Pourquoi l’IA signifie un changement radical

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

La Harvard Business Review a récemment organisé le HBR Strategy Summit 2026, une journée remplie de conseils d’experts et de guidance de la part de cadres dirigeants et d’universitaires, et nous partageons les moments forts de l’événement dans cette série spéciale IdeaCast.

Aujourd’hui, vous entendrez une masterclass, une conférence interactive, de Tsedal Neeley, professeur à la Harvard Business School, sur la manière dont les organisations peuvent réussir leur transformation IA. Vous l’entendrez expliquer la règle des 30 %, le changement organisationnel minimum et la compréhension de base de la technologie IA nécessaires pour obtenir des résultats concrets. Elle passera en revue des exemples de Moderna, Domino’s Pizza et Rakuten, et répondra aux questions du public animées par la rédactrice en chef de HBR, Amy Bernstein. Bonne écoute.

TSEDAL NEELEY : Bonjour à tous. Je suis ravie d’être ici aujourd’hui pour parler de pourquoi l’IA signifie un changement radical. Et ce que j’aimerais faire pendant le temps que nous avons ensemble, c’est parler de ce qu’il faut pour adopter l’IA au rythme qui vous convient, à votre organisation et à votre secteur.

L’IA est partout. Les gens parlent d’IA, IA, IA, et même d’IA agentique, IA agentique, IA agentique. Une partie est du battage médiatique. Une partie est réelle. Le travail que nous avons dans toutes nos organisations est de comprendre comment dépasser le battage médiatique et commencer à avancer au rythme qui nous convient.

Tout d'abord, j'aimerais parler de la règle des 30 %, afin de nous orienter sur la manière dont nous devrions envisager l'IA et sur le degré de compréhension nécessaire, en tant qu'individus, en tant que dirigeants, mais aussi en tant que main-d'œuvre dans son ensemble, pour réaliser des progrès dans ce domaine.

La règle des 30 % est en réalité une proportionnalité qui stipule que nous aurons tous besoin d’un seuil minimal de compétences technologiques et de capacité d’adaptation pour contribuer à un avenir où les données, les algorithmes et l’IA joueront un rôle. Et la règle des 30 % précise que vous n’avez pas besoin d’être programmeur, ni data scientist, ni rien de tel, mais que vous devez posséder une compréhension de base, comparable aux 30 % de la langue anglaise que la plupart des employés dans le monde doivent maîtriser si l’anglais n’est pas leur langue maternelle.

L’une des façons de dépasser le battage médiatique est d’avoir une compréhension de base de ce qu’est l’IA et de ce qu’elle n’est pas. En réalité, l’IA n’est pas nouvelle. Elle existe depuis très, très longtemps. En fait, Flagship Pioneering a identifié pour nous quatre innovations ou quatre vagues d’innovations en IA. La première a en réalité commencé dans les années 1950. On l’appelle l’ère de la cybernétique. Et à l’ère cybernétique, c’est la période où des scientifiques à Stanford, au MIT et dans l’armée essayaient d’utiliser la biologie ou l’ingénierie pour voir si nous pouvions faire en sorte que des machines se comportent avec des éléments humains. Et pouvions-nous réellement avoir des machines, très basées sur des règles et des retours d’information, qui se comportent un peu comme des machines ? Ce sont en fait les premières périodes de la robotique.

Et ensuite, on arrive aux années 1980 et 1990. Cette époque est appelée l'ère de l'expert formé, où les machines tentaient de reproduire la prise de décision humaine dans des domaines spécifiques comme la médecine ou l'ingénierie, en s'appuyant sur une programmation basée sur des règles et des bases de données pour simuler l'expertise dans ces secteurs. Ce fut une période efficace, sans adoption généralisée, mais nous avons assisté à un grand bond en avant dans l'innovation en IA.

Et ensuite, on avance rapidement jusqu'aux années 2000. C'est une période où l'apprentissage automatique a vu le jour. Nous avons commencé à pouvoir apprendre à partir des données abondantes qui arrivaient, et la puissance de calcul était présente, et les machines ont commencé à apprendre et à s'adapter. C'était en quelque sorte la première période de la vision par ordinateur, du traitement du langage naturel, et de tout ce qui nous a menés jusqu'à aujourd'hui.

Les années 2020, l'IA générative avec, bien sûr, la sortie de ChatGPT en 2022 et des systèmes de plus en plus agentiques. C'est là que la nouvelle technologie appelée Transformer nous permet de créer du nouveau contenu, du texte, du langage, de la vidéo, de l'audio, une grande vague qui a radicalement changé le rythme du développement de l'IA. Mais l'IA n'est pas nouvelle. C'est vraiment important de comprendre cela.

Maintenant, je propose deux définitions de l'IA que nous devons considérer. L'une d'elles n'existe pas encore. L'autre est bien présente dans notre monde. Celle qui existe est l'IA spécifique. L'IA générale n'existe pas tout à fait encore, mais je vais la définir pour vous, car les informaticiens et les philosophes de l'IA évoquent toujours ces deux éléments.

Celui qui n’existe pas encore, l’IA générale, vous pouvez le considérer comme le Terminator, où l’on a des systèmes qui ressemblent aux humains. Ils se comportent comme des humains, agissent comme des humains, prennent des décisions comme des humains, cela n’existe pas encore. Une partie de moi espère que cela n’arrivera jamais. Ce qui existe vraiment, c’est ce qu’on appelle l’IA spécifique ou l’IA étroite. C’est là où l’IA effectue des tâches spécifiques, comme les grands modèles de langage, la reconnaissance faciale ou la reconnaissance vocale. D’accord ?

Alors, que savons-nous ? Beaucoup d’entreprises des années 2000, comme Meta, anciennement Facebook, Apple, Amazon, Google, Netflix, déploient à grande échelle une IA spécifique depuis 15 ou 20 ans. Nous avons donc été très exposés à cette IA spécifique en action dans notre monde. Aujourd’hui, l’IA permet de passer à l’échelle : nous pouvons servir des millions, voire des milliards de personnes très rapidement, accélérer la prise de décision, les opérations et élargir le champ des possibles. Grâce aux données, nous pouvons faire beaucoup plus de choses et faire preuve de créativité dans la recherche de solutions. Je vais vous donner quelques exemples dans un instant.

Un petit travail préparatoire avant que je ne le fasse concerne ce que je viens de décrire en termes d’échelle, de vitesse et de portée. Quels sont les modes de fonctionnement de ces éléments ? Il y a les trois P : les prédictions, les reconnaissances de motifs — c’est l’exemple de reconnaissance faciale que je vous ai donné — et l’automatisation. Un quatrième qui prend de plus en plus d’ampleur, le quatrième P, est la production avec des agents, et je vais définir cela pour nous dans un instant.

Maintenant, il y a trois vecteurs de valeur que nous devons prendre en compte avec l'IA, et c'est pourquoi nous disons que l'IA signifie changement et changement radical. Le premier est de nous assurer d'avoir des produits que les gens veulent utiliser, avec des fonctionnalités qui ont du sens pour notre monde actuel. Le deuxième vecteur de valeur est la valeur réseau. Nous voulons que le plus grand nombre de personnes utilisent nos produits et services, non seulement pour élargir ceux qui tirent profit de ce que nous offrons, mais aussi pour innover. Et le dernier vecteur de valeur est la donnée, la donnée, la donnée, à la fois interne à notre organisation et externe.

Ainsi, un volant d'inertie de l'IA, lorsque l'on réfléchit à ce que cela signifie pour nous et à la manière dont nous devons évoluer, c'est que plus nous avons de données à exploiter pour servir nos clients, nos parties prenantes, ou même les servir de manière exceptionnelle, meilleurs deviennent les algorithmes ou les modèles que nous utilisons, et meilleurs sont les services. Nous savons donc comment personnaliser et individualiser. Et plus les services sont bons, plus les gens les utilisent, ce qui génère davantage de données, de meilleurs algorithmes, de meilleurs services, une utilisation accrue et encore plus de données.

C’est vraiment le moteur. Et c’est là que l’innovation se manifeste véritablement, souvent de manière spécifique à nos parties prenantes, pour savoir comment nous pouvons les servir au mieux. L’impact de l’IA a été assez contrasté. D’un côté, nous savons que certains sont vraiment en tête avec l’IA sous une forme ou une autre, et nous savons aussi que l’adoption a été un défi, et j’en parlerai également.

Ainsi, l'impact de l'IA au sein des organisations est considérable, et les données actuelles montrent que les personnes utilisant l'IA, en particulier l'IA générative, constatent une augmentation de leur productivité. Selon de nombreuses études menées à la Harvard Business School et bien au-delà, une tâche d'une heure avec l'IA prenait auparavant trois à quatre heures sans elle. Cela accélère donc considérablement ce que les gens peuvent accomplir et comment ils le font, notamment en utilisant des outils qui étaient auparavant réalisés manuellement.

Donc, si l’on pense aux ventes et au marketing, le marketing est un domaine qui a été particulièrement sous pression et en pleine évolution face à l’IA, en raison de toutes les vidéos, tous les audios, toutes les images et toute la création de contenu qui sont désormais beaucoup plus rapides à réaliser. Dans la finance, voire la fintech, l’environnement juridique, les RH, l’ingénierie, le service client, tous ces domaines, lorsqu’ils sont bien gérés, stimulent vraiment la créativité et redéfinissent la nature de la concurrence, ce qui signifie que si une entreprise utilise l’IA et qu’une autre ne le fait pas, cela devient évident.

Du côté externe, nous avons de nombreux exemples, n'est-ce pas ? Parmi ces exemples, on trouve des entreprises comme Moderna à ses débuts. Et ce changement de mentalité dont nous avons besoin est résumé dans cette citation de Stephane Bancel, le PDG de Moderna : « Nous sommes une entreprise technologique qui, par hasard, fait de la biologie. » Et ce que nous savons de Moderna au début de la pandémie de COVID, c'est qu'ils n'avaient que 800 employés. Pfizer en avait 100 000. Les deux entreprises ont été cruciales dans la production et la distribution du vaccin contre la COVID en 2021 environ. Vous voyez les différences d'échelle.

Domino’s, nous sommes une entreprise technologique qui, par hasard, fait des pizzas. Domino’s a connu une trajectoire remarquable pendant de nombreuses années en termes de performance, car ils ont placé la technologie, et désormais l’IA, au cœur de tout ce qu’ils font.

Rakuten est un autre exemple d'entreprise. Je siège d'ailleurs au conseil d'administration de Rakuten, et je peux vous dire que lorsque Rakuten a annoncé sa stratégie en matière d'IA, appelée AInisation — imaginez le terme, ce n'est pas le plus facile à prononcer, AInisation — mais vous pouvez imaginer ce que cela signifie.

Pour préciser davantage, la stratégie d’AInisation chez Rakuten visait à atteindre une croissance commerciale Triple 20. Cela signifiait une augmentation de 20 % de la productivité marketing, une augmentation de 20 % de la productivité opérationnelle et une augmentation de 20 % de la productivité client ou des revenus. C’était un mandat pour l’ensemble de l’organisation, à poursuivre et à interpréter de manière appropriée selon les services propres à chaque activité de Rakuten. L’entreprise possède un écosystème. En quelques mois, les résultats ont été stupéfiants, notamment parce qu’il s’agissait d’un mandat organisationnel associé à la règle des 30 % pour tous. Voici quelques-unes des observations faites par l’entreprise.

Une baisse de 77 % des coûts marketing en environ quatre mois. Pour ceux qui possédaient des téléphones mobiles, les téléphones mobiles Rakuten, nous avons constaté une augmentation de 50 % du côté du commerce électronique. Et l'adoption de l'IA a été assez massive. Particulièrement grâce à ce mandat et à une règle des 30 %, plus de 25 000 robots personnalisés ont été créés en interne au sein de l'entreprise de manière très décentralisée, responsabilisant les personnes, les équipant, puis elles commencent à gérer leurs flux de travail. Ainsi que 800 autres agents.

Un autre exemple que je peux vous donner est ce qui a été mis en place, appelé la recherche sémantique par IA. Ainsi, si vous devez effectuer un achat sur un site de commerce électronique quelconque, vous pensez généralement à Amazon. Vous allez généralement dans une boîte de dialogue et vous dites : « Euh, peut-être des baskets, je veux des baskets, des baskets pour femmes. » Peut-être que j’ajouterai même une taille. Peut-être que non. Peut-être que j’ajouterai une couleur ou pas. J’appuie sur Entrée et je vois ce qui apparaît.

Lorsque vous intégrez l'IA, en particulier une recherche sémantique par IA comme l'a fait Rakuten, vous saisissez : « Je vais à un festival de musique. C'est un événement professionnel. C'est un événement familial. C'est un rendez-vous, peu importe. Il pourrait pleuvoir. Vous savez que ma couleur préférée est le rouge. Que recommandez-vous ? » Et le système proposerait une tenue complète. Cette simple innovation a entraîné une augmentation des ventes brutes de marchandises de 6,5 % ici. Les ventes brutes de marchandises. Si vos ventes brutes de marchandises se chiffrent en milliards, imaginez ce que ce nombre peut accomplir.

Voilà le genre de choses qui nous amène à dire qu'il s'agit de changement et de redéfinition de la nature de la concurrence. Je vais vous donner un autre grand exemple qui a pris l'industrie de la beauté aux États-Unis par surprise et par tempête. La troisième plus grande plateforme de vente de produits de beauté aux États-Unis est TikTok, et voici comment cela fonctionne. TikTok compte plus de trois millions d'influenceurs, et voici un exemple de la façon dont les choses peuvent se dérouler et se déroulent effectivement.

Ce processus algorithmique d'IA particulier, dont je vais vous donner un exemple, concerne cet influenceur. Il s'appelle Li Jiaqi. On l'appelle le Roi du Rouge à Lèvres. Ancien employé de L'Oréal, il est aujourd'hui un influenceur suivi par plus de cent millions de personnes sur de nombreuses plateformes. Vous le voyez avec un produit. Il présente le produit. Pendant qu'il le présente, plusieurs algorithmes tournent en arrière-plan, notamment une carte thermique d'engagement. Imaginez si vous pouviez faire cela vous-mêmes, ainsi qu'une carte thermique de produit, qui déterminent à quel point les gens sont engagés et si ce produit va se vendre.

现在，当李佳琦说出他的口头禅“哦买噶，姐妹，买它”时，人们会疯狂购买。你看到的销售额类型是，比如一天30亿美元。

Maintenant, pensez à nos industries de soins de beauté. Elles n'avaient jamais vu cela venir. Avec ce type de ventes, vous devez être à la hauteur, et c'est pourquoi le changement devient vraiment important. Comment y parvenir ? Une fois que vous réalisez ce genre de vente, vous ne pouvez être à la hauteur que si vous êtes structuré de la bonne manière.

Premièrement, l'intégration des données. Tous les systèmes sont unifiés sur une seule plateforme, une source unique de vérité, permettant au marketing et à la chaîne d'approvisionnement de s'aligner sur la campagne de cet influenceur. C'est le premier point. Deuxièmement, la gestion des stocks. Vous avez besoin d'une plateforme unifiée qui garantit que, lorsque la campagne de l'influenceur est efficace et qu'il y a une hausse soudaine de la demande, le système met à jour automatiquement les stocks et les opérations de la chaîne d'approvisionnement. Ensuite, le comportement des consommateurs. Le comportement des consommateurs, comme je vous l'ai montré, l'engagement et la carte de chaleur des produits, les cartes de chaleur par exemple, sont basés sur un algorithme géométrique qui analyse les vidéos, les likes, les balayages et tout ce qui se trouve entre les deux pour déterminer le niveau d'engagement. Et l'engagement produit est en réalité un modèle d'apprentissage automatique qui utilise des données historiques et actuelles pour prédire si un produit va se vendre ou non, et bien se vendre.

Et tout cela réuni garantit non seulement que l’influenceur vend, mais que vous devez honorer ces ventes, et vous devez être organisé d’une manière particulière pour y parvenir. Et je vais vous montrer ce que c’est. Mais d’abord, les agents d’IA. Je manquerais à mon devoir si je ne prenais pas le temps, avant de passer à autre chose, de parler des agents d’IA. Et ce que je soulignerai, c’est que c’est définitivement en plein essor. C’est encore à ses débuts, et c’est quelque chose que nous allons voir et entendre de plus en plus au cours des deux prochaines années.

Essentiellement, un agent d'IA, si l'on y réfléchit, et c'est la définition de Microsoft que j'apprécie beaucoup, bien que plusieurs autres des Sept Magnifiques aient leurs propres définitions, je trouve celle-ci claire et nette. Microsoft définit les agents d'IA comme « des systèmes capables de planifier et d'agir pour accomplir des tâches ou des flux de travail entiers de manière autonome, avec des moments clés de supervision humaine ».

Microsoft a publié en avril dernier, et vous voudrez peut-être consulter ceci, très facile à obtenir, ce qu'ils appellent L'Année de la Naissance de l'Entreprise de Frontière. Et ils ont défini, de manière ambitieuse, trois modes de travail incluant les humains avec assistance, les humains avec des collègues numériques, et peut-être même des agents dirigés par des humains. Tout cela est intéressant à examiner pour réfléchir à ce que cela signifie pour nous et nos flux de travail, et pour essayer de comprendre ce que cela implique de développer des agents et ces flux de travail autonomes sous supervision humaine.

Un site que j'aime et qui peut vous donner une idée de comment cela se déroule est n8n.io. Allez y jeter un coup d'œil. Une fois que vous aurez passé une demi-heure sur ce site, cela clarifiera ce que tout cela signifie. Mais je soulève ce sujet car il y a désormais des raisons importantes de comprendre comment nous devons nous organiser, quelle est la prochaine étape pour nous et pourquoi il s'agit d'un changement radical.

L'une d'elles est une étude menée par l'un de nos collègues, Marco Iansiti, qui a examiné les leaders et les retardataires en matière d'IA. Il constate que le principal moteur de succès est qu'avec toute architecture technologique que vous introduisez, comme la plateforme unifiée que j'ai mentionnée, vous devez également modifier vos processus. Vous devez innover dans vos processus. Vous ne pouvez pas copier-coller vos anciens processus sur la nouvelle plateforme, la nouvelle approche ou la nouvelle stratégie pilotée par l'IA sous les formes que j'ai décrites jusqu'à présent.

La deuxième chose est que les entreprises tournées vers l'IA sont organisées par données, algorithmes et plateformes unifiées, et non pas simplement par départements. Les plateformes d'IA ou les organisations d'IA ressemblent à cela. C'est l'aspiration. Vous avez plusieurs sources de données, y compris des unités commerciales qui peuvent conserver et maintenir leur indépendance, mais elles peuvent partager leurs données. Vous pouvez voir cette partie centrale où il est écrit « usine IA », partager des données avec des coffres-forts. Il ne s'agit pas simplement de jeter toutes vos données dans un système quelconque. Il y a tous ces contrôles que vous devez mettre en place. Mais si vous avez cette usine IA, juste au-dessus, toutes les différentes unités comme Rakuten sont assises au sommet de cette plateforme de données comme des applications sur votre iPhone.

Ce à quoi ressemblent les entreprises non tournées vers l'IA, comme beaucoup de nos entreprises, c'est cela, en silos, les spaghettis que vous voyez, des projets informatiques, des réunions, des réunions, des réunions, des réunions. « Oh non, vous devez aller voir le service juridique. Oh non, vous devez aller voir ceci. Oh, je ne sais pas. Non, ce sont mes données. Non, ce sont vos données. Non, je ne partage pas mes données. » Toutes ces choses, n'est-ce pas ? Tout est organisationnel. Mais cela fait partie du grand changement que nous devons traverser.

Amy, je veux partager une dernière chose et peut-être que toi et moi pourrons en parler. La dernière chose que je veux partager est en fait la suivante, une menace existentielle, et ensuite nous pourrons changer de sujet. J'aimerais donc vous laisser avec cette liste, une liste en cinq points de menaces existentielles qui peut déterminer pour vous dans quelle mesure vous devez changer et comment vous devez changer. La première est : l'IA va-t-elle perturber vos capacités fondamentales ? La deuxième est : vos investisseurs et vos concurrents investissent-ils et progressent-ils avec l'IA ? La troisième concerne les attentes des clients. Changent-elles ? Et elles changent, et comment ! Nous le voyons très clairement dans notre monde. Quatrièmement, la technologie actuelle freine votre innovation. Pensez à la dette technique. Et enfin, votre culture fige-t-elle votre entreprise dans des modèles obsolètes ?

Sur ce, Amy, parlons-en.

AMY BERNSTEIN : Oh, mon Dieu. J'ai la poitrine serrée à cause de ces questions, Tsedal. Merci.

Le Roi du Rouge à Lèvres de TikTok me époustoufle. Mais tu as reçu un tas de questions, Tsedal. Laisse-moi en partager une qui a reçu énormément de votes positifs de la part de Kinan qui demande : « Comment mesurons-nous le retour sur investissement de l'efficacité apportée par l'IA ? »

TSEDAL NEELEY : Ah. La question du ROI est une question massive. Nous l'entendons tout le temps, et il y a deux façons de penser à cela. Il y a un ROI que vous n'allez pas obtenir. Par exemple, mon cher ami et collègue que tu connais si bien, Amy, Karim Lakhani dit : « Y a-t-il un ROI sur le WiFi ? » Il y a certaines choses que nous devons faire pour lesquelles nous n'aurons pas de ROI direct comme vous l'imaginez.

D'un autre côté, la productivité augmente absolument avec l'utilisation de l'IA, que ce soit pour le développement de logiciels ou même la création de présentations, de diapositives et d'analyses, etc. Il est donc difficile de dire que nous allons mesurer ce ROI.

Mais ce que vous devez mesurer, c'est comment innovons-nous ? Quels sont les résultats ? Nous devons être très axés sur les résultats dans ce monde. Et même dans toute révolution technologique que j'ai observée de très près, vous devez réfléchir aux résultats dont nous avons besoin et pouvons-nous mesurer ces résultats ? C'est là qu'il faut aller, les résultats. Obsédez-vous sur les résultats.

AMY BERNSTEIN : Ouais. Je suppose que c'est toujours vrai. Nous devrions nous obséder sur les résultats. Laisse-moi te poser une autre question. C'est difficile de choisir, mais allons avec celle-ci. De la part d'Emmanuel : « Le battage médiatique autour de l'IA génère en fait beaucoup d'anxiété au sein de nos organisations. En tant que leaders, quel message peut renforcer l'adhésion et l'engagement lors de l'adoption des technologies d'IA ? »

TSEDAL NEELEY : Tous les 40 ans environ, il y a un battage médiatique autour de l'IA. Ce n'est pas nouveau, et cela peut être retracé assez bien tous les 40 ans. Nous sommes dans cette ère en ce moment. L'IA va sauver l'humanité. L'IA va détruire l'humanité, etc.

Je pense que la meilleure approche est la numéro un : vous devez démystifier l'IA. 30 % pour tout le monde. Et cela fait partie de ce que nous faisons à la Harvard Business School. Si les gens comprennent l'IA, cela réduit vraiment la peur et la température, donc formation, formation, formation.

La deuxième chose est la preuve empirique. Ne croyez pas le battage médiatique. Croyez la preuve. Nous cherchons donc toujours des preuves, des faits, de l'empirique, de l'empirique, de l'empirique.

Troisièmement, soyez très clair sur les cas d'utilisation qui comptent et démontrez-les et mettez-les en valeur au sein de votre organisation afin que les gens puissent se concentrer et se focaliser sur les cas d'utilisation les plus pertinents pour vous. Mais le battage médiatique sera là, et il sera féroce.

ALISON BEARD : C'était Tsedal Neeley qui donnait une masterclass sur l'IA dans le cadre de notre récent sommet stratégique HBR. Neeley est co-auteur du livre « The Digital Mindset ».

Si vous avez trouvé cet épisode utile, partagez-le avec un collègue et assurez-vous de vous abonner et de noter IdeaCast sur Apple Podcasts, Spotify, ou partout où vous écoutez. Si vous voulez aider les leaders à faire avancer le monde, veuillez envisager de vous abonner à Harvard Business Review. Vous aurez accès à l'application mobile HBR, à la newsletter hebdomadaire exclusive pour les initiés, et à un accès illimité à HBR en ligne. Rendez-vous simplement sur hbr.org/subscribe.

Merci à notre équipe, la productrice senior Mary Dooe, le gestionnaire de produits audio Ian Fox, et le spécialiste de la production senior Rob Eckhardt. Et merci à vous d'avoir écouté le HBR IdeaCast. Nous reviendrons avec notre épisode régulier mardi. Je suis Alison Beard.