Mesurer l’utilisation de l’IA : une exigence commerciale
Les équipes d’entreprise utilisent déjà une multitude d’outils d’IA dans leur travail quotidien. L’utilisation s’étend de la génération de code et de l’analyse à la rédaction de support client et à la recherche interne. Cependant, la surveillance reste inégale selon les rôles, les fonctions et les secteurs d’activité. Un nouveau sondage de Larridin auprès des dirigeants d’entreprise place la mesure et la gouvernance au centre de cet environnement opérationnel.
Confiance des dirigeants et réalité sur le terrain
Les dirigeants expriment souvent une grande confiance dans leur compréhension des activités liées à l’IA au sein de l’organisation. En revanche, les directeurs et les managers plus proches des opérations quotidiennes décrivent une situation différente. La confiance diminue à mesure que l’on s’approche de l’exécution, produisant un écart de 16 points entre les perceptions des dirigeants et des directeurs concernant la visibilité de l’IA. Cet écart persiste à travers les secteurs d’activité et les tailles d’entreprise.
L’utilisation de l’IA cachée contribue à ce décalage. Plus d’un cinquième des dirigeants identifient l’utilisation par les employés d’outils d’IA personnels ou non autorisés comme un obstacle au succès, même si la plupart du même groupe rapporte une grande confiance dans la visibilité. L’approvisionnement en outils offre un aperçu des licences achetées, mais fournit peu d’informations sur les motifs d’utilisation quotidienne au niveau du bureau et du navigateur.
Russ Fradin, PDG de Larridin, déclare : « La direction pense que l’IA est visible, précieuse et sous contrôle, tandis que l’adoption progresse plus vite que la mesure et que la gouvernance est incohérente. Tant que les entreprises ne parviendront pas à organiser leurs efforts autour de données en temps réel, l’IA pourrait être à la fois un atout stratégique et un risque stratégique. »
Plus d’outils, moins de visibilité
La plupart des entreprises s’appuient sur plus d’un produit d’IA. Les organisations qui rapportent des retours plus forts utilisent en moyenne 2,7 outils, contre 1,1 pour leurs homologues moins performants. Les outils spécialisés soutiennent des flux de travail distincts tels que le développement logiciel, l’automatisation, l’analyse et la génération de contenu. Les plateformes centralisées ne représentent qu’une partie de l’activité quotidienne.
Cette diversification introduit de la redondance. Certains dirigeants estiment que les outils qui se chevauchent gaspillent le budget. Les fonctionnalités AI intégrées dans les plateformes SaaS augmentent également le nombre d’outils. En moyenne, une grande entreprise utilise 23 outils d’IA, dont 45 % sont adoptés en dehors des canaux d’approvisionnement formels en informatique.
Seulement 38 % des organisations maintiennent un inventaire complet des applications d’IA en cours d’utilisation. Les lacunes dans l’inventaire compliquent la gouvernance, la budgétisation et la gestion des risques, en particulier à mesure que des cadres réglementaires tels que la norme ISO 42001 exigent une prise de conscience continue des systèmes déployés.
Le retour sur investissement varie selon le secteur
Le retour sur investissement varie considérablement selon le secteur. Les entreprises de détail, de logiciels, de fabrication et de télécommunications signalent une forte probabilité de réaliser un retour sur investissement dans les six mois. En revanche, l’hôtellerie, la restauration et la santé affichent des attentes plus faibles.
La structure des flux de travail explique en grande partie cette différence. Les secteurs qui décomposent le travail de connaissance en tâches distinctes et automatisables obtiennent des résultats plus rapides. Les industries ancrées dans des opérations physiques ou des processus étroitement réglementés signalent des progrès plus lents. La santé se distingue par une forte confiance des dirigeants en matière de visibilité, mais avec les attentes de retour sur investissement les plus faibles, reflétant des frictions de gouvernance et des contraintes de conformité.
Pourquoi l’IT devance et le support accuse un retard
La plupart des travailleurs rapportent de modestes économies de temps grâce à l’IA. Plus de 85 % des employés gagnent moins de 10 heures par mois. Un petit groupe d’utilisateurs avancés, environ 6 % de la main-d’œuvre, rapporte des économies dépassant les 20 heures par mois. Ces utilisateurs s’engagent à travers plusieurs outils et capacités avancées.
La formation est fortement corrélée à la compétence. Les organisations disposant de programmes de formation formels sur l’IA rapportent des niveaux de compétence, de satisfaction et des gains de productivité plus élevés. Les métriques d’utilisation à elles seules échouent à capturer cette différence. Les comptes de connexion et l’adoption de licences offrent peu d’informations sur l’efficacité ou la création de valeur.
Les enjeux de la mesure de l’IA
Trente pour cent des répondants signalent des lacunes de responsabilité pour la mesure de l’IA. La propriété fragmentée à travers les équipes suit de près. Les limitations techniques sont moins évoquées.
Les politiques de gouvernance existent dans la plupart des organisations, bien que leur mise en œuvre varie. Soixante-neuf pour cent des entreprises signalent avoir des politiques de risque et de conformité en matière d’IA, et plus de 80 % se disent satisfaites des garde-fous. En même temps, beaucoup manquent de visibilité sur les taux d’adoption des employés, l’exposition aux risques et les métriques de valeur. Les organisations ayant une gouvernance formalisée montrent une plus grande probabilité de retour sur investissement, reflétant un alignement entre la direction, la sécurité et les équipes opérationnelles.
Les métriques suivies mettent l’accent sur la facilité de collecte. L’argent économisé, le pourcentage d’utilisateurs et le temps économisé par semaine figurent en tête de liste. Moins d’organisations suivent l’investissement par outil, la maturité par fonction ou les améliorations de vitesse de livraison. Ces lacunes limitent la capacité de relier l’utilisation de l’IA aux résultats commerciaux.