Opérations d’IA : des projets pilotes aux véritables flux de travail

Bon nombre d’organisations canadiennes cumulent aujourd’hui les expériences en IA : un robot conversationnel en projet pilote, un outil de synthèse qu’une équipe adore, une preuve de concept qui a impressionné la haute direction. Beaucoup moins ont intégré l’IA à la façon dont le travail se fait réellement, avec une responsabilité claire, une qualité prévisible et des résultats mesurables. La distance entre ces deux états, c’est tout le travail des opérations d’IA.

Ce que nous entendons par opérations d’IA

Le terme AIOps est largement utilisé pour désigner l’application de l’IA à la surveillance de l’infrastructure des TI, par exemple pour détecter des anomalies dans les journaux ou prévoir des pannes. C’est une discipline légitime, et les opérations des TI sont l’un des domaines où notre approche s’applique. Mais nous l’entendons dans un sens plus large : la conception et l’exploitation continue de flux de travail d’affaires dans lesquels les personnes, les systèmes d’IA, les données, les logiciels existants et les règles de gouvernance jouent chacun un rôle défini.

En ce sens, les opérations d’IA s’appliquent autant aux finances, aux affaires juridiques, aux RH, aux ventes, au soutien et à l’approvisionnement qu’aux TI. C’est là que se rejoignent des personnes formées et des systèmes d’IA bien informés.

Pourquoi les projets pilotes s’essoufflent

Les projets pilotes échouent rarement parce que le modèle n’était pas assez performant. Ils s’essoufflent pour des raisons organisationnelles prévisibles, et auxquelles on peut remédier :

• Pas de responsable. Le projet pilote appartenait à une équipe d’innovation ou à une personne enthousiaste. Personne dans l’entreprise n’est redevable de ses résultats ni de son entretien.
• Aucun changement au flux de travail. L’IA a été ajoutée en marge du processus existant plutôt que d’y être intégrée. Les gens ont maintenant un outil de plus à ouvrir, et aucune raison de changer leurs habitudes.
• Aucune couche d’information. Le système fonctionnait sur un jeu de données de démonstration soigneusement préparé, puis a peiné face à l’information des opérations réelles : dispersée, contradictoire et soumise à des restrictions d’accès.
• Aucune évaluation. Personne n’a défini ce à quoi ressemble un bon résultat; personne ne peut donc démontrer que cela fonctionne, et une seule erreur marquante met fin au projet.
• Des risques mal définis. Les questions juridiques, de protection de la vie privée ou de sécurité ont été soulevées tardivement et jamais résolues, si bien que le projet pilote reste en suspens.

Comment choisir le premier flux de travail

Les meilleurs candidats ne sont pas forcément les plus spectaculaires. Recherchez un travail qui répond bien à la plupart de ces critères :

Repenser le flux de travail, étape par étape

1. Cartographier le travail actuel. Documentez la façon dont le flux de travail se déroule réellement aujourd’hui, y compris les solutions de contournement informelles, les transferts, les systèmes en jeu et les étapes qui accaparent le temps. La procédure écrite n’est souvent pas la procédure réelle.
2. Décider de ce que fait l’IA et de ce que font les personnes. Attribuez chaque étape de façon délibérée. L’IA peut recueillir de l’information, rédiger, classer ou vérifier. Les personnes peuvent décider, approuver, gérer les exceptions et entretenir les relations.
3. Établir les points de révision humaine et d’escalade. Définissez les moments où une personne doit réviser le travail avant qu’il n’avance, ce qui déclenche une escalade et qui la reçoit. Plus les enjeux d’une étape sont élevés, plus la révision doit être serrée.
4. Intégrer aux systèmes existants. Une IA qui oblige à copier-coller d’un outil à l’autre survit rarement. Branchez-la là où le travail se fait, avec des autorisations qui reflètent ce à quoi le rôle humain a accès.
5. Prévoir la mesure dès le départ. Décidez à l’avance de ce que vous suivrez : qualité, temps de cycle, reprises, taux d’escalade, rétroaction des utilisateurs. Consignez suffisamment d’information pour pouvoir enquêter sur les problèmes.
6. Rédiger les règles de fonctionnement. Qui est responsable du flux de travail, comment les changements sont approuvés, comment les erreurs sont signalées et corrigées, et quand la conception est réexaminée. Les politiques devraient se traduire en autorisations, en journalisation et en voies d’escalade concrètes, et non seulement en un document.

La refonte n’est pas un événement ponctuel. Une fois en service, un flux de travail doit être exploité comme n’importe quelle autre partie de l’entreprise. Les fournisseurs mettent leurs modèles à jour, l’information source change et les gens découvrent de nouveaux cas limites. Un flux de travail performant au lancement peut dériver sans qu’on s’en aperçoive. Planifiez des examens réguliers des indicateurs de qualité et des escalades, relancez les évaluations après toute modification du modèle, des instructions ou des données sous-jacentes, et traitez la rétroaction des utilisateurs comme le système d’alerte précoce qu’elle est. Le responsable devrait pouvoir dire, à tout moment, comment le flux de travail se comporte et ce qui a changé récemment.

Enfin, faites participer à la conception les personnes qui font le travail. Elles savent où se trouvent les vraies exceptions, quelles étapes cachent une part de jugement et ce qui rendrait le nouveau processus plus simple que l’ancien. Les flux de travail conçus sans elles finissent généralement par être contournés en silence.

Exemples de modèles par fonction

Il s’agit de modèles courants, et non d’études de cas. La bonne conception dépend de vos systèmes, de vos données et de votre tolérance au risque.

• Finances. L’IA rédige un commentaire sur les écarts à partir de chiffres rapprochés et signale les éléments inhabituels; les analystes révisent, ajustent et approuvent avant toute communication.
• Affaires juridiques. L’IA compare les contrats reçus aux positions types et met en évidence les écarts; les juristes décident de ce qui sera négocié.
• RH. L’IA répond aux questions des employés sur les politiques en citant la politique en vigueur et achemine les dossiers délicats à une personne. Les décisions concernant des individus restent entre des mains humaines.
• Ventes et opérations commerciales. L’IA prépare des fiches de compte à partir de l’historique du CRM et de l’information publique, et rédige des suivis que les représentants modifient puis envoient.
• Soutien. L’IA classe et résume les billets entrants, propose des réponses tirées de la base de connaissances et procède aux escalades selon des règles définies.
• Approvisionnement. L’IA extrait les modalités clés des documents des fournisseurs et les compare aux politiques, en signalant les lacunes qu’un acheteur devra régler.
• Opérations des TI. L’IA trie les demandes de service, rassemble le contexte diagnostique et propose les prochaines étapes; les techniciens approuvent les modifications apportées aux systèmes.

Flux de travail agentiques et niveaux d’autonomie

Les flux de travail agentiques font appel à des systèmes d’IA qui planifient et exécutent plusieurs étapes, comme consulter des dossiers, rédiger une réponse et mettre à jour un système. Ils peuvent prendre en charge une plus grande part d’un flux de travail qu’une simple requête, mais l’autonomie doit être adaptée au risque. Voici une façon utile d’y réfléchir :

1. Assister. L’IA suggère; une personne fait le travail.
2. Rédiger. L’IA prépare le travail; une personne le révise et le termine.
3. Agir avec approbation. L’IA exécute les étapes; une personne approuve avant que quoi que ce soit ne prenne effet.
4. Agir et rendre compte. L’IA traite les cas courants dans des limites définies et les consigne pour révision; les exceptions font l’objet d’une escalade.

La plupart des flux de travail devraient commencer au premier ou au deuxième niveau et ne progresser que lorsque l’évaluation démontre une fiabilité constante. Les décisions ayant des effets importants sur des personnes méritent une attention particulière. Au Québec, la Loi 25 prévoit des obligations de transparence pour les décisions fondées exclusivement sur un traitement automatisé, et les institutions fédérales sont assujetties à la Directive sur la prise de décisions automatisée. Confirmez les exigences qui s’appliquent à vous auprès de vos conseillers juridiques, et consultez notre page IA responsable pour voir comment la supervision peut être intégrée dès la conception.

Comment Trained peut vous aider

Le travail de Trained en opérations d’IA part d’expériences prometteuses, ou d’un flux de travail qui a simplement besoin d’être amélioré, et les repense pour que les personnes, l’IA, les données et les systèmes collaborent avec une responsabilité, une révision et une mesure claires. Nous restons présents tout au long de l’évaluation et de l’amélioration. Si vous avez des projets pilotes qui ne font toujours pas partie du travail courant, parlons-en.