Adoption de l’IA : quels problèmes restent hors champ à Vevey ?
L’adoption de l’IA commence souvent par les tâches dont les données sont accessibles et les résultats faciles à montrer. La question managériale est précise : cette sélection laisse-t-elle de côté des problèmes importants, mais moins immédiatement compatibles avec l’outil ?
Ce que la littérature établit
James March (1991, Organization Science) distingue l’exploitation des connaissances existantes de l’exploration de possibilités nouvelles. Son modèle montre comment l’apprentissage peut favoriser les améliorations proches et prévisibles au détriment d’une recherche plus incertaine. Appliqué à l’adoption de l’IA, ce cadre invite à distinguer l’amélioration des tâches connues de l’examen de problèmes encore mal définis.
Le mécanisme : apprendre peut rétrécir la recherche
Daniel Levinthal et James March (1993, Strategic Management Journal) analysent les myopies de l’apprentissage, notamment la tendance à privilégier les effets proches dans le temps et dans l’organisation. Une équipe peut ainsi devenir plus performante dans son périmètre habituel sans mieux percevoir ce qui se passe ailleurs. Dans un projet d’IA, cela suggère un risque à examiner : les cas faciles à documenter pourraient accaparer l’attention au détriment des difficultés situées entre plusieurs services.
La conclusion trop rapide
On pourrait en déduire qu’il faut abandonner les usages simples pour privilégier les projets exploratoires. Ces travaux ne justifient pas cette inversion : l’exploitation reste nécessaire, et l’exploration comporte des coûts et des résultats incertains. L’enjeu est plutôt de vérifier que la facilité d’un premier usage ne devient pas, à elle seule, le critère de sélection des suivants. (nos formations pour cadres et collaborateurs)
Ce que ces travaux ne démontrent pas
Ces articles ne portent pas sur l’IA générative : le premier repose sur une modélisation, le second développe une analyse théorique de l’apprentissage organisationnel. Ils ne permettent donc ni d’affirmer que l’IA réduit l’exploration, ni de fixer une proportion optimale de projets exploratoires. Une liste de projets IA ne suffit pas davantage à repérer les angles morts : il faut la comparer à un inventaire de problèmes établi indépendamment de l’outil.
Une implication pratique, vérifiable à Vevey
À Vevey, dans le contexte de l’agroalimentaire mondial, des sièges de groupes et des PME de la Riviera, un responsable peut faire dresser par les métiers une liste de problèmes prioritaires avant de présenter les possibilités de l’IA. Pour chaque problème, l’équipe consigne ensuite s’il est traité avec l’IA, traité autrement ou laissé sans action, avec le motif correspondant. La mesure proposée est la proportion de problèmes prioritaires laissés sans action principalement faute de données accessibles ou d’application IA évidente, vérifiable dans ce registre lors de la revue suivante. Dans le programme SHR « Conduire l’adoption de l’IA dans son équipe », cet exercice permettrait de travailler un arbitrage concret : choisir l’outil en fonction du problème, plutôt que le problème en fonction de l’outil. Pour aller plus loin : découvrez la formation Conduire l'adoption de l'IA dans son équipe à Vevey dans le canton de Vaud, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Conduire l'adoption de l'IA dans son équipe à Vevey
- conduire l'adoption de l'ia dans son équipe
- Vevey
- recherche
- formation vevey