Process reinvention : ne pas reproduire les erreurs du digital avec l'IA

Les organisations profitent de chaque innovation technologique majeure pour optimiser leur façon de faire, mais, le plus souvent, sans remettre en question ce qu’elles font. Lors de la révolution industrielle, Taylor a optimisé la chaine de production sans estimer les impacts de l’industrialisation ; dans les années 1990, les entreprises déploient des ERP au centre de la gestion d’entreprise sans chercher à remettre en cause les processus "papier" ; plus récemment, l’arrivée d’internet et l’essor du digital entre 2000 et 2010, puis du cloud, les entreprises répliquent les modèles physiques sans repenser, par exemple, leur relation client.

Toutes ces évolutions ont naturellement impacté les entreprises et ont souvent rebattu les cartes des rapports de force d’un marché. Les entreprises sont souvent contraintes, de gré ou de force, à les intégrer dans leurs processus.

L’IA, dernière évolution technologique, ne fait pas exception et à peine en cours de transformation digitale que l’IA vient bouleverser les entreprises dans leur globalité (leur organisation, leur gouvernance, leurs processus, jusqu’à leur offre et leur modèle économique).

L'erreur de la transformation digitale se reproduit avec l'IA

Les constats sont sans appel : en 2021, seulement 35% des entreprises atteignaient leurs objectifs de transformation digitale dans le monde (source BCG 2021).

Si la numérisation des données (la "digitization") avait lancé une bonne dynamique (on pense par exemple aux chantiers de dématérialisation – de courrier entrant, de facture, etc), la transformation digitale s’est heurtée à plusieurs écueilsdans la digitalisation (la "digitalization ").

Les erreurs sont aujourd’hui identifiées :

1. La transformation digitale s’est focalisée sur les outils comme finalité plutôt que sur leur valeur apportée aux usages métiers et business – une transformation souvent pilotée par les DSI plutôt que par les directions Métiers (source HBR 2018).

2. Elle a souvent sous-estimé les coûts d’adoption et le vecteur humain de la réussite – de ce fait, seulement 30% des entreprises atteignent leurs objectifs de transformation (source BCG 2020).

3. La digitalisation des processus sans refonte tend à moderniser des modes opératoires défaillants (source HBR, déjà en 1990).

L’erreur 1 se reproduit moins pour l’IA : dans de nombreuses organisations, les directions métiers sont motrices dans la définition et les décisions concernant leurs cas d’usage.

L’erreur 2 est plus nuancée : l’IA est soit intégrée de manière invisible à l’utilisateur (l’IA prédictive, par exemple) ; dans ce cas son adoption est donc naturelle. Soit l’utilisateur interagit directement avec l’IA (l’IA générative comprend, par exemple, des instructions en langage naturel, il n’y a donc pas de barrière à l’entrée pour l’utiliser), ce qui donne l’illusion de maitrise.

Néanmoins, une formation à son utilisation reste nécessaire pour une bonne compréhension du cadre, des limites et des risques de l’IA. Pour cette raison, les entreprises doivent être en mesure d’établir un cadre et accompagner leurs collaborateurs, tout comme leurs prestataires,pour une transition maîtrisée vers l’IA.

L’erreur 3 demeure d’actualité et l’on constate que les entreprises ont le même réflexe que pour la transformation digitale : l’entreprise cherche à "moderniser" un processus en "IAtisant" une étape problématique (faible valeur ajoutée humaine, étape chronophage, risque d’erreur sur des manipulations complexes), sans poser la question de la pertinence du processus initial ou de la refonte du processus pour y apporter plus de valeur ou créer des nouvelles opportunités.

Une comparaison triviale serait de dire que la digitalisation a mis un nouveau moteur dans une voiture alors qu’elle avait un pare-brise obstrué. L’IA lui rajoute des ailes : la conduite restera dangereuse voire impossible.

Cette "IAtisation" d’un bout de process est largement compréhensible : facilement implémentable, résultat instantanément mesurable, comparaison aisée avec l’ancien processus via l’historique, peu de changement humain (qui peut d’ailleurs se libérer de facto du temps pour des tâches à plus forte valeur ajoutée). Mais ce leurre sournois ne se révèle qu’à plus grande échelle : coûts globaux de l’optimisation incrémentale, avec une prise de risque induit par l’IA à chaque étape "modernisée" d’un processus et ce, dans un environnement protéiforme d’outils.

La nécessité du process reinvention

L’IA dépasse les possibilités du digital en introduisant de nouvelles capacités notables. Par exemple, pour la première fois dans l’histoire d’une entreprise, la connaissance de la source de l’information disparait au profit de sa consommation – non sans risque sur sa fiabilité.

En effet, plus besoin de savoir et retenir où se trouve la documentation de telle procédure, de mon nombre de RTT restant : une simple requête auprès de mon assistant IA va me donner la réponse. Par cet exemple basique, nous voyons que l’ajout d’un brin d’IA au moment du processus de demande une fois connecté à son SIRH est limité. Il serait plus opportun de créer un assistant généralisé permettant de répondre, en dehors du contexte SIRH, à l’ensemble des questions que se pose un salarié.

L’agentique permet d’aller plus loin : par sa capacité de construire lui-même tout un pan de processus, de prendre des décisions et réaliser des actions, il permet d’alléger le processus. Seulement 2 étapes humaines restant nécessaires : la confirmation du lancement et le contrôle du résultat (le nécessaire "human in the loop").

Le process reinvention est aussi et surtout une manière de dépasser les limites des processus actuels et repenser plus largement ce qu’il serait idéal de mettre en place, ici grâce aux nouvelles possibilités de l’IA agentique. Par exemple, pourquoi ne pas adjoindre aux processus clés d’une entreprise une boucle de feedback en lien avec sa propre industrie ("votre processus actuel semble cohérent avec les standards de votre secteur") ? Pourquoi ne pas adjoindre de l’expérientiel au-delà des tâches, avec la création d’une expérience enrichie à destination du collaborateur ou d’un client (audio, vidéo) ?

Enfin, le process reinvention permet aussi de rebattre les cartes de son business plan en optimisant largement les coûts de production et en augmentant la qualité de la production avec les tâches à forte valeur ajoutée humaine. Cela contribue aussi à augmenter le potentiel de son offering. Le temps dégagé pour les collaborateurs doit alors permettre la créativité et l’innovation, et les nouvelles capacités augmentées permettent de créer d’autres services ou d’aller plus loin dans ce qui est offert aux clients.

Points d'attention pour des process reinventions efficaces

Cependant, le process reinvention est une discipline exigeante. Quatre principes en déterminent le succès :

1. La valeur comme objectif : le process reinvention ne doit pas être motivé par la mise en place de la technologie, qui reste un moyen et non une finalité. La valeur métier et business doit être évaluée en amont et servir de fil conducteur pour l’ensemble du process reinvention.

2. La connaissance apportée par les experts IA, un accélérateur et un garde-fou : la connaissance de la technologie et de ses limites est essentielle pour mener à bien leur process reinvention. Cela permet entre autres d’estimer les risques associés à la refonte d’un processus et d’en border les effets. L’IA introduit des biais - tout le monde commence à le savoir - mais elle le fait de manière insidieuse. L’humain peut se faire, de bonne foi, tromper par des erreurs subtiles de l’IA.

3. Acculturation avant l’échelle : la transition vers l’IA ne doit pas aller plus vite que l’adaptation culturelle et l’adoption par les métiers. Il faut, comme souvent dans tout changement, amorcer la transformation par un core process pilote, pour ensuite observer les effets de bord, confirmer la valeur et mesurer les impacts. Les principaux changements à mesurer sont notamment les effets sur les activités humaines, la modification de la chaine de décision et de responsabilité et le contrôle du résultat.

4. De la performance à la robustesse : l’IA étant pour l’instant non explicable, et par nature non déterministe, les organisations doivent apporter de la robustesse dans leur process maintenir la production en cas de défaillance majeure (des comportements parasites de l’IA sont parfois observés et aujourd’hui non prévisibles, ni circonscrits). Il est donc important de questionner la priorité donnée uniquement à la performance et accorder de l’importance à la robustesse d’une entreprise.

Le process reinvention n’est donc pas qu’un sujet de réorganisation ; c’est avant tout une question de courage et de vision du management : celui d’oser revoir son fonctionnement, changer son modèle opérationnel et exploiter au mieux l’IA en en maitrisant les risques. C’est précisément dans cet accompagnement que Saegus engage ses consultants experts en IA pour permettre à ses clients de saisir pleinement les opportunités de transformation de leur organisation et leurs processus.

À PROPOS

Fondé en 2014, Saegus est un cabinet de conseil qui accompagne les entreprises dans leur transition vers un modèle intégrant l’intelligence artificielle. Saegus bouscule les codes du marché du conseil grâce à son savoir-faire dans l’adoption des nouveaux usages, associé à son expertise historique des outils collaboratifs, de la data et de l’IA. Distingué comme l'un des Champions de la Croissance 2024 par Les Échos, Saegus est choisi par des grands groupes du CAC 40/SBF 120 (Safran, LVMH, L’Oréal, BNP Paribas, Saint-Gobain, TotalEnergies...)  pour les aider à repenser leurs projets par expérimentations successives. Le cabinet doit sa singularité à des déclinaisons opérationnelles et innovantes en matière d’usages digitaux. C’est d’ailleurs de ce principe qu’est né le nom de Saegus, anagramme du terme “usages”.

Site internet : https://www.saegus.com/

LinkedIn : https://www.linkedin.com/company/saegus

Pour consulter nos offres d’emploi : https://careers.saegus.com/#job