Daire Cunningham de Spanish Point Technologies explore l'élément humain qui est la clé de la transformation numérique, en particulier en ce qui concerne l'adoption de l'IA.
L’intelligence artificielle est devenue remarquablement facile à acquérir, mais étonnamment difficile à transformer une entreprise.
Cette distinction est importante. La dernière étude mondiale de McKinsey révèle que 88 % des organisations utilisent désormais l'IA dans au moins une fonction commerciale, mais qu'environ un tiers seulement ont commencé à étendre leurs programmes d'IA à l'ensemble de l'entreprise.
L’écart entre ces chiffres témoigne d’un défi qui devient de plus en plus évident. L'accès à l'IA n'est plus le principal obstacle pour la plupart des organisations. La tâche la plus difficile consiste à comprendre où elle peut véritablement créer de la valeur et ce qui doit changer au sein de l’entreprise pour que cette valeur se concrétise.
Dans la précipitation pour adopter l’IA, les organisations peuvent facilement commencer par se poser la mauvaise question : quel outil d’IA devrions-nous utiliser ?
Un meilleur point de départ consiste à se demander quel problème l’organisation essaie réellement de résoudre. Une fois cela clair, les dirigeants peuvent travailler à rebours. Ils peuvent identifier quelles informations sont nécessaires, où elles se trouvent, qui devrait y avoir accès, comment fonctionne le processus existant et où se situent les véritables goulots d'étranglement.
Ils peuvent également déterminer quelles décisions doivent rester fermement entre les mains de l’homme et dans quels domaines la technologie pourrait améliorer de manière significative les résultats. Le choix du modèle ou de la plateforme doit suivre ces décisions plutôt que de les guider.
C’est important car l’un des plus grands obstacles à la transformation de l’IA n’est pas la pénurie de technologies sophistiquées, mais l’état de l’organisation qui la sous-tend.
Une enquête Dun & Bradstreet de 2026 a révélé que si plus des trois quarts des entreprises signalent déjà un retour mesurable de l'IA, seules 6 % déclarent que leurs données d'entreprise sont entièrement prêtes à prendre en charge l'IA à grande échelle.
Les entreprises ont passé des décennies à accumuler des informations dans des bases de données, des applications, des référentiels de documents et des systèmes départementaux. Les autorisations ont évolué au fil du temps, les processus ont été superposés à d'autres processus et les employés ont développé des solutions de contournement pour faire avancer les choses. L’IA a tendance à rendre les faiblesses de ces arrangements beaucoup plus difficiles à ignorer.
Prenons l’exemple d’un assistant IA connecté aux informations internes d’une organisation. Si un employé lui pose une question et reçoit un document confidentiel auquel il n’aurait jamais dû avoir accès, il est tentant de décrire cela comme un problème de sécurité de l’IA. En réalité, la technologie n’a peut-être pas du tout créé la vulnérabilité sous-jacente. Cela a peut-être simplement révélé le fait que l’employé disposait déjà d’un accès inapproprié.
À mesure que l’IA facilite considérablement la récupération et la connexion des informations, l’identité, les autorisations et la gouvernance deviennent plus importantes, et non moins.
« La technologie elle-même n'est qu'une partie de l'histoire »
Nous avons vu l’intérêt de bien poser ces bases dans les projets de modernisation de l’identité. Au Royal College of Physicians of Ireland, 13 systèmes distincts ont été regroupés sur une seule plateforme d'identité, introduisant l'authentification unique et la gestion automatisée des accès pour plus de 86 000 utilisateurs dans 95 pays.
Les frais administratifs ont été réduits de 50 %. La technologie elle-même n’est qu’une partie de l’histoire. L'établissement d'une manière plus claire de gérer les identités, les autorisations et les accès constitue une base beaucoup plus solide pour toute organisation introduisant des technologies capables de rechercher, de connecter et de récupérer des informations sur plusieurs systèmes.
Il y a une dimension humaine tout aussi importante à cela. J'ai toujours pensé à la transformation numérique en partie en termes d'armement de la main-d'œuvre pour qu'elle adopte et emploie la technologie moderne dans ses pratiques de travail. Une organisation peut déployer un système exceptionnel, mais si les employés ne comprennent pas où il s'intègre dans leur travail, pourquoi ils devraient l'utiliser ou comment leurs responsabilités évoluent en fonction de celui-ci, sa valeur restera limitée.
Les recherches de McKinsey ont révélé que la refonte des flux de travail est l'un des facteurs les plus fortement associés à l'impact financier de l'IA générative pour les organisations. C’est logique : la transformation ne se produit pas parce que quelqu’un a eu accès à un autre logiciel. Cela se produit lorsque les organisations repensent la manière dont le travail est effectué.
Dans le même temps, l’IA ne supprime pas la nécessité d’une discipline professionnelle.
Les ingénieurs peuvent l'utiliser pour accélérer le codage, les tests et l'analyse, mais le code généré doit encore être revu, les systèmes doivent encore être testés et les exigences de sécurité s'appliquent toujours. Quelqu’un reste responsable de ce qui entre finalement en production.
Le même principe s’applique à d’autres professions. L’IA peut accélérer certains éléments du travail, mais les professionnels compétents doivent néanmoins comprendre les résultats, reconnaître quand quelque chose ne va pas et exercer leur jugement sur les décisions qui s’ensuivent. À mesure que les systèmes deviennent plus performants, cette surveillance humaine devient plus importante que redondante.
C’est également la raison pour laquelle les applications les plus puissantes de l’IA ont tendance à avoir plus de sens lorsqu’elles sont décrites en termes de problème à résoudre plutôt qu’en termes de technologie déployée.
L’industrie musicale fournit un exemple utile. L'identification des enregistrements musicaux potentiellement frauduleux à travers d'immenses volumes de métadonnées est un problème spécifique qui devient de plus en plus difficile à résoudre à grande échelle.
L'application de l'apprentissage automatique et de l'analyse des métadonnées basée sur l'IA à ce défi a permis d'identifier les enregistrements suspects sur de grands ensembles de données, avec des temps de traitement réduits de 70 % en une seule implémentation. L’importance n’est pas simplement que le même travail puisse être réalisé plus rapidement. Une plus grande capacité de traitement permet aux personnes compétentes de concentrer leur attention sur les cas qui nécessitent véritablement une enquête, un jugement et une expertise.
Cela soulève une question plus large sur la manière dont les entreprises mesurent la valeur de l’IA. Une grande partie du débat porte encore sur l’automatisation, l’efficacité et, en fin de compte, sur la quantité de travail humain qui peut être supprimée d’un processus.
L’efficacité est importante, mais elle ne constitue qu’une mesure de ce que ces technologies peuvent apporter. L’IA peut également rendre possible un travail auparavant peu pratique en analysant des volumes d’informations qui auraient nécessité énormément de temps humain, en identifiant des modèles qui justifient une enquête plus approfondie et en permettant aux employés qualifiés de se concentrer sur des décisions plus complexes.
Au lieu de se demander uniquement quel travail l’IA peut supprimer, les entreprises devraient également se demander ce que leurs collaborateurs peuvent désormais faire, ce qu’ils ne pouvaient raisonnablement faire auparavant.
Il y aura toujours un autre modèle, une nouvelle plateforme ou une autre capacité d’IA qui arrivera sur le marché, c’est précisément pourquoi les entreprises ne peuvent pas élaborer une stratégie de transformation autour de chaque nouveau développement.
Ils ont besoin de quelque chose de plus durable : une compréhension claire des problèmes qu’ils souhaitent résoudre, des informations fiables, une gouvernance appropriée, des processus bien conçus et des employés qui comprennent comment utiliser la technologie de manière responsable.
Les organisations qui réussiront avec l’IA ne seront pas nécessairement celles qui adopteront en premier chaque nouvel outil. Ce seront eux qui sauront quelle est la place de l’IA, prépareront les fondations qui la sous-tendent et donneront aux personnes compétentes les structures et la confiance nécessaires pour l’utiliser efficacement.
La technologie permet certes la transformation, mais encore faut-il que les gens la fassent fonctionner.
Par Daire Cunningham
Daire Cunningham est le COO de Spanish Point Technologies, où il travaille depuis 2008. Avant de rejoindre Spanish Point Technologies, Cunningham a travaillé dans la conception et le développement de systèmes logiciels dans des sociétés telles que Dolmen Stockbrokers et Fyntel.
