L’intelligence artificielle entre progressivement dans les outils, les processus et les décisions des entreprises. Mais son adoption ne se résume plus à choisir une technologie ou à lancer quelques cas d’usage isolés. À mesure que l’IA touche les métiers, les données, les équipes juridiques, les ressources humaines, le marketing ou encore l’assistance client, une question devient centrale : qui doit décider de sa place dans l’organisation ? 

Pour Adia Damso, la réponse ne peut pas venir uniquement des équipes techniques ou data. La gouvernance de l’IA doit être pensée de manière transverse, avec des représentants capables de faire remonter les besoins réels de chaque département. Un outil pertinent pour une équipe peut être inadapté pour une autre. Et sans cadre commun, les écarts d’accès, de formation et d’usage peuvent rapidement créer une IA à plusieurs vitesses dans l’entreprise. 

L’enjeu n’est donc pas seulement de structurer l’IA au niveau stratégique, mais de faire en sorte que cette stratégie reste connectée au terrain. Cela suppose de donner aux collaborateurs le temps de tester les outils, d’identifier les cas d’usage utiles, de documenter ce qui fonctionne, et de participer à la définition des règles qui encadrent l’usage de l’IA. 

Quand une entreprise cherche à aligner l’IA avec sa stratégie globale, qui doit être impliqué dans les décisions ? 

Pour moi, il faut impliquer des représentants des différents départements de l’entreprise. L’IA touche aujourd’hui tellement de niveaux de l’organisation qu’il serait difficile de décider de sa place dans l’entreprise avec uniquement une vision technique. 

Il faut donc pouvoir avoir des représentants des équipes tech et data, mais aussi du légal, de la production, de l’assistance, des ressources humaines, du produit, du marketing, etc., selon la structure de l’entreprise. 

L’objectif est d’avoir une vision suffisamment large pour comprendre les besoins de chaque département et identifier les usages pertinents. L’utilisation de l’IA ne sera pas la même pour une équipe technique que pour une équipe d’assistance ou une équipe juridique. Et un outil qui fonctionne très bien pour un département peut être totalement inadapté pour un autre. 

Pour moi, la gouvernance de l’IA doit donc être pensée de manière transverse, avec une représentation des différents départements et une adaptation aux réalités de chacun. 

Comment éviter que les choix liés à l’IA restent uniquement entre les mains des équipes techniques ou data ? 

Justement en impliquant les autres départements dès le départ. 

Je pense qu’il faut avoir des représentants et des testeurs dans les différentes équipes. Ils peuvent expérimenter les outils, identifier leurs propres cas d’usage et surtout faire remonter ce qui fonctionne ou non dans leur quotidien. 

Cela permet aussi d’éviter de favoriser un département au détriment d’un autre. On peut avoir un outil particulièrement performant pour les équipes techniques, mais qui ne répond pas du tout aux besoins des équipes d’assistance ou des équipes administratives. 

L’idée n’est pas forcément d’avoir un seul outil pour toute l’entreprise. Certains départements peuvent avoir des besoins très spécifiques et nécessiter des solutions complémentaires. Mais ces choix doivent être faits en fonction des usages réels, et pas uniquement d’un point de vue technique. 

Pourquoi la gouvernance de la donnée est-elle aussi une question de culture d’entreprise ? 

Parce que la gouvernance des données repose aussi sur le comportement des personnes qui travaillent dans l’entreprise. 

Si les collaborateurs ne se sentent pas concernés par la vie de l’entreprise, par son évolution ou par les conséquences de leurs actions, il est difficile d’avoir une bonne gouvernance de la donnée. Ils peuvent être moins attentifs à la manière dont ils utilisent, partagent ou protègent les informations de l’entreprise. 

À l’inverse, dans une entreprise où les collaborateurs se sentent impliqués, où ils comprennent les enjeux et ont envie de contribuer à la progression de l’organisation, ils seront naturellement davantage attentifs à la sécurité et à la bonne utilisation des données. 

Pour moi, la gouvernance ne peut donc pas reposer uniquement sur des règles ou des outils. Il faut aussi créer une culture de la responsabilité. 

Quels risques apparaissent lorsque les décisions IA sont prises sans diversité suffisante de profils, d’expertises ou de perspectives métiers ? 

Le premier risque est de créer une IA à plusieurs vitesses dans l’entreprise. 

Si certaines catégories de collaborateurs ont accès aux meilleurs outils et sont formées à leur utilisation, alors que d’autres doivent se débrouiller seules avec des outils gratuits ou moins adaptés, on crée rapidement des disparités. 

Et cela peut aussi devenir un problème de sécurité et de gouvernance des données. Un collaborateur qui n’a pas accès à un outil validé par son entreprise peut être tenté d’utiliser une solution externe ou une version gratuite pour répondre à son besoin, avec potentiellement des données professionnelles qui ne devraient pas y être saisies. 

Il y a donc un double enjeu : permettre à chacun d’avoir accès à des outils adaptés à son métier, tout en donnant un cadre clair sur leur utilisation. 

La diversité des profils impliqués dans les décisions IA permet justement d’identifier ces besoins différents et d’éviter de penser l’IA uniquement à partir des usages d’une seule catégorie de collaborateurs. 

Comment intégrer davantage les métiers, les utilisateurs et les équipes concernées dans la définition des cas d’usage IA ? 

Je pense qu’il faut leur donner un véritable rôle dans l’expérimentation. 

Avoir des représentants et des testeurs dans les différents départements permet de faire remonter des cas d’usage directement issus du terrain. Ce sont eux qui peuvent dire : « Sur cette tâche, l’IA m’a vraiment fait gagner du temps », ou au contraire : « Dans ce cas précis, ce n’est pas pertinent ». 

C’est aussi important parce qu’on découvre souvent les meilleurs cas d’usage en expérimentant. On peut avoir une idée initiale de ce que l’IA va apporter, puis constater que sa véritable valeur se trouve ailleurs. 

Il faut donc laisser suffisamment de place à l’expérimentation et créer un système dans lequel les collaborateurs peuvent tester, documenter leurs retours et partager leurs apprentissages avec le reste de l’entreprise. 

À quoi reconnaît-on une organisation qui traite l’IA comme une capacité stratégique, et non comme une série de projets isolés ? 

Pour moi, on le voit lorsque l’IA fait réellement partie des objectifs de l’entreprise et qu’elle devient un sujet transversal. 

Ce n’est pas simplement un projet porté par une équipe ou quelques personnes identifiées comme « les experts IA ». Les objectifs liés à l’IA doivent pouvoir concerner l’ensemble de l’organisation, avec une implication des différents départements. 

Cela signifie aussi que l’entreprise donne aux collaborateurs les moyens de participer : du temps pour se former, pour tester les outils, pour identifier des cas d’usage et pour partager leurs retours. 

À partir du moment où l’IA devient une capacité que l’ensemble des salariés peut développer et utiliser dans son métier, plutôt qu’une succession de projets ponctuels, on commence vraiment à parler de stratégie. 

Quel conseil donnerais-tu à une entreprise qui veut structurer sa gouvernance IA sans ralentir l’innovation ? 

Je lui conseillerais d’en faire un projet à part entière. 

Il faut réellement donner aux collaborateurs le temps de se former, d’expérimenter les outils, de tester des cas d’usage et de comprendre ce que l’IA peut apporter à leur métier. 

Si on demande aux équipes de faire tout cela en plus de leur travail quotidien, sans leur donner de temps ni de ressources, l’IA risque de rester un sujet théorique ou de reposer uniquement sur quelques personnes particulièrement motivées. 

Il faut donc créer un cadre dédié, avec des personnes identifiées, du temps d’expérimentation et la possibilité de faire remonter les cas d’usage. 

Pour moi, donner du temps à l’expérimentation ne ralentit pas l’innovation. Au contraire, cela permet d’aller plus vite ensuite, parce qu’on teste les bons usages, avec les bonnes personnes et dans un cadre maîtrisé. 

Au fond, la maturité d’une organisation ne se mesure pas uniquement au nombre d’outils IA qu’elle déploie. Elle se voit dans sa capacité à impliquer les bonnes personnes, à créer un cadre clair et à transformer l’expérimentation en apprentissage collectif. 

L’IA devient une capacité stratégique lorsqu’elle cesse d’être portée par quelques experts seulement. Elle prend réellement sa place dans l’entreprise lorsque les métiers, les équipes techniques, la direction et les utilisateurs concernés participent ensemble aux décisions qui orientent son usage.