L’ère de l’intelligence est là, mais adopter l’IA n’est plus la partie la plus difficile. Le plus difficile, c’est de transformer cet usage en impact business mesurable
Le Work AI Index de Glean met en lumière cet écart. Alors que 87% des travailleurs du numérique utilisent l’IA et que 75% disent qu’elle les rend plus productifs, seuls 13% affirment que leur organisation est significativement plus performante grâce à cela.
Combler cet écart est le véritable défi à venir. Mettre l’IA entre les mains des équipes était l’étape 1. L’étape 2 consiste à transformer des victoires dispersées en un impact business mesurable et reproductible. Les entreprises doivent identifier quels cas d’usage 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 transforment l’IA d’un outil prometteur en 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 performe mieux grâce à cela. Ce deuxième chiffre est celui que les dirigeants commencent à demander, et c’est celui que la plupart des programmes IA ne savent toujours pas produire.
Le parcours Outcomes à Glean:GO est conçu pour les personnes qui en portent la responsabilité. « How to define and tell the story of AI ROI » montrera comment relier les investissements IA à des baselines claires, des objectifs réalistes et des KPI qui comptent pour les dirigeants 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 concrétise 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 aujourd’hui les forts et faibles adopteurs à des indicateurs business comme la croissance du revenu 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 à l’échelle de l’entreprise visant à remodeler en profondeur sa structure de coûts grâce à l’efficacité pilotée par l’IA.
C’est le passage de la déception des métriques à la discipline des métriques — réunir suffisamment de preuves pour décider 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 ayez 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 d’ingénierie forward-deployed : 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 effectuer les choix de conception qui doivent intervenir avant qu’une équipe 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 démo de produits en fonctionnement et détailleront l’architecture qui les sous-tend, y compris les API qu’ils ont choisies, la manière 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 alourdit la facture.
3. Apprenez des moyens concrets de gouverner l’IA et de maîtriser son coût
À mesure que l’IA prend en charge des tâches plus complexes, deux questions deviennent incontournables : est-ce sûr ? Et combien cela nous coûte-t-il ? Les équipes IT et plateformes se retrouvent souvent à gérer les deux, généralement avec moins de visibilité qu’elles ne le voudraient.
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 remettre en cause, notamment « permissions-aware signifie sécurisé », « les agents read-only sont peu risqués » et « les audit logs suffisent ». Chaque hypothèse sera testée face à un scénario réel.
Puis, dans « Guardrails in action, », vous mettrez ces enseignements en pratique : définir le périmètre d’un agent, identifier sa surface de risque, rédiger des politiques correspondantes et tester les contrôles avant le déploiement.
Coût
« How tokenomics ate the world » regarde au-delà du pricing des modèles, vers l’architecture qui sous-tend le coût. Un contexte excessif, des appels d’outils répétés, de longues boucles de raisonnement et de mauvais choix de modèle peuvent tous faire grimper les dépenses à mesure que les agents prennent en charge des tâches plus complexes.
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 quand un modèle premium mérite 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 d’eux-mêmes. 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’étendre. 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’exploiter à l’échelle.
Le parcours AI Strategy est construit 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 rédaction qui semble compétente mais dit peu, une analyse qui paraît rigoureuse mais est discrètement erronée, et des tâches longues où de petites erreurs s’accumulent. La session vous aidera à décider où la vérification doit intervenir, où une personne doit rester impliquée, et où le jugement humain porte encore la décision.
Comment le travail devrait-il évoluer ? « Comment l’IA transforme réellement le travail : quels métiers changent et pourquoi » explorera quels rôles sont en train d’être redéfinis et pourquoi de meilleurs résultats peuvent nécessiter de repenser le travail lui-même.
Que faut-il pour passer à l’échelle ? General Motors a étendu l’accès à l’IA de zéro à 80 000 utilisateurs en 90 jours. Dans « Du déploiement à la transformation : le modèle opérationnel de GM pour l’IA en entreprise », 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 piloter l’IA comme une discipline à l’échelle de l’entreprise.
5. Comprendre les exigences de la plateforme pour l’IA à grande échelle
Toutes ces décisions finissent par devenir une exigence de plateforme. Si l’IA doit passer de victoires isolées 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. « Comprendre le contexte d’entreprise de Glean » explore comment Glean modélise les personnes, les contenus, les workflows et les habitudes de travail individuelles d’une organisation afin que l’IA puisse mettre en avant la bonne information et l’action appropriée au bon moment. « Deep dive sur Glean Agents : créer, gouverner et déployer des collègues IA » présentera de nouvelles capacités pour les builders et les admins, avec des exemples par département montrant comment les agents peuvent être appliqués dans toute l’entreprise.
Pour les équipes qui prennent des décisions de plateforme plus larges, « Glean en tant que plateforme IA à l’échelle de l’entreprise » ira plus loin sur les API, les SDK, les expériences intégrées et les passerelles qui connectent Glean à l’écosystème IA au sens large.
Ensemble, ces sessions répondent à la question pratique au cœur de chaque discussion stratégique : sur quoi votre entreprise peut-elle construire dès maintenant, et que doit-elle anticiper pour la suite ?
Une conférence pensée pour le travail à venir
Cinq parcours distincts, des ateliers pratiques, des sessions de certification et un Expert Lounge où vous pouvez apporter un problème réel et le résoudre avec un spécialiste Glean, plutôt que d’entendre uniquement parler du problème de quelqu’un d’autre.
- Admins peuvent se concentrer sur la gouvernance, le déploiement, la santé de la plateforme, l’adoption et les coûts.
- Builders peuvent approfondir les workflows, l’architecture, les API et le développement d’agents.
- Leaders IA peuvent examiner la mesure, l’évolution de la main-d’œuvre, 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 en 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 mérite de passer à l’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 assistez-y virtuellement, pour deux jours de sessions pratiques, de retours d’expérience 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 !
