La gestion de la performance est la dimension qui mesure si une organisation voit ce que l'IA apporte, et si cette information atterrit quelque part. Pas s'il existe un tableau de bord, mais si quelqu'un regarde ce qu'une application d'IA change au niveau du délai de traitement, de la qualité ou de la marge d'erreur, et si ce résultat influence la décision suivante. Monter d'un niveau ne coûte pas un montant fixe, car la distance entre les niveaux diffère selon l'organisation. Une organisation qui ne mesure encore rien doit mettre en place autre chose qu'une organisation qui mesure déjà mais n'utilise nulle part les résultats. Ce qui est certain : les coûts se situent rarement dans le logiciel. Ils se situent dans le temps, la répétition et la volonté de prendre les résultats au sérieux, même quand ils sont décevants.
Cette dimension examine trois éléments. Premièrement, si un résultat est défini avant qu'une application d'IA ne démarre — qu'est-ce qui doit s'améliorer, et comment le voir. Deuxièmement, si ce résultat est effectivement mesuré au fil du temps, plutôt que présumé. Troisièmement, si la mesure a une conséquence : une application est-elle ajustée, étendue ou arrêtée sur la base de ce qui a été mesuré, ou le résultat reste-t-il un chiffre dans un rapport que personne ne rouvre jamais. De nombreuses organisations obtiennent un score faible non pas parce qu'elles ne mesurent pas, mais parce que la mesure n'a pas de place dans une décision.
Au niveau baseline, il n'existe aucune description de ce que signifie le succès avant qu'une application d'IA ne démarre. On regarde après coup si quelque chose « donnait une meilleure impression », sans critère fixe. Ce que cela signifie concrètement pour une organisation qui se situe à ce niveau est décrit sur la page consacrée à ce que signifie concrètement le niveau baseline.
Au niveau foundation, un résultat est bien identifié, mais la mesure se fait une seule fois ou de manière fortuite. Quelqu'un vérifie après quelques semaines si cela fonctionne, mais il n'y a ni répétition ni forme fixe. La page consacrée à ce que signifie concrètement le niveau foundation montre en quoi cette situation se distingue du niveau baseline et du niveau suivant.
À partir d'activation, mesurer devient une habitude plutôt qu'une exception : le même critère est réexaminé à des moments fixes. Au niveau insight, ce résultat est lié à une décision — une application qui ne livre pas ce qui était attendu au préalable est ajustée ou arrêtée. Au niveau intelligence, la mesure est intégrée dans un rythme plus large : les performances des applications d'IA sont mises côte à côte et comparées, de sorte que l'organisation apprend quel type d'application fonctionne et lequel ne fonctionne pas.
La gestion de la performance dépend de dimensions qui précèdent dans l'ordre. Sans une organisation qui sache qui est responsable d'un résultat, une mesure reste un chiffre sans propriétaire — cela commence par la question de savoir dans quelle mesure l'organisation est mature en matière d'IA, à laquelle répond la dimension organisation. Sans une infrastructure permettant d'enregistrer les données relatives à l'usage et au résultat, il n'y a rien à mesurer — voir la dimension infrastructure informatique. Et sans une gestion des données déterminant quelles données sont suffisamment fiables pour s'y appuyer, une mesure produira peut-être un chiffre, mais pas de repère — voir la dimension gestion des données. Qui veut faire monter la gestion de la performance sans avoir ces fondations en ordre mesure certes quelque chose, mais pas quelque chose sur quoi construire.
Le passage de baseline à foundation exige avant tout un accord : définir, avant qu'une application ne démarre, ce que signifie le succès, et le consigner à un endroit où on pourra le retrouver plus tard. Ce n'est pas un investissement technique, mais un investissement dans une habitude.
Le passage de foundation à activation exige de la répétition : le même critère revient à des moments fixes, au lieu d'un regard ponctuel. Cela demande du temps de la part de quelqu'un qui met cela à l'agenda et continue à s'en préoccuper.
Le passage vers insight exige quelque chose de plus difficile : la volonté de faire marche arrière sur une application ou de l'ajuster si la mesure est décevante, même si un investissement y a déjà été consenti. C'est moins une question de coût qu'une question de culture.
Le passage vers intelligence exige enfin une comparaison entre les applications elles-mêmes, de sorte que l'organisation n'apprenne pas au cas par cas mais perçoive des schémas. Cela demande un lieu fixe où cette comparaison a lieu, et des personnes à qui l'on accorde le temps de le faire.
La mesure de maturité de hybridresourcing montre si une organisation est capable de porter ce que l'IA apporte — si les fondations sont en place, et si la gestion de la performance peut s'appuyer dessus. Elle ne dit rien sur les tâches, au sein du travail lui-même, qui se prêtent à une reprise par l'IA, ni dans quelle mesure. C'est à cette question que répond le scan de poste de FTE TO AI, qui calcule, tâche par tâche, quelle part peut être confiée à l'IA. Qui sait où se situe l'organisation sur cette dimension dispose ainsi également d'une indication sur le fait de savoir si les résultats d'un tel scan de poste atterriront quelque part, ou disparaîtront dans un rapport que personne ne rouvre jamais.
La mesure de maturité, avec sa série de scores en aveugle où plusieurs personnes attribuent séparément un score et où la dispersion entre leurs réponses devient visible, est encore en développement. Qui souhaite utiliser la mesure dès qu'elle sera disponible peut s'inscrire sur la liste d'attente.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.