Comment les dirigeants peuvent utiliser l'IA pour résoudre de vrais problèmes commerciaux

ADI IGNATIUS : Je m'appelle Adi Ignatius.

ALISON BEARD : Je m'appelle Alison Beard, et voici le HBR IdéeCast.

ADI IGNATIUS : Alors Alison, nous parlons beaucoup d'IA. Tout le monde parle beaucoup d'IA, mais je suis intéressé par votre point de vue sur l'IA en ce moment.

ALISON BEARD : Eh bien, je suis complètement émerveillée par certaines des tâches qu'elle est capable d'accomplir. Mais je pense que la plupart des organisations et des dirigeants cherchent encore à comprendre comment l'utiliser efficacement pour faire avancer leur entreprise.

ADI IGNATIUS : Oui, je pense que c'est juste. Je pense que trop d'entreprises résolvent pour l'IA. Elles poussent l'adoption de l'IA partout où c'est possible, au lieu de considérer l'IA comme un outil qui peut les aider à résoudre un problème réel. Donc, notre invité aujourd'hui est Josh Tyrangiel, qui écrit sur l'IA pour The Atlantic. Il a creusé en profondeur l'IA, ses applications, son potentiel, ses pièges, et donne des conseils aux managers sur la façon de la faire fonctionner pour eux.

Il n'est ni un évangéliste de l'IA ni un prophète de malheur de l'IA, mais plutôt quelqu'un qui admire la technologie mais réalise ses limites et ses risques. Tyrangiel est l'auteur du nouveau livre, AI for Good: How Real People Are Using Artificial Intelligence to Fix Things That Matter. Voici notre conversation.

Alors écoutez, vous êtes immergé dans le monde de l'IA depuis quelques années maintenant, écrivant des articles pour The Washington Post, pour The Atlantic, et maintenant avec ce nouveau livre. Parlez de votre sorte d'arc de compréhension de l'IA, peut-être de ce que vous en pensiez et où vous en êtes maintenant concernant l'IA et son potentiel.

JOSH TYRANGIEL : Oui. Écoutez, j'ai commencé à en faire des reportages et je ne pensais pas à son potentiel. Je pensais à peine à la technologie, car dans ces premiers mois, la façon dont elle était présentée était assez divisée. Donc, alors que je commençais à écrire ce qui était, je suppose, la première chronique sur l'IA pour le Washington Post, je suis allé dans la Silicon Valley et la plupart de ce dont tout le monde voulait parler était du genre, oui, ce truc est magique. Tout le monde peut le voir, mais nous sommes très divisés. Et la moitié des personnes à qui j'ai parlé disaient : « Nous devons avancer parce que ce truc est incroyable et il va guérir le cancer et atténuer le changement climatique. »

Et puis de l'autre côté, les pessimistes disaient plutôt : « Viens avec moi si tu veux vivre. » Ce que j'ai réalisé quelques mois plus tard, c'était : oh, je suis dans un cycle de lavage classique et tout le monde ici est un peu ivre. Et ce n'est que quelques mois après le début de la couverture que j'ai pu prendre une profonde respiration et me concentrer sur la technologie. Et je suis à peu près au même endroit depuis, c'est-à-dire, oui, c'est assez éblouissant. Vous pouvez dire ce que vous voulez des technologues, sur la façon dont ils se comportent dans l'espace public. La technologie est assez incroyable. Elle n'est pas parfaite. Elle ne va pas se déployer toute seule, mais c'est une avancée significative par rapport à ce avec quoi nous avons traité en matière de logiciels.

ADI IGNATIUS : Quel est votre conseil sur la façon dont les dirigeants en particulier peuvent suivre le script où il y a ce sentiment de, oh mon Dieu, je dois tout savoir, mais oh mon Dieu, c'est un va-et-vient. C'est optimiste, c'est pessimiste. Comment suivre le script ici ?

JOSH TYRANGIEL : Je pense que cela renvoie à cette sorte de sentiment d'ivresse, c'est-à-dire que nous sommes bombardés de marketing, de publicités et de rapports sur la nécessité de passer à l'IA. Comme pour tout battage médiatique, il y a une vague de vérité là-dedans. J'ai été dans plusieurs endroits qui ont fait des implémentations parfois très bonnes, parfois imparfaites. Et la chose numéro un qui revient pour les implémentations réussies est : « Hé, saviez-vous quel problème vous essayiez de résoudre au départ ? Et aviez-vous des attentes réalistes sur la façon dont vous alliez le résoudre ? »

Et ce que je veux dire par là, c'est que je pense que si vous regardez les publicités le dimanche pendant le football, une grande partie essaie de convaincre quelqu'un avec de grosses cordons de bourse dans une entreprise que l'IA est magique, que vous faites votre achat, vous obtenez votre licence, le logiciel se déploie tout seul dans l'entreprise. Et soudainement, vous êtes beaucoup plus productif et beaucoup plus efficace, et peut-être même capable de réduire les coûts. Et ce n'est tout simplement pas vrai.

Le logiciel est vraiment, vraiment bon, mais il nécessite un scalpel pour comprendre le problème que vous essayez de résoudre. Et il nécessite aussi de manière cruciale des êtres humains, des personnes vraiment talentueuses et un phénotype très spécifique d'humain capable de travailler à la fois avec votre système, quel que soit ce système, et avec le logiciel. Les ingénieurs logiciels et les créateurs ne se soucient pas de votre problème. Vous devez en fait prendre une profonde respiration et vous en tenir aux fondamentaux, ce qui n'est pas ce que vous entendez dans le cycle de battage médiatique.

ADI IGNATIUS : Vous voyez des entreprises qui appliquent l'IA comme un outil, comme vous le dites, et je pense que c'est un bon conseil. Identifiez le problème que vous essayez de résoudre, utilisez-la comme un outil. Je pense qu'il y a des améliorations de résultats que vous obtenez. Mais il y a cette chose plus grande, et j'ai parlé récemment à un PDG de biotechnologie qui avait rencontré Sam Altman qui l'a exhorté : « Vous ne voulez pas rater le bateau. » Et le gars en est sorti et a dit : « D'accord, quel bateau ? »

Une partie de cela est cette question : les technologues en savent-ils nécessairement plus que nous sur l'application potentielle de l'IA ? Ils comprennent que c'est super puissant, mais en termes d'application pratique, ont-ils nécessairement de meilleures idées que nous sur son potentiel ?

JOSH TYRANGIEL : Non. Ils ont de moins bonnes idées, pour être clair. S'il y a une chose dans laquelle les laboratoires ont été magistraux, c'est de se présenter comme des détenteurs de sagesse. Donc d'abord, ils s'appellent eux-mêmes laboratoires. La dernière fois que j'ai vérifié, ces laboratoires sont tous des entreprises à but lucratif avec des résultats massifs et une énorme marge de croissance. Donc utiliser le langage de la science pour se décrire est un truc plutôt astucieux.

En plus de cela, tous les laboratoires sont endettés. Ils reçoivent des injections massives d'investissements de personnes qui ont des attentes envers eux. Et ces attentes sont qu'un jour, de préférence bientôt, ils seront incroyablement rentables. Et donc ce qui motive une grande partie de ce comportement... Et l'exemple de votre PDG de biotechnologie est un bon exemple, c'est leur besoin soudain de faire croire aux gens que l'IA est indispensable à leur entreprise. Indispensable, facile à déployer, va faire toutes ces choses.

Toutes les personnes qui dirigent ces laboratoires et celles en dessous d'eux sont très, très bonnes dans une chose difficile, qui est de créer des modèles, de former et d'affiner ces modèles. Mais le genre de personne qui est très bon dans cela est souvent très mauvais pour comprendre les systèmes humains, comprendre des choses comme les clients. Toutes ces soi-disant « compétences douces » que le monde de la technologie a en quelque sorte dévalorisées sont en fait assez critiques pour le succès commercial.

Et donc quand vous demandez, savent-ils quelque chose que nous ne savons pas ? C'est comme, eh bien, oui, ils savent définitivement quelque chose que nous ne savons pas sur les laboratoires, le réglage et les modèles. Je ne pense pas que Sam Altman en sache plus sur le bio-ingénierie qu'un PDG de bio-ingénierie. Et donc je pense que c'est la bonne question. C'est comme, quel bateau ? C'est leur bateau, ne ratez pas le bateau. Le bateau pour lequel nous avons contracté d'importants prêts. Pouvez-vous monter sur ce bateau s'il vous plaît parce que nous devons les rembourser ?

ADI IGNATIUS : La résistance à l'IA est aussi un peu difficile à analyser. D'un côté, vous avez des personnes qui sont vraiment inquiètes à propos de l'IA, préoccupées par les implications éthiques, préoccupées par la possibilité de perdre leur emploi ou que des emplois soient perdus pour leurs familles. Et je pense que les PDG rejettent parfois ce genre de négativité.

Mais ensuite, si vous pensez aux huées que des gens comme Eric Schmidt recevaient lors de discours de remise de diplômes quand ils parlaient d'IA, je ne pense pas que ce soit juste que les gens aient peur. Je pense que ce sont des personnes natives de l'IA qui l'ont utilisée et qui savent que cela produit de la bouillie, il y a beaucoup de déchets. Donc l'idée que nous attachons notre avenir d'une manière ou d'une autre à l'IA n'est pas seulement alarmante pour toutes les raisons que j'ai énumérées, mais c'est comme, qu'est-ce qu'on fait ici ?

Je veux en quelque sorte décomposer la résistance à l'IA parce que c'est probablement responsable, mais peut-être aussi rater le bateau dans certains cas. Je veux décomposer cette question de savoir dans quelle mesure la résistance est justifiée, dans quelle mesure c'est juste : « C'est les premiers jours, les gens, supportez les problèmes en cours de route ? »

JOSH TYRANGIEL : Écoutez, je pense que rien n'arrive dans le vide. Et donc une grande partie de ce qui se passe avec des gens comme Eric Schmidt se faisant huer, avec l'hostilité envers les centres de données, je pense que c'est un produit des 25 premières années du siècle, c'est-à-dire que d'abord nous avons eu cette vague de capacité Internet, que nous avons tous trouvée plutôt géniale. Nous avons eu des ordinateurs dans nos poches en 2007. Nous avons tous trouvé cela plutôt génial. Et pour la majeure partie de l'existence des médias sociaux, n'oubliez pas l'incroyable optimisme qui a accueilli des choses comme Facebook. Je suis assez vieux pour me souvenir quand les gens étaient désespérés d'être invités sur Facebook, n'est-ce pas ?

ADI IGNATIUS : J'aime toujours mon compte MySpace, d'ailleurs.

JOSH TYRANGIEL : Vous devriez le garder. Ça revient à la mode. Ouvrez autant de comptes que possible. Nous étions si optimistes et je pense que nous étions naïfs. Et donc, ces six ou sept dernières années surtout, alors que nous avons vu la désinformation, le raccourcissement des durées d’attention, l’addiction, toutes sortes d’éléments que nous ne voulons pas dans nos vies, nous sommes incroyablement en colère contre les entreprises technologiques, en colère.

En plus de cela, bon nombre des entreprises qui nous apportent l'IA sont les mêmes qui nous ont apporté les réseaux sociaux, et bon nombre des dirigeants sont les mêmes. Ainsi, l'idée que l'IA arriverait et que les gens réagiraient avec insouciance en disant : « Oh, fantastique, la prochaine grande idée de ces gars-là. » Je pense en réalité que la colère et la fureur sont non seulement justifiées, mais qu'elles deviennent assez productives. Je crois que cette question culturelle est significative pour alimenter la résistance et l'hostilité envers l'IA.

ADI IGNATIUS : Hier encore, j’ai reçu une lettre de quelqu’un qui lit notre bulletin et qui disait : « Vous n’êtes qu’une machine à battage médiatique sur l’IA, pourquoi n’écrivez-vous pas davantage sur les coûts écologiques des centres de données, etc. ? » C’est un très bon point. Je ne veux pas que nous soyons trop enthousiastes à propos de la technologie. Je cherche des études de cas intéressantes. Si les entreprises veulent devenir des entreprises d’IA, qu’est-ce que cela signifie ? Mettons de côté l’éthique un instant et demandons-nous simplement : est-il possible de refaire votre entreprise avec l’IA sans nécessairement supprimer des emplois, ou peut-être en supprimer, mais en créant quelque chose qui connecte mieux avec les consommateurs, qui crée plus de valeur sur le marché. Et recentrons-nous là-dessus. Voyez-vous déjà cela ? L’IA peut améliorer les résultats financiers, c’est possible. Mais voyez-vous une création de valeur vraiment exponentielle grâce à l’IA ?

JOSH TYRANGIEL : Je vais vous donner un exemple. J’ai passé pas mal de temps à la Cleveland Clinic, dirigée par un excellent PDG qui est médecin. Il s’appelle Tomislav Mihaljevic. Quand je me suis assis avec lui pour commencer le reportage, il a compris que nous allions beaucoup parler d’IA. Il a presque interrompu la conversation dès le début pour me dire : « Je veux vous parler un peu de la santé, de la technologie et de l’IA. »

« Beaucoup de nos collègues dans ce secteur cherchent toujours les haricots magiques et pensent qu’ils vont devenir le Microsoft de la santé. » Et il a ajouté : « Nous, nous n’allons pas être le Microsoft de la santé. Nous avons essayé toutes sortes d’initiatives, de partenariats, cela ne fonctionne pas pour nous. Nous avons deux priorités ici. La première est de fournir les meilleurs soins possibles pour obtenir les meilleurs résultats possibles pour nos patients. La seconde est de créer des efficiences afin de pouvoir investir davantage dans la création des meilleurs soins possibles et des meilleurs résultats possibles pour nos patients. »

Ainsi, chaque utilisation de l'IA en clinique ne repose pas sur des partenariats massifs et des propositions d'entreprises technologiques. Un chef de produit supervise chaque projet pilote d'IA, et ce chef de produit est un médecin ou un clinicien. Dès le départ, à la Cleveland Clinic, la technologie est au service de la médecine, et non l'inverse. J'ai alors dit : « Montrez-moi. Montrez-moi qui sont ces personnes. Montrez-moi comment cela fonctionne. » Je vais donc vous donner deux exemples : l'un concerne l'aspect technique en arrière-plan, l'autre la santé. En médecine, et particulièrement dans les hôpitaux, les marges des cliniques sont d'environ 2,2 %. La plupart de vos auditeurs, si leurs marges étaient de 2,2 %, se jetteraient par la fenêtre avant la fin de cette phrase.

Dans le domaine de la santé, c’est une marge héroïque. Le défi, c’est que quand on y pense, les hôpitaux sont essentiellement des hôtels. Ils ont beaucoup de personnel, des clients, des chambres, des lits, du linge, de la nourriture, etc. La différence, c’est que les hôpitaux ne savent généralement pas quand ces clients arrivent ou repartent. On gère donc ce genre de système en mode chaos. Et à la clinique, il y a une hospitaliste, une femme formidable, qui était d’abord infirmière avant de devenir médecin, puis hospitaliste. Elle et la clinique ont donc décidé : « Et si on essayait de modéliser tout ça avec nos données ? »

Et ce qu'ils ont fait, c'est qu'ils ont appelé Palantir. Ils sont venus et ont construit une sorte d'outil de planification rudimentaire qui indiquait à l'équipe hospitalière quand les patients se préparaient à partir. Cela semble simple, mais si vous avez quelqu'un admis pour une intervention cardiaque importante, savoir du point de vue du médecin qu'il est à 24 heures d'être libéré ou transféré est vraiment crucial, car cela permet soudainement de créer un emploi du temps.

Et donc, ce qu'ils ont fait, c'est qu'ils se sont connectés à toutes les données de santé. Ils ont inclus les notes audio des médecins pour pouvoir entendre, dans les transcriptions, l'amélioration des patients, et toutes sortes d'autres choses. Et ce qu'ils ont réussi à faire, c'est créer une sorte de système hospitalier où l'on peut gérer l'hôpital comme un jeu vidéo. On peut faire entrer et sortir les patients. La clinique tire une grande partie de ses revenus des transferts internationaux. Et soudain, ils ont pu voir ce qui se passait réellement à l'intérieur. L'apprentissage automatique et la projection algorithmique en étaient des composantes majeures. Ils ont considérablement augmenté le taux de transfert. Ils ont réduit les temps d'attente aux urgences de 90 minutes, et ils ont réussi à améliorer les résultats financiers.

Ils ont donc fait cela sans dépenser énormément. Ils l'ont fait en réfléchissant de manière créative à un problème qu'ils avaient, puis ils ont fait appel à un partenaire technologique pour travailler spécifiquement sur ce problème, plutôt que de faire appel à un tas de fournisseurs proposant différentes solutions qui auraient ensuite dû être adaptées. Voilà donc un exemple où l'amélioration des résultats financiers améliore aussi les soins.

Rien que dans le domaine de la santé, le sepsis est fondamentalement la première cause de décès aux États-Unis. Il tue environ 350 000 personnes par an, soit plus que le cancer de la prostate, le cancer du sein et la dépendance aux opioïdes réunis. Et le sepsis est cette infection qui semble anodine. C’est la réponse du corps à une infection. Si on la détecte tôt, on la traite avec des antibiotiques, ce n’est pas grave. Si on ne la détecte que tardivement, les gens meurent. Alors en 2021, l’hôpital a examiné ses chiffres concernant les décès dus au sepsis et a déclaré : « C’est scandaleux. Nous sommes l’un des trois meilleurs systèmes de santé en Amérique et nous perdons 3 000 à 4 000 personnes par an. Cela doit cesser. » Alors le directeur technique, venu de l’extérieur du secteur de la santé, a pensé que c’était un problème parfait pour l’IA, car nous avons tout ce bruit et nous devons trouver le signal.

J'ai trouvé un bon fournisseur appelé Bayesian Health, qui est un logiciel prédictif signalant simplement la possibilité d'un sepsis. Ils sont arrivés, se sont intégrés à toutes les données, se sont intégrés à Epic, qui est un système de santé très complexe présent dans pratiquement tous les hôpitaux américains.

Et ce qu'ils ont fait, c'est une première tentative assez correcte, assez correcte dans le sens où elle créerait trois drapeaux, une sorte de « pas de problème ici », vert, jaune, rouge en gros. Et les médecins ne l'utilisaient pas. Parce que le logiciel n'était pas réellement intégré à la culture de ce qui se passe dans une unité de soins intensifs. Dans une USI, chaque machine bipe constamment, et elles signalent sans cesse des choses que les médecins et les infirmières ont probablement déjà sous contrôle.

Et surtout, ils regardaient ces trois drapeaux sans aucune explication. Et on ne va pas agir sur la base d’une machine sans explication quand il s’agit de vie ou de mort. Alors, progressivement, ils ont intégré de l’explicabilité à ces trois drapeaux, et les résultats se sont améliorés. Dans l’hôpital, sur une année, ils ont réduit la mortalité de 41 %. Disons donc que cela représente environ 1000 personnes qui sont en vie en partie grâce à ce modèle. Ce qu’ils n’ont pas pu faire, c’est franchir le dernier kilomètre. Dans environ 10 % des cas en soins intensifs, une infirmière ou un médecin pouvait regarder un patient et, simplement en le sentant ou en observant la pâleur de sa peau, dire : « Oh, il est septique », sans que cela ne soit signalé. La raison en est que les êtres humains, bien que nous soyons des machines à reconnaître des schémas, sommes aussi imprévisibles.

Ainsi, même dans nos maladies, nous sommes capables de défier les schémas d'une manière que les machines ne maîtrisent pas et ne maîtriseront peut-être jamais. Ces deux exemples me semblent utiles dans de nombreux autres secteurs, car ils concernent des problèmes spécifiques. Il y avait des cliniciens, c'est-à-dire une expertise du domaine, qui surpassait l'expertise technique, et il fallait constamment les ajuster pour atteindre un niveau de stabilité suffisant pour produire des résultats, mais des résultats significatifs. Cela représente de nombreuses vies sauvées. La capacité à réduire les temps d'attente et à accueillir davantage de patients dans votre hôpital est ce qui permet à l'hôpital de fonctionner. Le défi n'est donc pas que la technologie ne soit pas excellente. La technologie peut être vraiment excellente. Le défi est de croire qu'elle va se gérer toute seule. Vous avez besoin de talents de premier ordre, absolument engagés à résoudre vos problèmes, pour travailler avec l'IA.

ADI IGNATIUS : Les conversations sur l'IA passent de la technologie à la gestion, en réalité.

JOSH TYRANGIEL : Gestion, personnel, reconnaissance des talents, mais aussi service client. J’ai des amis qui dirigent une société de logiciels à New York. Et ils déplorent le fait que Claude Code a transformé chaque ingénieur en empire. Les ingénieurs disent : « Non, non, non, j’ai tout fait moi-même. J’ai conçu le produit. Je me suis occupé de la description du produit. Tout va bien. »

Et quand ils présentent à mes amis ces produits censés être déployés auprès des clients, mes amis me disent : « C’est la chose la plus moche que j’aie jamais vue. » Et en plus, vous avez ignoré six éléments du cahier des charges. La raison, bien sûr, c’est qu’ils sont tellement capables de réaliser 80 % de leur logiciel en 10 % du temps nécessaire auparavant, qu’ils pensent avoir résolu le problème. Or, le problème est bien plus complexe que le simple fait d’écrire du code.

Nous avons vu cela, je suis sûr que vous l'avez entendu sur ce podcast : les grandes entreprises ont déployé un service client automatisé par des robots. Et quel est le message le plus tapé dans la boîte de dialogue ? « Passez-moi un humain. »

ADI IGNATIUS : Amène-moi un humain, ouais.

Vous avez mentionné le talent, et il existe deux approches évidentes à ce sujet. L'une consiste à recruter les meilleurs éléments disponibles. Le coût des meilleurs talents est aujourd'hui astronomique. Il est difficile pour les petites et moyennes entreprises de rivaliser. L'alternative est donc la formation. Je m'intéresse aux années que vous avez consacrées à l'IA. Avez-vous observé des formations en IA qui fonctionnent ? La formation en IA est-elle efficace ? Et si oui, quelle approche fonctionne ?

JOSH TYRANGIEL : Parle-t-on d'une simple reconversion large ou d'une formation poussée ? Car ce sont deux choses différentes. Dans l'exemple que je viens de citer, la Cleveland Clinic, il n'y a eu aucune formation. Ils avaient simplement des médecins très investis dans un problème et possédant une certaine expertise technique de base, mais qui étaient essentiellement des personnes très impliquées et prêtes à travailler davantage pour résoudre le problème. C'est un type de reconnaissance des talents différent de la reconversion professionnelle, où l'on prend essentiellement quelqu'un en lui disant : « Je veux que tu travailles d'une manière complètement différente sur un ensemble de problèmes différents. » La reconversion professionnelle aux États-Unis est tristement célèbre pour être la politique la plus orpheline que nous ayons. Pendant environ 40 ans, nous avions un programme de reconversion professionnelle au sein du gouvernement fédéral. Il était raisonnablement efficace. Environ cinq millions de personnes avaient été reconverties, principalement dans le Midwest, dans les secteurs des pièces automobiles et de la fabrication automobile.

Cela a pris fin en 2022. Aucun effort n’a été fait pour le relancer. La reconversion professionnelle consiste en réalité, dans une certaine mesure, à fusionner les compétences d’une personne avec le logiciel, et non à dire : « Voici le logiciel, voici ce qu’il fait, voici ce que vous devez faire maintenant. » Et je pense que la version la plus efficace sera une collaboration, et non une mise en œuvre imposée d’en haut. Mais il existe une main-d’œuvre nombreuse, très qualifiée et habile, qui ne sera pas remplacée par des robots avant très longtemps, voire jamais. Et pour un électricien, par exemple, disposer d’une IA multimodale capable de prendre une photo d’un élément, d’obtenir un diagnostic beaucoup plus rapide et une compréhension bien plus rapide des problèmes de sécurité peut être extrêmement utile. Je pense donc que la reconversion professionnelle relève bien plus de l’intégration que de l’imposition.

ADI IGNATIUS : Donc, si vous êtes un dirigeant à l’écoute, je pense que les exemples de la Cleveland Clinic étaient excellents. Et comme vous l’avez dit, ils sont en quelque sorte applicables de manière générale, mais il est aussi facile de dire : « C’est un hôpital. Je ne vois pas le rapport avec moi. Je suis une entreprise ordinaire. » Alors, parlez des règles, de la façon dont les managers devraient envisager cette technologie dès maintenant, en termes d’expérimentation immédiate et de possible reconfiguration pour l’avenir.

JOSH TYRANGIEL : Je pense que, avant tout, il est probablement sain au sein de votre organisation de cesser de considérer l’intelligence artificielle comme une seule et même chose. Il s’agit en réalité d’un agrégat de nombreuses techniques scientifiques différentes. Donc, si vous dites à vos employés : « Bon, nous nous préparons tous pour l’IA », ils pensent : « Eh bien, j’utilise Claude à la maison. Qu’est-ce que vous voulez dire ? » Et vous devez en fait entrer un peu plus dans les détails et être plus précis avec les gens, car cela atténuera certaines inquiétudes et les ciblera sur le problème que vous essayez de résoudre.

Beaucoup des PDG avec qui je parle n'ont pas de formation technique, ce qui les rend un peu réticents à le faire. Cela commence donc par un investissement, et il y a des PDG qui passent beaucoup de temps avec leurs directeurs techniques, tandis que d'autres voient cela sur leur calendrier et se disent-

ADI IGNATIUS : Puis-je annuler cela ?

JOSH TYRANGIEL : Oui, peut-être qu’on déplace celle-là. Non, il faut en fait développer une relation plus profonde où vous êtes capables de parler le langage de l’autre, parce que vous devez communiquer à votre personnel ce que vous essayez réellement de faire. Je pense que ça commence là. Ensuite, je ferais adhérer tout le monde de la manière la plus transparente possible. Je sais qu’il y a des gens qui détestent l’idée de dire : « Hé, on s’apprête à utiliser l’IA parce que c’est d’abord… » Les premières questions seront du genre : « Est-ce que ça va remplacer mon poste ? »

ADI IGNATIUS : Et la réponse, soit dit en passant, doit être peut-être. Nous ne savons pas.

JOSH TYRANGIEL : Mais notre travail consiste à résoudre les problèmes de nos clients de la manière la meilleure et la plus efficace possible, et nous avons besoin de vous dans le cadre de cet effort. Je pense donc que tout commence par la communication et la clarté. Ensuite, il faut agir avec un esprit de R&D plutôt qu’avec un esprit de certitude, car vous allez apprendre des choses en cours de route. Je vous promets qu’il n’y a jamais eu un seul déploiement d’IA parfait sans problèmes. Ça n’existe tout simplement pas. Peu importe ce que disent les laboratoires. Vous devez donc aborder cela avec un esprit de R&D. Nous allons découvrir, sur une période donnée, ce qui va se passer. Voulez-vous participer ? Voulez-vous faire partie du projet pilote ? Voulez-vous diriger le projet pilote ? Il faut amener les gens à bord pour démystifier ce que vous faites réellement.

Et vous obtiendrez également des informations meilleures et plus fiables de leur part si vous êtes assis dans le bureau d'angle, si vous les responsabilisez autour de cette technologie. Je pense aussi qu'il est tout à fait raisonnable de fixer des budgets pour ce que vous allez faire. L'année dernière a été un peu comme cette folie effrénée dans les casinos, en particulier dans des endroits comme les cabinets de conseil où les gens ont été lâchés comme : « Allez, nourrissez Claude avec ça, voyez ce que Claude dit, voyez ce que le code de Claude en fait. » Et tout à coup, les factures deviennent folles. Vous ne feriez ça avec rien d'autre. Pourquoi le faites-vous avec l'IA ?

Et donc, comme je l'ai dit, je pense que le monde est un peu ivre d'IA. Je dirais principalement de rester sobre. Il est acceptable d'être un peu éméché parce que certaines technologies sont vraiment aussi bonnes, mais revenez aux fondamentaux, mais vous ne pouvez pas vous cacher de cela. Vous ne le pouvez tout simplement pas, car je pense que la peur est que, eh bien, nos concurrents l'utilisent, ils l'utilisent pour aller plus vite. C'est peut-être vrai. En même temps, vous ne pouvez pas mettre tous vos œufs dans le même panier et vous attendre à ce que ce soit parfait. C'est un conseil ennuyeux et sans glamour. Vous devez diriger, exécuter et communiquer et vraiment définir des paramètres sur ce que vous voulez faire.

ADI IGNATIUS : Si vous dirigez une entreprise traditionnelle, pas une entreprise technologique, pas une entreprise médicale, quelle est, disons, une opportunité d'IA à laquelle les dirigeants devraient penser et à laquelle ils ne pensent peut-être pas encore ?

JOSH TYRANGIEL : Alors regardez votre entreprise et demandez-vous : où se trouve le code dans notre entreprise ? Et je parle à la fois de logiciels mais aussi d'autres choses. Ainsi, la loi est une sorte de code. Elle a toutes ces structures de type « si alors » enfouies en elle. Les mathématiques, aussi une sorte de code. L'IA est intrinsèquement du code et elle est intrinsèquement excellente pour traduire entre les codes. Et donc, si vous avez une entreprise basée sur ces types de structures, l'IA est susceptible d'être assez bonne pour cela. Aussi, où sont nos données ? Quelle est la qualité de nos données ? Parce qu'il y a plusieurs étapes pour obtenir une IA efficace. Si vous avez des données de mauvaise qualité et une sorte d'approche de route romaine où ce ne sont que de mauvaises données sur de mauvaises données et des pipelines de données sales, vous n'arriverez nulle part. Tout cela doit être nettoyé. Vous avez un énorme projet d'infrastructure devant vous.

Donc, vous devez vraiment savoir où vous en êtes. Mais là où c'est vraiment bon, c'est comme, d'accord, nous avons tous ces manuels de politiques. Disons que vous êtes un fabricant de lave-vaisselle. Voulons-nous que les gens interagissent avec notre produit via ChatGPT ou voulons-nous qu'ils interagissent ici ? Voulons-nous leur apprendre ce que nous faisons ? Tout cela n'est que du code. Donc, je pense que la première étape est d'identifier où il y a des équivalences et où l'IA, en particulier les LLM, peut vous être utile.

ADI IGNATIUS : Josh, c'était incroyable. Merci d'avoir participé au IdéeCast.

JOSH TYRANGIEL : Merci de m'avoir reçu, Adi.

ADI IGNATIUS : C'était Josh Tyrangiel, rédacteur au sein du personnel de The Atlantic et auteur du livre AI for Good : How Real People are Using Artificial Intelligence to Fix Things that Matter.

Si vous avez trouvé cet épisode utile, partagez-le et notez-nous sur Apple Podcasts, Spotify, ou partout où vous écoutez. Si vous voulez aider les dirigeants à faire avancer le monde, envisagez de vous rendre sur hbr.org/subscribe pour obtenir un accès à l'application mobile HBR, à la newsletter hebdomadaire exclusive pour les initiés, et à un accès illimité à HBR en ligne.

Merci à notre équipe, productrice principale, Mary Dooe et rédactrice en chef de production, Kristin Murphy Romano. Et merci à vous d'avoir écouté le HBR IdéeCast. Nous reviendrons avec un nouvel épisode mardi.