Concevoir une IA capable de travailler dans toute l'entreprise
Les entreprises ont longtemps abordé l'intelligence artificielle comme une série d'expériences isolées, mais l'arrivée des agents IA dans les flux de travail qui font tourner l'activité met ce modèle à l'épreuve. Dans un épisode du podcast Business Lab de MIT Technology Review, produit en partenariat avec Infosys, Thorsten Leiduck, vice-président senior et responsable mondial de l'écosystème SAP Business AI Platform, et Satinder Pal Singh, vice-président associé pour l'Amérique du Nord chez Infosys sur SAP BAIP et la stratégie IA de SAP, décrivent ce basculement. Selon Leiduck, trop de programmes démarrent comme des preuves de concept isolées, sur des technologies différentes et avec des données fragmentées, ce qui entraîne des doublons, des performances inégales et aucune voie claire vers le déploiement à grande échelle. Il estime que l'IA dépend entièrement de la fondation de données et qu'il faut une couche connectée, riche sémantiquement et fidèle à l'activité de l'entreprise. Singh propose d'évaluer chaque cas d'usage selon trois critères : l'impact, la faisabilité et la capacité à passer à l'échelle.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MIT Technology Review. Lire l'article original →
L'enjeu change de nature dès que l'IA touche des processus critiques. Pour certains usages quotidiens, « 80 % de précision peuvent suffire », reconnaît Leiduck, mais dans la chaîne logistique ou la clôture comptable, un tel niveau est selon lui « un très mauvais résultat ». Singh présente les agents comme des « collègues numériques » et insiste sur le fait qu'« un pilote qui ne peut pas passer à l'échelle n'est qu'une expérience ». Il met aussi en garde contre l'idée que l'absence de règles accélérerait l'adoption : elle « crée un arriéré de risques » qui peut finir par imposer un arrêt brutal et un audit. Pour les dirigeants, cela signifie que la gouvernance, avec des politiques claires, des contrôles d'accès, une surveillance et une supervision, n'est pas un frein mais une condition pour que les agents restent fiables et alignés sur les exigences de l'entreprise.
Ces échanges s'inscrivent dans un moment où les applications d'IA sortent de la phase d'expérimentation et où les décideurs s'interrogent encore sur leur valeur, leurs risques et la complexité qu'elles ajoutent. Contrairement aux vagues d'automatisation précédentes, la technologie ne peut pas simplement s'ajouter à la boîte à outils existante : elle exige de reconfigurer ce qu'elle contient et la manière de l'utiliser, ce que la journaliste Megan Tatum résume par l'expression « configuration consciente ». Les deux intervenants anticipent des systèmes agentiques qui coordonneront le travail entre applications, avec des graphes de connaissances propres à chaque client et des données gouvernées qui deviendront des actifs stratégiques. À plus long terme, Singh voit l'IA passer d'outil de productivité à « partenaire de décision », aidant les dirigeants à comprendre la situation, à anticiper la suite et à choisir leur réponse.