L’ère de l’intelligence est là, mais adopter l’IA n’est plus la partie difficile. La partie difficile, c’est de transformer cet usage en impact business mesurable
Work AI Index de Glean met en évidence cet écart. Alors que 87% des travailleurs numériques utilisent l’IA et que 75% affirment qu’elle les rend plus productifs, seuls 13% disent que leur organisation obtient des performances nettement meilleures grâce à cela.
Combler cet écart est le véritable défi à venir. Mettre l’IA entre les mains des gens était la première étape. La deuxième consiste à transformer des succès dispersés en impact business mesurable et reproductible. Les entreprises doivent identifier les cas d’usage qui créent de la valeur, les transformer en systèmes reproductibles et les déployer à l’échelle sans perdre le contrôle à mesure qu’ils se diffusent dans l’entreprise. ;
Les 26 et 27 août, à Fort Mason à San Francisco, nous réunissons clients, builders, admins et leaders de l’IA à Glean:GO 2026. Pendant deux jours, nous nous concentrerons sur les décisions qui font passer l’IA d’un outil prometteur à quelque chose sur lequel toute l’entreprise s’appuie au quotidien.
Voici cinq choses que vous apprendrez pour transformer l’adoption de l’IA en impact à l’échelle de l’entreprise.
1. Apprenez à prouver que l’IA crée de la valeur business
Un tableau de bord d’adoption peut vous dire que 90% des employés se sont connectés la semaine dernière. Il ne dit rien sur le fait que l’entreprise obtient de meilleures performances grâce à cela. C’est ce deuxième chiffre que les dirigeants commencent à demander, et c’est celui que la plupart des programmes IA ne parviennent toujours pas à produire.
Le parcours Outcomes à Glean:GO est conçu pour les personnes qui en sont responsables. « ;How to define and tell the story of AI ROI ; » montrera comment relier les investissements en IA à des baselines claires, des objectifs réalistes et des KPI qui comptent pour la direction et la finance. ;
« ;Escape pilot purgatory ; », animé par Tim Glomb, Co-Founder and Managing Partner of Enterprise AI Transformation chez GleekOps, examinera les décisions qui déterminent si un pilote se déploie à l’échelle… ou s’enlise. ;
Les sessions clients « ;Inside AI Transformation ; » montreront comment ce travail se déroule au sein de vraies entreprises :
- La Head of People Analytics and Technology de Motive, Yuyan Sun, expliquera comment l’entreprise a déployé Glean auprès de 4 ;000 employés en six semaines, maintenu l’adoption après le lancement, et compare désormais les forts et faibles adopteurs à des indicateurs business comme la croissance du chiffre d’affaires et la vélocité d’ingénierie.
- Le Director of AI Product Deployment and Management de Dell, Connor Bogin, expliquera comment l’équipe a maintenu l’usage et relié l’adoption à des résultats comme le pipeline et l’atteinte des objectifs.
- Le VP of Enterprise AI de Howard Hughes, Jonathan Goldberg, retracera comment un pilote de 100 utilisateurs et une série de premiers succès ont conduit à un mandat du CFO pour un déploiement à l’échelle de l’entreprise, dans le cadre d’un plan visant à réduire de moitié les dépenses de G& ;A d’ici fin 2026. ;
C’est le passage de la déception métrique à la discipline métrique — réunir suffisamment de preuves pour décider de ce qui mérite davantage d’investissement. Une fois qu’un cas d’usage franchit ce seuil, quelqu’un doit le construire.
2. Découvrez ce qu’il faut pour mettre un agent en production
Prouver l’impact suppose que vous avez construit quelque chose capable de le produire. La plupart des agents n’arrivent jamais jusque-là. Ils échouent quelque part entre la démo et la production.
Combler cet écart requiert de plus en plus un état d’esprit de forward-deployed engineering : se rapprocher suffisamment du workflow pour comprendre le vrai problème, puis prendre les décisions techniques nécessaires pour le résoudre. Parfois, la réponse est un agent. Parfois, c’est une meilleure retrieval, une action tenant compte des permissions, ou une définition plus précise du job lui-même.
Le parcours Builders suit ce travail de la définition au déploiement. Dans « ;From AI use case to AI solution on Glean ; », Janki Vansia, Senior Manager of Digital Experience chez GoodRx, et Sean Hanna, People, Process and Technology Consultant chez HubSpot, montreront comment cartographier le workflow réel et faire les choix de conception à réaliser avant qu’une équipe ne commence à construire. ;
« ;Inside the Agent Development Lifecycle ; » propose une approche reproductible pour construire et déployer à l’échelle ce qui fonctionne, sans créer un cimetière d’expériences ponctuelles. ;
Dans « ;Under the hood : Customer developer stories building with the Glean platform ; », des clients feront la démonstration de produits opérationnels et détailleront l’architecture qui les sous-tend, y compris les API qu’ils ont choisies, la façon dont ils ont géré l’authentification et les permissions, et ce qu’ils ont construit eux-mêmes.
Une fois qu’un agent atteint la production, le défi change. Chaque nouvelle action crée une frontière à définir, et chaque appel de modèle, appel d’outil et boucle de raisonnement augmente la facture.
3. Apprenez des moyens pratiques de gouverner l’IA et d’en maîtriser le coût
À mesure que l’IA prend en charge un travail plus complexe, deux questions deviennent inévitables : Est-ce sûr ? Et combien cela nous coûte-t-il ? Les équipes IT et plateforme se retrouvent souvent à gérer les deux, généralement avec moins de visibilité qu’elles ne le souhaiteraient. ;
Le parcours Admin est conçu pour leur donner une manière plus concrète d’évaluer chacun de ces aspects.
Sécurité
« ;Five AI agent security assumptions we’re putting to the test ; » remettra en question des idées que les équipes acceptent souvent sans les examiner, notamment « ;permissions-aware signifie sécurisé ; », « ;les agents en lecture seule sont peu risqués ; » et « ;les journaux d’audit suffisent ; ». Chaque hypothèse sera testée face à un scénario réel.
Puis, dans « ;Guardrails in action, ; », vous mettrez ces enseignements en pratique : cadrer un agent, identifier sa surface de risque, rédiger des politiques correspondantes et tester les contrôles avant le déploiement.
Coût
« ;How tokenomics ate the world ; » va au-delà du pricing des modèles pour regarder l’architecture à l’origine du coût. Un contexte excessif, des appels d’outils répétés, de longues boucles de raisonnement et de mauvais choix de modèles peuvent tous faire grimper les dépenses à mesure que les agents prennent en charge un travail plus complexe.
La session examinera l’économie de l’IA comme une question de consommation et de rendement : combien de tokens un système utilise, quelle valeur business cette consommation produit, et à quel moment un modèle premium justifie son prix.
L’objectif est d’avancer vite sans perdre de vue le risque, le coût ou la valeur attendue de chaque système.
4. Clarifiez les arbitrages stratégiques que les leaders IA doivent trancher
Ces arbitrages ne se résolvent pas tout seuls. Quelqu’un, dans votre entreprise, est désormais responsable de l’IA. Peut-être un nouveau CAIO (Chief AI Officer). Peut-être un CIO dont le périmètre vient de s’élargir. Dans tous les cas, quelqu’un doit décider où la technologie est fiable, comment le travail doit évoluer et ce dont l’entreprise a besoin pour l’opérer à l’échelle. ;
Le parcours AI Strategy est structuré autour de ces questions.
Où l’IA casse-t-elle ? « ;The borders of AI : The value of understanding where AI breaks
” examinera les modes de défaillance que les démos soignées ont tendance à masquer : une écriture qui paraît compétente mais qui dit peu, une analyse qui semble rigoureuse mais qui est discrètement erronée, et des tâches longues où de petites erreurs s’additionnent. La session vous aidera à décider où la vérification a sa place, où une personne doit rester impliquée, et où le jugement humain porte encore la décision.Comment le travail doit-il évoluer ? “How AI is really reshaping work : which jobs are changing and why” explorera quels rôles sont en train d’être redéfinis et pourquoi des résultats plus solides peuvent nécessiter de repenser le travail lui-même.
Qu’exige le passage à l’échelle ? General Motors a étendu l’accès à l’IA de zéro à 80 000 utilisateurs en 90 jours. Dans “From Rollout to Transformation : GM’s Operating Model for Enterprise AI”, Nikhil Sandilya, Director of AI chez GM, expliquera comment l’entreprise a abordé la phase plus difficile qui a suivi, notamment le business case, la priorisation des cas d’usage à forte valeur, et le modèle opérationnel derrière une transformation sécurisée à l’échelle de l’entreprise.
Ensemble, ces sessions abordent le jugement nécessaire pour gérer l’IA comme une discipline à l’échelle de l’entreprise.
5. Comprendre les exigences de la plateforme pour une IA à grande échelle
Toutes ces décisions deviennent, à terme, une exigence de plateforme. Si l’IA doit passer de réussites éparses à un système à l’échelle de l’entreprise, elle a besoin du bon contexte, d’agents gouvernés, et d’une plateforme capable de se connecter au reste de la pile technologique.
Le parcours Product montre comment Glean construit cette base. “Understanding Glean Enterprise Context” explore comment Glean modélise les personnes, les contenus, les workflows et les schémas de travail individuels d’une organisation afin que l’IA puisse faire émerger la bonne information et l’action adéquate au bon moment. “Glean Agents deep dive : Building, governing and deploying AI coworkers” présentera de nouvelles capacités pour les builders et les admins, en s’appuyant sur des exemples par département pour montrer comment les agents peuvent être appliqués dans toute l’entreprise.
Pour les équipes qui prennent des décisions de plateforme plus larges, “Glean as a company-wide AI platform” ira plus en profondeur sur les API, SDK, expériences intégrées et passerelles qui connectent Glean au vaste écosystème de l’IA.
Ensemble, ces sessions répondent à la question pratique qui sous-tend chaque discussion stratégique : sur quoi votre entreprise peut-elle construire dès maintenant, et autour de quoi doit-elle planifier ensuite ?
Une conférence conçue pour le travail à venir
Cinq parcours distincts, des ateliers pratiques, des sessions de certification et un Expert Lounge où vous pouvez apporter un vrai problème et le résoudre avec un spécialiste Glean au lieu d’entendre uniquement parler de celui de quelqu’un d’autre.
- Les admins peuvent se concentrer sur la gouvernance, le déploiement, la santé de la plateforme, l’adoption et les coûts.
- Les builders peuvent approfondir les workflows, l’architecture, les API et le développement d’agents.
- Les responsables IA peuvent examiner la mesure, l’évolution des effectifs, la stratégie et les modèles opérationnels.
Venez avec l’équipe chargée de rendre l’IA concrète, et offrez à chacun les sessions, les outils et les exemples dont il a besoin pour réussir dans cette nouvelle ère intelligente. ;
Réservez votre place
L’IA d’entreprise entre dans une phase cruciale. La question n’est plus de savoir si les employés vont l’utiliser, mais si les entreprises peuvent transformer cette adoption en quelque chose de mesurable, gouverné et qui vaut la peine d’être déployé à grande échelle.
Glean:GO 2026 réunit les personnes qui font ce travail. Rejoignez-nous à Fort Mason à San Francisco les 26 et 27 août, ou participez en virtuel, pour deux jours de sessions pratiques, de témoignages clients réels et de travail concret avec les équipes qui construisent et exploitent l’IA à grande échelle.
Inscrivez-vous à Glean:GO 2026 dès aujourd’hui !
