Vitesse et précipitation
Le théâtre de l'innovation IA peut coûter cher et s'avérer risqué pour l'organisation.
Le développement rapide de l’IA confronte les organisations à un dilemme.
D’un côté, certaines, particulièrement averses au risque, restent paralysées1 par des processus décisionnels complexes. De l’autre, plusieurs ont cédé à la pression2 en prenant des décisions plus symboliques qu’efficaces, comme l’achat coûteux de GPUs3 sans réelle stratégie d’utilisation.
Le cas d’un Canton suisse illustre bien cette situation : 700 000 euros investis dans du matériel4, mais peu d’initiatives concrètes pour l’exploiter. C’est symptomatique d’une gouvernance en silos. Un bel effet d’annonce qui a plu à la presse en 2024, mais peu de choses à raconter aujourd’hui et une infrastructure qui risque une obsolescence rapide. Bref, le pire des deux scénarios.
Surtout que l’investissement en question, même s’il reste important pour une organisation traditionnelle, est finalement très faible par rapport aux moyens considérables à mettre en place pour construire un usage de l’IA à l’échelle, comme le montre des exemples récents : Meta vient d’investir 14 milliards dans Scale AI5 et xAI dépenserait 1 milliard de dollars par mois6.
Bref, cet argent aurait sûrement pu être utilisé de façon beaucoup plus efficace pour construire des primitives simples d’innovation pour l’ensemble de l’organisation.
Lorsque les pressions politiques, stratégiques, médiatiques ou actionnariales sont fortes, il faut savoir garder la tête froide et ne pas confondre vitesse et précipitation.
Face à ces enjeux, une approche pragmatique à deux niveaux me semble pertinente :
- Construire des interfaces programmatiques légères qui centralisent les accès internes tout en distribuant les requêtes — LLM, textualisation de documents, vectorisation, RAG, transcription et synthèse audio, workflows — vers des services externes fournis par plusieurs grands labos IA — afin de ne pas mettre tous ses œufs dans le même panier.
- Déployer des interfaces utilisateurs flexibles permettant l’expérimentation sécurisée et en conscience pour tous les collaborateurs.
Les coûts d’une telle approche sont assez faibles en CAPEX et un peu plus en OPEX, mais permettent de bénéficier des dernières avancées technologiques, de comparer les acteurs, de mesurer l’usage tout en sécurisant les données. Alors que tout est encore à construire et à mettre en place, il ne faut pas avoir peur de construire en préfabriqués afin de pouvoir s’adapter avec agilité.
Notes & références
-
À relire : L’IA, on y va ou pas ? ↩
-
Une étude récente d’IBM (en anglais) montre que 2/3 des organisations qui ont investi dans l’IA ne savent pas encore en quoi cela sera bénéfique, mais ont succombé au FOMO (Fear of Missing Out, c’est-à-dire la peur d’avoir raté quelque chose). ↩
-
Un GPU est un processeur présent dans les cartes graphiques et qui permet de faire tourner des modèles d’IA grâce à une architecture fortement parallèle. ↩
Réagir & partager
- Participe à la conversation ou à son écho sur LinkedIn !
- Temps de lecture : 3 minutes
- Publié le
- Pour recevoir les prochaines entrées :
- Je partage librement mes retours d'expérience avec les décideurs qui me le demandent, pour grandir ensemble sur ces sujets. Contacte-moi si tu es intéressé·e.