La dette cachée de gestion du changement liée à l’IA
Adapté du podcast The Digital Project Manager, animé par Galen Low. Écoutez-le ici.
Les grandes entreprises qui déploient l’IA la considèrent souvent d’abord comme un problème technologique, puis comme un problème organisationnel. Selon Deborah Ketai, responsable de la conduite du changement organisationnel et membre du conseil d’administration du Project Management Institute (PMI), cet ordre des priorités est une erreur.
Ketai a passé des années à diriger des initiatives de changement liées à l’IA au sein de United Health Group, une entreprise de santé classée parmi les cinq plus grandes entreprises du classement Fortune, et elle affirme que les entreprises qui ne prennent pas le temps de supprimer les silos entre les équipes finissent par en payer le prix. « Si elles sautent l’étape qui consiste à supprimer les silos, elles vont également accumuler beaucoup de ce que nous appelons de la dette : dette technique, dette de connaissances, etc. », a déclaré Ketai. « Cela rendra les projets futurs plus coûteux et plus difficiles. »
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Si elles sautent l’étape qui consiste à supprimer les silos, elles vont également accumuler beaucoup de ce que nous appelons de la dette – dette technique, dette de connaissances, etc. Cela rendra les projets futurs plus coûteux et plus difficiles.
Cette dette se manifeste par des efforts dupliqués, des outils concurrents et des équipes qui ignorent ce que le groupe installé dans le couloir voisin est déjà en train de développer.
Trois objectifs pour aligner l’IA à grande échelle
Pour y remédier, Ketai a structuré son programme autour de trois objectifs : la mobilité et la fidélisation des talents dans l’ensemble des métiers de l’IA, la collaboration entre les équipes et une évolution culturelle plus large visant à considérer l’IA comme une véritable solution métier. « Chez United Health Group, nous avions vraiment trois objectifs : les talents, la mobilité et la fidélisation dans le domaine de l’IA », a déclaré Ketai. Le deuxième objectif répondait à un problème courant dans les grandes organisations, où des pôles d’activité liés à l’IA apparaissent indépendamment les uns des autres et dupliquent leurs efforts. « Mon deuxième objectif pour le programme était d’encourager la collaboration entre ces pôles d’activité liés à l’IA, afin qu’ils ne réinventent pas la roue », a-t-elle déclaré. Le troisième objectif était culturel : « Le troisième consiste à opérer un changement culturel en encourageant les représentants des métiers à envisager des solutions d’IA pour répondre à leurs problématiques métier. »
Pour y parvenir, il a fallu mettre en place des activités — conférences, hackathons, contenus internes et canaux communautaires — destinées à différents groupes de parties prenantes dans l’ensemble de l’entreprise, plutôt que d’imposer une directive unique venant de la direction.
Mesurer le changement lorsque les données sont désorganisées
Même avec des objectifs clairs, démontrer l’impact du programme s’est avéré être l’une des tâches les plus difficiles. L’entreprise de Ketai s’était principalement développée par le biais de fusions et d’acquisitions, ce qui signifiait que les données sous-jacentes dont elle avait besoin pour suivre la mobilité professionnelle et l’engagement étaient, au mieux, incohérentes. « Je reconnais que les indicateurs ont été la partie la plus difficile du programme pour moi », a déclaré Ketai, « car il s’agissait d’une entreprise classée parmi les cinq plus grandes entreprises du classement Fortune, qui s’était principalement développée par le biais de fusions et d’acquisitions. Les vestiges d’anciens systèmes RH existaient encore : un même type de poste portait souvent 15 intitulés, titres de poste ou codes d’emploi différents dans l’organisation, ce qui a rendu les choses très difficiles. »
En l’absence de systèmes fiables sur lesquels s’appuyer, l’équipe de Ketai s’est reposée sur des indicateurs indirects tels que l’engagement envers les contenus et la participation aux événements, plutôt que sur les données plus approfondies concernant les effectifs qu’elle aurait préféré utiliser.
Les chefs de projet doivent-ils également être responsables de la conduite du changement ?
À mesure que les initiatives d’IA se multiplient, on demande également à davantage de chefs de projet d’assumer des responsabilités liées à la conduite du changement. Ketai affirme que ces deux ensembles de compétences se recoupent sans être identiques, et que la différence importe surtout en matière de calendrier. « Tous les projets n’exigent pas de conduite du changement », a-t-elle déclaré. « Les ensembles de compétences sont différents, mais se recoupent. » Selon Ketai, la véritable distinction tient à la personne qui reste en place pour veiller à la mise en œuvre complète d’un changement. « La raison pour laquelle il faut prévoir des rôles distincts réside dans les délais, car traditionnellement, les chefs de projet n’ont pas la possibilité d’assurer le suivi et de veiller réellement à ce qu’un changement soit pérennisé. »
Tous les projets n’exigent pas de conduite du changement. Les ensembles de compétences sont différents, mais se recoupent.
Selon elle, cet écart — entre l’achèvement d’un projet et la pérennisation du changement qu’il était censé produire — constitue l’argument le plus solide en faveur du maintien de deux rôles distincts, même si la frontière entre eux continue de s’estomper dans la pratique.
L’IA n’est pas qu’un outil — c’est une partie prenante
Ketai a également souligné un changement dans la manière dont les responsables de projets et du changement doivent considérer l’IA elle-même. Plutôt que de la traiter uniquement comme une infrastructure, elle a affirmé qu’elle se comporte de plus en plus comme une partie prenante à part entière. « Avec l’IA générative, l’IA est elle-même une partie prenante », a déclaré Ketai. « Elle a ses propres objectifs, ses propres attitudes, et elle agira différemment, parfois contrairement à ce que vous souhaitez, en fonction de ces réalités internes. »
Avec l’IA générative, l’IA est une partie prenante. Elle a ses propres objectifs, ses propres attitudes, et elle agira différemment, parfois contrairement à ce que vous souhaitez.
Cette façon de voir les choses a des implications concrètes pour la gouvernance : si les systèmes d’IA peuvent se comporter de manière imprévisible ou diverger des attentes, ils doivent être pris en compte dans la planification et les discussions sur les risques, de la même manière qu’une partie prenante humaine.
Vers quoi évolue le rôle de responsable de programme
Pour l’avenir, Ketai a déclaré que les responsables de programme devront se rapprocher de l’endroit où la stratégie de l’entreprise est réellement définie, plutôt que de se contenter de l’exécuter. « Les responsables de programme doivent se rapprocher de l’endroit où la stratégie est élaborée et être capables de l’influencer », a-t-elle expliqué, « tout en faisant preuve de transparence lorsqu’ils indiquent à la direction les domaines dans lesquels des désalignements sont susceptibles de se produire. »
Les responsables de programme doivent se rapprocher de l’endroit où la stratégie est élaborée et être capables de l’influencer.
Ce changement implique également d’élargir la manière dont les responsables de programme envisagent les risques, afin d’inclure les opportunités de croissance parallèlement à l’attention traditionnellement portée aux menaces, et d’investir plus délibérément dans la construction de relations au sein de l’organisation au fil du temps.
Le problème de confiance que personne n’a encore résolu
Malgré l’élan en faveur de l’adoption de l’IA, Ketai a déclaré que le principal obstacle restant n’est pas la technologie elle-même. C’est la confiance, notamment en ce qui concerne les données. Elle a relaté une récente session de la conférence régionale des responsables du PMI, au cours de laquelle il a été débattu de la pertinence pour une section du PMI d’utiliser l’IA afin de rédiger des campagnes d’e-mails destinées à ses membres. « Ce n’était pas éthique si cela impliquait de divulguer les données de vos membres », a déclaré Ketai, « à moins que vous n’utilisiez un outil entièrement interne, d’une manière ou d’une autre. »
Cette distinction — entre les outils d’IA qui permettent de conserver les données en interne et ceux qui ne le permettent pas — devrait probablement façonner la manière dont les organisations abordent la gouvernance de l’IA, bien après que la vague actuelle d’expérimentation se sera calmée.
Vous souhaitez découvrir d’autres analyses de ce type ? Créez un compte DPM gratuit pour découvrir les points de vue d’autres experts comme ceux-ci.
