Pilote IA : à quelles conditions faut-il arrêter ?
Lancer un pilote d’intelligence artificielle est une décision visible ; y mettre fin l’est tout autant, surtout pour le manager qui l’a défendu. La question utile est précise : comment décider de poursuivre un essai sans transformer les dépenses passées en justification de dépenses nouvelles ?
Ce que la littérature établit
Barry M. Staw (1976, Organizational Behavior and Human Performance) a montré expérimentalement que la responsabilité d’une décision initiale pouvait favoriser un engagement financier supplémentaire après des résultats défavorables. Ce résultat décrit un mécanisme d’escalade de l’engagement, non une incapacité générale des responsables à reconnaître leurs erreurs. Pour un pilote IA, il invite à examiner si la décision de poursuivre repose sur ses perspectives ou sur la nécessité de défendre son lancement.
Le poids de ce qui ne peut plus être récupéré
Hal R. Arkes et Catherine Blumer (1985, Organizational Behavior and Human Decision Processes) ont documenté l’effet des coûts irrécupérables : un investissement préalable en argent, en temps ou en effort peut accroître la tendance à continuer. Leurs travaux mettent notamment en évidence le rôle du souhait de ne pas paraître gaspiller les ressources déjà engagées. Appliqué à l’IA, ce mécanisme suggère que la configuration de l’outil ou les heures de formation peuvent devenir des arguments de maintien, même lorsqu’elles ne disent rien du bénéfice futur.
La conclusion trop rapide
On pourrait en déduire qu’un pilote décevant doit être interrompu immédiatement. Ce serait confondre une dépense irrécupérable avec une information utile : un essai peut révéler une condition d’utilisation corrigeable ou produire un apprentissage pertinent pour la suite. La distinction porte sur la justification de la prochaine étape : bénéfices et coûts attendus, plutôt que volonté de rentabiliser à tout prix ce qui est déjà dépensé. (nos formations pour cadres et collaborateurs)
Ce que ces données ne permettent pas de décider
Ces études ne portent ni sur l’IA générative ni sur des déploiements dans les organisations valaisannes. Elles ne fournissent aucun seuil universel à partir duquel arrêter un projet, et ne prouvent pas qu’une poursuite après un échec soit nécessairement irrationnelle. Une évaluation managériale doit aussi examiner les coûts futurs de sortie, les solutions de remplacement et la valeur d’un essai supplémentaire clairement délimité.
Une implication pratique, vérifiable à Sion
Dans le cadre du programme « Manager à l'ère de l'intelligence artificielle » de SHR — Swiss Human Resources, un exercice consiste à rédiger, avant l’essai, une fiche indiquant le résultat attendu, le seuil de réussite, la date de réexamen et les conditions d’arrêt. À Sion, cette fiche peut concerner un usage documentaire non critique dans l’énergie hydraulique, un support administratif sans données de patients dans la santé, une fiche produit viticole ou une information destinée aux visiteurs du tourisme alpin. À la date prévue, mesurer la proportion de productions utilisables sans correction substantielle, selon une grille fixée au départ, puis comparer ce résultat au seuil annoncé et consigner les coûts restant à engager. Une personne qui n’a pas porté le lancement relit la décision de poursuivre, modifier ou arrêter : la vérification porte sur l’accord entre les critères initiaux, les résultats observés et la justification écrite, non sur le montant déjà dépensé. Pour aller plus loin : découvrez la formation Manager à l'ère de l'intelligence artificielle à Sion dans le canton du Valais, ou parcourez nos formations pour cadres et collaborateurs en Suisse.
En images : Manager à l'ère de l'intelligence artificielle à Sion
- manager à l'ère de l'intelligence artificielle
- Sion
- recherche
- formation sion