique ou émergence d'une nouvelle catégorie de concurrence, par exemple –, personne n'est suffisamment impliqué pour proposer des changements radicaux.

Voilà un autre impact important à attendre du développement de l'intelligence artificielle : selon Gartner, l'usage des applications mobiles devrait fléchir de 25% d'ici à 2027, remplacé par le recours à l'interrogation d'assistants virtuels. Les conséquences d'une telle mutation des modes d'interaction pourraient s'avérer considérables.

Initialement et sans surprise, les premières victimes de la tendance seraient les entreprises qui ne comptent pas particulièrement sur leurs logiciels pour stimuler l'engagement de leurs clients. Dans ces conditions, elles pourraient considérer que cette évolution constitue une aubaine, leur permettant de réduire leurs investissements dans ce canal, tout en profitant de la nouvelle vogue des agents intelligents. Encore faudra-t-il qu'elles adaptent tout de même leur stratégie à cette dernière.

En effet, dans un registre parallèle, le cabinet d'analystes rappelle qu'une grande partie des budgets marketing sont consacrés au web et, souvent, optimisés pour les moteurs de recherche. Or, avec les comportements qui commencent déjà à émerger parmi les consommateurs, il deviendra bientôt primordial, lors de la production des contenus, de penser en priorité à leur exploitation par les moteurs à base d'intelligence artificielle, afin de ne pas perdre également le contact dans le contexte de ces activités.

L'enjeu principal, dans le cas de l'exploration sur la toile (essentiel, entre autres, pour l'assurance) comme avec les applications mobiles des entreprises qui en font un de leurs premiers supports de relation (par exemple les banques), est de conserver une source de données dites « de premier rang » sur les utilisateurs (par rapport à celles qui transitent par un intermédiaire), permettant de mieux les connaître et, partant, de leur offrir les services les plus appropriés pour leurs besoins et pour leur contexte.

Une troisième perspective qu'évoque Gartner sans la développer dans son communiqué suscite ma curiosité : face au recul de l'accès aux applications mobiles, les marques se lanceraient dans un mouvement de consolidation, via des alliances, afin de réduire leurs coûts grâce à un effet d'échelle sur l'audience touchée. Faudrait-il voir dans cette hypothèse l'idée que l'avenir ne sera plus à des outils disjoints mais à la création d'expériences globales cohérentes, seul moyen de résister à l'IA ?

Je crois cependant qu'il existe une voie spécifique pour le secteur financier. Au-delà des capacités des assistants intelligents génériques, d'aujourd'hui et de demain, ses solutions – applications mobiles ou agents dédiés – peuvent continuer à rester au premier plan de la relation client… à condition qu'elles portent son expertise unique. Je pense notamment (en ligne avec mon obsession permanente 😉) à son rôle de conseil et d'accompagnement, à la fois sur l'argent et plus largement sur la vie quotidienne.

Le service client est aujourd'hui un des principaux domaines dans lesquels les entreprises – entre autres du secteur financier – explorent les opportunités créées par l'intelligence artificielle générative. Cependant, en parallèle, Gartner estime que les clients privilégieront les outils grands publics pour une grande partie de leurs besoins.

Les nouvelles habitudes que suscitent la popularité grandissante des plates-formes génériques telles que ChatGPT ou, encore plus, celles qui sont maintenant installées nativement sur les appareils des consommateurs – Google AI Overviews et Apple Intelligence – en font de plus en plus fréquemment le premier réflexe lorsque survient une question ou un problème sur un produit ou un service. À tel point que les analystes prédisent que 40% des demandes seront résolues de la sorte à l'horizon de 2027.

Naturellement, ce sont autant de sollicitations qui ne parviendront plus dans les centres d'appel (et autres médias de support) des organisations. J'imagine que beaucoup d'entre elles se réjouiront inconditionnellement des économies qu'elles espèreront réaliser en évitant ces interactions, souvent à faible valeur ajoutée. Elles devraient néanmoins prêter attention aux motivations de ces utilisateurs, appréciant la simplicité avec laquelle ils obtiennent les réponses à leurs interrogations hors de leur environnement.

En effet, a contrario, elles mettent surtout en exergue les faiblesses de leurs propres systèmes d'assistance, par exemple en termes d'accessibilité ou d'efficacité. Or elles deviendront d'autant plus sensibles quand les clients, n'obtenant pas satisfaction via leur agent intelligent préféré, notamment sur des sujets complexes, se résoudront à s'adresser au service client classique, avec un niveau d'exigence renforcé : il faudra leur procurer une expérience équivalente à leur nouvelle échelle de référence.

Par ailleurs, la disparition d'une fraction importante des échanges implique aussi une perte de la connaissance des difficultés rencontrées par les clients, alors que celle-ci constitue, dans les structures les plus performantes, une source incomparable d'inspiration pour l'amélioration continue des offres. Il sera donc indispensable de surveiller activement les solutions d'IA qui se substituent à l'entreprise, autant pour s'assurer de la qualité de leurs prestations que pour maintenir ce canal d'information.

D'une manière générale, le détournement d'une partie de la relation vers des acteurs tiers, aussi insignifiante paraisse-t-elle a priori, représentera nécessairement un manque, qui ne pourra être comblé que par la réinvention des modèles d'interaction, à distance ou en face à face, dans les fonctions de support et au-delà…

Comme chaque année à l'occasion de ses symposiums, Gartner livre sa fournée de prédictions pour les départements informatiques et leurs utilisateurs, en complément de ses tendances. Dans le prolongement de ces dernières, l'intelligence artificielle est au centre des attentions de cette édition et l'avenir qu'elle dessine n'est pas rose.

Sur les 10 que compte la liste, un seul pronostic n'a aucun lien direct avec l'IA… mais il n'est pas particulièrement réjouissant, puisqu'il concerne l'addiction « digitale » et ses effets néfastes sur la productivité, sur le stress et la santé mentale, sur les relations sociales, en particulier chez les jeunes. Pour fixer les idées, un milliard de personnes pourraient être affectées en 2028, engendrant la mise en place de véritables politiques de désintoxication, à base de travail « analogique », dans 70% des entreprises.

Passons rapidement en revue les impacts – peut-être – positifs de l'intelligence artificielle, dans deux domaines très différents. Pour les instances dirigeantes des organisations, tout d'abord, son utilisation commencera à émerger pour l'assistance à la prise de décision, lentement avec une adoption encore marginale en 2029. Dans le secteur de la santé, en revanche, elle sera largement déployée afin de soulager les difficultés croissantes des professionnels, notamment face aux exigences des patients.

Passons sur la tentation ridicule mais inoffensive des responsables de marketing – dont ceux de 30% des sociétés de l'indice S&P500 à horizon de 2028 – d'user et, probablement, d'abuser de l'étiquette GenAI ou quelque-chose-GPT afin de renouveler leurs catalogues ou leurs modèles d'affaires. En réalité, il me semble que le mouvement est déjà bien entamé… et pas toujours avec des approches très convaincantes. Ne serions-nous donc qu'au tout début d'une immense vague d'IA-washing ?

Les risques directs sont évidemment présents dans ce panorama, en particulier les détournements d'agents intelligents à des fins malveillantes, de la part de collaborateurs (mécontents, par exemple) ou d'agresseurs externes : voilà une nouvelle dimension d'exposition aux attaques, qui ne manquera pas d'être exploitée. Par ailleurs, les décideurs informatiques imposeront des « gardiens » chargés de surveiller et encadrer les résultats des actions exécutées par les agents intelligents dont ils se défient.

Il reste enfin une série de prédictions potentiellement dignes d'une dystopie, entre les clauses contractuelles des employés qui les contraindront à céder les droits sur leurs données personnelles ingérées par l'entraînement des modèles et le recours à l'IA pour la rationalisation des hiérarchies, conduisant à la disparition des managers intermédiaires, en passant par les outils – tels que l'analyse de sentiment – destinés à évaluer – voire manipuler – les comportements, au nom de la productivité.

Je garde le pire (à mon avis) pour la fin : les grands groupes consacreront 500 milliards de dollars d'ici 2027 à la création de micro-réseaux énergétiques qui leur garantissent autonomie et résilience face à une explosion de la consommation que tous perçoivent comme inéluctable, sans se préoccuper des enjeux climatiques… et sociaux à l'échelle globale. Les annonces de Google et Amazon autour du développement de petits réacteurs nucléaires montrent qu'il ne s'agit hélas pas d'une hypothèse en l'air.

Devant de telles perspectives, on ne peut que se poser la question : la course effrénée à l'intelligence artificielle est-elle raisonnable ? Même sans imaginer des scénarios (lointains) de prise de pouvoir par les machines, ne nous conduit-elle pas vers un monde qui n'a rien de désirable ? Mais sommes-nous capables de nous arrêter ?

À l'occasion du lancement en Floride de sa saison des Symposiums IT, Gartner publie son traditionnel palmarès des tendances technologiques pour les années à venir. L'intelligence artificielle y figure évidemment en bonne place mais la perspective particulièrement futuriste retenue pour cette édition ouvre également le champ à d'autres thématiques importantes ou surprenantes.

Sur le front de l'IA, d'abord, le point de vue des analystes part du postulat (difficilement contestable) de son installation permanente dans le paysage des systèmes d'information des entreprises. Il entraîne deux impératifs défensifs, dont l'urgence commence à se faire sentir : d'une part, l'introduction de protections contre la désinformation, c'est-à-dire vis-à-vis des usages nuisibles par des tiers, et d'autre part, le déploiement d'une gouvernance outillée permettant notamment de maîtriser les enjeux légaux et éthiques.

En parallèle, les applications de l'intelligence artificielle évolueront de la seule fourniture d'information à ce que l'on pourrait nommer l'IA proactive (Agentic AI en anglais), à savoir l'ajout de facultés de prise de décision et d'action autonomes en réponse à un objectif déterminé par l'utilisateur. Dans le contexte d'un département informatique, son implémentation pourrait conduire à l'émergence de systèmes capables de remplir des tâches variées, par opposition à leurs fonctions pré-programmées actuelles.

Face à cette transformation, Gartner maintient sa vision des synergies entre humain et machine, parmi lesquelles son sujet fétiche d'informatique spatiale, avec ses interactions mixtes physiques et virtuelles. Passons sur les robots multi-fonctions bientôt prêts à s'immiscer dans un environnement pensé pour l'homme, l'irruption des améliorations neurologiques, via des connexions directes au cerveau, dans une optique de maintien à niveau des individus dans un univers envahi par l'IA, surprend ici par sa précocité.

Entre ces deux pôles, il est également question des mutations qui affectent le cœur des calculateurs, dont la première est la transition depuis une approche historique de processeur universel vers un assemblage de multiples technologies spécialisées, chacune adaptée à des usages privilégiés. Ce nouveau paradigme hybride est déjà visible avec les puces dédiées aux algorithmes d'apprentissage automatique, il devrait se prolonger avec des concepts de réseaux optiques, de circuits neuromorphiques…

Naturellement, une des promesses dans ce domaine est portée par les ordinateurs quantiques. Gartner y fait cependant référence en priorité sous un aspect bien précis : la cryptographie post-quantique. Avant même que les solutions ne soient prêtes, il s'agit de développer et de mettre en œuvre des mécanismes de sécurité capables de résister à leurs futures prouesses. Comme je l'évoquais encore il y a quelque jours, désormais le temps presse face à une menace qui se concrétise rapidement.

Toujours dans le registre du hardware, je ne m'attarderai pas sur les capteurs de l'intelligence ambiante, qui restent pour l'instant (et depuis longtemps) cantonnés à des activités ciblées, entre autres dans la logistique. Plus étonnant, car largement incompatible avec la plupart des autres tendances, les analystes mettent l'accent sur les exigences d'efficacité énergétique de l'informatique moderne. L'espoir (un peu chimérique) est de voir naître des innovations matérielles répondant à ce défi.

En comparaison des années précédentes, cette nouvelle collection de tendances me semble prendre une tournure pessimiste inhabituelle, qui reflète probablement la conjoncture générale. Entre les mesures de protection – contre la désinformation, l'informatique quantique… – et les propositions qui relèvent de la prévention, autant pour les entreprises – gouvernance de l'IA – que pour les individus – implants neurologiques –, l'avenir esquissé par Gartner n'apparaît guère enthousiasmant…

Alors que les entreprises, de tous secteurs, misent de plus en plus sur les outils de libre-service pour répondre aux questions et autres demandes de support de leurs clients, jusqu'à rendre presque inaccessibles, voire faire entièrement disparaître, les équipes dédiées, Gartner dévoile les résultats édifiants d'une enquête sur leur qualité.

L'introduction de l'intelligence artificielle, notamment générative, dans les agents virtuels et autres plates-formes d'assistance donne pourtant des ailes aux responsables de l'après-vente, qui vantent désormais régulièrement leurs taux de résolution de 80% et plus. Hélas, le cabinet d'analystes estime de son côté (sans expliquer l'écart), sur la base d'une enquête menée auprès de plus de 5 000 consommateurs, que moins d'un problème sur sept est en réalité définitivement réglé par leur intermédiaire !

Interrogés plus précisément sur leurs récriminations et le sentiment prédominant de déconnexion avec leurs besoins qu'ils expriment, les participants au sondage ayant entamé une démarche avec un système en libre-service expliquent entre autres que ce dernier, trop rigide, ne comprend pas leur intention (pour 45% de l'échantillon) et l'échec auquel ils aboutissent en fin de parcours est principalement dû à leur incapacité à trouver des informations correspondant à leur préoccupation (pour 43%).

Les conséquences d'un tel désaveu sont tellement graves – renversant la perception initiale d'une satisfaction globale des clients vis-à-vis de l'aide qu'ils reçoivent en une frustration massive pour une immense majorité d'entre eux – que toutes les organisations concernées devraient immédiatement réviser leurs critères de mesure et probablement repenser leurs priorités afin de s'assurer que les utilisateurs ne sont pas laissés en plan avec des demi-solutions auxquelles ils finissent par se résigner.

Gartner propose bien quelques pistes d'optimisation, parmi lesquelles je retiens plus particulièrement l'exploitation de la connaissance du client et de son contexte afin d'identifier, ou, encore mieux, anticiper, ses attentes et éviter de la sorte le dialogue de sourds qui s'instaure si souvent. Autre enjeu important, cette fois sur les contenus, il est primordial d'évaluer en permanence la qualité du dispositif, y compris auprès des collaborateurs, et de l'ajuster au fur et à mesure de la détection de ses lacunes.

Avec un peu de recul, je crois qu'il faut surtout prendre en compte les difficultés de communication pour appréhender l'ampleur des efforts nécessaires à une amélioration profonde. Dès l'entrée en matière, la manière dont chaque individu envisage le tracas qu'il soumet à son interlocuteur établit une différence critique entre la flexibilité d'un humain et l'intransigeance du logiciel. Idem à l'autre extrémité du parcours, où une réponse potentiellement valide peut ne pas être interprétée comme telle, par exemple en raison du recours à un vocabulaire inadapté (dont le jargon financier).

Pour ces considérations, les progrès de outils de traitement du langage naturel peuvent contribuer à résorber les décalages… mais il faut également prêter beaucoup plus d'attention à la forme adoptée dans les échanges – ce qui est vrai aussi dans les interactions humaines, même si les corrections au fil de l'eau sont naturelles dans ce cas – en conservant en mémoire qu'il n'existe pas un modèle universel et qu'il est au contraire essentiel de la personnaliser pour chaque client et chaque situation.

Comme à chaque mois d'août, Gartner publie la nouvelle édition de son incontournable cycle des tendances (« hype cycle ») des technologies émergentes et, comme il arrive de plus en plus souvent, je m'étonne du peu d'évolution intervenue d'une année sur l'autre, aussi bien concernant les thèmes sélectionnés que sur leur maturité.

Sans surprise, le haut de l'affiche reste évidemment réservé à l'intelligence artificielle. En dépit des projections, forcément lointaines et incertaines, vers l'autonomie – entre agents virtuels et clients robots, notamment –, il faudra surtout retenir la descente qu'entame l'IA générative dans le puits de désillusions, déjà anticipée en 2023, accompagnant logiquement la transition des entreprises de la phase de découverte vers la recherche de cas de mise en œuvre opérationnels et sources de valeur.

Viennent ensuite les solutions d'augmentation de la productivité des développeurs logiciels. Le sujet est toujours aussi critique dans un contexte de pénurie des talents et de besoins en croissance exponentielle, mais les promesses, dont la principale et la plus transformante repose – là encore – sur des capacités spécialisées d'intelligence artificielle, peinent à se concrétiser à grande échelle et, irrémédiablement (?) coincées vers le pic des attentes excessives, n'avancent que de façon marginale sur la courbe.

Le constat est quasiment identique pour les réponses aux problématiques de sécurité et de protection de la vie privée. L'actualité quotidienne nous montre régulièrement l'urgence à laquelle les entreprises doivent faire face… mais les nouvelles approches ne parviennent résolument pas à s'imposer, entre leurs limitations intrinsèques, en attente de percée magistrale (par exemple dans le cas du chiffrement homomorphique), et les excès de prudence des responsables face à des outils non éprouvés.

Dernier grand domaine couvert, l'« expérience totale », qui envisage une convergence des préoccupations vis-à-vis de l'ensemble des parties prenantes, essentiellement clients et collaborateurs. Elle rebondit sur des concepts qui occupent le « hype cycle » depuis 2016, même si l'accent n'est plus autant mis sur les interfaces immersives (qui persistent malgré tout à travers l'« informatique spatiale »), mais il est difficile de percevoir ce qui rendra cette fois plus probable la réalisation des prédictions.

La stabilisation observée depuis quelque temps est à mon avis due à la conjonction de deux facteurs. D'une part, l'innovation technologique a sensiblement changé par rapport à la décennie précédente : au lieu d'un foisonnement d'idées, petites et grandes, certaines faciles à déployer, d'autres plus complexes, nous sommes entrés dans une ère où seules les ruptures majeures sont considérées… mais avec une immense exagération. D'autre part, par leur impact potentiel, celles-ci ont beaucoup plus de mal à pénétrer dans des organisations (re)devenues conservatrices tandis que la retombée médiatique rapide de beaucoup de ces tendances encourage le scepticisme.

Bientôt deux ans après le lancement public de ChatGPT, l'intelligence artificielle générative suscite toujours l'enthousiasme dans les entreprises. Ce n'est pas nécessairement dans le but de tempérer les ardeurs, mais les analystes de Gartner prédisent qu'au moins 30% des preuves de concept (PoC) finiront aux oubliettes d'ici la fin 2025.

Les raisons invoquées pour un tel pessimisme sont variées, entre mauvaise qualité des données (entraînant des résultats peu probants), maîtrise insuffisante des risques, croissance exponentielle des coûts, retour sur investissement douteux… Ces derniers obstacles sont particulièrement sensibles car les projets peuvent rapidement s'avérer très onéreux, surtout pour les plus ambitieux, tandis que les bénéfices ne seront réalisés qu'à long terme… ce que n'apprécient pas du tout les directeurs financiers.

Incidemment, ces réserves expliquent pourquoi la plupart des initiatives concernent aujourd'hui des niches d'augmentation de productivité – sur lesquels la valeur dégagée est immédiatement mesurable – à travers l'utilisation (majoritaire) de solutions prêtes à l'emploi, telles que les assistants virtuels et autres générateurs de code informatique – dont les prix restent loin des millions que requièrent la création et l'entraînement de modèles pour des innovations plus radicales. En revanche, sans surprise, ces aventures prudentes génèrent des gains relativement modestes (quoique non négligeables).

Voilà un étrange paradoxe : les passionnés – voire fanatiques – d'IA générative affirment continuellement qu'elle représente une extraordinaire opportunité de disruption et, dans le même temps, ils se contentent de mises en œuvre marginales dont l'impact sur leurs activité est, au mieux, incrémental. Il n'est guère étonnant dans ces conditions que Gartner envisage un taux d'échec de seulement 30% ! En effet, les expérimentations au véritable potentiel de transformation, en profondeur, doivent assumer des abandons à hauteur de 90 ou 95%, quelle que soient les technologies exploitées !

Ces observations permettent de tirer, je pense, deux enseignements importants. D'une part, les promesses de rupture grâce à l'intelligence artificielle générative, largement exagérées, sont appréhendées avec beaucoup de précautions, même par ceux qui les défendent et les propagent dans leur organisation. D'autre part, dans les grands groupes qui constituent une part significative de la clientèle de Gartner, les velléités d'innovation restent toujours extrêmement timorées, coincées entre la crainte de chamboulements excessifs et les réticences à consentir les investissements nécessaires.

Le service client est un des principaux domaines dans lesquels les entreprises, notamment du secteur financier, expérimentent le potentiel de l'intelligence artificielle, espérant secrètement qu'elle leur permettra de réduire leurs coûts. Une enquête de Gartner, révélant les réticences des consommateurs, incite toutefois à la prudence.

En dépit des taux de satisfaction élevés qu'affichent les pionniers, les inquiétudes exprimées par une majorité (64%) des plus de 5 000 personnes interrogées prolongent de toute évidence les irritations que génèrent parfois – souvent ? – les assistants virtuels et signalent une défiance manifeste à la fois vis-à-vis des technologies sous-jacentes – la familiarité avec des outils tels que ChatGPT ne suffit pas à rassurer (au contraire ?) – et des organisations qui envisagent de les mettre en œuvre.

Dans ce dernier registre, la préoccupation numéro un (pour 6 sondés sur 10) concerne l'accès à un interlocuteur humain. Les intéressés craignent en effet que ne redoublent les obstacles qu'ils rencontrent aujourd'hui avant d'obtenir une réponse à leurs interrogations les plus complexes, l'IA servant en quelque sorte de prétexte à retarder toujours plus le transfert des demandes vers un individu. Petite surprise, le deuxième motif de rejet (à 46%) porte sur un aspect social, à savoir les emplois sacrifiés.

Du côté des solutions, peut-être sous l'influence d'une certaine tendance médiatique à mettre en avant les hallucinations, une partie significative des futurs utilisateurs (42%) se soucient des risques de réponses fausses, susceptibles de les entraîner dans des erreurs plus ou moins dramatiques dont la responsabilité pourrait être difficile à déterminer. Un quart de l'échantillon cite en outre les possibles biais des modèles déployés et la menace qu'ils font peser sur le traitement équitable des clients.

Face à cette rébellion massive – qui, dans des déclarations extrêmes, conduirait plus de la moitié des personnes à changer de fournisseur si le leur décidait de recourir à l'intelligence artificielle dans le cadre de ses services d'assistance –, les analystes de Gartner recommandent instamment de prendre les devants afin de réduire les angoisses. Un exemple consisterait ainsi à expliquer dès le début d'une conversation les conditions dans lesquelles l'appel sera transmis à un représentant en chair et en os.

Selon une enquête menée par le cabinet Gartner auprès de 200 dirigeants d'entreprises, les chantiers de verdissement de leur informatique ont fortement progressé au cours de ces dernières années. Pourtant, plusieurs domaines d'initiatives relativement peu coûteuses restent hors du champ dans beaucoup d'entre elles.

Chaque organisation met en œuvre une moyenne de neuf démarches de développement durable autour de son système d'information, dont les principales concernent, sans surprise, les centres de production – entre efficacité énergétique et adoption de l'infonuagique –, les postes de travail, les logiciels et les données. Notons d'emblée qu'aucune information n'est fournie sur la performance de ces actions : je soupçonne qu'il reste aussi une marge d'amélioration dans ces catégories.

Déjà, près de deux tiers des responsables interrogés se plaignent du manque de transparence de leurs fournisseurs, ce qui non seulement limite leur capacité à mesurer leur empreinte environnementale (et son évolution), ainsi que les comparaisons entre concurrents, mais les empêche également de déterminer leurs priorités, faute des éclairages indispensables afin d'engager leurs investissements sur les problématiques les plus importantes et les plus susceptibles d'exercer un impact sur leur bilan.

Et puis il existe aussi de véritables angles morts dans les approches, des idées souvent simples qui manquent probablement de notoriété ou qui paraissent, à tort, trop lourdes, trop complexes… ou trop risquées. Dans les « data centers », d'abord, les analystes de Gartner évoquent notamment les « nouveaux » modes de refroidissement (dont la version passive qui, en réalité, est promue depuis presque deux décennies) et l'ajustement des alimentations de secours (UPS) au plus près des besoins.

Côté poste de travail, on retrouve encore des propositions peu originales mais éprouvées, telles que le recours aux matériels reconditionnés et le recalibrage des politiques de renouvellement systématique après 3 à 5 ans d'utilisation, alors qu'il serait possible – moyennant une étude détaillée des cibles optimales, de manière à évaluer le meilleur compromis vis-à-vis des taux de pannes et de l'obsolescence technologique – de prolonger la durée de vie des micro-ordinateurs, par exemple.

Ce que Gartner ne mentionne pas dans sa présentation est ce qui, selon moi (et mon expérience de plus de 15 ans dans ces thématiques), constitue le premier obstacle à l'adoption de stratégies de ce genre. En effet, ce sont celles qui requièrent des changements profonds dans les pratiques habituelles (et leur sécurité) et exigent donc un minimum d'audace pour être lancées. Hélas, les dirigeants ne sont pas prêts à sortir de leur zone de confort pour leurs objectifs de développement durable.

À partir d'une enquête informelle, mais portant tout de même sur un vaste échantillon d'entreprises, Gartner dégage quelques tendances sur la manière dont ces dernières s'organisent afin de tirer le meilleur parti de l'intelligence artificielle. Un excellent prétexte pour suggérer quelques orientations propres à éviter de grossières erreurs.

Pour une discipline encore jeune, aux perspectives et au potentiel mal cernés, la diversité des approches observées ne surprendra guère. Malgré tout, l'importance qui lui est accordée a déjà conduit plus de la moitié des firmes interrogées à en nommer un responsable, chargé de l'orchestration globale des activités. Dans l'immense majorité des cas (88%), il ne fait cependant pas partie du comité exécutif (dont l'extension à des membres supplémentaires rencontre de plus en plus de réticences).

En parallèle, elles sont à peu près autant à avoir mis en place un comité de l'IA, indispensable pour la cohérence des initiatives, notamment dans les structures décentralisées ou silotées. Il devrait donc logiquement être composé de représentants des différents départements et posséder des compétences multiples. Son rôle primaire est toutefois variable puisqu'il peut couvrir, entre autres, la définition de la stratégie, la mise en place d'une gouvernance ou la maîtrise des risques, selon les sensibilités.

Quant à l'exécution des projets, la responsabilité en est encore plus dispersée, pour autant qu'elle puisse être assignée clairement (les décisions tactiques sont probablement répandues), et peut s'étaler du directeur informatique (chez plus d'un quart des répondants) au leader de l'intelligence artificielle (qui déborde alors au-delà de sa mission d'animation d'origine) en passant par les patrons des lignes métier ou le chef « digital », pour ne citer que des options parmi les plus fréquemment rencontrées.

Ces quelques constats révèlent immédiatement une immense confusion sur la thématique en général, à commencer par sa nature. En effet, la distribution des positions fait ressortir une inquiétante absence de discernement entre, d'une part, les applications de l'IA et leur valeur, et, d'autre part, ce qui relève de la technologie et des outils. Visiblement, les deux volets se confondent allègrement et sont appréhendés dans leur ensemble soit par un service informatique qui désire garder le contrôle absolu sur un domaine qu'il estime de son seul ressort, soit par des dirigeants obnubilés par les usages qui leur sont vantés… sans s'inquiéter des détails de leur implémentation.

Avec un demi-siècle de recul sur le fonctionnement des DSI, la répartition des tâches dans un contexte largement similaire devrait s'imposer d'elle-même. La fourniture des infrastructures et des solutions mises en œuvre est du ressort des spécialistes techniques tandis que tout ce qui concerne les applications appartient exclusivement aux métiers (et à leurs clients). Entre les deux, bien sûr, doit s'instaurer un dialogue permanent et constructif, auquel peut contribuer une instance transverse, en complément de son rôle (essentiel) d'arbitrage sur la sécurité et le pilotage des risques.

Il s'agit déjà aujourd'hui d'un des cas d'usage les plus populaires de l'intelligence artificielle, au moins sous forme expérimentale. Le cabinet Gartner prédit que, d'ici 2028, trois quarts des développeurs de logiciels l'exploiteront afin d'optimiser leur travail quotidien, dans de multiples dimensions. En attendant d'être entièrement remplacés ?

Bien que moins de 10% des professionnels confirmaient recourir à ce genre d'outils au début de 2023, l'hypothèse des analystes est facile à soutenir puisque, selon une enquête globale datant du troisième trimestre, près de deux tiers (63% précisément) des organisations ont fait au moins un pas dans cette direction. Naturellement, ces statistiques n'ont rien d'étonnant au vu, d'une part, de l'engouement médiatique pour l'IA générative et, d'autre part, de son adéquation particulière à ces usages.

La question qui se pose maintenant chez les responsables de l'ingénierie logicielle n'est donc plus, dans la plupart des cas, de décider le déploiement généralisé, à court ou moyen terme, mais plutôt de formaliser une équation de valeur convaincante auprès des décideurs afin de profiter au plus vite des bénéfices espérés. Car une perspective qui se restreindrait à un traditionnel calcul de ROI, mettant en avant les économies et, peut-être, les gains de temps, raterait une grande partie de la mutation qui se joue.

En effet, les assistants codeurs les plus sophistiqués ne se contentent plus de compléter automatiquement ce qu'écrit le programmeur (évidemment) ni de générer (recopier, en réalité) des modules complets. Ils se transforment progressivement en compagnons attentifs toujours prêts à signaler les erreurs commises, à suggérer des améliorations ou d'autres manières d'aborder un problème, par exemple. De la sorte, ils stimulent la créativité et procurent des opportunités de progresser continuellement.

Appréhendée sous cet angle, l'intelligence artificielle deviendrait alors un facteur de rétention et de satisfaction des collaborateurs concernés, appréciant grâce à elle une expérience utilisateur bonifiée (quand l'outil est parfaitement intégré à l'environnement et aux processus de développement), tout en promettant à leur employeur, outre le surcroît de productivité, une meilleure qualité des produits livrés, autant sur le plan de la fiabilité (et la réduction des risques d'anomalies) que de l'adéquation aux besoins.

Le message positif de Gartner devrait trouver un écho favorable dans les directions informatiques qui peinent à recruter et à conserver les talents nécessaires à la transition « digitale » du monde. Il mérite toutefois d'être tempéré car les premiers intéressés commencent à entendre un refrain lancinant évoquant de manière toujours plus sérieuse et crédible leur remplacement par la machine… à une échéance qui ne relève plus de l'utopie. Pas sûr, dans ces conditions, qu'ils accueillent l'IA avec bienveillance.