Votre stratégie IA rassure tout le monde: ­c’est exactement pourquoi elle échoue

Le réflexe qui condamne les projets IA

Selon la FINMA, la moitié des établissements financiers suisses utilisent déjà l’IA ou la développent. Face à cette vague, le même réflexe revient chez nos clients romands:
créer un centre d’excellence IA, une équipe à part chargée de «faire l’IA» pour toute l’organisation. Dans les faits, on lui demande tout à la fois de déployer et surveiller les plateformes agentiques, de fixer la gouvernance de l’IA, de faire monter les métiers en compétence, de maîtriser les briques pointues, et par-dessus tout, de développer elle-même les cas d’usage. Cinq missions pour une seule équipe: plateforme, gouvernance, accompagnement, sous-systèmes complexes et réalisation. Le problème n’est pas la compétence de ces profils triés sur le volet, mais leur position dans l’organisation. Le goulot est prévisible: la file des cas d’usage s’allonge, les preuves de concept n’atteignent pas la production, les métiers attendent.

Pourquoi les cas d’usage doivent naître au cœur du métier

La cause profonde tient à la nature des LLM. Ces modèles sont probabilistes: leur qualité dépend moins du code que du contexte fourni et de l’évaluation continue de leurs réponses. Un agent qui pré-analyse des dossiers de crédit ne vaut que si un analyste valide ses conclusions, corrige ses appréciations du risque et enrichit sa base de connaissance. Ce travail ne se délègue pas via un cahier des charges. C’est une boucle continue, où spécification, développement et évaluation se confondent. L’expertise métier n’est plus une entrée du projet: elle est un composant du système. Et un composant ne peut pas rester à l’extérieur de l’équipe qui le construit.

Le métier construit, la technique encadre

L’expert métier ne se contente plus d’exprimer un besoin: il construit. Il rédige les instructions de l’agent, constitue sa base de connaissance, évalue ses réponses et décide de sa mise en production, dans le cadre de gouvernance commun. Le profil technique, dans la même équipe, développe les agents et pose les garde-fous face aux limites des modèles: hallucinations, contexte, non-déterminisme. Il consomme la plateforme comme un service, et sollicite l’équipe des sous-systèmes complexes pour les briques pointues, telles qu’un graphe de connaissances. Le contrôle qualité, enfin, change de nature. On ne valide plus un comportement déterministe, on supervise en continu un système probabiliste.

Le centre d’excellence ne meurt pas, il s’éclate

Faut-il dissoudre le centre d’excellence? Pas exactement. Il faut le déstructurer en équipes distinctes aux mandats clairs. La plateforme agentique devient le produit d’une véritable équipe plateforme. Les sous-systèmes qui exigent une expertise rare reviennent à des équipes dédiées. Ce qui subsiste garde deux missions. La gouvernance d’abord: conformité, sécurité, auditabilité des agents. C’est ce cadre commun qui rend l’autonomie des équipes possible. L’accompagnement ensuite: rendre chaque équipe métier autonome, puis passer à la suivante. Quant à la réalisation des cas d’usage, elle rejoint les équipes métiers. L’IA cesse d’avoir un propriétaire unique dans l’organigramme. C’est ce qui lui permet de passer à l’échelle.

Un mot pour conclure?

Le centre d’excellence a un attrait discret: il permet d’afficher une stratégie IA sans rien bouger. Chacun garde son poste, l’organisation reste intacte, et les preuves de concept restent des preuves de concept. BCG estime pourtant que 70% du succès d’une transformation IA tient aux personnes et aux processus, contre 10% aux algorithmes. Autrement dit, ce que le centre d’excellence laisse intact est précisément ce qui compte. La vraie question est donc simple. Voulez-vous vraiment vous transformer, quitte à une profonde réorganisation? Ou simplement ajouter une équipe IA, pour dire que vous faites de l’IA?