Bonjour, je m’appelle Keith Andes. Ancien analyste chez Gartner, je suis aujourd’hui responsable marketing produit et je mène des recherches sur l’impact de l’IA dans la gestion des services informatiques (ITSM). Je suis désolé, mais nous devons parler.

Aujourd’hui, la plupart des services informatiques sont impatients de se lancer dans l’intelligence artificielle (IA). D’un autre côté, alors que la pression pour « privilégier l’IA » continue de croître, les responsables informatiques ont encore du mal à répondre à une question simple : par où commencer ? Nous l’utilisons, de manière générale. Mais comment en tirer de la valeur ?

L’intérêt pour l’IA est grand, les dirigeants s’y intéressent et les équipes expérimentent des outils tels que ChatGPT. Mais rares sont ceux qui ont une stratégie claire quant à l’endroit et à la manière de l’appliquer de manière à créer réellement de la valeur commerciale.

Le résultat est celui que l’on obtient lorsqu’un nouvel outil arrive avant qu’un véritable problème ne se pose. Tout le monde expérimente, mais rares sont ceux qui savent ce qu’ils essaient de résoudre. L’IA devient une solution à la recherche d’un cas d’utilisation. C’est une activité intense, passionnante, mais qui manque totalement de direction. Et même dans les cas où les résultats sont utiles, ce qui fonctionne pour une personne utilisant ChatGPT de manière isolée est rarement transposable à l’ensemble de l’organisation.

En réalité, vous n’avez pas besoin d’être le premier à adopter l’IA. Vous devez être le dernier. Je vais vous expliquer pourquoi et comment ci-dessous.

(Soit dit en passant, je suis optimiste quant à l’IA. Je fais partie du camp de ceux qui pensent que « l’IA définira l’avenir », mais je rejette l’idée fantaisiste selon laquelle cela sera facile.)

1. Le problème de l’IA d’abord

Les initiatives « IA d’abord » partent généralement du sommet vers la base : nous devons utiliser l’IA. L’intention est bonne, car aucun dirigeant ne veut passer à côté de la prochaine vague d’innovation, mais la directive manque souvent de clarté. On demande aux équipes de « faire de l’IA », et non de résoudre des problèmes spécifiques. C’est ainsi que les organisations se retrouvent avec des projets pilotes dispersés, des projets redondants et des employés qui consomment l’IA comme des bonbons gratuits.

Selon une récente étude d’EasyVista, 95 % des entreprises déclarent déjà utiliser l’IA dans la gestion des services informatiques (et pour les PME, l’adoption était encore de 90 %). Mais l’utilisation n’est pas synonyme de valeur. Sans structure, sans alignement et sans résultats mesurables, l’expérimentation est rarement mise à l’échelle, et les équipes finissent par penser que l’IA a été surestimée.

Le véritable défi n’est pas de savoir si vous utilisez l’IA. Il s’agit plutôt de savoir si vous l’appliquez là où elle fait réellement la différence.

2. Corrigez ce que vous développez

L’IA ne corrige pas les processus défaillants (au contraire, elle les amplifie). Ainsi, avant d’ajouter l’IA à votre pile ITSM, concentrez-vous sur les domaines qui fonctionnent déjà suffisamment bien pour bénéficier d’une accélération.

Si votre routage des incidents est actuellement incohérent, l’IA ne fera qu’accélérer les erreurs de routage. Si votre CMDB est désorganisée, les informations fournies par l’IA ne feront que refléter le désordre. Si les données d’entrée sont erronées, les données de sortie le seront également.

Cela ne signifie pas pour autant que vous devez disposer de processus parfaits avant de vous lancer. Ce n’est pas là où je veux en venir. Cela signifie simplement que vous devez commencer par les aspects de votre activité qui fonctionnent déjà. C’est là où vous disposez de données fiables, de workflows clairs et de résultats cohérents que l’IA aura le plus d’impact. Dans les domaines plus complexes, elle ne fera qu’ajouter du bruit (comment savoir si l’IA a donné le bon résultat ?).

Considérez l’IA comme un multiplicateur de compétences, et non comme un remède aux dysfonctionnements. Elle est plus efficace dans les domaines matures de votre environnement, où l’automatisation et le jugement humain fonctionnent déjà main dans la main. Commencez par là, prouvez sa valeur, puis étendez son utilisation.

3. Développez vos capacités grâce à l’apprentissage partagé

Toute stratégie d’IA réussie commence par l’apprentissage. Encouragez l’expérimentation, mais faites en sorte que l’apprentissage soit collectif. Laissez vos équipes jouer avec ChatGPT ou d’autres outils d’IA, mais ne laissez pas cet apprentissage rester cloisonné.

Organisez une courte session mensuelle « AI Hacks » (il est utile que chaque session se concentre sur un seul rôle) au cours de laquelle les membres de l’équipe partagent la manière dont ils ont utilisé l’IA au cours du mois :

Où cela leur a-t-il fait gagner le plus de temps ? Comment l’ont-ils appliqué à un flux de travail ? Y a-t-il eu un cas d’utilisation créatif que d’autres pourraient reproduire ?

Ces récits constituent votre guide interne. Au fil du temps, vous identifierez des schémas récurrents dans lesquels l’IA permet systématiquement de gagner du temps, d’améliorer l’expérience ou de réduire les efforts manuels. Ce sont là des cas d’utilisation qui méritent d’être développés, alors documentez-les et servez-vous-en comme base.

À mesure que vos équipes acquièrent de la confiance et des connaissances internes, l’étape suivante consiste à relier cet apprentissage aux processus métier réels. C’est là qu’intervient l’approche « AI Last » : déterminer où l’IA a vraiment sa place dans vos workflows et où une automatisation plus simple suffit.

4. Adoptez l’approche « AI Last » (posez des questions plus intelligentes)

Une fois que vous disposez d’une base d’apprentissage partagé, commencez à traduire ces connaissances en améliorations réelles des processus.

Au lieu de vous demander « Où pouvons-nous utiliser l’IA ? », commencez par vous demander « Quelle est la manière la plus simple de résoudre ce problème ? ».

Utilisez une automatisation légère lorsque cela est possible. Par exemple, automatisez d’abord la catégorisation des tickets à l’aide de la logique. Lorsque les exceptions s’accumulent, l’apprentissage automatique peut être la prochaine étape appropriée. Il ne s’agit pas d’éviter l’IA, mais de l’utiliser là où elle a sa place.

Commencez par la maturité des processus. Automatisez d’abord ce que vous pouvez grâce à des règles et des flux de travail. Si vous pouvez utiliser une instruction « si-alors » pour résoudre le problème, vous n’avez pas besoin de l’IA. C’est une solution moins coûteuse, plus cohérente et plus facile à gérer.

Et oui, demandez des idées à vos fournisseurs. Assurez-vous simplement de poser les bonnes questions :

« Quels cas d’utilisation l’IA peut-elle résoudre que nous ne pourrions pas automatiser autrement ? »

C’est la question clé. Voici d’autres questions à poser : Comment utilisent-ils l’IA en interne ? Quels succès ont-ils obtenus avec d’autres déploiements chez leurs clients ? Où les gens constatent-ils le retour sur investissement le plus rapide ?

Vérifiez ensuite ces affirmations. Des études d’analystes, telles que l’évaluation des cas d’utilisation de l’IA pour les services d’assistance informatique réalisée par Gartner, classent les applications d’IA dans l’ITSM en fonction de leur faisabilité et de leur impact. C’est le type de données qui doit guider votre feuille de route, et non une brochure produit.

Une fois vos processus et votre culture d’apprentissage en place, commencez à examiner les domaines dans lesquels l’IA a déjà un impact sur l’ITSM. D’après ce que nous observons chez nos clients et sur le marché, les domaines les plus prometteurs à l’heure actuelle sont les suivants :

Les portails ou les bots Teams pour un accès conversationnel aux services. Recherche LLM pour fournir des résultats contextuels dans les bases de connaissances et les tickets. Corrélation des incidents et détection des anomalies pour la reconnaissance de modèles (si vous disposez de capteurs et d’intégrations performants). Synthèse des connaissances pour résumer les données de résolution, et pas seulement pour générer automatiquement des articles.

L’objectif n’est bien sûr pas de rejeter l’IA. Il s’agit simplement de l’utiliser de manière réfléchie et intelligente.

Conclusion

Nous devrions nous réjouir de l’avenir de l’IA, mais pour en tirer profit aujourd’hui, il ne suffit pas d’adopter une approche générique « IA d’abord ». Il faut comprendre la technologie et les types de problèmes qu’elle permet de résoudre et qui étaient insolubles sans elle.

Mais pensez d’abord aux processus et à l’automatisation, et n’appliquez l’IA que là où elle est pertinente. Commencez par des choses simples. Réparez ce qui ne fonctionne pas. Partagez ce qui fonctionne. Ensuite, appliquez l’IA là où elle peut véritablement étendre vos capacités.

L’IA ne réparera pas ce qui ne fonctionne pas. Mais si vous construisez une base solide et que vous l’utilisez de manière intentionnelle, elle révolutionnera vos opérations.