Stop au développement de projets échoués ! Utilisez ce playbook centré sur l’humain pour l’IA
J’ai perdu le compte du nombre de projets d’IA pour le développement que j’ai vus échouer. Non pas parce que la technologie n’était pas impressionnante ou que les intentions n’étaient pas nobles, mais parce que les équipes ont fondamentalement mal compris ce qui fait fonctionner l’IA générative dans des contextes de développement réels.
Les dernières preuves proviennent du People-Centered AI Playbook de Dalberg Data Insights, qui déconstruit méthodiquement l’état d’esprit de la Silicon Valley importé dans des contextes de développement.
Le problème de la pensée axée sur la technologie
Le secteur du développement est tombé dans le même piège que les premières initiatives ICT4D : supposer que l’importation de méthodologies de contextes à fortes ressources fonctionnera dans des environnements avec des contraintes complètement différentes. Les 18 applications d’IA que nous avons mises en avant montrent ce qui est possible, mais n’expliquent pas pourquoi tant d’initiatives similaires trébuchent.
Le cadre de Dalberg commence par un postulat radical : avant de considérer toute technologie, les équipes doivent ancrer leurs ambitions dans les besoins réels des utilisateurs, les réalités organisationnelles et les défis de workflow. Leur approche en six phases (Découvrir, Définir, Concevoir, Développer, Piloter, Élargir) met délibérément l’accent sur la recherche humaine que la plupart des équipes traitent comme une réflexion après coup.
Trois insights critiques défiant la sagesse conventionnelle
Ce playbook n’est pas juste un autre cadre. C’est un défi direct à notre façon de penser l’adoption de l’IA dans les contextes à faibles ressources. L’argument central est provocateur : la plupart des projets d’IA échouent parce que les équipes sautent le travail humain qui rend la technologie durable.
1. La préparation à l’IA concerne les systèmes humains
La plupart des évaluations de préparation à l’IA se concentrent sur l’infrastructure technique : bande passante, appareils, pipelines de données. Dalberg inverse cela en mettant l’accent sur ce qu’ils appellent la préparation des personnes. Le degré auquel les utilisateurs visés, le personnel et les partenaires sont prêts, qualifiés et motivés à adopter et à maintenir une solution d’IA.
2. La définition du problème l’emporte sur l’innovation de solution
Le plus élément contrariant du playbook est sa phase de Définition, qui teste systématiquement si l’IA est même l’outil approprié pour les défis identifiés. Ils incluent un cadre décisionnel demandant si les tâches sont à haut volume, répétitives ou basées sur des motifs et si des outils plus simples ne peuvent pas résoudre le problème de manière plus efficace.
3. L’échelle signifie construire des systèmes robustes
L’insight final remet en question notre façon de penser le déploiement réussi de l’IA. La phase d’Élargissement de Dalberg ne concerne pas l’acquisition d’utilisateurs. L’échelle est l’institutionnalisation, le développement continu et l’adaptation contextuelle.
Facteurs transversaux : là où le véritable travail se produit
Peut-être le plus important, le playbook identifie trois facteurs transversaux qui traversent toutes les six phases : Personnes, Équité et Inclusion, et Gouvernance des Données. Ce ne sont pas des considérations additionnelles – ce sont des exigences fondamentales de conception.
Le playbook reconnaît que peu d’équipes possèdent toutes les compétences en interne. Leur approche pragmatique suggère des partenariats avec des universités, des groupes technologiques locaux, ou des réseaux mondiaux pour un soutien spécialisé.
Ce que cela signifie pour notre pratique de développement
Ce playbook est important car il offre une alternative méthodologiquement rigoureuse à l’évangélisme de l’IA et au scepticisme de l’IA. Il ne rejette pas le potentiel de l’IA ni n’accepte une adoption sans critique. Au contraire, il fournit une approche systématique pour déterminer quand, où et comment l’IA peut créer une valeur significative dans les contextes de développement.
À l’avenir, l’IA dans le développement ne sera pas déterminée par des avancées algorithmiques ou des annonces de financement. Elle sera façonnée par notre volonté de faire le travail centré sur l’humain qui rend la technologie véritablement utile. Ce playbook nous montre comment.